基于粒度带比例的西瓜子识别算法研究与实现.docxVIP

基于粒度带比例的西瓜子识别算法研究与实现 近年来，人们对黄瓜农产品的品质要求不断提高，筛选前作物的价格已成为重要的环节。对于像西瓜子这样的扁平颗粒体, 具有形状不规则、色泽不均匀等特点, 分拣比较困难。随着生产规模的不断扩大, 人工分选效率较低越来越不能满足需求, 因此, 需要利用计算机视觉控制机器设备进行分拣来提高效率和准确率。《农业工程学报》2011年第4期刊登了安徽大学赵吉文博士的一篇优质瓜子机器分选的论文, 题为“基于灰度带比例的西瓜子识别算法研究与实现”。据悉, 早期的色选机多为光电分选, 分选效率和准确性较低。近年来发展起来的电荷耦合元件 (charge coupled device, CCD) 色选机成为瓜子分选设备的主流。 研究者以产自甘肃会宁的新疆圆片西瓜子 (表面中心有白色区域) 为研究对象, 通过统计瓜子原粮的表面特征, 提出了基于灰度带比例的西瓜子识别算法, 并进行了产品试验研究。灰度带比例值定义为瓜子图像中心白色区域面积与周围黑色区域面积的比值。先对瓜子图像进行处理, 再提取灰度带比例值, 将上述算法采用VHDL逻辑语言进行描述, 移植到以FPGA为核心的CCD杂粮色选机上, 该色选系统采用现场可编程门阵列 (field programmable gate array, FPGA) 并行硬件计算处理方案, 在多通道实时分选方面保证了算法的可执行性。在大量试验的基础上进行灰度带比例的训练。根据训练后的灰度带比例参考值最终分拣出优质西瓜子。在识别率为95%的情况下, 分选效率要远远高于手工分拣效率, 为0.33公斤/秒。能够得到这样好的分选结果, 主要得益于所提出的特征值易于实现, 而瓜子图像预处理则是准确提取灰度带比例这一特征值的前提。图像预处理部分突破了以往的预处理思路, 具体在于:1) 不是单纯地对图像进行直方图均衡化, 而是采用了对比度自适应的直方图均衡化;2) 在对瓜子图像进行二值化以后, 进行了中值滤波, 为进一步采用灰度带比例值进行分类提供了很好的特征。瓜子图像经过这样的处理之后, 灰度带比例值也就可以准确求出了。 对于像瓜子这样扁平颗粒的分拣算法, 国内外学者均有成果出现。不过所提出的分拣算法需要提取很多特征值, 不利于快速分拣出优质西瓜子。此次研究所提出的分拣算法只需要提取一个特征值即可, 便于提高西瓜子的分拣效率, 为高效分拣西瓜子提供了理论支持和方法实现。文章研究的西瓜子图像分类算法及实现方法对于同类性质的物料分选具有很好的参考价值。研究成果为优质瓜子的分选提供了设备保障, 对提高瓜子产品的品质有重要的意义。