论文部分内容阅读
大豆是我国重要的经济作物,但是大豆外观检测作为大豆生产加工的重要环节,检测手段仍然停留在传统低端的人工检测手段上,不能将检测结果进行直观的量化和系统化,没有准确的检测结果,使大豆无法进行分品分级,严重制约了我国大豆产业的发展。因此,大豆外观品质检测应以无损,高效,精确的为研究方向。本研究正是基于此原则,进行算法研究和系统设计。课题是国家博士后基金项目《基于机器视觉技术的大豆外观品质无损检测系统的研究》的组成部分。根据大豆外观品质与内部品质的联系,本研究开发基于图像处理技术的大豆外观品质检测系统。以此来开发一种精确、高效的大豆品质无损检测新技术。研究的具体内容如下:经过对不同光照条件和背景下大豆样本拍摄效果比较,实验最终设计了拍摄条件均一稳定内置恒定光源的暗箱作为拍摄环境。并搭建了操作简单、成本低、拍摄效果清晰的图像处理硬件系统。这其中包括CCD数码摄像机,存储功能强大的计算机和用于测试稳定光源的照度计。实验中以16粒大豆为一组,分别对正常大豆,病斑大豆,霉变大豆,虫蚀大豆,破碎大豆以及混杂豆粒进行图像采集,拍摄上千幅大豆图片,使实验数据更为精确。在图像处理过程中,分别选取RGB和HIS颜色模型,并对颜色模型所处理的结果进行分析。研究利用灰度线性变换图像增强的图像处理方法来增强目标和背景的对比度,进而通过比较各种分割方法,选取了按幅度分割的阈值分割法。对提取的豆粒二值图像进行了孔洞填充和黏连的分割。基于图像处理的结果,本研究分别对形态特征,颜色特征和纹理特征的39个特征参数值进行详细明确说明。其中包括圆形度、紧实度、蓬松度、弧形度、偏心率、椭长轴和椭短轴等一系列特征参数。将提取到的特征参数进行数据标准化,运用主成分分析法来数据降维,从而降低神经网络的复杂度,改善训练精度。实验建立三层BP神经网络,通过误差对比选择隐含层个数为12。对600多幅各种大豆图片进行的识别测试,发现系统的平均识别精度为90.33%,可以达到识别要求。在设计大豆外观品质检测软件时,首先利用VC++开发平台编写图像处理程序;然后运用Matlab软件进行神经网络识别系统的构建,最后将编写好的Matlab识别程序嵌套进VC++编写的图像处理程序,完成人机交互界面的开发。这是一套完整的、独立的大豆外观品质检测软件,不受其他任何软件的制约,可以在此基础上进一步扩充功能为整个系统的进一步扩展提供坚实基础,并为今后系统的推广铺平道路。该软件的操作窗体设计规范合理、按钮名称明确,操作简便。具备消息标题,菜单栏、工具栏、帮助菜单、热键标识等一系列基本功能。符合一般用户的操作习惯,具备软件的友好性。综上所述,本研究为大豆外观品质检测的科学化,自动化提供坚实理论基础及技术支撑。所研究的新技术方法为实现大批量大豆的精确、无损、高效的自动化检测打下基础,在理论和实践中都具有应用价值。