论文部分内容阅读
西瓜子品质的检测还停留在人工分选阶段,效率低,延长了西瓜子分级的周期,不能满足大规模生产需要,因而人们设计了用于自动分选西瓜子的机器设备。不过早期的分选机器大多是光电分选设备,分选的实时性和准确性都不高。最近几年逐渐发展起来的CCD色选机已经成为瓜子分选的主流设备。CCD色选机对算法的实时性要求相对较高,因而要求所设计的图像处理算法不但能够满足物料分选的准确性,而且还要确保算法的执行速度也比较快,所以,设计的分选算法的复杂程度必须匹配于相应的硬件结构。本文正是针对这一问题,根据西瓜子的外形特征,设计了基于灰度带比例的西瓜子识别算法,算法的实现只需要提取西瓜子的一个特征值,大大降低了算法的复杂性,有效地提高了西瓜子分选的效率。本文的主要工作如下：1)对西瓜子图像识别过程中涉及的预处理算法的研究,主要包含瓜子图像的去噪、对比度自适应的直方图均衡化、二值化、中值滤波、边缘提取、图像分割等算法；为了准确计算出西瓜子中部白色区域的面积,在对西瓜子图像增强时,用到了对比度自适应直方图均衡化,可以有效地扩大西瓜子图像的中部白色区域面积,使其与实际面积更加接近。为了去除二值化后瓜子图像周围的毛刺,对图像进行了中值滤波处理,有效地滤除了毛刺。2)为了快速准确的提取出西瓜子的特征值,本文只提取西瓜子的灰度带比例值作为分选的特征量,并在CCD色选机上训练和修正所提取的特征值,保证了算法的实时性和准确性。灰度带比例值的大小可以通过计算瓜子周围黑色区域的面积和中部白色区域的面积的比值得到。3)采用Verilog HDL语言进行分选算法的描述,并将算法移植到以FPGA芯片和线阵CCD传感器为核心色选机上进行特征量分类训练。利用线阵CCD实时执行下滑西瓜子的动态扫描,对采集到的西瓜子图像信息进行形态参数的特征提取,完成瓜子的分类筛选以及瓜子品质指标的测算,实时准确地检测西瓜子,并使西瓜子检测的正确率达到95%以上。