基于機(jī)器視覺的谷物外觀品質(zhì)檢測(cè)技術(shù)研究.pdf

1、利用機(jī)器視覺技術(shù)進(jìn)行谷物外觀品質(zhì)檢測(cè)研究,對(duì)提高中國(guó)糧食的市場(chǎng)競(jìng)爭(zhēng)力具有重要意義,特別是在中國(guó)加入WTO后,研究工作顯得更加重要.在這樣的背景下,該文研究了靜態(tài)和動(dòng)態(tài)兩種情況下的谷物外觀品質(zhì)檢測(cè)技術(shù),設(shè)計(jì)和開發(fā)了適合于中國(guó)谷物外觀品質(zhì)分析的檢測(cè)裝置.主要研究?jī)?nèi)容如下:1.對(duì)圖像基礎(chǔ)處理算法進(jìn)行了研究,分析了靜態(tài)和動(dòng)態(tài)兩種情況下適用于谷物外觀品質(zhì)檢測(cè)的圖像處理算法.2.針對(duì)直角坐標(biāo)系下圖像處理算法的局限性,研究了極坐標(biāo)系下的圖像處理算法,

2、首次提出了三種基于極坐標(biāo)系的區(qū)域處理算法;長(zhǎng)短軸快速檢測(cè)算法、圖像非均勻采樣算法和特定區(qū)域處理算法.這幾種算法檢測(cè)速度快,而且具有旋轉(zhuǎn)不變性.3.研究了靜態(tài)情況下的稻米外觀品質(zhì)檢測(cè)系統(tǒng),實(shí)現(xiàn)了堊白度、堊白粒率、黃粒米、粒型和異型米參數(shù)的檢測(cè).該系統(tǒng)在采集圖像時(shí)允許籽粒相連,降低了硬件加工成本,方便了用戶的使用.4.對(duì)于大量粘連谷物籽粒圖像的分割問題,基于形態(tài)學(xué)的腐蝕、膨脹和流域變換,提出了改進(jìn)的流域算法,分割效果較好,相對(duì)誤差小于2﹪.

3、5.在稻米堊白的檢測(cè)問題上,根據(jù)籽粒區(qū)域的灰度統(tǒng)計(jì)和分布信息,以及堊白區(qū)域在籽粒區(qū)域中的分布特征,提出了四種堊白米檢測(cè)算法.其中,基于BP網(wǎng)絡(luò)分類器的堊白米檢測(cè)算法識(shí)別準(zhǔn)確率最高,達(dá)到了99.4﹪.在該算法基礎(chǔ)上,提出了堊白度和堊白粒率的檢測(cè)算法,對(duì)堊白度的檢測(cè)誤差≤1﹪,對(duì)堊白粒率的檢測(cè)誤差≤2﹪.6、在黃粒米的檢測(cè)問題上,通過對(duì)色度直方圖的分析,首次提出了兩種檢測(cè)算法:基于色度的檢測(cè)算法和基于BP網(wǎng)絡(luò)分類器的檢測(cè)算法.其中,基于BP

4、網(wǎng)絡(luò)的檢測(cè)算法識(shí)別準(zhǔn)確率達(dá)到了96.3﹪,有效的解決了黃粒米的檢測(cè)問題.7.對(duì)于粒型的檢測(cè)問題,首次提出了一種基于極坐標(biāo)的檢測(cè)算法.該算法檢測(cè)速度快、精度高,而且具有旋轉(zhuǎn)不變性,有效的解決了基于直角坐標(biāo)的檢測(cè)算法的不足.與人工檢測(cè)方法相比,最大絕對(duì)誤差為0.10,最大相對(duì)誤差為5.4﹪.在粒型檢測(cè)算法的基礎(chǔ)上,提出了一種異型米檢測(cè)算法,以粳米和糯米作為研究對(duì)象,識(shí)別準(zhǔn)確率分別達(dá)到了100﹪和96﹪.8.首次研究了動(dòng)態(tài)下的谷物外觀品質(zhì)檢測(cè)

5、系統(tǒng),實(shí)現(xiàn)了自動(dòng)進(jìn)樣、動(dòng)態(tài)谷物圖像采集與分析、自動(dòng)回收樣品的功能.9.針對(duì)動(dòng)態(tài)下的稻米、小麥和玉米的分類問題,提出了基于BP網(wǎng)絡(luò)分類器的檢測(cè)算法,達(dá)到了較好的分類效果.對(duì)于稻米,選用面積、粒型和堊白大小作為特征參數(shù),以標(biāo)準(zhǔn)米、堊白米、破損米和異型米作為研究對(duì)象,識(shí)別準(zhǔn)確率分別達(dá)到了94﹪、92﹪、96﹪和96﹪.對(duì)于小麥,選用面積和色度參數(shù)作為特征參數(shù),以標(biāo)準(zhǔn)麥、破損麥和異種糧作為研究對(duì)象,識(shí)別準(zhǔn)確率分別達(dá)到了98﹪、96﹪和100﹪.