基于機(jī)器視覺的球形果蔬自動(dòng)化分級技術(shù)研究.pdf

1、我國是農(nóng)業(yè)大國，蔬菜、水果產(chǎn)業(yè)分別位居種植業(yè)中的第二、三大產(chǎn)業(yè)。利用機(jī)器視覺技術(shù)，自動(dòng)化對蔬菜和水果的質(zhì)量進(jìn)行評價(jià)，可以提高果蔬分級的客觀性，減輕從業(yè)人員的勞動(dòng)強(qiáng)度，還可以提高果蔬商品化處理程度，促進(jìn)我國果蔬的國際競爭力。
　　本文工作主要圍繞球形果蔬自動(dòng)化分級技術(shù)的順序展開，大致順序?yàn)?果蔬圖像庫獲取，圖像預(yù)處理，特征提取，優(yōu)化特征向量，分類器分級，經(jīng)過這幾個(gè)階段的處理，球形果蔬的分級達(dá)到了預(yù)期目標(biāo)。論文的主要工作與貢獻(xiàn)如下:<

2、br>　　(1)構(gòu)建了球形果蔬圖像數(shù)據(jù)庫，提出了一種球形果蔬圖像感興趣區(qū)域提取方法。為模擬機(jī)器視覺觀測圖像，設(shè)計(jì)了球形果蔬拍攝圖像采集箱，采集到多類多級的球形果蔬圖像，包括蘋果、柿子、梨子、西紅柿、天草柑，每類圖像均有三個(gè)等級。因?yàn)椴杉降膱D像目標(biāo)對象尺寸太大、背景較多、質(zhì)心未居中等特點(diǎn)，所以提出了一個(gè)球形果蔬圖像預(yù)處理方案，方案主要是縮放尺寸、提輪廓找質(zhì)心、最大限度截取目標(biāo)區(qū)域的一系列預(yù)處理操作，最終構(gòu)建了球形果蔬圖像數(shù)據(jù)庫。

3、　　(2)針對提取球形果蔬紋理特征用于分級問題，提出了使用分塊局部二值模式特征作為球形果蔬的紋理特征的分級方法。為減少局部二值模式特征維數(shù)，充分考慮維數(shù)約減和空間位置關(guān)系，將分塊思想融入原始局部二值模式，得到分塊局部二值模式紋理特征，它能有效避免紋理空間位置混亂，縮小特征向量的維數(shù)。在相同實(shí)驗(yàn)條件下，使用分塊局部二值模式紋理特征比使用原始局部二值模式紋理特征對球形果蔬分級更加有效。
　　(3)針對梯度方向直方圖生成過程冗長的問題，

4、提出了改進(jìn)梯度方向直方圖形狀特征提取算法。在原始梯度方向直方圖的基礎(chǔ)上簡化分單元的細(xì)節(jié)，提出了改進(jìn)梯度方向直方圖算法，它既保持了梯度方向直方圖能描述圖像局部形狀、能抑制旋轉(zhuǎn)及平移影響等優(yōu)點(diǎn)，又使特征維數(shù)大大減少。在對球形果蔬分級的相同實(shí)驗(yàn)條件下，改進(jìn)梯度方向直方圖比原始梯度方向直方圖分級準(zhǔn)確率提高了。
　　(4)針對單一特征描述圖像內(nèi)容片面的問題，提出了球形果蔬多特征組合的分級方法。針對多特征組合的特征權(quán)重分配，研究了支持向量機(jī)中

5、手動(dòng)分配特征權(quán)重和自適應(yīng)分配特征權(quán)重，同時(shí)也研究了多層感知機(jī)中特征權(quán)重的優(yōu)化。在支持向量機(jī)中，重點(diǎn)分析和討論廣義多核學(xué)習(xí)法，通過對比實(shí)驗(yàn)表明，廣義多核學(xué)習(xí)方法下的自適應(yīng)分配特征權(quán)重比手動(dòng)分配特征權(quán)重更具智能性、高效性;在多層感知機(jī)中，選擇生物地理學(xué)優(yōu)化方法優(yōu)化特征權(quán)重，以提取到的CMs、QSGLCM、IHOG降維組合特征作為多層感知機(jī)的輸入，將生物地理學(xué)優(yōu)化法優(yōu)化特征權(quán)重與粒子群優(yōu)化法優(yōu)化特征權(quán)重做對比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，生物地理學(xué)優(yōu)化