基于图像处理的多特征融合苹果分级方法研究
发布时间：2021-08-02 13:54
我国是苹果生产大国,但不是贸易强国。苹果出口量仅占总产量的3%,其主要原因是苹果采后品质检测及分级水平较低。现阶段苹果大多依靠人工进行分级,工作效率较低,并且在自动分级中主要依据苹果单一特征进行分级,分级精度不高。因此,本文以红富士苹果为研究对象,提出了基于图像处理的多特征和多分类器下的苹果分级,完成缺陷果的识别和完好果的分级,提高了分级效率和精度。本文首先获取苹果图像,并进行RGB和HSI模型介绍,提取这两种模型下的苹果分量图。经过对比发现,在R分量图下利用Otsu法进行图像分割时效果最好。通过开操作平滑目标边缘,利用Canny算子检测目标轮廓,同时完成果梗和缺陷区域彩色图像的提取,为特征检测奠定基础。其次,对于缺陷区域和果梗区域,提取其纹理和几何特征。对于完好果的特征提取而言,通过计算苹果图像的最小最大半径比和圆形度来描述苹果形状;利用颜色定量分析和红色着色率来获得苹果颜色特征;并根据GB/T 10651-2008《鲜苹果》中最大横截面直径作为果径,提出了一种苹果大小检测的方法,即先计算每个苹果表面的最小最大半径比,将比值最大的那一面作为果径面,然后将果径面的最小外接圆直径作为苹果...
【文章来源】：河北科技大学河北省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
016和2017年我国苹果出口数据
郑?饕?逑衷诜旨豆?讨腥斯ば璨欢媳３忠恢中形??泄ぷ鳎?投?慷却螅??体逐渐疲劳，并且分级时会受到劳动者精神状况，视力，颜色鉴别等的影响，导致分级准确率不高，速度慢，并且在这过程中，苹果容易发生磕碰等现象，造成二次损伤。对此，机械分级逐渐代替人工分级，机械式分级主要是对苹果的单一特征进行分级，如颜色，大小，重量等。其中颜色分级主要依据光电检测原理，通过比较表皮对于不同波长光线的反应得到颜色的等级划分。而机械分级应用最多的还是对水果进行大小分级，主要结构有滚杆式和滚筒式两种[1]，结构如图1-2和图1-3所示。虽然这两结构不同，但原理都大致一样，主要通过分级部件上孔穴大小的不同或者传输链之间间距的不同，使得苹果按照大小或本身的重力依次掉入不同分级区域。与人工分级相比，机械式分级结构简单，分级速度快，并且不受主观因素的影响，但苹果在机器运行中，容易造成磕碰，擦伤等现象，使得苹果表面或内部果实受到伤害。而且机械式分级最大的缺点是只针对苹果的单一指标进行分级，难以综合所有指标进行质量区分，使得分级准确率不高。图1-2滚杆式水果分选机图1-3滚筒式水果分选机近些年来，对于传统苹果分级的缺点，人们研究出了即能实现自动化，对苹果无损伤又能综合所有特征的苹果分级方法，其主要原理是通过对摄取到苹果图像进行图像处理，在进行特征后，利用模式识别算法进行分级。这一方法逐步取代了人工分级和机械分级，通过图像处理进行分级不会使苹果受到二次伤害，并且工作效率高，现阶段我国基于图像处理的苹果分级有单一特征分级和多特征融合下的分级，
体现在分级过程中人工需不断保持一种行为进行工作，劳动强度大，身体逐渐疲劳，并且分级时会受到劳动者精神状况，视力，颜色鉴别等的影响，导致分级准确率不高，速度慢，并且在这过程中，苹果容易发生磕碰等现象，造成二次损伤。对此，机械分级逐渐代替人工分级，机械式分级主要是对苹果的单一特征进行分级，如颜色，大小，重量等。其中颜色分级主要依据光电检测原理，通过比较表皮对于不同波长光线的反应得到颜色的等级划分。而机械分级应用最多的还是对水果进行大小分级，主要结构有滚杆式和滚筒式两种[1]，结构如图1-2和图1-3所示。虽然这两结构不同，但原理都大致一样，主要通过分级部件上孔穴大小的不同或者传输链之间间距的不同，使得苹果按照大小或本身的重力依次掉入不同分级区域。与人工分级相比，机械式分级结构简单，分级速度快，并且不受主观因素的影响，但苹果在机器运行中，容易造成磕碰，擦伤等现象，使得苹果表面或内部果实受到伤害。而且机械式分级最大的缺点是只针对苹果的单一指标进行分级，难以综合所有指标进行质量区分，使得分级准确率不高。图1-2滚杆式水果分选机图1-3滚筒式水果分选机近些年来，对于传统苹果分级的缺点，人们研究出了即能实现自动化，对苹果无损伤又能综合所有特征的苹果分级方法，其主要原理是通过对摄取到苹果图像进行图像处理，在进行特征后，利用模式识别算法进行分级。这一方法逐步取代了人工分级和机械分级，通过图像处理进行分级不会使苹果受到二次伤害，并且工作效率高，现阶段我国基于图像处理的苹果分级有单一特征分级和多特征融合下的分级，
【参考文献】：
期刊论文
[1]多分类器融合提取土壤养分特征波长[J]. 李雪莹,范萍萍,刘岩,王茜,吕美蓉. 光谱学与光谱分析. 2019(09)
[2]基于多分类器融合的近红外光谱技术鉴别蜂蜜品种[J]. 张林,韩美林,杨琳,王洋. 化学分析计量. 2019(03)
[3]基于多维特征和多分类器的水电机组故障诊断[J]. 程晓宜,陈启卷,王卫玉,郑阳,郭定宇,娄强. 水力发电学报. 2019(04)
[4]基于图像处理的大蒜蒜种品质无损分级方法研究[J]. 杜云,曹世佳,贾科进,王熙煚. 河北工业科技. 2018(05)
[5]一种基于多特征多分类器融合的人体行为识别方法[J]. 陈庆峰,冯仕民,丁恩杰. 河南科技大学学报(自然科学版). 2018(06)
[6]基于决策树支持向量机的苹果表面缺陷识别[J]. 邱光应,彭桂兰,陶丹,王峥荣. 食品与机械. 2017(09)
[7]基于图像特征融合的苹果在线分级方法[J]. 黄辰,费继友. 农业工程学报. 2017(01)
[8]近红外光谱和多分类器融合的葡萄酒品种判别研究[J]. 李凯,李雪莹,栾丽丽,胡文雁,王宇恒,李景明,李军会,劳彩莲,赵龙莲. 光谱学与光谱分析. 2016(11)
[9]基于隐马尔科夫模型的苹果分级方法研究[J]. 谢锋云,周建民,江炜文,张慧慧,唐宏兵. 食品与机械. 2016(07)
[10]机器学习及其算法和发展研究[J]. 张润,王永滨. 中国传媒大学学报(自然科学版). 2016(02)
博士论文
[1]基于特征优化和多特征融合的杂草识别方法研究[D]. 李先锋.江苏大学 2010
硕士论文
[1]基于图像的多指标融合的苹果分级技术研究[D]. 汤天杰.南京邮电大学 2018
[2]基于机器视觉的苹果在线分级系统平台的研究[D]. 石瑞瑶.沈阳农业大学 2018
[3]基于机器视觉的苹果定向和分级方法研究[D]. 马垚.江南大学 2017
[4]苹果分级检测算法的研究[D]. 田丽娜.陕西科技大学 2013
[5]基于多类特征融合的步态识别算法[D]. 纪阳阳.山东大学 2010
[6]基于差异性度量的多分类器融合研究[D]. 王鹏.江苏大学 2007
本文编号：3317682
【文章来源】：河北科技大学河北省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
016和2017年我国苹果出口数据
郑?饕?逑衷诜旨豆?讨腥斯ば璨欢媳３忠恢中形??泄ぷ鳎?投?慷却螅??体逐渐疲劳，并且分级时会受到劳动者精神状况，视力，颜色鉴别等的影响，导致分级准确率不高，速度慢，并且在这过程中，苹果容易发生磕碰等现象，造成二次损伤。对此，机械分级逐渐代替人工分级，机械式分级主要是对苹果的单一特征进行分级，如颜色，大小，重量等。其中颜色分级主要依据光电检测原理，通过比较表皮对于不同波长光线的反应得到颜色的等级划分。而机械分级应用最多的还是对水果进行大小分级，主要结构有滚杆式和滚筒式两种[1]，结构如图1-2和图1-3所示。虽然这两结构不同，但原理都大致一样，主要通过分级部件上孔穴大小的不同或者传输链之间间距的不同，使得苹果按照大小或本身的重力依次掉入不同分级区域。与人工分级相比，机械式分级结构简单，分级速度快，并且不受主观因素的影响，但苹果在机器运行中，容易造成磕碰，擦伤等现象，使得苹果表面或内部果实受到伤害。而且机械式分级最大的缺点是只针对苹果的单一指标进行分级，难以综合所有指标进行质量区分，使得分级准确率不高。图1-2滚杆式水果分选机图1-3滚筒式水果分选机近些年来，对于传统苹果分级的缺点，人们研究出了即能实现自动化，对苹果无损伤又能综合所有特征的苹果分级方法，其主要原理是通过对摄取到苹果图像进行图像处理，在进行特征后，利用模式识别算法进行分级。这一方法逐步取代了人工分级和机械分级，通过图像处理进行分级不会使苹果受到二次伤害，并且工作效率高，现阶段我国基于图像处理的苹果分级有单一特征分级和多特征融合下的分级，
体现在分级过程中人工需不断保持一种行为进行工作，劳动强度大，身体逐渐疲劳，并且分级时会受到劳动者精神状况，视力，颜色鉴别等的影响，导致分级准确率不高，速度慢，并且在这过程中，苹果容易发生磕碰等现象，造成二次损伤。对此，机械分级逐渐代替人工分级，机械式分级主要是对苹果的单一特征进行分级，如颜色，大小，重量等。其中颜色分级主要依据光电检测原理，通过比较表皮对于不同波长光线的反应得到颜色的等级划分。而机械分级应用最多的还是对水果进行大小分级，主要结构有滚杆式和滚筒式两种[1]，结构如图1-2和图1-3所示。虽然这两结构不同，但原理都大致一样，主要通过分级部件上孔穴大小的不同或者传输链之间间距的不同，使得苹果按照大小或本身的重力依次掉入不同分级区域。与人工分级相比，机械式分级结构简单，分级速度快，并且不受主观因素的影响，但苹果在机器运行中，容易造成磕碰，擦伤等现象，使得苹果表面或内部果实受到伤害。而且机械式分级最大的缺点是只针对苹果的单一指标进行分级，难以综合所有指标进行质量区分，使得分级准确率不高。图1-2滚杆式水果分选机图1-3滚筒式水果分选机近些年来，对于传统苹果分级的缺点，人们研究出了即能实现自动化，对苹果无损伤又能综合所有特征的苹果分级方法，其主要原理是通过对摄取到苹果图像进行图像处理，在进行特征后，利用模式识别算法进行分级。这一方法逐步取代了人工分级和机械分级，通过图像处理进行分级不会使苹果受到二次伤害，并且工作效率高，现阶段我国基于图像处理的苹果分级有单一特征分级和多特征融合下的分级，
【参考文献】：
期刊论文
[1]多分类器融合提取土壤养分特征波长[J]. 李雪莹,范萍萍,刘岩,王茜,吕美蓉. 光谱学与光谱分析. 2019(09)
[2]基于多分类器融合的近红外光谱技术鉴别蜂蜜品种[J]. 张林,韩美林,杨琳,王洋. 化学分析计量. 2019(03)
[3]基于多维特征和多分类器的水电机组故障诊断[J]. 程晓宜,陈启卷,王卫玉,郑阳,郭定宇,娄强. 水力发电学报. 2019(04)
[4]基于图像处理的大蒜蒜种品质无损分级方法研究[J]. 杜云,曹世佳,贾科进,王熙煚. 河北工业科技. 2018(05)
[5]一种基于多特征多分类器融合的人体行为识别方法[J]. 陈庆峰,冯仕民,丁恩杰. 河南科技大学学报(自然科学版). 2018(06)
[6]基于决策树支持向量机的苹果表面缺陷识别[J]. 邱光应,彭桂兰,陶丹,王峥荣. 食品与机械. 2017(09)
[7]基于图像特征融合的苹果在线分级方法[J]. 黄辰,费继友. 农业工程学报. 2017(01)
[8]近红外光谱和多分类器融合的葡萄酒品种判别研究[J]. 李凯,李雪莹,栾丽丽,胡文雁,王宇恒,李景明,李军会,劳彩莲,赵龙莲. 光谱学与光谱分析. 2016(11)
[9]基于隐马尔科夫模型的苹果分级方法研究[J]. 谢锋云,周建民,江炜文,张慧慧,唐宏兵. 食品与机械. 2016(07)
[10]机器学习及其算法和发展研究[J]. 张润,王永滨. 中国传媒大学学报(自然科学版). 2016(02)
博士论文
[1]基于特征优化和多特征融合的杂草识别方法研究[D]. 李先锋.江苏大学 2010
硕士论文
[1]基于图像的多指标融合的苹果分级技术研究[D]. 汤天杰.南京邮电大学 2018
[2]基于机器视觉的苹果在线分级系统平台的研究[D]. 石瑞瑶.沈阳农业大学 2018
[3]基于机器视觉的苹果定向和分级方法研究[D]. 马垚.江南大学 2017
[4]苹果分级检测算法的研究[D]. 田丽娜.陕西科技大学 2013
[5]基于多类特征融合的步态识别算法[D]. 纪阳阳.山东大学 2010
[6]基于差异性度量的多分类器融合研究[D]. 王鹏.江苏大学 2007
本文编号：3317682
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3317682.html
教材专著
