基于机器视觉技术的新疆干枣外部特征检测技术研究

摘要

本文以新疆干制骏枣为研究对象，研究了应用机器视觉技术对干枣的大小、形状、皱纹等特征进行快速无损检测与分级方法，该研究对干枣在市场竞争力和增值效益的提高具有重要应用价值与推广前景。主要研究内容如下:
　　 1.设计了多波长LED光源图像采集系统。该系统由图像采集模块、多波长LED光源控制模块、多波长LED光源板调节机构等组成。通过多次试验确定了白色LED适用于干枣特征的检测;波长730nm单色光适用于绿色柑橘特征检测;波长单色光625nm适用于苹果特征检测。通过多次试验，寻找到摄像机、光源板、载物台三者之间的相对距离和角度，使采集到的图片足够清晰，这些参数为以后在生产线上安装光源板、摄像机时提供了依据。
　　 2.改进了干枣目标区域确定的算法。该算法采用三线扫描方法，实现了在采集图片中出现多颗干枣时，能够准确获取第1颗干枣的大致区域，有效排除了枣叶、树枝等杂物的影响。
　　 3.研究了大津法自适应阈值法在提取干枣有效图像信息的算法。利用该阈值对第1颗干枣的大致区域进行遍历扫描，若当前像素点的像素值大于阈值，则跳到该干枣区域的另一端进行扫描，此算法没有对干枣像素进行扫描，大大提高了图像处理的运算速度，达到了生产线6～7颗/s的处理要求，并且不存在干枣误分为背景的情况。
　　 4.研究了干枣皱纹特征的提取算法。建立了sobel算子、4-邻接拉普拉斯算子和8-邻接拉普拉斯算子检测干枣皱纹的方法，在满足分级准确率的前提下，选择了处理速度较快的4-邻接拉普拉斯算子用于皱纹检测。试验证明，该算子平均处理1颗干枣仅需要23ms，误分级率仅为11.43％。
　　 5.研究了干枣形状特征的提取算法。采用了4种不同检测方法，分析各自的优缺点，最终选择了干枣上下部分面积之比进行干枣形状检测方法。经过多次试验验证，该算法对于不同品种或大小相差较大的干枣检测具有通用性，误分级率为17％。

目录

声明

摘要

第一章 绪论

1．1 课题研究目的和意义

1．1．1 我国大枣产量及种植分布区域

1．1．2 新疆大枣品种及特点

1．1．3 大枣分级的意义

1．2 国内外研究现状及发展趋势

1．2．1 国内外大枣分级设备的现状

1．2．2 国内外大枣分级设备的发展趋势

1．2．3 机器视觉技术在大枣分级设备中研究现状

1．3 课题研究的主要内容

1．4 本章小结

第二章 干枣实时检测与分级系统简介

2．1 干枣分级生产线硬件系统介绍

2．2 干枣分级生产线存在的问题

2．3 本章小结

第三章 多波长LED光源图像采集系统

3．1 多波长LED光源图像采集模块

3．1．1 LED光源的波长选择

3．1．2 摄像机

3．1．3 图像采集卡

3．1．4 工控机

3．2 多波长LED光源控制模块

3．3 多波长LED光源板调节机构

3．4 图片采集与分析

3．5 本章小结

第四章 干枣图像的目标提取

4．1 图像分割方法

4．1．1 基于直方图阈值分割方法

4．1．2 基于边界特性阈值分割方法

4．1．3 基于区域的图像分割方法

4．1．4 基于模糊技术图像分割方法

4．2 颜色空间

4．2．1 RGB颜色空间

4．2．2 HSI颜色空间

4．2．3 YUV颜色空间

4．3 干枣图像分割

4．3．1 试验设备及材料

4．3．2 颜色空间与图像分割方法的选择

4．3．3 干枣图像分割

4．3．4 光源波长的确定

4．4 区域阈值分割法

4．4．1 干枣区域的确定

4．4．2 精确提取干枣区域

4．4．3 干枣区域阈值分割法的实现

4．5 试验结果与结论

4．6 本章小结

第五章 干枣特征检测

5．1 干枣皱纹特征检测

5．1．1 引言

5．1．2 图像边缘检测方法

5．1．3 试验材料与方法

5．1．4 试验结果与分析

5．2 干枣形状特征检测

5．2．1 引言

5．2．2 试验材料和方法

5．2．3 干枣形状特征检测的实现

5．2．4 试验结果与分析

5．3 本章小结

第六章 总结与展望

6．1 总结

6．2 创新点

6．3 展望

参考文献

致谢

在攻读硕士学位期间发表的论文