基于機器視覺和SVM的花椒外觀品質檢測技術研究.pdf

1、花椒不僅是一種重要的烹飪調料，還具有廣泛的藥用價值。本文將機器視覺技術和支持向量機引入到花椒顆粒閉眼率、椒籽率、果穗梗率和果皮率等外觀品質評價指標的快速檢測中，避免了傳統(tǒng)人眼感觀檢測存在的效率低、準確性差等缺陷。主要研究內容如下：
　　 第一，開發(fā)了花椒外觀品質機器視覺檢測硬件系統(tǒng)。通過試驗及分析，合理選擇圖像處理器件，構建花椒外觀品質機器視覺檢測硬件系統(tǒng)，系統(tǒng)包括微機、CCD攝像機、鏡頭、光源、電機、托盤、光照箱、圖像采集卡、

2、單片機等。
　　 第二，研究了基于機器視覺和SVM的花椒外觀品質檢測算法。
　　 花椒外觀品質檢測算法分為訓練建模和預測分類兩個部分，而圖像處理算法是建模和預測的基礎。本課題針對本研究室前期的研究，對花椒外觀品質檢測圖像處理算法進行了優(yōu)化和改進，解決了需要二次填充才能識別個體的問題；并首次把支持向量機方法引入到花椒固有雜質預測分類中。
　　 第三，開發(fā)了基于機器視覺和SVM的花椒外觀品質檢測軟件系統(tǒng)。
　　

3、 在Visual C++6.0平臺完成了花椒外觀品質檢測軟件系統(tǒng)，包括圖像采集模塊、圖像處理模塊、特征提取模塊、建模和預測模塊以及硬件控制模塊。
　　 第四，花椒外觀品質檢測試驗分析。
　　 對收集的141份花椒樣品，隨機選取100份花椒樣品作為建模樣品集。分別采集每份樣品中果皮、閉眼、椒籽及果穗梗四類個體的圖像并提取特征參數值作為訓練集，利用LIBSVM軟件包訓練建立SVM花椒分類模型。將未參與建模的剩下的41份樣品

4、作為預測集。采集其圖像，并通過圖像處理提取個體特征參數，利用已建立的SVM花椒分類模型自動預測得到每個個體的種類，統(tǒng)計出個體總數并計算花椒各項檢測指標值。對預測集里的41份花椒樣品各項檢測指標值進行人眼感官評測，并與機器檢測的結果進行對比比較，給出機器的誤差及誤差率。結果表明：對椒籽、果穗梗識別誤差率為9.09％、11.76％，閉眼及果皮識別誤差率分別為50％、-4.04％。
　　 研究表明，基于機器視覺和SVM的花椒外觀品質檢