基于機器視覺的重疊類圓顆粒計數(shù)系統(tǒng).pdf

1、在工農(nóng)業(yè)生產(chǎn)中，通常需要統(tǒng)計一些類圓顆粒的數(shù)量，如測定糧食和油料等農(nóng)作物千粒重。人工計數(shù)是最原始的方法，由于長時間計數(shù)，容易導致人眼極度疲勞，嚴重影響了檢測的效率和準確率。在要求快速準確計數(shù)的場合，其局限性更為突出。針對此現(xiàn)狀，為了提高計數(shù)的準確率和效率，并且實現(xiàn)自動化這一目標，急迫需要開發(fā)出能夠?qū)r(nóng)作物顆粒數(shù)量進行自動測定的系統(tǒng)。 本文對若干數(shù)量的農(nóng)作物類圓顆粒進行拍照，在提取出的目標顆粒圖像中，總存在著影響計數(shù)精度的深度粘連

2、和復雜重疊的顆粒群。為了提高計數(shù)準確率，本文提出了一種基于圖像識別與分類的智能分割算法：首先對原彩色圖像預處理和初次分割，標記出所有重疊的顆粒塊區(qū)域。采用凹點收搜法和點Hough變換提取顆粒區(qū)域的的凹點和質(zhì)心等幾何形狀特征，并計算出不變拓撲形狀特征量歐拉數(shù)，建立顆粒重疊類別特征數(shù)據(jù)庫。采用支持向量機分類法訓練學習后，識別樣本區(qū)域中顆粒的各種重疊類型，并自動將其分為串粘連、多個并粘連和兩層并重疊等三種模型。針對上述三種類型，根據(jù)相應的分割

3、規(guī)則將所包含的凹點配對后，構建最優(yōu)分離線，實現(xiàn)對深度粘連和兩層重疊的顆粒準確分割，并且統(tǒng)計顆粒的個數(shù)。 本課題以黃豆、綠豆等農(nóng)作物為對象進行隨機試驗，實驗結(jié)果證明本系統(tǒng)對顆粒重疊類型的識別準確率達到99.8％，實現(xiàn)重疊顆粒分離后，計數(shù)誤差率不超過0.5％。實驗研究表明，該計數(shù)方法應用于統(tǒng)計農(nóng)作物的顆粒數(shù)量時，計數(shù)精度較高，抗干擾能力強。 本論文結(jié)合機器視覺技術和圖像處理技術來實現(xiàn)類圓顆粒圖像計數(shù)。對支持向量機分類算法進行