基于計(jì)算機(jī)視覺(jué)技術(shù)的葉類(lèi)蔬菜新鮮度檢測(cè)分級(jí)研究.pdf

1、目前，許多國(guó)家在農(nóng)產(chǎn)品的質(zhì)量檢測(cè)方面都已開(kāi)始使用計(jì)算機(jī)視覺(jué)技術(shù)，來(lái)實(shí)現(xiàn)對(duì)農(nóng)產(chǎn)品的識(shí)別、檢測(cè)和管理。作為一種新型的無(wú)損檢測(cè)技術(shù)，計(jì)算機(jī)視覺(jué)技術(shù)成為實(shí)現(xiàn)農(nóng)產(chǎn)品檢驗(yàn)的自動(dòng)可視化發(fā)展的必然趨勢(shì)。
　　 在現(xiàn)有國(guó)內(nèi)外研究的基礎(chǔ)上，本研究以目前尚未制定等級(jí)標(biāo)準(zhǔn)的葉類(lèi)蔬菜——小白菜的新鮮度識(shí)別作為研究方向，以時(shí)間量劃分的三個(gè)等級(jí)的葉類(lèi)蔬菜作為研究對(duì)象，以計(jì)算機(jī)視覺(jué)和模式識(shí)別理論為基礎(chǔ)，獲取在一定條件下背景為白色的葉類(lèi)蔬菜圖像，利用MATLAB

2、軟件對(duì)圖像進(jìn)行處理、分析，同時(shí)采用主成分分析、費(fèi)歇爾判別相結(jié)合的方法，實(shí)現(xiàn)了特征提取和判別模型的構(gòu)建。其中主成分分析則將13個(gè)特征參數(shù)綜合成4個(gè)新變量，構(gòu)建的判別模型對(duì)樣本總體的識(shí)別率達(dá)84％。
　　 主要研究?jī)?nèi)容如下:
　　 （1)根據(jù)計(jì)算機(jī)視覺(jué)技術(shù)對(duì)葉類(lèi)蔬菜的要求，構(gòu)建葉類(lèi)蔬菜圖像獲取和分析的計(jì)算機(jī)視覺(jué)系統(tǒng)。
　　 (2)葉類(lèi)蔬菜的圖像預(yù)處理。背景分割過(guò)程中，通過(guò)自適應(yīng)中值濾波法和改進(jìn)的自適應(yīng)大津法（OTSU

3、法）對(duì)葉類(lèi)蔬菜彩色圖像的紅、綠、藍(lán)分量進(jìn)行圖像背景分割，通過(guò)比較發(fā)現(xiàn):在藍(lán)色分量圖中獲取閾值進(jìn)行背景分割的效果最好。經(jīng)選取閾值的二值化圖像與原彩色圖像進(jìn)行對(duì)比，最終實(shí)現(xiàn)彩色圖像的背景分割。
　　 (3)提取特征參數(shù):顏色特征，形狀特征，紋理特征。將HIS模型和RGB模型配合使用提取葉類(lèi)蔬菜的顏色特征。葉片圖像經(jīng)過(guò)處理后，得到目標(biāo)圖像的邊緣和區(qū)域，以此來(lái)獲得蔬菜葉片的形狀特征。對(duì)于不同新鮮程度的葉片，其紋理在粗細(xì)、排列上都有很大差

4、別，本文采用灰度共生矩陣法提取葉片的紋理特征。
　　 (4)分級(jí)模型的建立。經(jīng)過(guò)特征值提取后，每個(gè)樣本都獲得包括顏色、紋理、形狀等13個(gè)特征參數(shù)組成的特征向量。本文采用主成分分析法實(shí)現(xiàn)數(shù)據(jù)的降維，然后結(jié)合費(fèi)歇爾判別分析，利用降低維度后的特征參數(shù)構(gòu)建判別模型。試驗(yàn)結(jié)果證明，判別模型對(duì)樣本的總體識(shí)別準(zhǔn)確率達(dá)84％。
　　 (5)基于MATLAB與.NET混合開(kāi)發(fā)了一套基于計(jì)算機(jī)視覺(jué)的葉類(lèi)蔬菜新鮮度等級(jí)識(shí)別研究軟件，該軟件界面