基于圖像識(shí)別的千粒重儀研究.pdf

1、千粒重是衡量谷物品質(zhì)好壞的一個(gè)重要指標(biāo)，但目前在千粒重測(cè)量中大都是人工分離、數(shù)粒和稱重，這種方法費(fèi)工費(fèi)時(shí)，誤差較大，針對(duì)這一問(wèn)題，本文以玉米種子為研究對(duì)象，結(jié)合計(jì)算圖像處理及識(shí)別技術(shù)，利用電磁振動(dòng)機(jī)構(gòu)，設(shè)計(jì)了一種能自動(dòng)分離出玉米種子中雜物和破損種子的裝置。其主要研究?jī)?nèi)容如下： 1通過(guò)對(duì)谷物在斜面上的受力分析，用電磁線圈產(chǎn)生的脈動(dòng)電磁力作為谷物排序的動(dòng)力，設(shè)計(jì)了一種電磁振動(dòng)排種機(jī)構(gòu)，使被檢測(cè)對(duì)象能單粒有序通過(guò)檢測(cè)點(diǎn)。該裝置使相對(duì)復(fù)

2、雜的動(dòng)力傳動(dòng)系統(tǒng)大大簡(jiǎn)化，結(jié)構(gòu)簡(jiǎn)單，控制調(diào)節(jié)方便，不僅適用于谷物，還適用于其它顆粒對(duì)象； 2用數(shù)碼攝像機(jī)對(duì)玉米圖像進(jìn)行采集，采集到的圖像質(zhì)量好，而且數(shù)碼攝像機(jī)，適用于現(xiàn)場(chǎng)數(shù)據(jù)采集，使用靈活方便： 3在圖像低層處理中，選用了中值濾波法，計(jì)算速度快，能滿足設(shè)計(jì)要求；在邊緣檢測(cè)中選用了Sobel算子，易于把圖像從背景中分離出來(lái)，效果比較好； 4由于谷物位置的不確定性，在被測(cè)對(duì)象的特征提取中，采用了一種改進(jìn)的不變矩特征量

3、的算法，該算法通過(guò)改變比例因子使不變矩的特征量不僅在連續(xù)狀態(tài)下具有不變性，而且在平移和旋轉(zhuǎn)的狀態(tài)下也具有了不變性，使識(shí)別正確率大大提高。實(shí)際結(jié)果表明這種識(shí)別方法有良好的分類效果，具有一定實(shí)際價(jià)值； 5根據(jù)玉米的形態(tài)結(jié)構(gòu)特征，提出了一組能夠區(qū)別合格玉米與破損玉米的形態(tài)結(jié)構(gòu)特征參數(shù)，該參數(shù)包括形狀參數(shù)、大小等7個(gè)參數(shù)，通過(guò)所提取的特征參數(shù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)分類算法對(duì)圖像進(jìn)行分類識(shí)別，識(shí)別準(zhǔn)確率達(dá)99％； 6采用紅外光電耦合型

4、傳感器和高靈敏度稱重傳感器對(duì)被測(cè)對(duì)象進(jìn)行監(jiān)測(cè)與稱重，工作可靠，精度和靈敏度也得到提高。在分離時(shí)采用了直流電機(jī)的正反轉(zhuǎn)分離合格也不合格的谷物，控制簡(jiǎn)單； 7利用PC機(jī)與單片機(jī)的串行接口，進(jìn)行了PC機(jī)與單片機(jī)之間的串口通信設(shè)計(jì)及硬件連接，工作可靠； 8在Matlab7.0環(huán)境下，進(jìn)行了圖像識(shí)別的軟件設(shè)計(jì)，利用其強(qiáng)大的數(shù)值計(jì)算功能、圖像處理函數(shù)及其自身所帶的工具箱，完成了谷物圖像的濾波、邊緣檢測(cè)和特征參數(shù)的計(jì)算、人工神經(jīng)網(wǎng)絡(luò)的