基于主动形状模型ASM的苹果果形分级方法的研究-食品科学专业论文.docxVIP

， ， 学位论文版权使用授权书＼删 ， 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子 版，允许论文被查阅和借阅。本人授权江苏大学可以将本学位论 文的全部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和汇编本学位论文。 保密口 本学位论文属于 ，在3年我解密后适用本授权书。 ￡ 不保密口 ◆ b直论文作者签名： 指导教师虢痢娣 l 年月 日 如二年多月，占日 ? . 、 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容以外，本 论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本 文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 k t ’ 学位论文作者签名： 年 月 Et 、6在 、 6 江苏大学硕士学位论文 江苏大学硕士学位论文 基于主动形状模型(ASM)的苹果果形分级方法的研究 摘 要 苹果果形是评价苹果品质的一个重要指标。为提高果形判别的准确度和效 率，本研究首次采用主动形状模型(Active Shape Model，简称ASM)的方法进行 苹果形态分级。根据试验确定苹果的最佳轮廓特征点数为36，并对不同形状的 苹果进行计算机自动标定、校准，运用主成分分析法获取不同形状的苹果模型， 然后将模型与实际苹果进行灰度匹配，提取像素数目比等特征参数，实现苹果分 级。试验中将苹果分成9个等级，分别为一级果，二级果L，二级果R，二级果 U，二级果D，三级果L，三级果R，三级果U，三级果D(L、R、U、D分别 为英文单词Left、Right、Up、Down的首字母，代表左、右、上、下)。神经网 络方法采用基于傅立叶描述子的BP神经网络，取前9次谐波的辐值作为形状特 征参数，输入BP网络进行训练。应用结果表明：与传统的BP神经网络方法相 比，基于ASM方法的苹果果形分级效果较好，判别准确率高达95％，且直观性 强、鲁棒性好，具有较好的灵活性。 套 为提高ASM方法的通用性，本文采用了一种多分辨率主动形状模型 (Multi．ResolutionASM简称MR-ASM)的改进方法，此方法消除了图像的噪声 r 影响，大大提高了ASM的抗干扰性，因而为农产品无损检测和分类提供了一种 新的方法。 关键词：苹果果形，ASM，主成分分析，BP神经网络，傅立叶描述 江苏大学硕士学位论文 江苏大学硕士学位论文 基于主动形状模型(ASM)的苹果果形分 Abstract The shape of the apple is an important parameter on appraising order to improve the accuracy and efficiency on apple’S shape identification，this research introduces a method based on Active Shape Models(ASM)for the first time． According to experiment,we selected the number of thiny—si)【嬲the best marking points to describe apple’S boundary,and all apples in training set were marked automatically．In the following，Procrustes Analysis WaS used to get generalized shape set,and then Principal Component Analysis(PcA)was employed to get different shape models．In the end，the shape models were used to match real apple and compute the characteristic parameter getting apple’S grade．In the experiment,we divide the apples into 9 ranks，respectively is the first level of fiuit，the second level of fruits L，the second level of fruits R the second level of fruits U，the second