基于機器視覺的哈密瓜品質(zhì)無損檢測及分級輸送裝置研究.pdf

1、哈密瓜是新疆傳統(tǒng)的名優(yōu)產(chǎn)品之一，由于其經(jīng)濟價值高，是農(nóng)民重要的增收途徑之一。新疆哈密瓜產(chǎn)量高，品質(zhì)好，但由于在上市前未經(jīng)過有效分級，或者部分僅經(jīng)過人工分級處理，不僅增加了人工成本，而且分級標準不統(tǒng)一，嚴重影響哈密瓜在市場上的競爭力，從而損失了農(nóng)民的經(jīng)濟效益。機器視覺技術(shù)可實現(xiàn)對水果進行無損、綠色及標準化檢測，以大大提高水果的附加值。本文利用機器視覺技術(shù)對哈密瓜品質(zhì)進行無損檢測分級，主要研究內(nèi)容及方法包括：
　　采用機器視覺技術(shù)和高

2、光譜成像技術(shù)分別對同一批哈密瓜進行了無損檢測研究。機器視覺技術(shù)可檢測哈密瓜的外部品質(zhì)（大小、重量及紋理），高光譜成像技術(shù)可檢測哈密瓜的綜合品質(zhì)。主要研究結(jié)果如下：
　?、爬脵C器視覺系統(tǒng)獲得哈密瓜圖像并進行預處理，提取哈密瓜外部品質(zhì)特征用于檢測哈密瓜大小、重量和網(wǎng)紋率。試驗結(jié)果表明，基于機器視覺技術(shù)的哈密瓜的縱徑檢測相關(guān)系數(shù)為0.988，橫徑檢測相關(guān)系數(shù)為0.973，哈密瓜重量預測相關(guān)系數(shù)為0.984，并且提取的哈密瓜紋理特征清晰

3、，哈密瓜網(wǎng)紋率檢測平均值為80.25％，機器視覺技術(shù)可用于哈密瓜外部品質(zhì)檢測。
　?、仆ㄟ^搭建的高光譜成像系統(tǒng)，采集哈密瓜的圖像和光譜信息。采用目標與背景區(qū)域平均光譜差值最大法，選取605nm下的高光譜圖像為特征圖像，檢測哈密瓜的大?。粚芄细吖庾V圖像進行主成分分析，發(fā)現(xiàn)第一主成分適于檢測哈密瓜的紋理特征。分析光譜信息，選擇有效全波段（500-820nm）進行哈密瓜糖度檢測建?；貧w分析。對比了多元散射信號修正(MSC)和標準正則

4、變換（SNV）校正方法，原始光譜、一階微分、二階微分光譜預處理方法對建模精度的影響；采用PLS、SMLR和PCR方法對比分析了帶皮哈密瓜和去皮哈密瓜糖度檢測模型效果。試驗結(jié)果表明，基于高光譜成像技術(shù)的哈密瓜縱徑預測相關(guān)關(guān)系為0.990，哈密瓜橫徑預測相關(guān)系數(shù)為0.956，重量預測相關(guān)系數(shù)為0.974，哈密瓜網(wǎng)紋率檢測平均值為85.53%。對原始光譜經(jīng)過MSC和一階微分光譜處理后，采用PLS和SMLR方法均可取得很好的建模效果，應用PLS

5、法檢測帶皮哈密瓜糖度是可行的，其校正集相關(guān)系數(shù)Rc為0.861，RMSEC為0.627，預測集相關(guān)系數(shù)Rp為0.706，RMSEP為0.873；應用SMLR法檢測去皮哈密瓜糖度效果最佳，校正集相關(guān)系數(shù)Rc為0.928，RMSEC為0.458，預測集相關(guān)系數(shù)Rp為0.818，RMSEP為0.727。
　?、枪芄系娜テそＰЧ鶅?yōu)于哈密瓜的帶皮狀態(tài)。并從哈密瓜的均方根誤差來看，哈密瓜的去皮建模的魯棒性和可再現(xiàn)性也要優(yōu)于帶皮哈密瓜樣本