水果品質(zhì)自動分級的機(jī)器視覺系統(tǒng)外文翻譯中文(編輯修改稿)
2025-06-25 23:02 本頁面
【文章內(nèi)容簡介】 為了評估利用開發(fā)的傳感器估計(jì)的演的精度， 顏色測量取自 22西紅柿幾個表面。這些部位從一個紅綠色顏色變動為紅色。機(jī)器視覺系統(tǒng)確定果實(shí)顏色的能力通過比較常用于不同的水果的幾種標(biāo)準(zhǔn)色指數(shù)得到了計(jì)算。這些指數(shù)從獵人實(shí)驗(yàn)室獲得，和由三色度計(jì)圓形區(qū)域（ 8毫米直徑）在選定的每一個部門隨機(jī)提供的值一致。 為了評估該對莖的位置的算法的性能，每一個， 100個桔子隨機(jī)的角度圖片和 100蘋果的都被使用。在桃子的情況下， 76個水果中每個水果都隨機(jī)取向的取了兩個圖像，共提出了 152圖像。該圖像分析算法得到了應(yīng)用同時莖的重心也顯示在了電腦屏幕上。然后，操作 者決定是否系統(tǒng)正確地在個圖像中檢測到莖。 在確定視覺系統(tǒng)在測量大小和檢測瑕疵的精度前，為了估計(jì)人工操作的精度和重復(fù)性要進(jìn)行一個簡單的試驗(yàn)，這是目前商業(yè)分級廠房的的參考。由于蘋果的形狀更加不規(guī)則所以被用于這些實(shí)驗(yàn)。桃子和柑橘更加類似球形，因而更容易被視覺系統(tǒng)分辨大小。 在第一個實(shí)驗(yàn)中， 40個周長 63和 86毫米之間的蘋果被隨機(jī)挑選。每個蘋果的大小被專家用卡鉗測量了兩次。兩個測量進(jìn)行了比較并且通過平均誤差來計(jì)算精度。 為了估計(jì)檢測瑕疵時人工操作的重復(fù)性，另一個檢測是： 48個蘋果被機(jī)器分類 后被選定，其中 24個列為有缺陷的，其他 24個為無缺陷。接著，三位專家人工的將他們歸入同樣的兩類。 15分鐘后，他們重新歸類該蘋果。兩次分類之間的相似性和異同被記錄。 在線測試，為了檢查機(jī)器在商業(yè)條件下工作的重復(fù)性，使用了1247個金冠蘋果，大小在 64和 92毫米之間。果實(shí)在西班牙標(biāo)準(zhǔn)為基礎(chǔ)上被分為三類，根據(jù)其尺寸和外部污點(diǎn)。測試包括水果通過傳遞機(jī)，盒裝水果，根據(jù)相應(yīng)的類別。各自的箱反復(fù)通過該系統(tǒng)，并且對在分類中產(chǎn)生的變化進(jìn)行觀察并計(jì)數(shù)。（圖四 .圖像分割流程） 表一給出了桔子，蘋果和桃子的圖像像素分割性能，指出一種和剩余其他種類分開的最佳分離背景（ 100％），使更好的估計(jì)質(zhì)心和水果的大小。 大多數(shù)像素分割程序中出現(xiàn)的錯誤是由于孤立的或小群的像素，這些主要位于相鄰區(qū)域的邊界。這些誤差可以檢測和糾正，如果每個分割區(qū)域的特征得到計(jì)算，因?yàn)檫@些群由于面積小常被分割為忽略不顧的區(qū)域。 該系統(tǒng)檢測莖的性能被進(jìn)行了測量，使用了 93個橘子， 95個蘋果和 140個桃子的圖像，而大多數(shù)圖像都是在線獲取的。實(shí)驗(yàn)表明，桔子的圖像中有五幅莖未檢測出來，而在另 外兩幅中，瘀傷和莖的檢測發(fā)生了混淆。對于桃子， 73個圖像中有一幅莖沒有檢測出來，盡管其中 79圖像中有11幅沒有莖，所以有誤測。在蘋果中， 87個圖像中有兩個莖沒有檢測出來，然而，卻被誤測為三分之十三。對于剩下的三個水果的圖像，莖被正確的檢測和定位（見表 2）。莖的不同顏色或形狀和水果果型，能引起莖檢測的結(jié)果不同。不過，在莖和瘀傷之間有一點(diǎn)混淆，大多數(shù)的混淆錯誤是由于在沒有莖的水果中將瘀傷檢測為了莖。 專家們在兩次獨(dú)立的實(shí)驗(yàn)中測量同一個蘋果的尺寸的平均精度為 ，呈現(xiàn)了約 ％的相對誤差。但是，考慮到水果正確的大小作為六個測量的平均值（每個專家兩個有效測量）， 平均精度 （ ％的相對誤差）。這些數(shù)字可能與視覺系統(tǒng)最大期望精度有關(guān)，該精度不會超過專家的精度，只是測量的參考。因此，一個 1mm 的誤差課容許，當(dāng)分析系統(tǒng)在線結(jié)果的重復(fù)性時。 當(dāng)專家按分類中所述的尺寸種類進(jìn)行水果分類時，他們表現(xiàn)出平均 94％的可重復(fù)性。視覺系統(tǒng)的可重復(fù)性由最小尺寸水果的 89％變化到極端大的水果的 100％，平均為 93％（見表 3）?？紤]到標(biāo)準(zhǔn)允許的 10％的誤判，其結(jié)果可以被視為良好。一個錯誤的來源是由于大多數(shù)蘋果為7274和 7982毫米，而 74毫米被選為大小之間的臨界尺寸。 專家們 估計(jì)果皮上的損害程度時的重復(fù)性介于 85%和 90％，平均為 88％（見表。由于該系統(tǒng)被專家編程和培訓(xùn)，從理論上說，它的性能受到了專家們的重復(fù)性 4） 的限制。因此，視覺系統(tǒng)重復(fù)性的最大期望值約 88％。表 5顯示，該系統(tǒng)在線進(jìn)行外觀缺陷檢測時，有 86％重復(fù)性。這些錯誤是由于在預(yù)測質(zhì)量時三個因素被考慮了：最長的缺陷，受損面積和褐色化區(qū)。如果只有其中一個估計(jì)參數(shù)變化，品質(zhì)變化從一個傳遞到另外，果實(shí)將被歸類在不同的類別。這一事實(shí)特別影響了類型一，那里的重復(fù)性被認(rèn)為是較低的，因?yàn)檫@個類別只包括損壞程度極低的水果，并有因顏色淺 而被認(rèn)為是果皮缺陷。指出這點(diǎn)很重要，即這種類型的實(shí)驗(yàn)結(jié)果很大程度上依賴于果實(shí)大小分布及水果上污點(diǎn)的顏色和大小。 至于該系統(tǒng)使用所述硬件配置檢查水果所用的時間，圖像采集和分析所需的時間小于 300毫秒，比最初的要求 1s的時間要低。如果采用更新更快的計(jì)算機(jī)，并且提高算法來讓圖像的獲取和處理重疊，這個時間可減少至低于 50毫秒。 分割方法對在線處理來說是快速和恰當(dāng)?shù)模菂s極大地取決于被檢查對象的顏色。出于這個原因，系統(tǒng)需要經(jīng)常由專門操作人員調(diào)試。機(jī)器視覺系統(tǒng)表現(xiàn)出良好的結(jié)果在定位桔子，桃子，蘋果的莖干時和 探測它們大多數(shù)時，很少和面部污點(diǎn)混淆。損壞的區(qū)域在蘋果中能正確地檢測到，但該算法在橙子和桃子應(yīng)用時需要更廣泛地進(jìn)行測試。為
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1