蠶繭自動(dòng)篩選計(jì)數(shù)系統(tǒng)關(guān)鍵技術(shù)的研究.pdf

1、隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，在農(nóng)業(yè)、工業(yè)、醫(yī)學(xué)工程等領(lǐng)域，圖像處理技術(shù)的應(yīng)用越來(lái)越廣泛。針對(duì)目前輕工業(yè)的紡織領(lǐng)域，每個(gè)蠶繭槽緒下蠶繭的計(jì)數(shù)方法——人工計(jì)數(shù)已不能滿(mǎn)足紡織領(lǐng)域的生絲生產(chǎn)效率與生絲質(zhì)量的需求，本文提出了基于連通域標(biāo)記的閾值分割算法的蠶繭自動(dòng)篩選計(jì)數(shù)方法和基于K均值聚類(lèi)算法的蠶繭自動(dòng)篩選計(jì)數(shù)方法。本文使用的計(jì)數(shù)方法具有計(jì)數(shù)速度快，計(jì)數(shù)準(zhǔn)確，計(jì)數(shù)穩(wěn)定等優(yōu)點(diǎn)，因此具有較好的應(yīng)用前景。
　　本文通過(guò)引入求取蠶繭平均面積、最大面積

2、作為先驗(yàn)知識(shí)，以蠶繭平均面積作為基準(zhǔn)面積，蠶繭粘連區(qū)域和非粘連區(qū)域分情況處理，提出了基于連通域標(biāo)記的閾值分割計(jì)數(shù)方法;通過(guò)采用最大距離聚類(lèi)中心查找的方法改進(jìn)了K均值聚類(lèi)算法，提出了基于改進(jìn)K均值聚類(lèi)的粘連蠶繭分割和計(jì)數(shù)方法。蠶繭自動(dòng)篩選計(jì)數(shù)系統(tǒng)關(guān)鍵技術(shù)包括蠶繭圖像采集、蠶繭圖像處理及蠶繭識(shí)別計(jì)數(shù)三大模塊。本文首先探討了蠶繭自動(dòng)篩選計(jì)數(shù)系統(tǒng)的圖像預(yù)處理技術(shù)，主要包括圖像文件格式、色彩空間模型、圖像顏色空間模型轉(zhuǎn)換、圖像增強(qiáng)、圖像去噪等內(nèi)容

3、，提出采用中值濾波法、均值漂移法和傅里葉變換法結(jié)合的方法，不僅能有效的去除圖像中的噪聲，還能增強(qiáng)圖像的亮度，增強(qiáng)圖像中蠶繭目標(biāo)與背景的對(duì)比度，為后續(xù)圖像處理打下基礎(chǔ);然后對(duì)蠶繭自動(dòng)篩選計(jì)數(shù)系統(tǒng)的圖像分割計(jì)數(shù)方法進(jìn)行了研究，討論了閾值分割算法、邊緣檢測(cè)分割算法、形態(tài)學(xué)腐蝕膨脹分割法及K均值聚類(lèi)分割算法的原理及應(yīng)用，同時(shí)對(duì)各個(gè)分割算法進(jìn)行了實(shí)驗(yàn)驗(yàn)證及比較，針對(duì)蠶繭圖像的特點(diǎn)，本文采用了閾值分割算法、腐蝕膨脹分割算法和K均值聚類(lèi)分割算法結(jié)合的

4、分割方法，能得到比較滿(mǎn)意的分割效果。研究表明，針對(duì)蠶繭圖像分割，該方法具有很好的魯棒性。最后，本文設(shè)計(jì)了基于PC機(jī)和基于A(yíng)ndroid平臺(tái)的蠶繭自動(dòng)篩選計(jì)數(shù)系統(tǒng)來(lái)驗(yàn)證本文關(guān)鍵技術(shù)的實(shí)現(xiàn)，通過(guò)人機(jī)交互界面驗(yàn)證系統(tǒng)的計(jì)數(shù)準(zhǔn)確性、魯棒性及計(jì)數(shù)效率。
　　研究結(jié)果表明，本文提出的基于閾值分割算法、腐蝕分割算法、K均值聚類(lèi)算法結(jié)合的蠶繭計(jì)數(shù)方法具有較好的魯棒性，基本能滿(mǎn)足工廠(chǎng)流水線(xiàn)中自動(dòng)計(jì)數(shù)的需要，平均準(zhǔn)確率達(dá)到96％以上，能夠克服蠶繭圖像