基于機器視覺的水鉆自動分揀系統(tǒng)研究.pdf

1、本課題主要基于目前人工分揀水鉆識別效率低下的缺點，面向機器視覺自動識別應用對水鉆的自動分揀進行了系統(tǒng)的研究，一個完整的水鉆圖像處理流程將包括圖像采集、ROI(region of interest)區(qū)域檢測、圖像修復、圖像分割以及圖像識別這幾個方面。具體的工作如下:
　　第一章:介紹論文的研究背景和意義，并且論述了論文的研究內容和研究方法。
　　第二章:基于HSI顏色模型的水鉆自動計數(shù)研究。對HSI與RGB顏色空間作了相應對比

2、與選擇;并在HSI顏色內提取了基于水鉆光折射的ROI區(qū)域作為水鉆圖像的特征區(qū)域;然后，將平面的圖像轉化為三維空間曲面，借鑒測地學上的地貌信息對圖像中各區(qū)域進行描述;最后以掩膜的方法完成了對相同性質區(qū)域的融合，最終實現(xiàn)了水鉆的計數(shù)。
　　第三章:基于種子區(qū)域生長的水鉆圖像自動分割研究。在本章中，首先將ROI區(qū)域中心填充與區(qū)域邊緣插值這兩種方法聯(lián)合起來，以實現(xiàn)水鉆圖像中光折射區(qū)域的修復，從而消除了環(huán)境光源對水鉆圖像帶來的影響;然后對水

3、鉆圖像的灰度直方圖進行高斯函數(shù)擬合，通過對擬合后的函數(shù)進行求導來將圖像灰度直方圖劃分為多個區(qū)間;最后，將圖像種子區(qū)域的鄰域像素與初始種子點像素進行直方圖區(qū)間映射對比，來實現(xiàn)圖像初始種子區(qū)域的生長，從而完成了水鉆圖像的自適應分割。
　　第四章:基于BP神經(jīng)網(wǎng)絡的水鉆目標識別研究。在本章中詳細介紹了影響B(tài)P神經(jīng)網(wǎng)絡識別效率的學習速率、權值、隱含層節(jié)點等多個重要參數(shù)，并提出了相應的數(shù)值選擇及改良方法。此外，提出了對BP神經(jīng)網(wǎng)絡至關重要的