【正文】 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。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。以計算機視覺 為基礎(chǔ) 第一章緒論 的水果智能分級技術(shù)具有分級精度高 ,分級結(jié)果客觀準(zhǔn)確 ,動化程度高 ,對水果損傷少 等優(yōu)點 ,必將取代現(xiàn)有的人上分級、機械分級技術(shù) ,是當(dāng)前水果實時榆測與自動化分級技 術(shù)發(fā)展的必然趨勢。 .國內(nèi)外研究概況 年代以后國外開始研究計算機視覺技術(shù) ,在農(nóng)業(yè)方面的應(yīng)用主要包括農(nóng)業(yè)機器人、 農(nóng)業(yè)遙感分析、糧食及水果的品質(zhì)檢測等技術(shù)。手工分選住很大程度上依靠分選 工 人的個人經(jīng)驗 ,這種主觀評定受到個人視力、顏色鑒別力、情感、疲勞、光線條件等的 影響 ,分選速度慢 ,勞動強度大 ,而且人眼很難精確估汁著色、損傷等面積 ,大多數(shù)停留 丁定性評判 ,分選的精度和可靠性得不到保證。利 。 . 水果品質(zhì)無損檢測與分級技術(shù) 計算機技術(shù)、無損檢測技術(shù)以及自動化控制技術(shù)的發(fā)展為現(xiàn)代分級檢測技術(shù)提供『’碩學(xué)位嗆文 第一氍緒論 闊的空間 ,使分級檢測技術(shù)正在由半自動化向全自動化、外部品質(zhì)檢測向內(nèi)部品質(zhì)檢測、 復(fù)雜化向簡單化和方便化、機械設(shè)備結(jié)構(gòu)的復(fù)雜化向簡單化、數(shù)據(jù)的人管理向計算機管 理方向轉(zhuǎn)化。近年來 ,我國水果的出口量譬顯蔫增長趨勢 ,如圖所示 ,但其年出口量僅碩 :學(xué)位論文 第一章緒論 占總 ,“量的 %左右 ,而售價只有國際平均售價的 /≯ :也 ,這與我國世界水果第一王 國的地位極不相稱。蘋果和梨的產(chǎn) 犀居世界第一 ,柑橘產(chǎn)量排在巴崩和美國之后 ,位列第三?！看?,提高我國農(nóng)產(chǎn)品 的產(chǎn)后處理水平 ,提高農(nóng)產(chǎn)品質(zhì)量 ,從而提高其國際競爭能力是當(dāng)務(wù)之急 , 隨著計算機硬件、軟件的飛速發(fā)展 ,計算機應(yīng)用也逐步由數(shù)值計算、數(shù)據(jù)處理領(lǐng)域向 信息處理和知識處理領(lǐng)域拓展。為迅速解決這一瓶頸問題 ,我國把“農(nóng)產(chǎn)品加工技術(shù)與設(shè)備研究開發(fā)”列為“十五” 霓大科技攻關(guān)項目的第項 ,由此可見我國政府和有關(guān)部對這一目題的重視程度。? , 、 、 177。 關(guān)鍵詞 : 計算機視覺 ,多光譜圖像 ,比率圖像 ,表面缺陷 ,果梗 ,花萼碩上學(xué)位論文 摘要 . , , . : 、 .,. 、 /,/, , .,.、 . .,. 177。、和表示 ,然 碩士學(xué)位論文 摘要 后作為圖像之間除法運算的各個分量 ,分別得到 /、 // /、 /和 /六種比率多光譜圖像。、177。 從碰傷和腐爛等常見表面缺陷的識別結(jié)果可以看出 :利用、單色圖像和、 、多光譜圖像進行分級時。該系統(tǒng)由光照箱、吏 / 熒光燈、黑白數(shù)字?jǐn)z像頭、濾光片支架、濾光片、 /圖像采 工控機組成?；诙喙庾V圖像的水果外觀品質(zhì)檢測方法研究 浙江大學(xué) 碩士學(xué)位論文 基于多光譜圖像的水果外觀品質(zhì)檢測方法研究 姓名 :葉昱程 申請學(xué)位級別 :碩士 專業(yè) :機械設(shè)計及理論 指導(dǎo)教師 :應(yīng)義斌 20200301 碩士學(xué)位論文 摘要 利用計算機視覺和圖像處理技術(shù)對水果進行品質(zhì)無損檢測和自動分級過程中 ,果梗、 花萼部分容易和碰傷、腐爛等常見表面缺陷混淆 ,從而被誤判而引起分級錯誤。 集卡及 、進行了蘋果的分光反射特性實驗 ,采用美國分析光譜儀器公司 生產(chǎn)的光譜分析儀進行。對完好表面的識別率分別為 %、 .%、 %、 .%、 %、 %、 .%、 .%,而對有缺陷表面的識別率分別為 .%、 .%、 %、 .%、 .%、 .%、 .%、 .%。、177。從果梗和花萼的識別結(jié)果可以看出 :利用、 、單色圖像進行分級時 ,對缺陷的識別率分別為 .%、 .%、 .%、 %, 對果?；ㄝ嗟淖R別率分別為 .%、 .%、 .%、 .%。、 177。、 ?/、 /、 。 水果在我國的農(nóng)產(chǎn)品中占有很人的比 重 ,但目前我國水果采后加工處理的水平仍很 低 ,檢測和分級手段也根落后 ,致使我國水果的外觀質(zhì)量較差 ,減弱了在國際市場上的競 爭力 ,影響了農(nóng)業(yè)產(chǎn)值的提高。在農(nóng)業(yè)生產(chǎn)過程中 ,以農(nóng)業(yè)現(xiàn)代化、自動化、信息化為基 礎(chǔ)的“精 細農(nóng)業(yè)”變革正是計算機技術(shù)在農(nóng)業(yè)中廣泛應(yīng)用的典范。據(jù)國家統(tǒng)計局、中國農(nóng)業(yè)年鑒 編輯委員會統(tǒng)計 :年、年、年、年、年和年 ,我國水果產(chǎn) 量分別為萬噸、萬噸、萬噸、萬噸、萬噸和萬噸。 圖一水果年生產(chǎn)量圖 . 圉‘水果年出口量囤 其實 ,我國大多水果質(zhì)量并不比洋水果差 ,但始終面臨著銷售難、價格低的困境 ,究 其原因 ,除了品種、品質(zhì)等因素外 ,還有一個易被絕大多數(shù)生產(chǎn)者和中間商忽略的環(huán)節(jié)一 一采后處理。這些高新技術(shù)的發(fā)展同樣 電為農(nóng)業(yè)的機械化、自動化、標(biāo)準(zhǔn)化提供了強人的 技術(shù)保障。計算機視覺 ,可對舶紅柿、蘋 果等的大小、形狀、顏色和表面損傷與缺陷進行識別 ,有利于水果品質(zhì)自動分級。機械分選的主要分選指標(biāo)是水果的火小和 重量 ,對水果損傷犬 ,效率低 ,分選結(jié)果達不到國際要求。計算機視覺技術(shù)是七十年代初期在遙感幽 片和生物醫(yī)學(xué)圖片分析兩項應(yīng)用技術(shù)取得卓有成效的成果后開始嶄露頭角的。 .計算機視覺技術(shù)研究概況 國內(nèi)外目前主要通過計算機視覺技術(shù)對水果按大小、形狀、色澤、表面缺陷等特征進 行品質(zhì)檢測 ,并進行自動化分級和包裝 ,大大提高了其商品價值。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。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 ,” 根據(jù)分級物體的大小選擇不同的校正系數(shù) ,對采集的圖像進行色度補償 ,完成了幽像失真 的簡單校正。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 ,對光照進行有效的補償。用此方法可以量化地描述水果的形狀 ,其相關(guān)性大丁 .。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。年 , 法。 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 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 %以上 ,但分 級速度較慢。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)對果形進行識別 ,精確率可達 %。 , 。年 ,李慶中利用計算機 視覺對靜態(tài)蘋果進行檢測與分級。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)蘋果的外形特征進行尺寸檢測。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。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。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。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 巴花葉病毒進行研究。 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。實驗證明 ,該系統(tǒng)呵較好的滿足圖像的 分析要求。結(jié)果表明 :適168。劉有壓傷和沒有壓協(xié)的表面進行光譜反刺特性實驗 ,井選擇合適的波。的健 康小 雞圖像的平均強度比不健康的要高 ,而用的傅立葉光譜像素強度時 ,健康小 雞圖像的平均強度要比不健康的低得多。利辟特殊 的光纖和濾光片可咀同時采集到分別在、和四個光譜波段 蘋果的反射圖像。 碩士學(xué)位論文 第一章緒論 年 , 等人利用高光譜和多光譜像分析技術(shù)檢測肉雞表皮瘤。神經(jīng)網(wǎng)絡(luò)分類器的輸入。恪【 ?所示為蘋果圖像分級的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。 年 ,.等人利用計算機視覺技術(shù)和數(shù)字信號處理器對柑橘進行多光譜 實時檢測 ,建立了一個可以同時得到可見光和 近紅外圖像的多光譜攝像系統(tǒng) ,如圖 .所 示 ,該系統(tǒng)可以以每秒個水果的速度檢測大小、顏色、表面缺陷等。利用多光譜成 像技術(shù)快速檢鋇蘋果的缺陷。近紅外二個波段的幽像中被識別山米 ,域是近紅 外范陽兩端的波段 ,但兩個近紅外范圍的波段對不同品種蘋果的顏色敏感程度幣夠。研 , 究表明 ,不管是主成分分析法還是最大反射法都能確定四個相同的多光譜波段 , 和 ,并用這四個晟佳的光譜波段來檢測蘋果表面的污染。 年 , ,..等人研制了一個包括含有攝像頭、光纖照明設(shè)備、 第章緒論 碩 .學(xué)位論文 鏡頭自動裝置和圖像處理軟件的高光譜成像系統(tǒng)。在單一的近紅外成像方法中 ,蘋果的果梗 ,花萼經(jīng)常和真正的缺 陷混淆而造成分級錯誤。該雙攝像頭成像系統(tǒng)在進行蘋果缺陷的 在線分級應(yīng)川中有較好的可靠性。對 來說 ,其檢測的準(zhǔn)確率為 %~%,而對 %~%。比較了各種幽像分析方法檢測 、 、利四種蘋果表面的缺陷或是污染的效果。水果圖像的采集質(zhì) 量的高低將直 接影響最終確定水果品質(zhì)和級別的準(zhǔn)確性 ,所以采集到的水果圖像所包含的