【正文】 像實(shí)時(shí)顯示 ,通訊接口負(fù)責(zé)通 訊。 總線接口 ,負(fù)責(zé)通過機(jī)內(nèi)部總線高速輸出數(shù)字?jǐn)?shù)據(jù)。它一般具有以下功能模塊 : 圖像信號的接收與 /轉(zhuǎn)換模塊 ,負(fù)責(zé)圖像信號的放大與數(shù)字化 。線陣 攝像頭一次只能獲得圖像的一行信息 ,被拍攝的物體必須以直線形式從攝像機(jī)前移過 ,才 能 獲得完整的圖像 ,而面陣攝像機(jī)可以一次獲得整幅圖像的信息。 、攝像頭 目前攝像頭以其小巧、可靠、清晰度高等特點(diǎn)在商用與工業(yè)領(lǐng)域都得到了廣泛 的使用。 在確定了光源合適的顯色性后 ,同時(shí)也要考慮光源的發(fā)光效率與使用壽命。高壓鈉燈 .。 白色熒光燈 .:目光色燈 。以下是一些常見光源地顯色 指數(shù) :自熾燈 。光源的光譜功率分布決定了光源的顯色性。即光源能反映物體“真實(shí)”顏色的能力。 確定光源主耍是要考慮光源的顯色性。 在計(jì)算機(jī) 視覺系統(tǒng)中一般使用透射光和反射光。 圖典型的計(jì)算機(jī)視覺系統(tǒng)結(jié)構(gòu) .計(jì)算機(jī)視覺關(guān)鍵技術(shù) 、光源照明技術(shù) 在計(jì)算機(jī)視覺系統(tǒng)中 ,好的光源與照明方案往往是整個(gè)系統(tǒng)成敗的關(guān)鍵 ,起著非常重 要的作用 ,并不是簡單的照亮物體而已。一個(gè)典型的計(jì)算機(jī)視覺系統(tǒng)主要包 括光源、光學(xué)系統(tǒng)、圖像捕捉系統(tǒng)、圖像數(shù)字化模塊、數(shù)字圖像處理模塊、智能判斷決策 模塊和機(jī)械控制執(zhí)行模塊 ,如圖所 示。 .本章小結(jié) 本章闡述了利用計(jì)算機(jī)視覺和幽像處理技術(shù)進(jìn)行水果品質(zhì)檢測與自動(dòng)分級技術(shù)研究 目的和意義 ,綜述了目前國內(nèi)外應(yīng)用計(jì)算機(jī)視覺技術(shù)和多光潛圖像技術(shù)進(jìn)行水果品質(zhì)檢測 與分級的研究現(xiàn)狀及存在的問題 ,提出了本研究的主要內(nèi)容。 、研究蘋果果梗和花萼的識(shí)別方法。 、研究碰傷和腐爛等常見表面缺陷的檢測方法。具體內(nèi)容如 : 】、建立并完善適合本研究的多光譜圖像系統(tǒng) ,通過對光照系統(tǒng)及攝像頭等硬件 的選擇對比 ,建立適合本研究的實(shí)驗(yàn)臺(tái)。 本項(xiàng)研究以蘋果為研究對象 ,主要內(nèi)容是利用多光譜圖像技術(shù)米檢測蘋果表面腐爛、 撞傷等常見表面缺陷 ,探索蘋果多光譜圖像中光譜信息和各種表面缺陷之間的關(guān)系 。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 信息應(yīng)盡可能詳細(xì)地反映水果的各種外部特性。利用在的葉綠素吸收波段和兩個(gè)在近紅外范劇的 波段 ,通過不對稱二階差分方法 ,可檢測蘋果有缺陷或污染的部分。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。本研究表明近紅外高光譜成像技術(shù)對檢測蘋果表面的撞傷是非常有效的。對 來說 ,其檢測的準(zhǔn)確率為 %~%,而對 %~%。實(shí)驗(yàn)采集了 的高光譜幽像。該雙攝像頭成像系統(tǒng)在進(jìn)行蘋果缺陷的 在線分級應(yīng)川中有較好的可靠性。在線試驗(yàn)結(jié)果表明 :用這種方玄能 %區(qū)分 出完好的蘋果 .。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(cuò)誤。 據(jù)。 年 , ,..等人研制了一個(gè)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(dòng)裝置和圖像處理軟件的高光譜成像系統(tǒng)。 年 , 等人利用多光譜技術(shù)對芒果的成熟度進(jìn)行檢測。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(gè)相同的多光譜波段 , 和 ,并用這四個(gè)晟佳的光譜波段來檢測蘋果表面的污染。而 較輕污染的部分則需要更多的計(jì)算量和復(fù)雜的分析 ,如結(jié)合閾值和形態(tài)學(xué)進(jìn)行檢測。近紅外二個(gè)波段的幽像中被識(shí)別山米 ,域是近紅 外范陽兩端的波段 ,但兩個(gè)近紅外范圍的波段對不同品種蘋果的顏色敏感程度幣夠。 年 ,..等人研制了一個(gè)光譜范圍從 ~的高光譜成像系統(tǒng)。利用多光譜成 像技術(shù)快速檢鋇蘋果的缺陷。 第章緒論 圖多光譜圖像系統(tǒng)卜 年 , 、 等人應(yīng)刪高光譜圖像和多光譜分析技術(shù)劉 、三個(gè)品種的蘋果表匠缺陷進(jìn)行了檢測。 年 ,.等人利用計(jì)算機(jī)視覺技術(shù)和數(shù)字信號處理器對柑橘進(jìn)行多光譜 實(shí)時(shí)檢測 ,建立了一個(gè)可以同時(shí)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(gè)水果的速度檢測大小、顏色、表面缺陷等。在 之間的光譜以 .的間隔被記錄成個(gè)波段。恪【 ?所示為蘋果圖像分級的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。對兩類型的分類 準(zhǔn)確率為 .%~%。神經(jīng)網(wǎng)絡(luò)分類器的輸入。 年 ,.等人通過神經(jīng)網(wǎng)絡(luò)對帝國和金帥蘋果的表面質(zhì)量進(jìn)行分級。 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。典犁的缺陷如新撞傷的傷口、儲(chǔ)存后蘋果上的撞傷、結(jié)疤、黑斑、軟化、腐爛、褐班 平168。利辟特殊 的光纖和濾光片可咀同時(shí)采集到分別在、和四個(gè)光譜波段 蘋果的反射圖像。輸入的快速傅立葉變換的光 譜圖像強(qiáng)度時(shí) ,則有 .%的校準(zhǔn)性和 %有效性。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(shí) ,健康小 雞圖像的平均強(qiáng)度要比不健康的低得多。結(jié)聚表明 :檢測水果表面址仂最 采集到的剴像的比率幽像 ,檢洲的準(zhǔn)確率約為 %。劉有壓傷和沒有壓協(xié)的表面進(jìn)行光譜反刺特性實(shí)驗(yàn) ,井選擇合適的波。 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(shí)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。結(jié)果表明 :適168。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。實(shí)驗(yàn)證明 ,該系統(tǒng)呵較好的滿足圖像的 分析要求。在觀察皮膚黑色素沉著、色素痣 和黑色素瘤等皮損圖像時(shí)應(yīng)用波艮 ~,皮膚毛細(xì)血管或出血斑時(shí)選用波氏 ~,白癜風(fēng)選用 ~等 ,可使圖像更加清晰。 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(shí)分析了可能出現(xiàn)的干擾因素。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(shí)別和提取。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。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(bào)道。這為我國水果實(shí)時(shí)檢測與自動(dòng)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。年 ,饒秀勤 ,應(yīng)義斌五根據(jù)水果成像時(shí)水果、攝像機(jī)透鏡、水果圖像二者之 間的相互關(guān)系 ,運(yùn)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(jì)算公式和半徑的估算公式。年 ,馮斌 ,汪懋華”提出了一種新的基于計(jì)算機(jī)視覺的水果大小檢第章緒論 測力法。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。年 ,馮斌解決了水果在線檢測時(shí)圖像質(zhì)量差 ,信息量大 , 實(shí)時(shí)處理能力低 ,檢測精度低等問題。年 ,黃 永林‘’】對水果實(shí)時(shí)分級的動(dòng)態(tài)圖像采集和分級自動(dòng)控制系統(tǒng)進(jìn)行了研究 ,實(shí)現(xiàn)了對水果 實(shí)時(shí)位置信息的同步跟蹤。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。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(shí)現(xiàn)了顏色分級神經(jīng)嘲絡(luò)的結(jié)構(gòu)設(shè)計(jì)和訓(xùn)練。年 ,李慶中利用計(jì)算機(jī) 視覺對靜態(tài)蘋果進(jìn)行檢測與分級。 .年 ,趙靜 ,何樂健””等在綜臺(tái)分折果實(shí)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(gè)特征參數(shù)表示果實(shí)形狀 ,然厲利剮人 ,神經(jīng)網(wǎng)絡(luò)對果實(shí)形狀進(jìn)行剮取分級。 , 。 ~。顫學(xué)位論文 第一章緒浩 在果形識(shí)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(shí)別 ,精確率可達(dá) %。年 ,景 寒松等利用計(jì)算機(jī)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。 年 ,劉禾利用計(jì)算機(jī)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(shí)別率可達(dá) %以上 ,但分 級速度較慢。 相對于國外研究而言 ,國內(nèi)對于計(jì)算機(jī)視覺水果自動(dòng)技術(shù)的研究起步較晚 ,但近年來 在借鑒國外成功經(jīng)驗(yàn)的基礎(chǔ)上。年 , 法。年 ,‖ 等開發(fā)了一個(gè)能同時(shí)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(jì) 算機(jī)覺系統(tǒng)。年 , .四等提山了用動(dòng)態(tài)閩值的方法來 自動(dòng)判別樹上的水果。該方法雖然可以實(shí)現(xiàn)污點(diǎn)、缺陷與 果梗、花萼的同時(shí)鑒別 ,但只能判斷出果梗、花萼的大致區(qū)域所在。用此方法可以量化地描述水果的形狀 ,其相關(guān)性大丁 .。 等利劇計(jì)算機(jī)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。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。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 ,” 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(bǔ)償 ,完成了幽像失真 的簡單校正。該方法根據(jù)帶缺陷的原始圖像計(jì)算山與原圖像相應(yīng)的反 向無缺陷圖像 ,由二者