基于机器视觉的水果品质实时检测与分级生产线的关键技术研究-农业机械化工程专业论文.docxVIP

摘要针对我国商品水果品质差、出口量小、价格低、附加值低等问题，采用机器视觉技术，研究 摘要 针对我国商品水果品质差、出口量小、价格低、附加值低等问题，采用机器视觉技术，研究 了水果品质的实时检测与分级方法，对提高我国水果的市场竞争力，具有非常现实的社会和经济 意义。研究成果为应用机器视觉技术开展农产品品质检测方法研究提供了范例，用于球形对象表 面积的球带法、数字图像的线段描述方法为其它领域的机器视觉技术应用提供了新的方法，具有 重要的理论和学术意义。主要成果有： ① 提出了水果表面积检测的球带计算法。球带是水果表面上一个窄长区域，其图像是宽 度为一个像素的水平线段。球带作为圆柱的一部分，其宽度h、半径r及圆心角a根 据其图像的纵坐标、线段起点和终点横坐标确定，其面积值为hxrxtz。累加全部球带 面积可得到水果表面ROI面积。试验结果表明，最大相对误差为1．32％。 ② 提出了数字图像的线段描述方法。对数字图像上一组相同特性的像素用线段来描述， 通过比较纵坐标相邻的两条线段的起点和终点来确定二者之间的相邻关系，利用这种 关系将滤波、区域生长和对象边界数据等操作一次完成，大大减少了运算量，比拉普 拉斯方法提高运算速度3倍。 ③ 提出了用于椭球形水果尺寸的椭圆回归法和软件卡尺方法。比较了MER方法、椭圆 回归法和软件卡尺方法的运算量、检测精度。椭圆回归法运算量最小，软件卡尺方法 检测精度最高，这是由于软件卡尺方法能保证计算机检测到的检测点与卡尺检测得到 的检测点一致。 ④ 采用HIS颜色模型、主成分分析方法和马氏距离法，实现了水果按表面颜色分级。对 800幅水果图像进行的分类结果表明，总的相对误差1．75％，能满足水果颜色检测与 分级的要求。提出了由ROB颜色模型到HIS颜色模型的快速转换方法，转换速度提 高了20％。 ⑤ 建立了水果图像的光度学模型，采用该模型得到水果图像灰度计算值，该值与水果图 像实际灰度值相减后得到灰度差值图，对灰度差值图作闽值分割得到待定缺陷区域 R01，利用ROI的R分量和G分量曲面回归参数将缺陷表面、梗部和蒂部区分开米， 从而完成了水果表面缺陷的检测。对1778幅正常水果图像和390幅含有表面缺陷的 水果图像检测结果表明，正确率为94％，误判率为1．5％。 ⑥ 分别用F检验和t检验分析了水果在不同检测通道上的方差齐性和均值一致性，试验 表明，在a=O．0l的水平上，两检测通道的检测结果符合等精度要求。 以上成果为在我国率先研制成功基于机器视觉技术的水果品质检测与分级生产线作出了贡 献。 关键词：水果；品质检测：实时：机器视觉；生产线 AbstractMethod Abstract Method for fruit quality inspection based on machine Vision was developed to improve the quality of fruit in China，which was a sample for quality inspection of agricultural product using machine vision system．The method for surface area inspection of spherical fruits and the line-segment based digital image description method were new methods for other application of machine vision system． The results and conclusions were listed foIlows： ① A method for surface area inspection of spherical fruits with a real-time machine vision system baSed stripe was introduced．A stripe WaS a narrow region of intresting(ROI)on the surface of a fruit，and its image was a horizontal line segment which width Was just one single pixel．A stripe was considered as a part of a cylinder during area calculating．The height h and radius r of the cylinder was calculated with its vertical coord