基于數(shù)字圖像處理的玉米種子質(zhì)量分級方法研究.pdf

1、玉米種子的質(zhì)量分級是收獲后加工的重要環(huán)節(jié)之一，利用機器視覺技術(shù)對玉米種子進行質(zhì)量分級具有無損、分級精度高、速度快等優(yōu)點，可代替大量的、重復性的人工勞動。本文以玉米的質(zhì)量分級為目標，以玉米種子為研究對象，進行了基于數(shù)字圖像處理的玉米種子質(zhì)量分級方法的研究。 針對傳統(tǒng)的玉米種子檢驗的局限性，本文利用圖像處理算法提取玉米種子的周長、面積、圓形度、矩形度、伸長度、色度這6個特征值，并對其進行統(tǒng)計分析。從大小、形狀、飽和度、顏色等多角度對

2、實現(xiàn)種子的質(zhì)量分級，并使用MATLAB進行了算法的軟件實現(xiàn)和實驗驗證，從而證明了利用計算機視覺代替人力來實現(xiàn)玉米種子自動分級的可行性。 由于實驗條件有限，為防止得到的特征值存在誤差，在圖像采集過程中，采用與玉米種子顏色對比度較大的黑色作為拍攝背景顏色，對每粒種子采集10張照片以求特征值的平均值。本課題選取了282粒種子作為采集對象，共拍攝了2820張圖片。在圖像底層信息處理中，根據(jù)玉米種子圖像的灰度分布，對種子圖像進行圖像增強，

3、并通過二值化后的效果對比，強調(diào)了圖像增強的重要性。在圖像平滑上，在與鄰域平均法進行對比分析后，采用了中值濾波算法去噪。在圖像分割上，摒除了處理效果較差的邊緣檢測算法，選擇了閾值分割。在閾值分割的眾多算法中，通過與判別分析法的比較分析后，引入了效果更理想的最大熵值&腐蝕操作的分割算法，在此處理的基礎上進行輪廓跟蹤，并取得了很好的效果。 在分級算法研究中，分別采用了基于隸屬函數(shù)的玉米種子分級和基于BP神經(jīng)網(wǎng)絡的玉米種子分級這兩種算法