基于機(jī)器視覺(jué)的水果品質(zhì)實(shí)時(shí)檢測(cè)與分級(jí)生產(chǎn)線的關(guān)鍵技術(shù)研究.pdf

1、針對(duì)我國(guó)商品水果品質(zhì)差、出口量小、價(jià)格低、附加值低等問(wèn)題，采用機(jī)器視覺(jué)技術(shù)，研究了水果品質(zhì)的實(shí)時(shí)檢測(cè)與分級(jí)方法，對(duì)提高我國(guó)水果的市場(chǎng)競(jìng)爭(zhēng)力，具有非常現(xiàn)實(shí)的社會(huì)和經(jīng)濟(jì)意義。研究成果為應(yīng)用機(jī)器視覺(jué)技術(shù)開展農(nóng)產(chǎn)品品質(zhì)檢測(cè)方法研究提供了范例，用于球形對(duì)象表面積的球帶法、數(shù)字圖像的線段描述方法為其它領(lǐng)域的機(jī)器視覺(jué)技術(shù)應(yīng)用提供了新的方法，具有重要的理論和學(xué)術(shù)意義。主要成果有： ①提出了水果表面積檢測(cè)的球帶計(jì)算法。球帶是水果表面上一個(gè)窄長(zhǎng)區(qū)域

2、，其圖像是寬度為一個(gè)像素的水平線段。球帶作為圓柱的一部分，其寬度h、半徑r及圓心角α根據(jù)其圖像的縱坐標(biāo)、線段起點(diǎn)和終點(diǎn)橫坐標(biāo)確定，其面積值為hxrxa。累加全部球帶面積可得到水果表面ROI面積。試驗(yàn)結(jié)果表明，最大相對(duì)誤差為1.32％。 ②提出了數(shù)字圖像的線段描述方法。對(duì)數(shù)字圖像上一組相同特性的像素用線段來(lái)描述，通過(guò)比較縱坐標(biāo)相鄰的兩條線段的起點(diǎn)和終點(diǎn)來(lái)確定二者之間的相鄰關(guān)系，利用這種關(guān)系將濾波、區(qū)域生長(zhǎng)和對(duì)象邊界數(shù)據(jù)等操作一次完

3、成，大大減少了運(yùn)算量，比拉普拉斯方法提高運(yùn)算速度3倍。 ③提出了用于橢球形水果尺寸的橢圓回歸法和軟件卡尺方法。比較了MER方法、橢圓回歸法和軟件卡尺方法的運(yùn)算量、檢測(cè)精度。橢圓回歸法運(yùn)算量最小，軟件卡尺方法檢測(cè)精度最高，這是由于軟件卡尺方法能保證計(jì)算機(jī)檢測(cè)到的檢測(cè)點(diǎn)與卡尺檢測(cè)得到的檢測(cè)點(diǎn)一致。 ④采用HIS顏色模型、主成分分析方法和馬氏距離法，實(shí)現(xiàn)了水果按表面顏色分級(jí)。對(duì)800幅水果圖像進(jìn)行的分類結(jié)果表明，總的相對(duì)誤差1

4、.75％，能滿足水果顏色檢測(cè)與分級(jí)的要求。提出了由RGB顏色模型到HIS顏色模型的快速轉(zhuǎn)換方法，轉(zhuǎn)換速度提高了20％。 ⑤建立了水果圖像的光度學(xué)模型，采用該模型得到水果圖像灰度計(jì)算值，該值與水果圖像實(shí)際灰度值相減后得到灰度差值圖，對(duì)灰度差值圖作閾值分割得到待定缺陷區(qū)域ROI，利用ROI的R分量和G分量曲面回歸參數(shù)將缺陷表面、梗部和蒂部區(qū)分開來(lái)，從而完成了水果表面缺陷的檢測(cè)。對(duì)1778幅正常水果圖像和390幅含有表面缺陷的水果圖像