【正文】 質(zhì)檢測。 年 ,”等人利圖像處理技術(shù)和 模式識別技術(shù)研究了西紅柿的大小、形狀、 成熟度等的自動分級 ,但受硬件限制 ,分級速度較慢。年 ,”等采用黑白 攝像系統(tǒng) ,利用視覺檢測技術(shù)檢測水果大小、表面缺陷 ,但在試驗中發(fā)現(xiàn) ,果梗與花萼部 分易丁被誤判為缺陷。年 ,..和 ..“在桃的分級研究中 , 剛灰度乖色度閩值求得表面的可疑損傷點 ,再采用區(qū)域增眭法求得損傷表面 ,但不能解決 將果梗及花萼誤判為壞損區(qū)域的問題。年 ,‘”。提出以結(jié)構(gòu)光形成的幽像識 劃蘋糶果梗、花萼與缺的方法。在水糶凸面上結(jié)構(gòu)光條呈現(xiàn)連續(xù)平行的拋物線形狀 ,曲 率變化慢 ,而在果梗與花萼等水果外形內(nèi)陷部分 結(jié)構(gòu)光條則有斷裂 ,曲率變化較快。但對 光源要求嚴(yán)格 ,外形復(fù)雜的缺陷易被誤判為果梗與花萼。年 ,“為了分割水果 表面缺陷提出球形體灰度變換法。該方法根據(jù)帶缺陷的原始圖像計算山與原圖像相應(yīng)的反 向無缺陷圖像 ,由二者相加得到的變換厲圖像消除了物體的空問形狀對于圖像灰度值的影 響 ,而只保留了水果表面缺陷與正常部分之間由于反射系數(shù)的不同所產(chǎn)生的灰度變化情 況 .刪此可以利用單閾值分割。但計算過程復(fù)雜 ,需耗費較多處理時間。年 ,” 根據(jù)分級物體的大小選擇不同的校正系數(shù) ,對采集的圖像進(jìn)行色度補償 ,完成了幽像失真 的簡單校正。年 ,采用二級神經(jīng)網(wǎng)絡(luò)對蘋果進(jìn)行顏色分級。通過將蘋果果 面沿花萼、花梗方向分區(qū)并分別進(jìn)行處理 ,解決了岡蘋果果面曲率不同而引起的反射梯度 不同的問題。年 ,四等研制出的基于計算機視覺的蘋果缺陷檢測系統(tǒng) ,達(dá)到了快第章緒論 速和全面撿測的效果。通過缺陷變換 ,最大限度地保留了果面上任何水平的缺陷 ,包括灰 度值低于背景的像素 ,然后通過形狀變換算法 ,對光照進(jìn)行有效的補償。年 , 等采用彩色攝像系統(tǒng)研究扁豆分級問題 ,使用神經(jīng)網(wǎng)絡(luò)技術(shù)建立色彩識別模 型 ,分級正確率可達(dá) %。 等利劇計算機技術(shù)研究草莓大小、顏色分級 四崩傅立葉展開式來 描述水果圖像的形 算法 ,也取得較好的分級效果。年 , 狀。用此方法可以量化地描述水果的形狀 ,其相關(guān)性大丁 .。年 , 】提出 了一種用機器視覺檢測蘋果表面采梗和花萼的新方法。該方法雖然可以實現(xiàn)污點、缺陷與 果梗、花萼的同時鑒別 ,但只能判斷出果梗、花萼的大致區(qū)域所在。但該方法還能不用于 實時判別 ,只停留于實驗階段。年 , .四等提山了用動態(tài)閩值的方法來 自動判別樹上的水果。結(jié)果表明 ,該算法對水果的識別率比較高。年 ,‖ 等開發(fā)了一個能同時檢測桔子、桃和蘋果的尺寸、形 :狀、顏色、果梗位置和外部缺陷的計 算機覺系統(tǒng)。通過在 線試驗表明 ,對形狀的檢測準(zhǔn)確率在 %~%之間 ,對缺陷的檢 等研究了一個纂丁缺陷特征的水果實時分級方 測準(zhǔn)確窄為 %。年 , 法。該方法的準(zhǔn)確率可達(dá) %,其錯誤發(fā)生的一半情況是良陛的 ,而另一由于缺陷是 曬傷或者是撞傷 ,或者缺陷太靠近果梗和花萼很難鈹檢測到。 相對于國外研究而言 ,國內(nèi)對于計算機視覺水果自動技術(shù)的研究起步較晚 ,但近年來 在借鑒國外成功經(jīng)驗的基礎(chǔ)上。國內(nèi)學(xué)者在應(yīng)用計算機視覺進(jìn)行水果品質(zhì)檢測方面已經(jīng)做 了大量的研究 ,也取得了眾多成果。 年 ,劉禾利用計算機視覺技術(shù)、人工神經(jīng)網(wǎng)絡(luò)及光學(xué)原理對靜態(tài)水果進(jìn) 行了果形判 別、尺寸測量、缺陷檢測與分級的研究 ,水果的識別率可達(dá) %以上 ,但分 級速度較慢。年 ,徐娟”研究了靜態(tài)水果圖像的并行處理技術(shù) ,提出了水果大小、 顏色、果形分級的并行處理算法 ,該算法達(dá)到了每秒個蘋果的分級速度。年 ,景 寒松等利用計算機視覺技術(shù)對靜態(tài)黃花梨的品質(zhì)檢測與分級技術(shù)進(jìn)行了研究 ,提出了 與靜態(tài)黃花梨圖像相應(yīng)的大小、形狀、果梗、缺陷等檢測方法。在果梗檢漫方面 ,提出了 使用正方形模板鑒圳果梗存在與否的算法 ,并根據(jù)果梗的斜率對果梗的完好性進(jìn)行判別。顫學(xué)位論文 第一章緒浩 在果形識別方面 ,采用方法選取圖像強特征參數(shù) ,并根據(jù)傅立葉描述予用人珊自 經(jīng)網(wǎng)絡(luò)對果形進(jìn)行識別 ,精確率可達(dá) %。年 ,何東健四對靜態(tài)蘋果進(jìn)行研究 ,綜 臺分級結(jié)果的正確率在 %以在顏色分級中以色相。 ~。為取值范圍 ,分別取。 , 。 ,?,累計值作為模式輸入 ,用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行水果顏色分級 ,與人分級具有 %的一致率。 .年 ,趙靜 ,何樂健””等在綜臺分折果實形狀的基礎(chǔ)上 ,提出用半徑 指標(biāo)、連續(xù)性指標(biāo)、曲率指標(biāo)、半徑指標(biāo)的對稱性、連續(xù)性指標(biāo)的對稱性、曲率指標(biāo)的對 稱性個特征參數(shù)表示果實形狀 ,然厲利剮人 ,神經(jīng)網(wǎng)絡(luò)對果實形狀進(jìn)行剮取分級。結(jié) 累表明 ,計算機視覺與人分級的平均 一致率在 %以上。年 ,李慶中利用計算機 視覺對靜態(tài)蘋果進(jìn)行檢測與分級。在表面缺陷檢測方而 ,用個分形維數(shù)作為描述缺陷可 疑區(qū)域粗糙座和紋理方向性的特征參數(shù) ,然后利用人神經(jīng)網(wǎng)絡(luò)完成蘋果表面真正缺陷與 梗萼凹陷區(qū)的別 。在水果顏色分級中 ,以顏色信息的色度分量作為分級指標(biāo) ,并利用遺 傳算法實現(xiàn)了顏色分級神經(jīng)嘲絡(luò)的結(jié)構(gòu)設(shè)計和訓(xùn)練。年 ,徐正岡””利用柑桔可見光 幽像的顏色信啟、實現(xiàn)了柑桔成熟度的檢測 ,利川二層前傳人阱十經(jīng)網(wǎng)絡(luò)建、≯了圖像色度的 頻度序列與崮酸比問的關(guān)系模型 ,其判斷止確事為 .%。年 ,章文英 ,應(yīng)義斌 分析了蘋果 品質(zhì)檢測中的圖像低層處理方法 ,井根據(jù)蘋果的外形特征進(jìn)行尺寸檢測。利剛 圖像的分量灰度直方圖進(jìn)行圖像與背景的分離 ,然后用鏈箝法搜索并細(xì)化輪廓 ,采用 最小外接矩形法求橫徑、縱徑 ,其測量尺寸與實際尺寸的相關(guān)系數(shù)為 .。年 ,黃 永林‘’】對水果實時分級的動態(tài)圖像采集和分級自動控制系統(tǒng)進(jìn)行了研究 ,實現(xiàn)了對水果 實時位置信息的同步跟蹤。試驗結(jié)果表明 ,該系統(tǒng)達(dá)到了對動態(tài)圖像實時采集和分級控制 的速度與精皮的要求。年 ,馮斌解決了水果在線檢測時圖像質(zhì)量差 ,信息量大 , 實時處理能力低 ,檢測精度低等問題。提出了圖像邊緣檢測算法、圖 像快速定位和標(biāo)記方 法、圖像運動模糊的復(fù)原方法、果徑檢測與軸向檢測方法以及利用標(biāo)準(zhǔn)球體灰度模型進(jìn)行 灰度變換等方法。年 ,沈明霞 ,李秀智 ,”等對水果品質(zhì)檢測中的模期閥值分割方法 進(jìn)行了研究。該算法為用先驗知識引導(dǎo)的自適應(yīng)模糊閩值分割算法 ,應(yīng)用效果較好 ,有較 強的適應(yīng)能力。年 ,馮斌 ,汪懋華”提出了一種新的基于計算機視覺的水果大小檢第章緒論 測力法。試驗表明 ,該方法檢測速度快 ,止確率高 ,適范圍寬 ,能夠滿足水果自動檢測 要求。年 ,饒秀勤 ,應(yīng)義斌五根據(jù)水果成像時水果、攝像機透鏡、水果圖像二者之 間的相互關(guān)系 ,運用幾何 光學(xué)理論分析了尺寸檢測中的各種誤差及其原岡 ,并給山了標(biāo)定 誤差的計算公式和半徑的估算公式。 綜合以上我國學(xué)者的研究工作 ,可以看出 ,我國在水果檢測與分級技術(shù)的研究上已經(jīng) 取得了很人進(jìn)步 ,特別是近年來對于水果實時在線檢測與分級系統(tǒng)硬什以及相關(guān)動態(tài)圖像 處理技術(shù)的研究。這為我國水果實時檢測與自動分級技術(shù)的產(chǎn)業(yè)化發(fā)展提供了重要依據(jù)和 可行的方案。 ..多光譜圖像技術(shù)研究概況 在多光譜幽像分析方面研究最多的課題是在遙感領(lǐng)域 ,特別是在農(nóng)業(yè)遙感、精細(xì)農(nóng)、 領(lǐng)域的研究。圍∈像技術(shù)在水果品質(zhì)無損檢測或音禽昂品質(zhì)檢測中的應(yīng)用還 沒有相關(guān)報道。 年 ,楊健剛利剛多光譜技術(shù)對草地資源進(jìn)行測定。通過一定的光譜通道組合 , 年 , 將光瞞反射率同牧草的生物量建立多元回歸方程 ,進(jìn)而有效地訓(xùn)算牧草的尊產(chǎn) 劉興庫 ,李兆華五根據(jù)遙感原理中物體多光譜特征有關(guān)理論 ,對心劃接種馬鈴薯奧占 巴花葉病毒進(jìn)行研究。試驗證明 ,利用多光譜診斷植物的病害是可行的。年 ,金浩 , 童慶禧四等根據(jù)高光譜分辨率的航空成像光譜和熱紅外多光譜圖像數(shù)據(jù)中 遙感信息 ,可有效和精確地對地物特性進(jìn)行識別和提取。年 ,丑曉偉、傅碧宏等 在分析熱紅外多光譜遙感的探測機理的基礎(chǔ)一 ,對不同沉積巖石的 熱紅外多光譜遙 感成像機制進(jìn)行了討論 ,并對比分析了不同沉積巖石圖像和圖像的識別效果。 年 ,周彥儒 ,王曉紅 ?論證了熱紅外遙感探測石油管道的物理依據(jù) ,并以野外實際 洲得資料討論了探測管道的前提條件 ,同時分析了可能出現(xiàn)的干擾因素。年 ,孟如 松、蔡瑞康等研制成多光譜皮膚圖像分析管理系統(tǒng)。在觀察皮膚黑色素沉著、色素痣 和黑色素瘤等皮損圖像時應(yīng)用波艮 ~,皮膚毛細(xì)血管或出血斑時選用波氏 ~,白癜風(fēng)選用 ~等 ,可使圖像更加清晰。年 ,籍濤、黃耀熊” ?第 ~常緒論 等設(shè)計了一套多光譜單細(xì)胞凝膠電泳圖像分析系統(tǒng) ,利用該系統(tǒng)能簡便、快捷、 準(zhǔn)確地獲得單細(xì)胞彗星圖像多個分析指標(biāo)。實驗證明 ,該系統(tǒng)呵較好的滿足圖像的 分析要求。年 ,韓樹豐 ,俺勇“增提出了一種基于作物生長過程中根據(jù)作物及土壤 狀況來決定施肥量的氮肥管理系統(tǒng)。研究了利用多光譜圖像傳感器的遙感技術(shù) ,發(fā)現(xiàn)多光 譜圖像與葉綠素含量之間有密切聯(lián)系。年 ,王秀珍 ,黃敬峰【等通過水稻田問試驗 , 獲取 ~年兩年晚稻整個生育期的光譜數(shù)據(jù) ,并采用多光譜變量組中個單變量線 性’非線性擬合 ,建立水稻面積指數(shù)的多光譜遙感估算模型。結(jié)果表明 :適168。』丁 水稻估算的多光譜變量是植被指數(shù)變量。 瓶國外專家學(xué)者除了把 多光譜圖像技術(shù)應(yīng)州在農(nóng)業(yè)遙感、精細(xì)很業(yè)等領(lǐng)域的研究外 , 近年來也同時把多光譜圖像技術(shù)席刪莊水果品質(zhì)無損檢測和畜禽帚一吊質(zhì)檢測中 ,并取得了 大量的研究成果。 年 ,【硎等人提出了利用光譜圖像和計算機視覺技術(shù)來檢測