第五章--食品无损检测：计算机视觉(优质课件2圆).ppt

**生成的具体方法是：从满足检测准则的点开始，在各个方向上生长区域。当其邻近点满足相似性测度就并人小块区域中，当新的点被合并后再用新的区域重复这一过程，直到没有可接受的邻近点时生成过程终止。2．分裂—合并算法分裂—合并算法的思想是：首先将图像划分成若干个小区域，然后运用特定的检测判据，将包含不同内容的区域分裂，将包含相同内容的区域合并，最后得到分割图像。**第八节目标识别目标(模式)识别是整个数字图像处理和分析的最终目标。针对不同的对象和不同的目的，可以用不同的模式识别理论和方法。常用的主要方法有：统计模式识别法、结构模式识别法、神经网络法。**第九节应用实例**可见光图像发在农产品

无损检测中的应用**研究的目的和意义探讨计算机视觉技术无损检测禽蛋的裂纹，代替工业生产中的人工照蛋检测禽蛋品质的传统方法，自动剔除破损蛋。计算机视觉技术能够模拟人眼的功能，对禽蛋裂纹的判断具有显著的优势，工业生产中可以代替人的劳动，并避免人工的不足，可以高速、准确、全面地判断禽蛋的品质。**其中：CCD摄像头：佳能A85；图像采集卡：加拿大MatroxП图像采集卡；光源：25W白炽灯；PC：P41.7G处理器，显卡为nvidiaGeForceMX44064MB；图像处理软件系统：Imageprocessing1.0鸡蛋：江苏省源创禽业发展有限公司提供的无公害褐壳鸡蛋，鸡种为罗曼蛋鸡**结果与讨论定义如下变量：圆形度（R：Ratio）：直线为0，圆为1；面积（A：Area）；区域像素点总和；长径（L：LongPath）；区域边缘最长点距离；短径（S：ShortPath）；与长径垂直线相交于区域边缘两点距离；长短径之比（LS：LongPath/ShortPath）**裂纹特征满足：①若A≥100像素，则R≤0.2或LS≥3②若A100像素，则R≤0.35或LS≥3其中：0.0R≤0.398；1.5≤LS≤33；19≤A≤1871；8≤L≤270；1≤S≤76（单位：像素）**检测判断流程图背景去除灰度转化中值滤波分析图像信息（第1幅）阈值分割区域标记参数提取查看直方图进入系统受测鸡蛋获取图像(2幅)存在裂纹区域不存在裂纹区域继续分析图像其他区域或第2幅图像判断是否判断否是另一枚鸡蛋2幅图像区域搜索完毕且无裂纹输出结果**分级的精度和准确率完好鸡蛋裂纹鸡蛋受测总体准确率检错率准确率检错率准确率检错率比例128/1357/13579/845/84207/21912/219百分数95%5%94%6%94.5%5.4%**第十一节数字图像处理应用实例稻谷、玉米、麦子等多种农作物；苹果、犁、柑橘、芒果、猕猴桃、西瓜等各种水果；黄瓜、西红柿、辣椒、马铃薯等各类蔬菜；鸡蛋、牛肉等禽畜产品；茶叶、核桃等一、依据颜色进行的研究表面颜色是农产品和食品的重要外观特征，常用作评价农产品和食品的主要指标。**二、利用外形尺寸进行的研究利用机器视觉系统对混杂的酥油草和黑麦草进行区分。采集两种草籽的图像，进行预处理，然后提取两种草籽的十个形状参数：长度、宽度、厚度、孔数、周长、面积、扩张度、伸展度、质心及比率。用回归分析方法得出单一草籽和混杂草籽特性的模型，能正确地区分出混杂数据中83.13％的酥油草籽和79.87％的黑麦草籽。**图像处理方法检测玉米粒表面的霉变。霉变部分的RGB值要比完好部分的RGB值小，但两种部位的颜色有较多重叠。采用三层神经网络分类器，分类结果达到98.7％的精度。三、缺陷检测**四、综合检测技术应用研究出烟叶外观特征的定量描述方法;自动提取每片烟叶的颜色、形状、纹理三类特征的180个特征参数;运用统计分析法选择特征，利用神经网络进行分类，建立了烟叶质量自适应分级系统。该系统对不同年份、不同产地烟叶的分组分级效果稳定，对多个地区烟叶的检测准确率在80％以上。