臍橙表面缺陷的快速檢測(cè)方法研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩173頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、水果表面缺陷是決定水果價(jià)格最有力的因素之一,因?yàn)橥獠咳毕菔菍?duì)水果品質(zhì)最直接的反映。國(guó)家標(biāo)準(zhǔn)對(duì)水果表面缺陷數(shù)量和面積大小有嚴(yán)格的規(guī)定。與水果的大小、顏色、形狀等外部質(zhì)量指標(biāo)相比,水果表面缺陷的快速識(shí)別一直是水果分級(jí)中最難,耗時(shí)最多、研究人員最感興趣的研究?jī)?nèi)容。多年來(lái),研究人員做了大量的工作。
   本研究以臍橙為研究對(duì)象,利用RGB成像技術(shù)、可見(jiàn)近紅外高光譜成像技術(shù)及熒光高光譜成像技術(shù),詳細(xì)地探討了臍橙表面11類型常見(jiàn)缺陷(包括薊

2、馬果、潰瘍果、裂傷果、炭疽病果、日灼果、藥傷果、風(fēng)傷果、蟲(chóng)傷果、介殼蟲(chóng)果、異色條紋果和腐爛果)檢測(cè)理論以及兩種較為重要的缺陷潰瘍病和腐爛果均識(shí)別理論。解決了目前臍橙表面缺陷檢測(cè)的部分難題,所開(kāi)發(fā)的臍橙表面缺陷檢測(cè)算法對(duì)下一步自動(dòng)、快速、在線臍橙缺陷分級(jí)裝備研發(fā)奠定了重要的基礎(chǔ)。主要研究?jī)?nèi)容和研究結(jié)論如下:
   (1)提出了掩模法去背景的背景分割理論。利用構(gòu)建的二值化掩模模板對(duì)臍橙圖像進(jìn)行去背景,通過(guò)對(duì)靜態(tài)圖像和在線圖像背景去除

3、結(jié)果表明,背景去除率達(dá)到100%的同時(shí),臍橙表面信息可以較好地保留。這為臍橙表面缺陷進(jìn)一步有效提取奠定了基礎(chǔ)。
   (2)提出了一種新穎的臍橙表面亮度不均變換的照度-反射模型及單閾值快速水果缺陷分割算法。基于此亮度變化模型,正常水果表面區(qū)域被提升為高亮區(qū)域,而水果表面的缺陷區(qū)域依然保持低灰度,這一變化克服了由于類球形水果表面亮度分布不均導(dǎo)致缺陷分割精度低的難題,這也為單閾值臍橙表面缺陷快速分割提供了可能。試驗(yàn)表明,與邊緣亮度補(bǔ)

4、償算法相比,該理論可以對(duì)臍橙表面整體亮度進(jìn)行變換,并且該亮度變換理論比B樣條曲面擬合理論處理一幅圖像速度超過(guò)30倍,基于此算法及單閾值分割理論對(duì)風(fēng)傷果、薊馬果、介殼蟲(chóng)果、裂傷果、炭疽病果、日灼果、潰瘍果、異色條紋果、蟲(chóng)傷果、正常果和藥傷果等11類型共計(jì)6345個(gè)感興趣區(qū)域進(jìn)行分割,獲得了93.8%分割精度。
   (3)通過(guò)對(duì)不同類型缺陷RGB圖像不同灰度值統(tǒng)計(jì)后獲得區(qū)分臍橙果梗與缺陷的算法?;谠摴胶吞岢龅拇髤^(qū)域及長(zhǎng)區(qū)域去除

5、算法BER可以獲得100%的果梗識(shí)別率且不會(huì)受到其它缺陷類型的影響。由于該算法僅僅涉及兩次減法、一次乘法及一次除法,避免了復(fù)雜的模式識(shí)別理論,所以具有一定潛力應(yīng)用于臍橙缺陷在線檢測(cè)。
   (4)本研究開(kāi)發(fā)了臍橙表面缺陷檢測(cè)聯(lián)立算法,此算法主要有四個(gè)模塊構(gòu)成,即背景分割模塊、亮度不均變化模塊、果梗識(shí)別模塊和果臍識(shí)別模塊。應(yīng)用此算法針對(duì)11類1320幅樣本圖像識(shí)別結(jié)果表明,99.1%的缺陷果是被正確識(shí)別為缺陷果,98.3%的正常果

6、被正確識(shí)別為正常果。另外,通過(guò)調(diào)節(jié)不同的閾值可以滿足不同的用戶需求。
   (5)研究發(fā)現(xiàn)可見(jiàn)近紅外光譜區(qū)域的6個(gè)特征波長(zhǎng)(630、691、769、786、810和875nm)或者3個(gè)特征波長(zhǎng)(691、769和875nm)能被用于構(gòu)建多光譜臍橙表面缺陷檢測(cè)系統(tǒng)。針對(duì)9種帶有不同表皮的橙子樣本,利用研究中所開(kāi)發(fā)的雙波段比和主成分分析相結(jié)合的缺陷果檢測(cè)算法,獲得了最好93.7%的橙子正確識(shí)別率,并且假陽(yáng)性率為0。與模式識(shí)別算法相比,

7、雙波段比圖像R875/691能有效地區(qū)分果梗和缺陷區(qū)域,因?yàn)槟J阶R(shí)別理論增加了算法的復(fù)雜度。
   (6)搭建了熒光高光譜成像系統(tǒng),采用該系統(tǒng)對(duì)臍橙早期腐爛缺陷進(jìn)行了研究。利用最佳指數(shù)OIF理論獲得了識(shí)別腐爛果的最優(yōu)波段,即498.6nm和591.4nm,該方法克服了高光譜圖像數(shù)據(jù)量大和相鄰波段之間的強(qiáng)相關(guān)性等不足,實(shí)現(xiàn)了高維數(shù)據(jù)的降維,快速確定了特征波長(zhǎng)?;谔卣鞑ㄩL(zhǎng)比圖像及雙閾值分割算法,獲得了整體100%的腐爛果識(shí)別率。同

8、時(shí),該雙閾值理論較好地避免了梗傷缺陷的熒光效應(yīng)對(duì)腐爛果檢測(cè)的影響,從而降低了系統(tǒng)及算法成本。
   (7)搭建了可見(jiàn)近紅外高光譜反射成像系統(tǒng),采用該系統(tǒng)對(duì)臍橙潰瘍果識(shí)別進(jìn)行了研究。研究獲得了用于潰瘍識(shí)別的7個(gè)關(guān)鍵波段(630、687、765、788、815、833和883nm)?;诖?個(gè)波段的第三主成分圖像和2個(gè)波段的波段比圖像Q687/630開(kāi)發(fā)了多光譜潰瘍檢測(cè)算法。帶有11種類型共計(jì)275個(gè)獨(dú)立樣本用于檢測(cè)算法的可行性,獲

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論