基于图像处理和模式分类的茶叶杂质识别研究-机械设计及理论专业论文.docxVIP

万方数据 万方数据 Nanjing University of Aeronautics and Astronautics The Graduate School College of Mechanical and Electrical Engineering Research on Recognizing Tea-leaves and Impurities Based on Image Processing and Pattern Classification A Thesis in Mechanical Engineering by Chen Peijun Advised by Associate Prof. Wu Tiejun Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Engineering March, 2014 承诺书 本人声明所呈交的硕士学位论文是本人在导师指导下进行 的研究工作及取得的研究成果。除了文中特别加以标注和致谢 的地方外，论文中不包含其他人已经发表或撰写过的研究成 果，也不包含为获得南京航空航天大学或其他教育机构的学位 或证书而使用过的材料。 本人授权南京航空航天大学可以将学位论文的全部或部分 内容编入有关数据库进行检索，可以采用影印、缩印或扫描等 复制手段保存、汇编学位论文。 （保密的学位论文在解密后适用本承诺书） 作者签名： 日 期： 南京航空航天大学硕士学位论文 摘要 随着茶叶分拣技术的不断自动化，将计算机视觉应用到茶叶分拣中拥有十分广阔的前景， 能够大大增加分拣过程的自动化程度，减少人工劳动，节省成本。茶叶在采摘的过程中难免会 混进一些石块、树棍、杂草等杂物，本文基于图像处理和模式分类识别茶叶图像中的杂质，能 够有效地将图像中的杂质识别出来。由于所采集图像中的杂质主要为棍棒类杂质和球状类杂质， 本文分别使用不同的算法识别杂质。 为了识别所采集茶叶图像中的杂质，先对图像进行预处理，其目的是为了突出需要的特征 而抑制干扰信息。首先对图像进行灰度化，接着平滑图像去除噪声，然后分割图像将目标和背 景分离开。又由于阴影的存在会影响后期的识别工作所以去除阴影，最后进行边缘检测得到目 标边缘的二值图像。针对图像中的棍棒类杂质，其边缘包含直线特征，而茶叶的边缘没有，因 此检测出杂质中的直线特征就能够识别棍棒类杂质。霍夫直线变换能够检测图像中的直线且不 受噪声的影响，鲁棒性较强。本文采用霍夫变换检测直线并对其进行优化，加快了算法运行速 度，能够很好地识别图像中的棍棒类杂质。针对图像中的球状类杂质，由于其形状特征和茶叶 差别很大，因此设计分类器来识别茶叶中的杂质。本文介绍了几种分类器的设计原理，最后使 用更为成熟的支持向量机算法设计分类器。对目标和背景分离的二值图像进行连通区域标记， 将图像中的多个目标区域标记后计算每个区域（即每个目标）的特征数据，最后选择最优特征 子集依据支持向量机的算法原理设计出分类器。 在上述研究基础上，我们设计完成了识别两类杂质的原型系统，并用 20 幅包含两类杂质的 图像验证了算法的可靠性，实验数据表明识别准确率高于 90%，证明该系统能够很好地完成识 别工作。 关键词：杂质，图像处理，霍夫变换，支持向量机，分类器 I 基于图像处理和模式分类的茶叶杂质识别研究 ABSTRACT As the technology of sorting tea-leaves becomes more and more automated, it has a very bright feature to apply the computer vision into sorting tea-leaves. It can deeply increase the automation degree and reduce the manual working and cost. In the processing of picking tea-leaves there will be some stones, sticks, weeds and other impurities infiltrating into the tea-leaves. This paper bases on image processing and pattern classification to recognize the impurities in the image. As a result, it can successfully recognize the impurities. The impuri