基于機(jī)器視覺和高光譜圖像技術(shù)的糧食水分檢測及雜質(zhì)與不完善粒別方法研究.pdf

1、提高我國農(nóng)產(chǎn)品的技術(shù)含量和產(chǎn)品附加值,增加我國農(nóng)產(chǎn)品的商品化程度,可以讓包括糧食產(chǎn)品在內(nèi)的農(nóng)產(chǎn)品在國際市場上更具競爭力。將機(jī)器視覺和高光譜等自動化檢測技術(shù)引入糧食品質(zhì)檢測,使糧食品質(zhì)得到準(zhǔn)確、快速的檢測,是實(shí)現(xiàn)該目標(biāo)的有效途徑之一。本文以糧粒和其中所含的雜質(zhì)為研究對象,研究了機(jī)器視覺和高光譜技術(shù)應(yīng)用于糧粒與識雜質(zhì)別應(yīng)用中的基本理論和方法,主要研究內(nèi)容和成果如下:
　　 (1)研究了糧粒的光譜特征.采集嘉興、長興兩地的4個水稻品種

2、,根據(jù)樣本將其分為完整粒、不完善粒、有機(jī)雜、無機(jī)雜等9類。再采集包含956個波段的靜態(tài)高光譜圖像32幅,通過五因素四水平正交實(shí)驗(yàn)的方差分析,優(yōu)選了鹵素?zé)糇鳛楣庠?黑色環(huán)氧板作為背景,光照強(qiáng)度在6000-120001ux之間。在此實(shí)驗(yàn)條件下提取高光譜數(shù)據(jù)的前4個PCA圖像,結(jié)合第三、第四主成分的權(quán)重系數(shù)選擇波段在620-680nm范圍內(nèi)的光線作為設(shè)計(jì)機(jī)器視覺糧粒雜質(zhì)檢測系統(tǒng)的照明。
　　 (2)建立了基于高光譜技術(shù)的糧粒水分檢測模

3、型。設(shè)計(jì)復(fù)水實(shí)驗(yàn)控制玉米品種02102和小麥品種NS21的水分含量在10％～20％區(qū)間內(nèi),再采集不同水分條件下的高光譜數(shù)據(jù),樣本數(shù)量為每批次3g,共300批.先采用MSC對光譜數(shù)據(jù)進(jìn)行預(yù)處理,然后通過回歸分析分別得到與玉米、小麥水分值相關(guān)系數(shù)最大的4個和5個波長。再通過經(jīng)驗(yàn)公式使用節(jié)點(diǎn)數(shù)為4-5-1和5-5-1的三層BP人工神經(jīng)網(wǎng)絡(luò)建模技術(shù)分別對玉米和小麥含水率進(jìn)行了預(yù)測。通過回歸分析得到預(yù)測結(jié)果與實(shí)際值之間的決定系數(shù)R2分別為0.98

4、和0.96,相對誤差絕對值的平均值分別為0.3090和0.1916。該結(jié)果表明利用高光譜圖像技術(shù)對玉米和小麥含水率進(jìn)行無損檢測是可行的,為建立一種新型的糧粒水分檢測方法和去除水分對于高光譜糧粒檢測的影響奠定了基礎(chǔ)。
　　 (3)構(gòu)建了糧粒與雜質(zhì)識別的機(jī)器視覺靜態(tài)檢測硬件系統(tǒng)和識別模型。根據(jù)國家標(biāo)準(zhǔn)并結(jié)合實(shí)驗(yàn)樣本特點(diǎn)將其分為破碎粒、不完善粒、有機(jī)雜、無枧雜、完整粒共6個子類烈。根據(jù)直方圖閩值分割方法選取紙質(zhì)白色背景作為圖像采集的背

5、景。再采集6400幅糧粒圖像,提取了圖像的形狀、顏色、不變矩等29個特征進(jìn)行雜質(zhì)識別的建模過程。先通過以單特征識別為主的決策樹判定法識別出68.6％的雜質(zhì);再建立了節(jié)點(diǎn)數(shù)為28-9-2的三層BP人工神經(jīng)網(wǎng)絡(luò)的方法建立識別模型,網(wǎng)絡(luò)訓(xùn)練算法為L-M優(yōu)化算法,隱層和輸出層激發(fā)函數(shù)分別為對數(shù)函數(shù)和線性函數(shù),訓(xùn)練終止條件為MSE達(dá)到0.01或迭代次數(shù)超過8000。結(jié)果顯示該模型的總體識別正確率在90％以上,并從選樣、采集和分析算法三個方面列出了