基于機(jī)器視覺的小麥質(zhì)量判別系統(tǒng)的研究.pdf

1、本文利用機(jī)器視覺技術(shù)，對(duì)小麥品質(zhì)檢驗(yàn)進(jìn)行了系統(tǒng)研究，包括同產(chǎn)地同年份品質(zhì)參差的小麥識(shí)別、同產(chǎn)地不同年份的小麥識(shí)別和在谷物儲(chǔ)存中經(jīng)常會(huì)出現(xiàn)的發(fā)霉和發(fā)芽的小麥識(shí)別三個(gè)方面。 本文通過實(shí)驗(yàn)研究了小麥圖像獲取的技巧，獲得小麥圖像后，利用分水嶺算法將小麥籽粒(特別是一些粘連籽粒)從背景中分割出來，再提取它們的形態(tài)和色彩參數(shù)，最后建立BP神經(jīng)網(wǎng)絡(luò)模型來識(shí)別各個(gè)類別的小麥籽粒。 通過研究發(fā)現(xiàn)，對(duì)于同產(chǎn)地同年份小麥的識(shí)別，優(yōu)質(zhì)小麥的識(shí)別

2、準(zhǔn)確率能達(dá)到90﹪以上，劣質(zhì)小麥的識(shí)別準(zhǔn)確率也能達(dá)到80﹪以上，經(jīng)多個(gè)測(cè)試集驗(yàn)證，此模型是穩(wěn)定且可靠的。對(duì)于同產(chǎn)地不同年份的小麥識(shí)別，發(fā)現(xiàn)如果保存得當(dāng)，人眼很難根據(jù)其外觀特征判斷其生產(chǎn)年份，因此計(jì)算機(jī)也很難做出判斷。對(duì)于正常、發(fā)霉和發(fā)芽小麥的識(shí)別，發(fā)芽小麥預(yù)報(bào)比較穩(wěn)定，均在80﹪以上；正常和長(zhǎng)霉籽粒結(jié)果不甚理想，可能是發(fā)霉小麥在清洗了霉菌之后，特征不明顯，影響識(shí)別結(jié)果，因此還需深入研究。此外本文還分別討論了形態(tài)參數(shù)和色彩參數(shù)對(duì)模型的影響