基于机器视觉的哈密瓜品质无损检测及分级输送装置研究-机械设计及理论专业论文.docxVIP

Study Hami melon quality nondestructive detecting and grading conveying device base on the Machine Vision A Dissertation Submitted to Shihezi University In Partial Fulfillment of the Requirements for the Degree of Master of Engineering By Xiao Wen-Dong Dissertation Supervisor: Prof. Ma Ben-xue March, 2012 石河子大学学位论文独创性声明及使用授权声明 学位论文独创性声明 本人所呈交的学位论文是在我导师的指导下进行的研究工作及取得的研究成果。据我所知，除 文中已经注明引用的内容外 ，本论文不包含其他个人已经发表或撰写过的研究成果。对本文的研究 做出重要贡献的个人和集体，均已在文中作了明确的说明并表示谢意。 研究生签名： 时间： 年 月 日 使用授权声明 本人完全了解石河子大学有关保留、使用学位论文的规定，学校有权保留学位论文并向国家主 管部门或指定机构送交论文的电子版和纸质版。有权将学位论文在学校图书馆保存并允许被查阅。 有权自行或许可他人将学位论文编入有关数据库提供检索服务。有权将学位论文的标题和摘要汇编 出版。保密的学位论文在解密后适用本规定。 研究生签名： 时间： 年 月 日 导师签名： 时间： 年 月 日 I I 摘要 哈密瓜是新疆传统的名优产品之一，由于其经济价值高，是农民重要的增收途径之 一。新疆哈密瓜产量高，品质好，但由于在上市前未经过有效分级，或者部分仅经过人 工分级处理，不仅增加了人工成本，而且分级标准不统一，严重影响哈密瓜在市场上的 竞争力，从而损失了农民的经济效益。机器视觉技术可实现对水果进行无损、绿色及标 准化检测，以大大提高水果的附加值。本文利用机器视觉技术对哈密瓜品质进行无损检 测分级，主要研究内容及方法包括： 采用机器视觉技术和高光谱成像技术分别对同一批哈密瓜进行了无损检测研究。机 器视觉技术可检测哈密瓜的外部品质（大小、重量及纹理），高光谱成像技术可检测哈 密瓜的综合品质。主要研究结果如下： ⑴ 利用机器视觉系统获得哈密瓜图像并进行预处理，提取哈密瓜外部品质特征用 于检测哈密瓜大小、重量和网纹率。试验结果表明，基于机器视觉技术的哈密瓜的纵径 检测相关系数为 0.988，横径检测相关系数为 0.973，哈密瓜重量预测相关系数为 0.984， 并且提取的哈密瓜纹理特征清晰，哈密瓜网纹率检测平均值为 80.25%，机器视觉技术 可用于哈密瓜外部品质检测。 ⑵ 通过搭建的高光谱成像系统，采集哈密瓜的图像和光谱信息。采用目标与背景 区域平均光谱差值最大法，选取 605 nm 下的高光谱图像为特征图像，检测哈密瓜的大 小；对哈密瓜高光谱图像进行主成分分析，发现第一主成分适于检测哈密瓜的纹理特征。 分析光谱信息，选择有效全波段（500-820 nm）进行哈密瓜糖度检测建模回归分析。对 比了多元散射信号修正(MSC)和标准正则变换（SNV）校正方法，原始光谱、一阶微分、 二阶微分光谱预处理方法对建模精度的影响；采用 PLS、SMLR 和 PCR 方法对比分析 了带皮哈密瓜和去皮哈密瓜糖度检测模型效果。试验结果表明，基于高光谱成像技术的 哈密瓜纵径预测相关关系为 0.990，哈密瓜横径预测相关系数为 0.956，重量预测相关系 数为 0.974，哈密瓜网纹率检测平均值为 85.53%。对原始光谱经过 MSC 和一阶微分光 谱处理后，采用 PLS 和 SMLR 方法均可取得很好的建模效果，应用 PLS 法检测带皮哈 密瓜糖度是可行的，其校正集相关系数 Rc 为 0.861，RMSEC 为 0.627，预测集相关系数 Rp 为 0.706，RMSEP 为 0.873；应用 SMLR 法检测去皮哈密瓜糖度效果最佳，校正集相 关系数 Rc 为 0.928，RMSEC 为 0.458，预测集相关系数 Rp 为 0.818，RMSEP 为 0.727。 ⑶ 哈密瓜的去皮建模效果均优于哈密瓜的带皮状态。并从哈密瓜的均方根误差来 看，哈密瓜的去皮建模的鲁棒性和可再现性也要优于带皮哈密瓜样本。 ⑷ 设计了哈密瓜分级输送试验装置，采用滚子式输送方法，有利于哈密瓜输送过 程的稳定性。在检测区域设计了摩擦带装置，实现了哈密瓜在输送前进的同时可进行翻 转，达到了在机器视觉系统检测区域可最大化的对哈密瓜的全表面进行检测。 关键词：哈密瓜，机器视觉，高光谱成像，无损检测，分级输送 II II ABSTRACT Hami Melon is one