畢業(yè)論文 水果品質(zhì)自動分級的機器視覺系統(tǒng)-文庫吧
2025-05-12 23:57 本頁面
【正文】 像素 于其中一個 預(yù)先確定的類別：背景，原色， 次主 色，一般傷害 類型 1，一般傷害 類型 2，特定的功能，莖，花萼。 由于分類采用 這樣一種方式，所以 他們 對所有類型的水果都適用 。 訓(xùn)練系統(tǒng) 分別 單一 顏色的 水果， 此主色 類沒有使用。 用兩個類 顏色方法檢測 一般 的 損害是合理的，因為每個 種類的 水果 都 有不同的顏色 的 缺陷 ， 可以 區(qū)分為明亮的 與黑暗的。 另一個 預(yù)先定義的類 被用于 檢測水果的特定特點，如金冠蘋果 的赤褐色度 。 由于每個類代表性的區(qū)域已選定， 貝葉斯判別模型 被 創(chuàng)建 ，它 利用像素的三個基本色：紅色，綠色和藍色作為獨立變量（ RGB）。 貝葉斯判別分析 包括 對 上述 每個 類別的 RGB 值組合的概率的計算。一個阿雷爾（ 1991）描述的算法被應(yīng)用， 即 采用不同的協(xié)方差矩陣為每個類，它的結(jié)果在二次判別模型。此過程可參考表來 進行 。該表，存儲在計算機內(nèi)存中 并 在網(wǎng)上操作 時給予 咨詢 ， 允許每個像素的圖像分配到最接近 匹配的類 .水果的顏色，作為水果成熟的狀態(tài)標(biāo)志，即是是在同一 種 水果里 ，也 可以 因為 許多因素 而略有不同 。 由于此分割方法 極大地 依賴于每個 水果 的像素顏色，它是對這些變化非常敏感。出于這個原因，該系統(tǒng)需要進行 測試 ， 并且對 每個測試 期都要 創(chuàng)建一個新的表 格 。 畢業(yè)論文 圖 1（ a）第一 圖像的采集 （ b）第二個圖像 的 采集 杯 1 旋轉(zhuǎn)水果 120176。 （ c）第三個圖像 的采集 杯 1 將 水果 再 旋轉(zhuǎn) 120176。 （ d）第四圖像的 采集 杯 2 抓住 水果 并 旋轉(zhuǎn)180176。 在線操作 最先要獲取第一幅圖像，并利用上面提到的表格將其按先前定義的類進行分類（ 圖 .2（ a） ）。 畢業(yè)論文 圖 2 (a) 照相機拍攝 的 原始圖像（ b）分割圖像顯示 完好 皮膚， 褐色化度 ，莖 塊 和 損壞區(qū)域 （ c） 除了莖 和背景以外的所有區(qū)域，用來計算的大小類別（ d）展示了大小如何估計的圖像 同一種類的八個相連的像素中的每一份被認為是相互獨立的區(qū)域。 然后， 為了加快 輪廓提取 的 進程 ，基于模濾波器 的緩和 程序 被 應(yīng)用 到了 分段 的圖像，以便平緩圖像之間的毗鄰地區(qū) 及 消除孤立的不良分類 像素 [圖 . 2（ b） ] 第二步由提取特性來將水果按大小進行分類構(gòu)成 。 單 值 圖像中的前景 是 水果 的圖像，認為 是 各 區(qū)域 形成的，除了那些 被 視為背景或 莖塊的區(qū)域 。 然而莖塊并不認為是水果的一部分，因為 較長的莖塊 可能導(dǎo)致錯誤的 測量 尺寸 （ 圖 . 2（ c） ） 。 然后，對 水果 區(qū)域邊界 進行 提取 并 編纂 通過用 鏈碼為基礎(chǔ)的算法 （弗里曼， 1961 年）來計算 量 做 慣 性 主軸 的 長度面積和 尺寸 （ 圖 . 2（ d） ） 。 畢業(yè)論文 在第三步中，各地區(qū)不再視作為單果， 每個獨立的區(qū)域面積 卻要被 測定 (圖 . 3（ a） )。為了糾正 分割過程中 產(chǎn)生的錯誤 ，表面 積少于 一定的閾值 的區(qū)域 被認為是無效的 分類像素。 對于有效的地區(qū)， 根據(jù)他們的像素 所處類別不同， 不同的參數(shù) 被計算。 例如，在 有 任何類 各地區(qū) 組成的損害像素 區(qū)域中 ，長度和面積分別計算。 在被劃為莖塊 的區(qū)域 的情況中 ，只有共同的坐標(biāo)質(zhì)心進行了測定。在檢測 到 多 莖塊的情況中， 最長的 區(qū)域 被選定為 39。真正的 39。 莖塊，其他的認為是干擾（ 圖 3（ b） ） 。在 分配到 基本和次等 的顏色區(qū)域，質(zhì)心 及 顏色 RGB 均值要 計算。 該流程的整個過程如圖4 所示。該水果 四個 角度被不斷重復(fù)。 當(dāng)最后一個圖像 被 處理 時 ,每個果實下列特征都要測量： (1)主要損傷的長度 —— 定義為主要區(qū)域的長度，歸類為損傷，在上面四種視角中都有； (2)損傷 面積 —— 等同于所有受傷區(qū)域的總和，在四個獨立的視角中 。 (3)莖和瑕疵 —— 需要考慮，如果在四種視角中的任一種中發(fā)現(xiàn) 。 (4)基礎(chǔ)色 —— 計算作為基礎(chǔ)的顏色，在每個獨立的視角中統(tǒng)計 (5)次主色 —— 計算作為次要主色，在每個獨立的視角中統(tǒng)計 (6)水果的尺寸 —— 根據(jù)現(xiàn)在的標(biāo)準(zhǔn)，尺寸是根據(jù)替代物的尺寸測來的。由于水果不具有方向性，水果都是由離莖最近的地方開始定位測量的。如果莖在少于兩張圖像中看到，該水果的尺寸就被當(dāng)做其他四幅圖像的水果的平均尺寸。 盡管一些用于顏色描述的立體模型，作為 HIS 或 La * b *值，描述的顏色 和 我們的 感覺很接近 ， 但 RGB 系統(tǒng)被用來 描述是 由于圖像采集卡直接提供本系統(tǒng)中的圖像的像素顏色， 所以后面的 進一步消耗的計算資源 的 轉(zhuǎn)換是不需要的。 圖 3 （ a）分割圖像顯示 褐色度 ，莖和損壞的區(qū)域（ b）圖像顯示周長 ，褐色度中心和莖區(qū)和最長損害區(qū)的長度 該系統(tǒng)的性能評價 雖然分割方法 的可靠性 可 由系統(tǒng)通過 結(jié)果和可重復(fù)推導(dǎo)出 來， 為了 在水果的圖畢業(yè)論文 像上 分析分割程序 通常要做個 初步試驗 。 在這些測試中，代表團體桔子，桃子，蘋果 的 圖像 的 像素，對應(yīng) 于其 背 景，皮膚 完整度 ，損傷和 莖稈 （除 了 桃子） ， 被 人工 選定生成 基于 貝葉斯非線性判別 的 判別分析 函數(shù) 。 這些功能在一個獨立設(shè)置的像素 上進行了測試，屬于不同圖像， 也是人工選定 。兩個獨立設(shè)置的像素 的 使用保證了分類器 的 估計的性能是沒有偏見 性的
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1