基于機器視覺的馬鈴薯外部品質(zhì)檢測技術(shù)研究.pdf

1、馬鈴薯的品質(zhì)關(guān)系到商品的經(jīng)濟效益和加工的復(fù)雜性，馬鈴薯的檢測與分級一直是商品化處理中必要的處理步驟。鑒于目前國內(nèi)尚無基于機器視覺的馬鈴薯品質(zhì)檢測的成熟技術(shù)，而人工檢測的效率低、主觀性強，本文構(gòu)建了馬鈴薯外部品質(zhì)檢測的機器視覺硬件系統(tǒng)，對馬鈴薯的外部品質(zhì)檢測方法進行了系統(tǒng)研究，實現(xiàn)了基于機器視覺技術(shù)的重量、薯形、外部缺陷三個指標(biāo)的馬鈴薯外觀品質(zhì)檢測。 1.設(shè)計了基于機器視覺的靜態(tài)馬鈴薯外部品質(zhì)檢測硬件系統(tǒng)，確定了用于馬鈴薯圖像采集

2、的背景顏色和光照條件；依據(jù)張正友的平面模板標(biāo)定法進行攝像機標(biāo)定，結(jié)果表明攝相機參數(shù)可以滿足檢測要求。 2.在重量檢測中，根據(jù)馬鈴薯個體差異很大的特點，本文將俯視、側(cè)視圖像相結(jié)合，以俯視面積和側(cè)面厚度兩個參數(shù)建立重量檢測模型，有效減少單薯誤差，可實現(xiàn)性好，模型回歸相關(guān)系數(shù)為0.9836，對大、中、小3種規(guī)格馬鈴薯的檢測準(zhǔn)確率分別達到了97％、96％和98％。 3.在形狀檢測中，選擇Zernike矩作為形狀特征，在初始形狀特

3、征計算、特征提取以及薯形檢測三個方面進行了重點研究。 ①提出了Zernike矩的快速計算方法，將徑向多項式的系數(shù)和半徑的冪次以矩陣形式存儲，根據(jù)Zernike矩的參數(shù)n和m查詢計算，減少了系數(shù)計算和半徑冪次重復(fù)計算，對同一幅圖像的多階Zernike矩計算速度明顯提高。在圖像歸一化中提出截取最佳圖像的方法使目標(biāo)位于r≤0.9的圓形區(qū)域中且目標(biāo)最大化，避免了尺度歸一化中形心位置的不準(zhǔn)確和插值的影響，并用改進的Zernike矩快速計算

4、方法和截取最佳圖像的歸一化方法計算初始形狀特征。 ②研究了與遺傳算法相結(jié)合用于特征選擇的分類器選用原則，以分類正確率作為適應(yīng)度函數(shù)的主要參數(shù)，將遺傳算法與概率神經(jīng)網(wǎng)絡(luò)結(jié)合，形成一種新的特征選擇方法。綜合考慮分類正確率、所選擇的特征個數(shù)及二者對函數(shù)影響的大小三個因素，提出了遺傳算法與分類器相結(jié)合進行特征選擇算法中適應(yīng)度函數(shù)的設(shè)計準(zhǔn)則，并設(shè)計了一個新的適應(yīng)度函數(shù)。用改進的特征選擇方法從47個初始特征中提取19個Zernike矩參數(shù)作