苹果自动分级中计算机视觉信息快速获取与处理技术的研究
【摘要】:
高品质、绿色农产品的生产是21世纪农业发展的重要方向之一。在国际市场
上,高品质意味着高收益。目前在我国,因缺乏农产品品质检测标准和手段,使
各种农产品混杂上市,在国际市场上缺乏竞争力,初级农产品得不到增值,给国
家和农民造成了巨大的经济损失,中国加入WTO后,这个问题会显得更加突出。
因此,现在迫切需要进行农产品品质、农业化学品残留等污染物的监测新技术的
开发和研究。水果的外部品质主要涉及大小、形状、颜色和表面缺陷。目前,国
外在利用机器视觉技术进行水果大小、形状和颜色自动分级方面,已达到实用化
水平;但因缺陷检测的复杂性,外部缺陷的快速自动检测还一直处在继续研究阶
段。国内从90年代开始进行这方面的研究,但主要集中在水果静态图象处理和
识别方法的研究上,因算法处理速度的限制,至今尚未开发出自动分级的商品化
产品。本文以提高基于计算机视觉的图象信息处理速度和探索水果自动分级机械
的产业化开发为目标,应用计算机视觉信息技术与机电一体化技术,对苹果在线
状态下,计算机视觉信息快速获取和处理技术进行了研究,完成的主要研究成果
如下:
(1)图象低层处理算法是利用计算机视觉进行水果在线快速分级的基础。本
文首先对图象低层处理中的平滑、增强算法进行了有效性和实时性研究,得到了
适合苹果在线快速分选的图象增强算法和平滑算法。在图象边缘检测方面,提出
了基于分形特征的图象边缘检测新方法,该方法具有较强的抗噪声性能。对基于
类别方差和信息熵的两种图象分割算法进行了研究,提出了适合水果在线状态
下,果实与背景快速分割的算法。
(2)水果表面缺陷的识别复杂而费时,一直是实现水果自动化分级的障碍。
为提高缺陷分割的速度,本文提出一种基于参考图象的缺陷快速分割算法,可有
效、快速地分割出在线状态下水果表面的缺陷。真正缺陷区与梗萼凹陷区的快速
识别是国内外研究的另一热点,因为这是造成分级误差的主要原因。为此,本文
提出基于有向分形维数和人工神经网络的快速识别新方法,并提出双金字塔数据
形式的盒维数快速计算方法。以上两个难题的解决,为实现水果表面缺陷的自动
化检测奠定了基础。
(3)国内研究者提出的水果形状、大小识别算法,都是围绕水果中心轴线来提
取特征参量,而水果在分选生产线上的状态是随机的,故这些特征参量的提取方
法不再适合于在线状态。为此,本文提出基于参考形状的苹果果型相关评判和果
径计算新方法,并利用改进的遗传算法提高处理速度,试验表明这是一种快速而
有效的方法。
(4)水果颜色的在线快速分级,要求系统在快速获取表面颜色信息的同时,对
博士 论文
一
水果的着色率进行实时评价。本文对颜色信息快速获取的方法和有效颜色特征的
提取方法进行了研究,并利用遗传算涪实现了颜色分级神经网络的结构设计和权
值学习,克服以往神经网络设计时,结构人为确定带来的弊病,可有效缩短神经
网络的设计和训练时间。
*)为了尽快开发利用计算机视觉进行水果自动化分级的实用化产品,本文
通过多视觉、多光谱、光学成象以及机电技术的有机集成,提出了一种快速获取
水果全视角图象的新方法,并完成了该系统的研制。该系统由苹果输送机构、机
器视觉成象、处理系统和照明室三部分组成,可完成苹果在线状态下图象信息的
4”””“”—’—”——””一—”“”『“““’”””“————”’””——’—””“—’一’”‘”“”””‘“”””-”‘“””“
快速采集和处理,为开发商品化产品提供了可行的途径。
…)根据苹果外部品质各项指标在线检测实现的方法和实时分级的速度要求,
确定了合理的在线分级方案。用 Visual++5.0编程,综合设计了苹果形状、大
小、颜色和表面缺陷自动分级的软件系统。最后利用开发的硬件和软件系统对3
种苹果进行了检测、分级综合试验。试验结果表明:系统分级的正确率在 85%以
上,利用联想Pill—500微机系统检测分级1个苹果表面缺陷所用的时间为320ms,
检测分级 1个苹果的形状、大小和颜色,所用的时间平均小于 2 10 ms。分级速度
已基本达到在线分级的要求。
本研究对于我国开展基于视觉技术的水果自动分选系统高新技术产品的开
发,具有重要参考价值,对高品质水果的增值和推进创汇农业科技活动,提高提
高农业国际竟争能力有重要的经济意义。
|
|
|
|
1 |
刘成君;戴汝为;;计算机视觉研究的进展[J];模式识别与人工智能;1995年S1期 |
2 |
卢官明;基于内容的图像及视频检索[J];南京邮电学院学报;2002年02期 |
3 |
黄文清,汪亚明,周志宇;计算机视觉技术在工业领域中的应用[J];浙江工程学院学报;2002年02期 |
4 |
肖志涛,侯正信;基于相位信息的对称性检测算法[J];计算机学报;2005年11期 |
5 |
马玉真;陶立英;王新华;;计算机视觉技术的应用[J];试验技术与试验机;2006年01期 |
6 |
刘雄雅;徐志刚;;基于计算机视觉的汽车安全可行区域研究[J];中国水运(理论版);2007年01期 |
7 |
刘爱君;黄席樾;全洪渊;;基于虚拟检测技术的隧道交通参数检测方法研究[J];自动化与仪器仪表;2007年03期 |
8 |
李林;王帅;姜树明;刘晓辉;刘向阳;魏志强;;基于嵌入式的图像测量系统的设计与实现[J];山东科学;2010年04期 |
9 |
谢晓荣;;浅谈计算机视觉艺术在数字媒体的应用[J];华章;2010年31期 |
10 |
张奇志;周亚丽;;基于SIFT特征的单训练样本人脸识别[J];北京信息科技大学学报(自然科学版);2011年04期 |
11 |
钟声;石青云;程民德;;基于小波变换的立体视觉匹配方法[J];模式识别与人工智能;1994年01期 |
12 |
齐丙辰,大川善邦;计算机视觉在球类机器人和行为理解研究中的应用与发展[J];中国图象图形学报;1998年09期 |
13 |
周强;薛向阳;吴立德;;一种非连续广义光流的计算方法[J];模式识别与人工智能;1998年03期 |
14 |
张爱武,李明哲,胡少兴,随振;基于计算机视觉的三维测量技术(英文)[J];农业工程学报;2001年01期 |
15 |
张瑞合,姬长英,沈明霞,曹坤;计算机视觉技术在番茄收获中的应用[J];农业机械学报;2001年05期 |
16 |
黄锡昌;结合面向对象方法的计算机视觉语义网络表示[J];现代计算机;2001年08期 |
17 |
汪德才,郭新贵,刘亚东,李从心;基于计算机视觉的实时控制集成系统[J];计算机工程;2002年05期 |
18 |
周志宇,汪亚明,黄文清;计算机视觉在交通监控中的应用[J];计算机系统应用;2003年01期 |
19 |
袁金丽,吉海彥,郭志涛;基于计算机视觉的苹果表面缺陷识别方法[J];农业网络信息;2005年06期 |
20 |
唐轶峻,汤一平,隋成华;基于HMMs的人体姿态图像视觉理解研究[J];激光与红外;2005年10期 |
|