论文部分内容阅读
对虾产业—直是我国水产行业的支柱型产业,随着人民生活水平的提高,人们对于虾品质的要求也越来越高。对虾分类,是指对从养殖池塘捕获的原料虾中含有的杂质或经高温高压蒸煮后形成熟虾中含有的次品所进行的分类工作,这些杂质或次品的外观通常在完整性和颜色一致性方面与正常虾存在差异。传统的杂质或次品分类是通过人工分级方式剔除,然而人工分级存在主观性强、人工成本昂贵、容易疲劳等缺点,因此本研究提出可以取代人工的对虾自动分类算法并尝试用于在线分选装备的研发。目前广泛采用的对虾处理装备主要是辊筒机械式规格分选装备,但是这种装备在许多场合下无法直接检出某些不完整和颜色不一致的杂质或次品,因此限制了它的应用范围。机器视觉技术作为一种新颖的检测方法,具有检测精度高、可控性强、动态检测响应速度快等优点,对人肉眼无法分辨细微纹理和颜色差异也很有效,其特点满足了对虾在线实时检测的需求。本研究综合利用传感技术、光谱技术、几何代数学、统计学、模式识别等多领域技术手段,以南美白对虾为研究对象,探究了机器视觉技术用于对虾分类中的可行性。首先,本研究搭建了一套基于机器视觉技术的对虾自动分选装备,实现了对虾图像的动态采集和速度等参数的优化。其次,对最有利于表征正品虾与次品虾之间外观差异的特征进行提取与选择,针对传统特征与分类器融合规则存在的缺陷进行改进,让其最大限度的适应于具有虾类特色的分类特点。之后,针对对虾自动分选装备中常见的成对熟虾粘连现象,提出了一种新颖的分割算法,并对此方法进行改进和优化,用于分割批量粘连的生虾样本。最后,对所提的包括检测、分割、识别一整套算法进行在线测试与验证,完成对虾自动分选装备样机的研发。本研究旨在探索将机器视觉技术用于对虾分类中的可行性,建立基于机器视觉技术的对虾自动分选装备,为研发具有大规模多通道平铺式对虾自动分选生产线提供了工程方法和理论依据。本文主要研究内容和结论如下:(1)在执行机构设计为三个喷气阀的情况下,研究了原料虾分类的最佳迭代模型,讨论了迭代次数与总体测试错误率之间的关系,并给出了迭代过程终止于训练总体错误率为零的理论性证明,以此为基础建立了一种特征迭代的优化算法。对包含305个正常虾样本和包含八个杂质类别的320个样本获取的共625幅图像进行的实验结果表明,总体识别率可以达到94.34%。分析结果发现,杂质样本中的不完整虾是导致错分的主要原因,基于此,本文还研究了不完整虾体的识别方法,并提出了两种不完整虾的识别方法:曲率法(CDM)和圆弧法(ADM)。对349个正常虾样本和547个不完整虾样本进行的实验结果表明,相比于曲率法的89.78%平均识别率,圆弧法可以取得93.72%的平均识别率,且后者的平均识别时间比前者快了 292ms,综合可知圆弧法较优。(2)为了提高原料虾在线分类效率,研究了执行机构为单个喷气阀的情况,对迭代算法中特征与分类器融合方式进行了改进,提出了一次性剔除所有杂质或次品的方法,通过建立每对特征与分类器组合与总体识别率之间的关系,优选出特征分类器的"精英组合",在一个较小范围内运用Majority规则按照"少数服从多数"规则进行投票,决定每个测试样本的类别归属。总共1370个样本包含672幅正品虾图像和698杂质图像被用于测试算法的可行性,实验结果表明,所提算法(IMAJ)可取得91.53%的总体识别率,该结果相比于其余六种分类器融合规则 Sum(89.93%),Product(65.99%),Max(89.76%),Min(80%),Median(88.18%),Majority(89.2%)是较优的。此项研究为以后的多通道对虾分选系统的设计打下基础。(3)针对对虾自动分选装备中成对粘连熟虾容易引起计数错误与分类错误的问题,研究了粘连熟虾的在线分割与识别算法,对传统的剪枝算法进行了改进,并结合分水岭算法建立训练模型,测试了粘连熟虾的分割与识别效果。使用所提方法对352单只熟虾样本建立模型,并用247只成对粘连熟虾对所提分割算法进行测试,结果表明,粘连熟虾样本的最高分割准确率为96.51%,优于传统算法所得出最高为82.43%的分割准确率,然而此方法由于对目标与背景的灰度差异较敏感,用于粘连生鲜虾分割中的效果较差。(4)针对上述所提算法用于分割批量粘连生鲜虾时会产生过分割的问题,研究了批量粘连生鲜虾的分割问题,由于每两只粘连对虾之间都可以检测到两个成对凹点,通过检测和标记这些成对凹点,并结合圆形拟合的分割方案,集成启发式学习和非监督学习,给出圆形拟合所需第三个关键点的求解方法。使用100幅生鲜虾粘连图像训练建模,对50幅生鲜虾粘连图像的测试结果表明,粘连生虾图像分割准确率可达92.7%。此项研究为以后的对虾平铺分选系统的研发打下坚实基础。(5)设计并搭建了一套基于机器视觉技术的对虾自动分选装备,主要由机械框架结构、上料系统、图像采集系统、分选系统和图像处理系统五大模块组成,并对其中的上料速度、上料机倾斜角度、输送带水平速度及相机曝光时间等参数进行了相应优化。在线分类实验中采用了生鲜虾与冷冻熟虾两类数据集样本,分别在线验证了迭代算法、IMAJ算法和基于凹点查找的分割算法的有效性和适应性。1)通过对1114幅包含7种次品类别的原料虾样本进行在线分类结果表明,使用迭代算法得出的平均识别率为94.19%,加入分割算法之后,平均识别率最高提升了 2.23%,单粒化单通道情况下机器每秒平均处理量最高为2.14只。2)通过对893幅包含2种次品类别的冷冻熟虾样本进行的分类结果表明,在线使用迭代算法得出的平均识别率为87%,加入分割算法之后,平均识别率最高提升了4.67%,单粒化单通道情况下机器每秒平均处理量最高为2.37只。3)在线应用时,基于迭代算法的原料虾分类算法比改进的Majority方法的分级准确率要高,但在每秒的对虾处理量方面,后者占优。