资源预览内容
第1页 / 共32页
第2页 / 共32页
第3页 / 共32页
第4页 / 共32页
第5页 / 共32页
第6页 / 共32页
第7页 / 共32页
第8页 / 共32页
第9页 / 共32页
第10页 / 共32页
亲,该文档总共32页,到这儿已超出免费预览范围,如果喜欢就下载吧!
资源描述
III基于计算机视觉的水果分级检测系统的设计摘 要计算机视觉应用于水果的品质检测,带来了许多方便。既可以提高检测的精度、准确度。又节省了大量的劳动力,让人们从繁重的人工检测工作中解脱出来。本文以苹果为研究对象,研究了计算机视觉技术应用于水果分级检测的基本理论和方法。研究了苹果图像的预处理,包括平滑滤波、图像的灰度化以及图像的二值化。研究了苹果的大小检测。先把苹果图像与背景分离,再计算出苹果图像的像素点数,通过预先测定出的一个像素点与真是面积的比值,进而算出苹果的真是面积,最后通过直径的大小来确定苹果大小等级。研究了苹果的颜色检测,通过HIS颜色模型中的H分量来判定出苹果的着色面积,通过着色面积与苹果的大小做比,得出苹果的着色比,通过着色比来判定苹果颜色等级。研究了苹果的缺陷检测。对苹果图像的灰度化,再通过用合适的阀值二值化图像确定出缺陷区域,在通过一些简单的运算得出缺陷的面积,通过缺陷的面积确定苹果的缺陷等级。关键词:计算机视觉,图像处理,水果分级The Design of Fruit Grading Detection System Based on Computer VisionABSTRACTComputer vision applied to fruit quality inspection, brought a lot of convenience. Can enhance the detection accuracy. And save a lot of peoples labor from the heavy manual inspection work in earnest. So today I will introduce the basic theory and methods of a technology which can detect fruit ,this technology takes apple as the research object . Apple image preprocessing, including filtering, the grayscale of the image and the binarization of images.The size of the detection of apple. Departing apples image and background first, secondly ,calculate the number of the apple images pixels. Thirdly ,calculate the area of the apple in real through the predetermined ratio of a pixel area and its real area.Finally,determine the apples size class through diameter .The color of apple detected by its color model HIS.We use the component H in HIS model to determine apples colored area, through the ratio of the colored areas size and the apples size in real we can find out the color ratio. So we can determine the class of color through color ratio. The apple defect detection.We should make out the grayscale image of the apple at first, and then by using the appropriate threshold of the binary image to determine the defect area, so we can draw out the area of the detection through some simple operations .Finally we can determine the defect level of this apple through the area of detection.Key words: Computer vision, image processing, fruit grading目 录1绪论11.1 研究的目的与意义11.2 国内外研究的现状11.2.1 国外情况11.2.2国内情况21.3 研究内容21.4 技术路线21.5 本章小结32图像预处理方法研究42.1 引言42.2 图像的平滑处理42.2.1 中值滤波法52.2.2 快速中值滤波52.2.3 邻域平均法52.4图像的二值化72.5 本章小结83 苹果的大小检测93.1 引言93.2 大小检测分级研究93.3 苹果大小特征提取113.4 苹果大小分级试验与结果123.5 本章小结124.1 引言134.2 颜色模型134.3苹果表面颜色特性分析174.4 苹果颜色着色度提取与等级划分174.5 本章小结185 水果的缺陷检测195.1引言195.2水果缺陷检测研究195.3水果缺陷检测试验与结果215.4本章小结236 水果分级的系统研究246.1引言246.2系统工作原理246.3本章小结26致 谢27参考文献282727基于计算机图像处理的水果分级检测系统的设计1绪论1.1 研究的目的与意义自古以来我们国家就是一个农业大国,农业在国民收入中占据了很大的比重。而在农业中水果的种植又十分广泛。但一直以来我国水果出口情况一直不如国外,这不是说我国的水果质量比别国的差,而是我国的水果在后序的分级方面做的比不上外国。现在随着人们的生活水平提高,对于质量的要求就高了,所以说水果的分级就显得十分的必要。但是我国的水果分级工作大部分是靠人力完成,这就产生了很多的问题,比如说:工作量十分大,要占用许多的劳动力来完成这件事,而且效率也不高;再者说人的疲劳和天生对色泽等方面的敏感度不高,同样对分级的质量产生影响。虽然近些年我国在机器检测中取得了一些成就,使得在水果的大小、颜色方面的检测可以让机器代替人工去完成。但由于检测方法比较简单,所以完全达不到市场的要求和人的期望。随着计算机的迅速发展,计算机视觉技术被广泛应用于农产品检测中。所以通过将计算机技术和图像处理等许多学科知识综合起来,先通过对水果大小、颜色、缺陷各个方面分别进行检测,再对各个检测结果进行综合分析。这样得出的判断包含的方面比较全面,而且图像处理知识的应用使得检测更加精确。这样水果的检测才达到真正意义上的智能化。本课题就是介绍了基于计算机图像处理的水果分级检测。1.2 国内外研究的现状1.2.1 国外情况国外在水果的计算机视觉检测方面发展比较早,并已经取得了很多成果。同样在国外这方面的研究中,缺陷的检测同样也是一个难题。Yang Q1首先对水果的图像进行分割,因为水果表面各个地方的缺陷大小不同,程度也不一样。这样分割后可以使得水果的图像,受光反射等方面的影响程度减小。可以使得缺陷部分如斑块、擦伤等可以分开进行检测。这样的分割不仅可以使得研究方面,同样也是十分必要的。之后Yang Q又进行了改进,他通过采用蛇形算法达到更精确的分割,具有更高的抗干扰能力,对于目标的局部模糊也不敏感。使得初始的轮廓更靠近真实状态Leemans2在缺陷检测中运用另外的方法,他把水果像素点逐个和水果的平均颜色值进行比较。差别大的则认为是缺陷,反之则认为是正常的组织。但这种方法存在明显的缺点,当缺陷与正常组织对比明显时十分有效,但如果对比不是很明显时,误差就比较大。Shalin3等利用X射线的线扫描设备来检测水果的创伤,以空间边缘特征和离散余弦变换系数为特征,利用人工神经网络进行分类,这种方法对旧的创伤精确度挺高的,但对于新的创伤的精确度却比较低。1.2.2国内情况国内在水果检测方面的起步比较晚,但是发展十分迅速。冯斌等4通过确定水果的形心、轴心等,再通过计算得出了水果的大小、尺寸,精确度十分高。高华等5提出用傅里叶描述子,傅里叶系数等来确定水果的大体轮廓。进而对水果的形状规则度做出判断。林开颜6等和高华的方法有所不同,他们先用“基于梯度法的彩色图像边缘检测”确定水果的边界,然后通过对边界进行傅里叶变换,用傅里叶系数近似确定出水果的形状,再对形状的不规则度进行判别。胡海晴等7对水果图像进行处理,将图像的RGB模型转换为HIS模型后,通过色度比较来确定水果的成熟度等级。而度量器则使用Hamming网络结构作为人工神经网络的结构,运算速度高而且判定的精确度也很高。李庆中等8通过双金字塔数据形式的盒维数快速计算,用得到的分形维数作为可疑缺陷区的参数,再通过BP形网络结构的人工神经网络,最终实现对梗、萼和缺陷的准确判断。解决了梗萼与缺陷区判定这一难题。1.3 研究内容本课题是基于计算机视觉的水果分级检测,以苹果为研究对象。在总结了国内外的研究成果的基础上,选用了运行速度快、可靠性高的方法。对苹果依次进行了图像采集、灰度化、二值化、图像分割、颜色模型转换。再通过苹果的分级特征对苹果进行分级。保证了分级结果的准确性和实用性。主要的研究内容包括:通过采集到的苹果图像,经过一些处理后。提取出苹果大小的特征值建立分级模型。根据苹果检测出的结果作出判断,来定出水果的大小等级。对苹果的表面颜色进行分析,建立分级模型,提取出颜色特征值,进而判定出水果颜色的等级。对苹果进行灰度化,并选择适当的阀值对灰度化后的图像进行二值化,确定缺陷的区域。在通过计算缺陷面积得出缺陷的等级。1.4 技术路线采用CCD摄像头和图像采集卡工具完成对图像的采集。并传输到计算机上为后续的图像处理做准备。对采集到得图像进行图像的预处理,使得后续的检测分级更加的精确。确定图像的分级参数,从水果图像的大小、颜色和缺陷这三个方面来分别进行分级。对各个方面的分级结果进行综合,得出水果的品质等级。1.5 本章小结本章通过分析水果分级检测研究的意义,以及计算机视觉技术在水果分级中的应用。确定了研究的方向为基于机器视觉技术进行苹果外观品质检测,研究目标是设计实时的水果分级系统。根据研究目的及研究内容,确定了研究的技术路线。2图像预处理方法研究2.1 引言本课题研究内容是基于计算机图像处理的水果分级检测,而要保证分级结果的可靠性,那么在图像处理的每一个环节都要确保尽可能的准确。那么就需要在处理前对图像进行预处理。以此来消除图像的噪声、模糊等问题。图像的预处理就是对图像进行加工,来满足人的视觉要求和应用要求。图像的预处理有光学方法和数字方法。光学处理的效果差、稳定性不够高,而与此同时数字处理技术飞速发展,其效果和稳定性相比光学方法来说都要好。主要的数字处理方法如下:点运算图像的点运算主要是对一个
网站客服QQ:2055934822
金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号