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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、冬棗,皮薄肉脆、甘甜可口、富含維生素C和礦物質(zhì),深受大眾喜歡。目前,冬棗的分級(jí)主要有機(jī)械式選果機(jī)和人工兩種方式。機(jī)械式選果機(jī)能實(shí)現(xiàn)多個(gè)等級(jí)的大小分級(jí),效率高,但是不能檢測病害果。人工分級(jí)效率低,且冬棗的小個(gè)頭增加了挑選難度,長時(shí)間工作容易疲勞。因此研究冬棗的智能檢測方法對(duì)實(shí)際生產(chǎn)具有重要意義。冬棗的分級(jí)需求主要包括以下幾個(gè)方面:按照GB/T22345-2008《鮮棗質(zhì)量等級(jí)》分成未熟、白熟、脆熟、完熟四個(gè)等級(jí)的冬棗不僅價(jià)格有差異,后期用
2、途也不相同。由于機(jī)械振動(dòng)采摘摔落造成的輕微損傷和多種病害不僅會(huì)影響冬棗自身果品的品質(zhì),甚至腐爛導(dǎo)致大量棗果變質(zhì)。本論文將冬棗的不同成熟度、輕微損傷和多種病害的識(shí)別作為研究內(nèi)容,為冬棗的自動(dòng)化無損檢測提供理論依據(jù),得到以下幾個(gè)結(jié)論:
(1)對(duì)于冬棗成熟度的檢測,分別提取未熟、白熟和脆熟冬棗圖像的RGB、HSB和L*a*b*顏色模型的9個(gè)顏色分量,通過單因素方差分析(one-way ANOVA)獲得顯著性差異的變量,為了進(jìn)一步縮小
3、變量的個(gè)數(shù),通過費(fèi)希爾最小顯著差異(Fisher' LeastSignificant Difference,F(xiàn)isher' LSD)檢驗(yàn)得到區(qū)分顏色差異的最為顯著的兩個(gè)顏色分量H和a。然后建立貝葉斯(Bayes)線性分類函數(shù),通過交叉驗(yàn)證方法獲得提取像素的識(shí)別正確率為97.5%。根據(jù)果實(shí)的HSB模型的B分量經(jīng)過去噪平滑,大津算法(Otsu)自動(dòng)求取閾值得到二值圖像,去除小面積雜質(zhì)運(yùn)算,形態(tài)學(xué)運(yùn)算填充內(nèi)部細(xì)小空洞,得到果實(shí)區(qū)域的提取圖像,
4、將上述Bayes線性判別函數(shù)模型對(duì)未熟、白熟、脆熟棗的果實(shí)提取圖像進(jìn)行遍歷得到識(shí)別圖像。分析不同成熟度面積所占果實(shí)區(qū)域比例的均值和均方差,得到不同成熟度的檢測標(biāo)準(zhǔn)為:脆熟面積占比達(dá)到30.0%為脆熟棗,白熟面積占比70.0%為白熟棗,未熟區(qū)域面積占比50.0%為未熟棗。最終未熟棗的識(shí)別正確率為95.4%,白熟棗的識(shí)別正確率為98.3%,脆熟棗的識(shí)別正確率為97.5%,綜合識(shí)別正確率97.0%。
(2)對(duì)于冬棗掉落的輕微損傷檢測
5、,普通彩色RGB圖像難以識(shí)別,采用900~1700nm范圍的近紅外高光譜對(duì)1.5 m、1m和0.5 m掉落的脆熟棗進(jìn)行成像,提取損傷棗和正常棗的感興趣區(qū)域,并繪制損傷棗和正常棗的平均光譜曲線,結(jié)果顯示損傷區(qū)域的光譜反射率低于正常表面。高光譜波段眾多而且含有大量冗余波段,采用連續(xù)投影法(Successive Projections Algorithm,SPA)、基于相關(guān)性波段選擇法(Correlation basedFeature Sel
6、ection,CFS)、Consistency波段選擇法提取不同數(shù)量的特征波段,得到三種選擇方法的一致波段為1363nm和1691nm,并對(duì)一致波段建立三種不同的分類判別模型k-近鄰(k-Nearest Neighbor,k-NN)、樸素貝葉斯(Naive Bayes,NB)、支持向量機(jī)(Support Vector Machine,SVM),通過使用十折交叉驗(yàn)證方法,得到三種分類器中NB分類效果最好:1.5 m分類正確率為82.5%,
7、1m分類正確率為83.8%,0.5 m的分類正確率為81.6%。不考慮掉落高度的差異,NB分類正確率為82.6%。最后通過高光譜信息融合得到冬棗損傷識(shí)別正確率為81.8%。1.5 m掉落的冬棗損傷面積比1 m和0.5 m掉落的大,說明了掉落高度對(duì)冬棗的損傷程度有一定影響。
(3)對(duì)于冬棗的多種病害分兩類進(jìn)行檢測。一類是輪紋病、炭疽病、日灼病、裂果病等黑斑類病害的檢測,由于病害部位存在明顯的黑色區(qū)域,通過色澤差異進(jìn)行檢測。另一類
8、是紋理特征差異明顯的縮果病的檢測。前者的檢測方法類似于上述成熟度的檢測。提取冬棗病害區(qū)域和正常表面的RGB、HSB、L*a*b木顏色模型的9個(gè)分量,通過方差顯著性分析得到顯著差異的分量,繼續(xù)通過Fisher' LSD檢驗(yàn)縮小顏色變量的個(gè)數(shù),得到RGB的R、HSB的S、L*a*b*的b*三個(gè)分量作為最能顯著區(qū)分病害和正常區(qū)域的顏色分量。然后建立Bayes線性判別函數(shù),通過交叉驗(yàn)證的方法得到像素的分類正確率為94.2%。通過圖像處理得到果實(shí)
9、區(qū)域提取圖像并利用Bayes線性判別函數(shù)得到檢測圖像,分析病害果和正常果病害識(shí)別面積所占果實(shí)區(qū)域的均值和均方差,得到區(qū)分正常果實(shí)和病害果的分類閾值為5.0%,最終的分類正確率為89.6%。對(duì)于后者,通過分析正常果和縮果病的灰度共生矩陣的基礎(chǔ)上得到相關(guān)性、能量、熵、慣性矩、逆差距5個(gè)紋理特征參數(shù)帶入SVM分類模型進(jìn)行判別,探索不同距離d和灰度級(jí)L對(duì)紋理特征參數(shù)的影響,結(jié)果發(fā)現(xiàn)當(dāng)距離d為1,灰度級(jí)L為32時(shí),縮果病的檢測達(dá)到預(yù)期效果,分類正
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(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)頁內(nèi)容里面會(huì)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(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。
最新文檔
- 基于機(jī)器視覺和近紅外光譜的馬鈴薯分級(jí)檢測方法.pdf
- 基于機(jī)器視覺和近紅外光譜技術(shù)的雷筍檢測方法研究.pdf
- 基于近紅外光譜和機(jī)器視覺的土壤含水率快速檢測方法研究.pdf
- 基于機(jī)器視覺和近紅外光譜技術(shù)的農(nóng)產(chǎn)品霉變檢測方法研究.pdf
- 基于近紅外光譜和機(jī)器視覺技術(shù)的淡水魚新鮮度檢測方法研究.pdf
- 基于近紅外和高光譜檢測雞蛋粉摻假的研究.pdf
- 基于機(jī)器視覺的玉米性狀參數(shù)與近紅外光譜的玉米組分含量檢測方法研究.pdf
- 基于近紅外光譜的鮮棗無損檢測建模及優(yōu)化研究.pdf
- 基于可見近紅外光譜與機(jī)器視覺信息融合的河套蜜瓜糖度檢測方法研究.pdf
- 基于近紅外光譜與機(jī)器視覺技術(shù)的漿果品質(zhì)檢測研究.pdf
- 基于近紅外光譜和高光譜圖像技術(shù)的配合飼料主要營養(yǎng)成分檢測方法.pdf
- 基于近紅外高光譜圖像分析的小麥硬度檢測研究.pdf
- 基于高光譜圖像和機(jī)器視覺技術(shù)的大豆品質(zhì)檢測研究.pdf
- 基于計(jì)算機(jī)視覺和近紅外光譜技術(shù)的魚新鮮度檢測方法研究.pdf
- 基于近紅外光譜和高光譜圖像技術(shù)的獼猴桃品質(zhì)檢測研究.pdf
- 近紅外光譜品質(zhì)檢測方法研究.pdf
- 基于高光譜和熒光高光譜技術(shù)的靈武長棗內(nèi)部成分無損檢測研究.pdf
- 基于近紅外視覺的人手檢測研究.pdf
- 機(jī)器視覺和近紅外技術(shù)相結(jié)合的杏干品質(zhì)無損檢測研究.pdf
- 基于近紅外光譜的成品紙張質(zhì)量快速檢測方法.pdf
評(píng)論
0/150
提交評(píng)論