版權(quán)說明: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),請進行舉報或認領(lǐng)
文檔簡介
1、禽蛋產(chǎn)業(yè)是我國農(nóng)業(yè)支柱產(chǎn)業(yè)之一,但在國際競爭中優(yōu)勢并不明顯,其根本原因在于我國缺乏先進的禽蛋品質(zhì)檢測方法。產(chǎn)地鴨蛋因表面臟污復(fù)雜,檢測分級難度大,主要以人工檢測為主,生產(chǎn)出的鴨蛋質(zhì)量難以得到保證,不具備市場競爭力。因此,研究產(chǎn)地鴨蛋的智能檢測方法研究具有重要的科學(xué)意義和良好的應(yīng)用前景。本研究以外表面臟污的產(chǎn)地鴨蛋為研究對象,利用機器視覺技術(shù)對產(chǎn)地鴨蛋的圖像的進行采集、預(yù)處理、特征提取,可以得到尺寸大小、扁平程度、裂紋等外部品質(zhì)指標,實現(xiàn)
2、對產(chǎn)地鴨蛋外形和裂紋的檢測分級。
本研究主要內(nèi)容包括:⑴搭建了產(chǎn)地鴨蛋外形和裂紋檢測的圖像采集系統(tǒng)。利用多個單筒照蛋燈對產(chǎn)地鴨蛋進行透射照明;每枚產(chǎn)地鴨蛋從進入暗箱到移出暗箱將以不同的翻轉(zhuǎn)角度被拍照三次,以保證圖像采集范圍的完整性。⑵確定了產(chǎn)地鴨蛋圖像的預(yù)處理方法。利用R分量與B分量相減去除產(chǎn)地鴨蛋外形圖像中因裝置間隙產(chǎn)生的漏光;利用掩模操作去除產(chǎn)地鴨蛋裂紋圖像中因裝置間隙產(chǎn)生的漏光。⑶確定了產(chǎn)地鴨蛋邊緣的橢圓擬合算法。分別利
3、用最小二乘法和最小平方中值法對產(chǎn)地鴨蛋邊緣進行橢圓擬合,通過比較分析,選擇最小平方中值法對產(chǎn)地鴨蛋的邊緣進行橢圓擬合。⑷提取了產(chǎn)地鴨蛋外形的特征參數(shù)。選取產(chǎn)地鴨蛋長半軸、短半軸和體積作為尺寸大小的特征參數(shù);產(chǎn)地鴨蛋長半軸、短半軸和離心率作為扁平程度的特征參數(shù)。⑸建立了產(chǎn)地鴨蛋外形分級模型。分別利用人工神經(jīng)網(wǎng)絡(luò)和支持向量機建立產(chǎn)地鴨蛋外形分級模型,將其按尺寸大小分級成小鴨蛋、中等大小鴨蛋和大鴨蛋,按扁平程度分級成為扁鴨蛋、扁平適中鴨蛋和圓
4、鴨蛋。通過比較分析,選擇支持向量機對產(chǎn)地鴨蛋外形進行分級,尺寸大小和扁平程度分級的綜合正確率為93.33%和95.00%。⑹確定了產(chǎn)地鴨蛋裂紋特征的提取算法。分別用不同的邊緣檢測算子和紋理分析函數(shù)提取產(chǎn)地鴨蛋的裂紋特征,通過比較分析,選擇局部最大差值提取裂紋特征。⑺確定了產(chǎn)地鴨蛋裂紋的檢測方法。檢測產(chǎn)地鴨蛋三張圖像中的裂紋,若三張圖像中均無裂紋,則判定為完好鴨蛋;反之,則判定為裂紋鴨蛋,該方法檢測完好鴨蛋和裂紋鴨蛋的正確率分別為86.6
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于機器視覺的鴨蛋蛋殼檢測系統(tǒng).pdf
- 基于機器視覺的外形及狀態(tài)測量.pdf
- 基于機器視覺的柑橘水果外形識別方法研究.pdf
- 基于機器視覺的車輛檢測方法研究.pdf
- 基于機器視覺的BGA封裝檢測方法研究.pdf
- 基于機器視覺的蘋果檢測分級方法研究.pdf
- 基于機器視覺的SMT芯片檢測方法研究.pdf
- 基于機器視覺的BOD在線檢測方法研究.pdf
- 基于機器視覺的表面缺陷檢測方法研究.pdf
- 基于機器視覺的工件角度檢測方法研究
- 基于機器視覺的生絲電子檢測方法.pdf
- 基于機器視覺的輸送帶跑偏及裂紋檢測算法的研究.pdf
- 基于雙目異質(zhì)機器視覺的檢測方法及應(yīng)用研究.pdf
- 基于機器視覺的外形狀況及變形應(yīng)變測量.pdf
- 機器視覺疲勞裂紋檢測系統(tǒng)標定技術(shù)研究.pdf
- 基于機器視覺的群體禽蛋大小檢測方法研究.pdf
- 基于機器視覺的鐵路扣件缺陷檢測方法研究.pdf
- 基于機器視覺技術(shù)的對蝦規(guī)格檢測方法研究.pdf
- 基于機器視覺的磁性材料檢測方法研究.pdf
- 基于機器視覺的番茄幼苗無損檢測方法研究.pdf
評論
0/150
提交評論