智能高速在線異物識別分揀關鍵技術研究.pdf

1、異物識別分揀系統(tǒng)是現(xiàn)代物流和生產(chǎn)線上非常重要組成部分，用來代替人工將混入正常物料中的異物檢測出來，極大提高了異物分揀的效率和穩(wěn)定性，對于提高產(chǎn)品品質(zhì)和企業(yè)競爭力有著重要意義。高速在線異物識別分揀技術能夠廣泛的應用到工農(nóng)業(yè)生產(chǎn)加工、醫(yī)藥、食品安全等領域，有著重要的實用意義。
　　 本文以煙草異物在線剔除系統(tǒng)為研究平臺，針對高速在線異物識別的難點，以提高識別率和降低誤識率為目的，深入研究了高速異物識別分揀的關鍵問題。論文首先進行了異

2、物檢測方法的基礎性實驗研究，設計了基于機器視覺的高速在線異物識別的系統(tǒng)結(jié)構。研究了統(tǒng)計模式識別基本理論，提出了高速在線異物識別的模式識別模型。針對顏色與物料和背景接近的異物不易識別的現(xiàn)象，提出了基于單元整體特征的異物識別算法。深入研究了支持向量機原理，針對物料樣本有限和異物樣本復雜多樣難以采集的現(xiàn)象，提出了一類超球面支持向量機異物識別算法；提出了D-QDPSO優(yōu)化算法，進行OC-SCM的求解，減小了誤識率。研究了高速異物識別中智能在線學

3、習技術，提出了異物識別智能在線學習模型，提出了記憶式在線學習和自適應動態(tài)閾值算法，針對線陣CCD的成像特點，提出了高速線陣CCD自學習和自適應糾錯機制。最后，將高速在線異物識別技術應用于煙草異物的在線剔除系統(tǒng)中，實踐表明，煙草異物在線識別剔除系統(tǒng)滿足設計指標，滿足自動化生產(chǎn)要求。
　　 本文的創(chuàng)新點主要體現(xiàn)在以下幾個方面：
　　 ①針對像素點算法不能很好識別顏色與物料接近的異物這一難題，提出了單元整體識別算法。通過計算單

4、元灰度均勻性獲得單元新屬性，進而對平滑異物得到較好的識別效果；對紋理性較強的異物，提出了FFT紋理識別算法；提出自適應聚類單元識別算法，通過用少量的顏色特征表征整個單元。
　　 ②提出了適用于異物識別的一類超球面支持向量機算法，算法提出了離心系數(shù)ω，由于ω是固定值并可由支持向量求得，避免了求解a和R的繁瑣步驟，簡化了求解過程；改進的SMO算法根據(jù)Zoutendijk最速下降方向策略確定工作集，尋找最大收斂方向?qū)ψ鳛閮?yōu)化子集，實驗

5、表明改進后的算法比原SMO算法效率提高20％～30％，且在有限樣本情況下，識別率優(yōu)于正態(tài)擬合算法。
　　 ③結(jié)合量子粒子群優(yōu)化，針對OCSVM提出了D-QDPSO算法。算法在初始化粒子群時即可獲得最優(yōu)解附近位置，同時采用邊界點作為初始粒子，在最大范圍內(nèi)搜索避免了陷入局部最優(yōu)；根據(jù)每次迭代的群最優(yōu)gBest，由Zoutendijk策略求其引導粒子，加快了收斂速度。實驗表明，D-QDPSO算法的運算效率比標準粒子群算法提高2倍左右，

6、得到的支持向量個數(shù)比SMO算法更少，泛化性更高，得到的訓練結(jié)果其誤識率更低。
　　 ④提出了記憶式在線學習和自適應動態(tài)閾值算法，通過計算一個時間段內(nèi)某色度出現(xiàn)幾率判斷該色度屬于異物還是非異物，并通過統(tǒng)計一個時間段內(nèi)獲得顏色的整體均值實時調(diào)整分類器的閾值，以適應光源變化對采集圖像的影響。針對線陣CCD的成像特點，提出了高速線陣CCD自學習和自適應糾錯機制，在學習中了增加橫坐標特征，并通過考察一個橫坐標位置上的點是否長時間沒有變化，