基于深度学习的红枣缺陷检测分级技术研究

发布时间：2023-03-23 03:01

　　红枣具有很高的营养价值,种植枣树为偏远地区带来了良好的经济效应。近年来红枣产业发展迅速,已成为许多偏远地区经济的支柱性产业。红枣在进入市场前,对缺陷枣的剔除、品质上的分选以及红枣大小的分级仍以人工方式为主,劳动强度较大,也有部分地区已开始采用机械自动化方式进行红枣的初步分级,由于人工分级与机械分级的分级精度与效率不同,商品化的红枣在品质上参差不齐,直接影响到红枣后续加工。目前深加工红枣产品品种和数量较少,红枣价格和附加值普遍较低。针对红枣分级精度与效率的问题,本课题采用机器视觉融合深度学习技术,对红枣的表面品质进行检测和分级,提高红枣分级效率和商品化附加值,带动红枣产业的快速发展。本课题以干制新疆若羌灰枣为研究对象,通过机器视觉技术对红枣的表型特征和表面缺陷进行检测。本文主要研究内容为:(1)采集红枣样本,对红枣的表型以及几何参数测量。以LY/T 1780-2018《干制红枣质量等级》行业标准为基础,确定了若羌灰枣的品质标准,同时根据若羌灰枣的体型特点,制定了若羌灰枣的大小分级标准。(2)提出了红枣检测分级机的总体设计方案,主要对该设备的上料输送系统、传动系统、视觉检测系统以及电磁铁分...

【文章页数】：91 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 课题研究背景
    1.2 课题研究目的与意义
    1.3 红枣分级标准
    1.4 国内外研究现状
        1.4.1 国内研究现状
        1.4.2 国外研究现状
    1.5 研究主要内容与技术路线
    1.6 本课题技术难点
    1.7 本章小结
2 红枣检测分级机设计
    2.1 红枣检测分级机总体方案设计
    2.2 上料机构设计
        2.2.1 上料斗的设计
        2.2.2 辊轮的设计
        2.2.3 上料输送链倾角的设计
    2.3 传动系统设计
        2.3.1 传动链的选型
        2.3.2 电机传动带的选型
        2.3.3 电机选型及功率计算
    2.4 检测系统设计
        2.4.1 图像采集装置的选择
        2.4.2 光源选择
        2.4.3 柔性搓动装置设计
    2.5 分级执行机构设计
    2.6 红枣分级机三维装配模型
    2.7 本章小结
3 基于卷积神经网络的红枣缺陷检测
    3.1 卷积神经网络
        3.1.1 传统人工神经网络的缺陷
        3.1.2 基本模型LeNet-5
        3.1.3 卷积神经网络误差反向传播
    3.2 红枣图像集的预处理
        3.2.1 RGB颜色空间
        3.2.2 红枣缺陷特征的提取
    3.3 卷积神经网络相关改进项
        3.3.1 激活函数RELU
        3.3.2 Softmax分类器
    3.4 实验及结果分析
        3.4.1 实验过程
        3.4.2 实验验证
        3.4.3 实验结果分析
    3.5 本章小结
4 基于深度残差网络的红枣缺陷检测
    4.1 深度残差网络
    4.2 基于深度残差网络的红枣识别模型
    4.3 深度残差网络的相关改进项
        4.3.1 激活函数SELU
        4.3.2 Adam算法优化学习率
        4.3.3 随机隐退Dropout
        4.3.4 Center Loss损失函数
    4.4 实验及结果分析
        4.4.1 实验过程
        4.4.2 实验结果
        4.4.3 试验结果分析
    4.5 本章小结
5 红枣表型特征检测
    5.1 图像降噪
    5.2 边缘检测算子的选择
    5.3 红枣图像阈值分割
    5.4 红枣拟椭圆化处理
    5.5 红枣重量测量及畸形果检测
    5.6 本章小结
6 红枣品质检测系统GUI界面的设计
    6.1 总体设计
    6.2 软件模块
    6.3 GUI界面设计
    6.4 本章小结
7 总结与展望
    7.1 总结
    7.2 展望
致谢
参考文献
攻读学位期间发表的学术论文目录
附录A: 深度神经网络主要源码
附录B: 分级机结构图



本文编号：3768144