收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于计算机视觉的山竹检测与分级

朱佳明  
【摘要】:山竹的品质检测与分级是山竹流通过程中非常重要的一个环节,鉴于目前山竹检测存在检测精度低、效率低、成本高、山竹分级研究少等问题,并且针对山竹果柄、果蒂是山竹分级难点的现实。本文采用单摄像头双辅助镜同时拍摄山竹3幅不同侧面图像,通过对不同新鲜程度的山竹图像进行大量实验,确定山竹图像的预处理方法和分割方法,并提取山竹的果径、颜色、纹理等特征信息,最终完成山竹的检测与分级。本文的主要工作包括以下几方面:(1)根据山竹的形状特征,研究并完成了山竹分级系统的设计,使山竹能够自动进料、输送及分级。同时采用两对称平面镜辅助单摄像头一次性采集山竹3幅图像的图像采集系统,与其它3幅图像采集系统相比,山竹无需保证自身匀速转动,增加了山竹图像的采集精度。(2)根据山竹后期处理的需求,研究了适合本课题的山竹图像预图像处理方法,包括山竹图像的颜色模型转换、噪声图像的恢复,感兴趣区域提取等。(3)通过综合分析比较基于灰度相似性的图像分割方法及基于灰度不连续性的图像边缘分割方法的优缺点,提出使用Otsu阈值分割法构建山竹边缘掩膜板并对山竹的边缘提取图进行掩膜操作以及轮廓处理获得山竹的完整边缘轮廓,对所获取的山竹完整轮廓进行填充构建山竹掩膜板,并最终完成山竹的背景分割,其背景去除率达到100%的同时,山竹表面及边缘信息可以得到很好的保留。(4)通过对不同新鲜程度的RGB山竹图像以及HSI山竹图像各个通道灰度值分析统计后,采用彩色阈值分割成功提取山竹果柄果蒂。(5)研究山竹颜色分级的新方法,采用山竹果柄果蒂H通道值在30°~210°进行分割,并将分割得到的果柄果蒂绿色区域面积与果柄果蒂总面积之比作为山竹颜色分级指标,该方法具有计算速度快,精确度高等优点。(6)通过分析山竹果实区域形状特征,提出了山竹果实区域拟合圆法来获取山竹果径。该方法不需要判断山竹姿态,且能在山竹任意姿态下进行果径提取,具有较高的鲁棒性及精确性。同时成功使用灰度共生矩阵法在山竹果实区域提取了山竹的纹理特征。(7)研究了基于BP神经网络的山竹分级方法,设计了 8-10-4 BP网络结构。通过训练和测试,网络可以完成山竹智能分级,分级正确率达到91.25%以上,满足山竹分级要求。


知网文化
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978