水果品質(zhì)自動分級的機(jī)器視覺系統(tǒng)外文翻譯中文-文庫吧資料
2025-05-21 23:02本頁面
【正文】 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）。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。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）。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。 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。 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。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)。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)。兩次分類之間的相似性和異同被記錄。接著，三位專家人工的將他們歸入同樣的兩類。兩個測量進(jìn)行了比較并且通過平均誤差來計(jì)算精度。 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。由于蘋果的形狀更加不規(guī)則所以被用于這些實(shí)驗(yàn)。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。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。這些部位從一個紅綠色顏色變動為紅色。兩個獨(dú)立設(shè)置的像素的使用保證了分類器的估計(jì)的性能是沒有偏見性的。在這些測試中，代表團(tuán)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)。 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(jìn)一步消耗的計(jì)算資源的轉(zhuǎn)換是不需要的。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。 (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) 。該水果四個角度被不斷重復(fù)。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(jì)算。真正的 39。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(jìn)行了測定。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(jì)算。 在第三步中，各地區(qū)不再視作為單果，每個獨(dú)立的區(qū)域面積卻要被測定 (圖 . 3（ a） )。然而莖塊并不認(rèn)為是水果的一部分，因?yàn)檩^長的莖 塊可能導(dǎo)致錯誤的測量尺寸（圖 . 2（ c））。然后，為了加快輪廓提取的進(jìn)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(jìn)行分類構(gòu)成。 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(jìn)行分類（圖 .2（ a）） 。 （ c）第三個圖像的采集杯 1將水果再旋轉(zhuǎn) 120176。出于這個原因，該系統(tǒng)需要進(jìn)行測試，并且對每個測試期都要創(chuàng)建一個新的表格。該表，存儲在計(jì)算機(jī)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?yàn)樵S多因素而略有不同。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。 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(lán)色作為獨(dú)立變量（ RGB）。用兩個類顏色方法檢測一般的損害是合理的，因?yàn)槊總€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。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。另一個系統(tǒng)需要離線預(yù)先訓(xùn)練。 圖像分析是由 IVIA用編程語言 C研發(fā)的一個特定的應(yīng)用軟件來來執(zhí)行的，在磁盤操作系統(tǒng)下運(yùn)行（ DOS）。 視覺系統(tǒng)是用于自動檢測，處理和包裝的機(jī)器人系統(tǒng) 中一部分。 照明系統(tǒng)是一個環(huán)形日光燈管組成的，里面內(nèi)室涂有白色亞光半球形熒光，并在頂部有一個洞來放置相機(jī)。該系統(tǒng)提供了 768每 576像素的圖像，以 35mm 每像素實(shí)現(xiàn)。為了評估視覺系統(tǒng)的效率，自動檢驗(yàn)的性能和重復(fù)性和專家們的人工檢測進(jìn)行了比較。該視覺系統(tǒng)是為了在線測量與桔子，桃子，蘋果質(zhì)量有關(guān)的幾個參數(shù)，如大小，以及鑒定次要色點(diǎn)（桃和蘋果一些種類的水果需要），莖塊位置或斑點(diǎn)的存在。最近的技術(shù)結(jié)合紅外和可見的信息來檢測瑕疵（ Aleixos 等， 2020）或者使用高光譜成像（ Peirs等， 2020）。萊曼斯等， 1999， 2020。勒費(fèi)弗爾等， 1994。其他研究同時進(jìn)行瑕疵處理和顏色評定這兩項(xiàng)。損傷和擦傷檢測是質(zhì)量評價(jià)的一個關(guān)鍵因素。已經(jīng)有若干解決方案被提出了來確定莖的位置，如：使用結(jié)構(gòu)的照明檢測蘋果凹陷（楊， 1993） 。在這種情況下，它是不可能完全只把全球面色彩作為質(zhì)量參數(shù)的。該平均表面顏色對這些水果來說是 一個很好的質(zhì)量指標(biāo)。多布然斯基和 Rybczynski， 2020）。顏色也是一個重要的品質(zhì)因素，已被廣泛研究（ Singh等人， 1992年， 1993年。Varghe
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1