基于高光谱成像技术的马铃薯薯形检测与算法研究

【摘要】：马铃薯是宁夏的主要农产品之一,也是重要的经济作物,马铃薯的品质检测是加工中的重要环节,为了提高马铃薯的经济效益,对马铃薯进行形状检测是必须的步骤。本论文基于高光谱成像技术获取马铃薯图像,对马铃薯的薯形检测和算法展开研究。论文主要研究内容和结论如下： ①将马铃薯分为优形和畸形两种薯,利用高光谱成像技术采集图像信息,对图像进行灰度化、滤波、阈值分割及边缘检测等前期处理。对马铃薯的高光谱灰度图像加入椒盐噪声,采用四种滤波方法对图像进行滤波,最有效的滤波方式为自适应中值滤波和小波递推的最小二乘滤波方法。 ②采用基于小波的相对矩方法完成马铃薯的薯形检测及分级研究。利用小波边缘检测算法检测图像边缘,计算边缘图像的相对矩值作为描述马铃薯形状的特征向量。通过欧氏距离分类法完成马铃薯的分类,准确率分别为优形薯是85%,畸形薯是90%。 ③采用基于极半径的傅里叶描述子的方法实现马铃薯的薯形检测及分类。将马铃薯边缘图像的质心作为极点,以任意点为起点根据3×3邻域范围对图像边缘逐点采样,计算边缘图像的极坐标函数,再对其进行傅里叶变换提取谱信息。最后利用欧氏距离法完成马铃薯形状的分类,准确率分别为优形薯是75%,畸形薯是80%。 ④对以上基于小波相对矩的薯形检测方法和基于极半径的傅里叶描述子的两种薯形检测方法从检测准确率及稳定性方面进行比较分析,为马铃薯形状的准确分级以及利用高光谱研究农产品的品质检测都提供了一定的参考价值。