【正文】 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。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(bǔ)償。 .計算機(jī)視覺技術(shù)研究概況 國內(nèi)外目前主要通過計算機(jī)視覺技術(shù)對水果按大小、形狀、色澤、表面缺陷等特征進(jìn) 行品質(zhì)檢測 ,并進(jìn)行自動化分級和包裝 ,大大提高了其商品價值。這些高新技術(shù)的發(fā)展同樣 電為農(nóng)業(yè)的機(jī)械化、自動化、標(biāo)準(zhǔn)化提供了強(qiáng)人的 技術(shù)保障。 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。、177。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(jī)組成。 關(guān)鍵詞 : 計算機(jī)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。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。手工分選住很大程度上依靠分選 工 人的個人經(jīng)驗(yàn) ,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(qiáng)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。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。但該方法還能不用于 實(shí)時判別 ,只停留于實(shí)驗(yàn)階段。為取值范圍 ,分別取。該算法為用先驗(yàn)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(qiáng)的適應(yīng)能力。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)。 年 , 等人描述了一個多光譜蘋果品質(zhì)檢測實(shí)驗(yàn)臺。實(shí)驗(yàn)結(jié)果表明 :光譜圖像 , 比標(biāo)準(zhǔn)圖像能更有效地區(qū)分西紅柿的成熟度。首先用光譜輻射 計測得芒果樣品的特征光譜段 ,然后采集芒果的圖像 ,最后通過多種算法的測試尋 找一種高精度、可靠性好的算法來檢測芒果的成熟度。 的 等人通過一個高分辨率 .~. 年 ,.,. 商光譜成像系統(tǒng)來檢測食品和農(nóng)產(chǎn)品的缺陷和污染 。碩士學(xué)位論文 第二章本研究的多光譜幽像采集系統(tǒng) 第二章本研究的多光譜圖像采集系統(tǒng) .計算機(jī)視覺系統(tǒng)概述 ..計算機(jī)視覺概念 計算機(jī)視覺主要研究用計算機(jī)來模擬人的視覺功能從客觀事物的圖像中提取信息 ,進(jìn) 行處理并加以理解 ,最終用于實(shí)際檢測、測量和控制。商壓汞燈 .。光照箱為系統(tǒng)提供采集圖像 的環(huán)境 ,主要包括箱體、背景、光源等。碩士學(xué)位論文 第二章毒研究的多光譜圖像采集系統(tǒng) 圖視場內(nèi)灰度分布情況 .? ..濾光片 本研究所使用的濾光片為 .系列可見光一紅外干涉濾光片 ,該系列濾光片是在 兩玻璃基片間鍍一系列不同 介質(zhì)材料的膜層而形成的 ,為了隔潮和便于安裝 ,每個濾光片 被封裝于鋁圈經(jīng)陽極氧化處理內(nèi)。 ?任意窗口大小采集 。 .數(shù)字圖像處理技術(shù) 計算機(jī)視覺系統(tǒng)中 ,視覺信息的處理技術(shù)主要依賴于圖像處理方法 ,它包括圖像增強(qiáng)、 數(shù)據(jù)編碼和傳輸、平滑、邊緣銳化、分割、特征抽取、圖像識別與理解等內(nèi)容。其本質(zhì)是將像素進(jìn)行分類。 亮度 :亮度簡單定義為在給定方向 ,上單位立體單位面積內(nèi)的光強(qiáng)。由此可知 ,損傷部分和正常部分反射 率之差在可見光區(qū)域受表面顏色的影響 ,而在近紅外區(qū)域幾乎不受表面顏色的影響。 圖軟件界面 鬻蒸蒺鬻 囊溪鍪鬻 。 ..、 .。麴 。 融。 該光譜儀的主要參數(shù)有 : ?波 長范圍 :~ 碩士學(xué)位論文 第三章光度學(xué)基礎(chǔ)及其蘋果分光反射特性實(shí)驗(yàn) ?積分時間 :用戶可選 ,“ ,., ?掃描平均 :最多可選 ,次光譜平均 ?光譜采樣間隔 :. ?光譜分辨率 :. ?高次吸收濾色片 ,內(nèi)置光閘和漂移鎖定自動校準(zhǔn)功能均設(shè)置為標(biāo)準(zhǔn)配置 ?適用于手持或安裝在三角架上 ?通過標(biāo)準(zhǔn)串口與計算機(jī)連接 ?實(shí)時測量并觀察反射、透射、輻射度、或者輻照率 ?響應(yīng)速度快 :近紅外段采用高響應(yīng)速度的探測器 ?信噪比高 :探測器用制冷 圖 . 光譜儀 . 試驗(yàn)樣品為紅富士蘋果。 部位在 ~ 圖 富士蘋果近紅外光譜 . 圖 富上褐變蘋果近紅外光譜 碩士學(xué)位論文 第三章光度學(xué)基礎(chǔ)及其蘋果分光反射特性實(shí)驗(yàn) ..農(nóng)產(chǎn)品分光反射特性及近紅外圖像處理在農(nóng)業(yè)中的應(yīng)用提供的依據(jù) 該文介紹了農(nóng)產(chǎn)品分光反射特性的測定原理及方法 ,分析了桃、梨、 黃瓜及西瓜等果 實(shí)的近紅外分光反射特性 。 光通量 :光源在單位時間內(nèi)發(fā)出的光量稱為光通量 ,單位是流明。變換壓縮方法是將整蝠圖像分成一個個小的取或數(shù)據(jù) 塊 ,再將這些數(shù)據(jù)塊分類、變換、量化 ,從而構(gòu)成自適應(yīng)的變換壓縮系統(tǒng)。 ?運(yùn)行環(huán)境 :溫度℃一℃ ,濕度 %。 /具有接口可用于對攝像頭的 遠(yuǎn)端控制。為保證光照均勻且具有散射性 ,支熒光燈 在光照箱上方兩側(cè)弧形板上等間隔平行安裝 ,如圖所 示。一般接口傳輸速率 可高達(dá) ,完全能勝任高精度圖像的實(shí)時傳輸 ,且占用較少的時間。光源的顯 色性一般以顯色指數(shù)表示 ,最大值為 ,以上顯色性優(yōu)良 :?顯色性一般 : 以”顯色性差。 、進(jìn)行碰傷和腐爛等常見表面缺陷檢測的實(shí)驗(yàn) ,并對實(shí)驗(yàn)結(jié)果進(jìn)行分析和討論。實(shí)驗(yàn)結(jié)果表明 :在到之間的光譜范圍對檢測撞傷是最合 則為 適的。 年 ,.., .等人帶熒光成像技術(shù)來檢測有較輕污染的蘋果。對五類型的分類 ,帝國蘋果準(zhǔn)確率為 .%~%,而金帥蘋果 為 .%~.%。 有效的方法是在兩個波 】年 ,.【叫等人實(shí)時采集了掛在移動吊鉤上的小雞的光譜圖像。年 ,丑曉偉、傅碧宏等 在分析熱紅外多光譜遙感的探測機(jī)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(jī)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。試驗(yàn)結(jié)果表明 ,該系統(tǒng)達(dá)到了對動態(tài)圖像實(shí)時采集和分級控制 的速度與精皮的要求。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。年 , 狀。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(yàn)中發(fā)現(xiàn) ,果梗與花萼部 分易丁被誤判為缺陷。利 ?！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(jī)硬件、軟件的飛速發(fā)展 ,計算機(jī)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。、和表示 ,然 碩士學(xué)位論文 摘要 后作為圖像之間除法運(yùn)算的各個分量 ,分別得到 /、 // /、 /和 /六種比率多光譜圖像?；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(jī)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(jī)視覺和圖像處理技術(shù)對水果進(jìn)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。從果梗和花萼的識別結(jié)果可以看出 :利用、 、單色圖像進(jìn)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 .%、 .%、 .%、 .%。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(xì)農(nóng)業(yè)”變革正是計算機(jī)技術(shù)在農(nóng)業(yè)中廣泛應(yīng)用的典范。計算機(jī)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(jìn)行識別 ,有利于水果品質(zhì)自動分級。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(diǎn) ,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。用此方法可以量化地描述水果的形狀 ,其相關(guān)性大丁 .。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(qiáng)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 ,馮斌解決了水果在線檢測時圖像質(zhì)量差 ,信息量大 , 實(shí)時處理能力低 ,檢測精度低等問題。 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(shí)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。的健 康小 雞圖像的平均強(qiáng)度比不健康的要高 ,而用的傅立葉光譜像素強(qiáng)度時 ,健康小 雞圖像的平均強(qiáng)度要比不健康的低得多。恪【 ?所示為蘋果圖像分級的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。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。對 來說 ,其檢測的準(zhǔn)確率為 %~%,而對 %~%。 、研究蘋果果梗和花萼的識別方法。以下是一些常見光源地顯色 指數(shù) :自熾燈 。 有的圖像采集卡同時還包括顯示模塊 ,負(fù)責(zé)高質(zhì)量的斟 像實(shí)時顯示 ,通訊接口負(fù)責(zé)通 訊。使用光度計測量 ,