学位论文 > 优秀研究生学位论文题录展示

脐橙表面缺陷的快速检测方法研究

作　者: 李江波
导　师: 应义斌；饶秀勤
学　校: 浙江大学
专　业: 农业电气化与自动化
关键词: 脐橙缺陷机器视觉高光谱成像荧光高光谱图像处理
分类号: TP391.41
类　型: 博士论文
年　份: 2012年
下　载: 217次
引　用: 0次
阅　读: 论文下载

内容摘要

水果表面缺陷是决定水果价格最有力的因素之一,因为外部缺陷是对水果品质最直接的反映。国家标准对水果表面缺陷数量和面积大小有严格的规定。与水果的大小、颜色、形状等外部质量指标相比,水果表面缺陷的快速识别一直是水果分级中最难,耗时最多、研究人员最感兴趣的研究内容。多年来,研究人员做了大量的工作。本研究以脐橙为研究对象,利用RGB成像技术、可见近红外高光谱成像技术及荧光高光谱成像技术,详细地探讨了脐橙表面11类型常见缺陷(包括蓟马果、溃疡果、裂伤果、炭疽病果、日灼果、药伤果、风伤果、虫伤果、介壳虫果、异色条纹果和腐烂果)检测理论以及两种较为重要的缺陷溃疡病和腐烂果的识别理论。解决了目前脐橙表面缺陷检测的部分难题,所开发的脐橙表面缺陷检测算法对下一步自动、快速、在线脐橙缺陷分级装备研发奠定了重要的基础。主要研究内容和研究结论如下：(1)提出了掩模法去背景的背景分割理论。利用构建的二值化掩模模板对脐橙图像进行去背景,通过对静态图像和在线图像背景去除结果表明,背景去除率达到100%的同时,脐橙表面信息可以较好地保留。这为脐橙表面缺陷进一步有效提取奠定了基础。(2)提出了一种新颖的脐橙表面亮度不均变换的照度-反射模型及单阈值快速水果缺陷分割算法。基于此亮度变化模型,正常水果表面区域被提升为高亮区域,而水果表面的缺陷区域依然保持低灰度,这一变化克服了由于类球形水果表面亮度分布不均导致缺陷分割精度低的难题,这也为单阈值脐橙表面缺陷快速分割提供了可能。试验表明,与边缘亮度补偿算法相比,该理论可以对脐橙表面整体亮度进行变换,并且该亮度变换理论比B样条曲面拟合理论处理一幅图像速度超过30倍,基于此算法及单阈值分割理论对风伤果、蓟马果、介壳虫果、裂伤果、炭疽病果、日灼果、溃疡果、异色条纹果、虫伤果、正常果和药伤果等11类型共计6345个感兴趣区域进行分割,获得了93.8%分割精度。(3)通过对不同类型缺陷RGB图像不同灰度值统计后获得区分脐橙果梗与缺陷的算法。基于该公式和提出的大区域及长区域去除算法BER可以获得100%的果梗识别率且不会受到其它缺陷类型的影响。由于该算法仅仅涉及两次减法、一次乘法及一次除法,避免了复杂的模式识别理论,所以具有一定潜力应用于脐橙缺陷在线检测。(4)本研究开发了脐橙表面缺陷检测联立算法,此算法主要有四个模块构成,即背景分割模块、亮度不均变化模块、果梗识别模块和果脐识别模块。应用此算法针对11类1320幅样本图像识别结果表明,99.1%的缺陷果是被正确识别为缺陷果,98.3%的正常果被正确识别为正常果。另外,通过调节不同的阈值可以满足不同的用户需求。(5)研究发现可见近红外光谱区域的6个特征波长(630、691、769、786、810和875nm)或者3个特征波长(691、769和875nm)能被用于构建多光谱脐橙表面缺陷检测系统。针对9种带有不同表皮的橙子样本,利用研究中所开发的双波段比和主成分分析相结合的缺陷果检测算法,获得了最好93.7%的橙子正确识别率,并且假阳性率为0。与模式识别算法相比,双波段比图像R875/691能有效地区分果梗和缺陷区域,因为模式识别理论增加了算法的复杂度。(6)搭建了荧光高光谱成像系统,采用该系统对脐橙早期腐烂缺陷进行了研究。利用最佳指数OIF理论获得了识别腐烂果的最优波段,即498.6nm和591.4nm,该方法克服了高光谱图像数据量大和相邻波段之间的强相关性等不足,实现了高维数据的降维,快速确定了特征波长。基于特征波长比图像及双阈值分割算法,获得了整体100%的腐烂果识别率。同时,该双阈值理论较好地避免了梗伤缺陷的荧光效应对腐烂果检测的影响,从而降低了系统及算法成本。(7)搭建了可见近红外高光谱反射成像系统,采用该系统对脐橙溃疡果识别进行了研究。研究获得了用于溃疡识别的7个关键波段(630、687、765、788、815、833和883nm)。基于此7个波段的第三主成分图像和2个波段的波段比图像Q687/630开发了多光谱溃疡检测算法。带有11种类型共计275个独立样本用于检测算法的可行性,获得整体98.2%溃疡果识别率。本研究也发现,单独的双波比Q687/630理论对于区分溃疡果和除炭疽病及日灼伤外的其它类型果可以获得97.8%的识别率。以上的研究成果为我国研发基于机器视觉技术的脐橙表面缺陷在线、快速检测分级装备奠定了重要的基础。

全文目录

摘要  7-9
Abstract  9-12
插图清单  12-15
表格清单  15-16
符号列表  16-21
第一章绪论  21-47
  1.1 课题研究的目的与意义  21-25
    1.1.1 水果生产现状  21-22
    1.1.2 水果分级技术  22-25
  1.2 基于机器视觉技术的水果表面缺陷研究概况  25-44
    1.2.1 基于二维图像信息识别技术  25-32
      1.2.1.1 彩色成像技术  25-27
      1.2.1.2 单色成像技术  27-28
      1.2.1.3 融合彩色成像技术和单色成像技术  28-32
    1.2.2 基于水果机械定位技术  32-33
    1.2.3 基于三维图像信息识别技术  33-36
      1.2.3.1 结构光成像技术  33-35
      1.2.3.2 三维表面重建技术  35-36
    1.2.4 高光谱成像技术  36-44
      1.2.4.1 高光谱成像原理及系统  36-38
      1.2.4.2 高光谱Vis-NIR反射成像技术  38-41
      1.2.4.3 高光谱荧光成像技术  41-44
  1.3 研究目标与具体内容  44-46
    1.3.1 主要研究目标  44-45
    1.3.2 主要研究内容  45
    1.3.3 技术路线  45-46
  1.4 本章小结  46-47
第二章试验样本及系统介绍  47-53
  2.1 试验样本  47-48
  2.2 计算机成像系统介绍  48-52
    2.2.1 静态RGB图像获取系统及图像获取  48-49
    2.2.2 在线RGB图像获取系统及图像获取  49-50
    2.2.3 可见近红外/荧光高光谱成像系统、图像获取及图像校正  50-52
  2.3 本章小结  52-53
第三章脐橙表面亮度不均变换及单阈值缺陷快速分割研究  53-89
  3.1 背景分割  53-55
  3.2 边缘灰度补偿  55-61
    3.2.1 脐橙边缘灰度图像获取  56-57
    3.2.2 环状边缘灰度图像亮度补偿  57-60
    3.2.3 试验结果与分析  60-61
  3.3 基于亮度-反射模型对脐橙表面亮度不均变换  61-72
    3.3.1 亮度变换理论  61-63
    3.3.2 亮度变换  63-72
  3.4 基于B样条曲线对脐橙表面亮度不均进行校正  72-75
  3.5 果梗识别  75-81
    3.5.1 果梗识别算法  75-78
    3.5.2 果梗检测  78-81
  3.6 果脐识别  81-83
  3.7 脐橙表面不同类型缺陷检测算法实现  83-87
  3.8 本章小结  87-89
第四章在线脐橙表面缺陷检测研究  89-107
  4.1 脐橙在线图像获取  89
  4.2 在线图像背景去除  89-92
  4.3 脐橙表面亮度变换  92-94
  4.4 果梗识别  94-95
  4.5 缺陷检测算法  95-98
  4.6 检测结果及分析  98-106
  4.7 本章小结  106-107
第五章高光谱反射成像技术在脐橙表面缺陷检测中的研究  107-127
  5.1 材料与理论  107-110
    5.1.1 样本  107-108
    5.1.2 高光谱成像系统  108
    5.1.3 高光谱图像获取  108
    5.1.4 数据处理分析  108-110
  5.2 结果和讨论  110-125
    5.2.1 特征光谱提取与分析  110-111
    5.2.2 Vis-NIR光谱区域PCA分析  111-112
    5.2.3 Vis光谱区域PCA分析  112
    5.2.4 最优波段选取  112-115
    5.2.5 最优波段PCA分析  115-116
    5.2.6 波段比图像  116-119
    5.2.7 脐橙表面缺陷检测算法开发  119-123
    5.2.8 识别结果  123-125
  5.3 本章小结  125-127
第六章基于高光谱荧光成像技术检测腐烂脐橙  127-135
  6.1 早期柑橘类腐烂果检测现状分析  127
  6.2 材料及理论  127-134
    6.2.1 试验材料  127-129
    6.2.2 高光谱成像系统  129
    6.2.3 高光谱图像获取  129
    6.2.4 波段比理论及特征波长提取  129-131
    6.2.5 腐烂区域检测算法  131-134
  6.3 检测结果分析  134
  6.4 本章小结  134-135
第七章高光谱反射成像技术检测脐橙溃疡研究  135-149
  7.1 柑橘类溃疡检测现状分析  135-136
  7.2 材料及理论  136-144
    7.2.1 试验材料  136
    7.2.2 高光谱成像系统  136-137
    7.2.3 高光谱图像获取  137
    7.2.4 ROI区域光谱提取和分析  137-138
    7.2.5 Vis-NIR波段范围PCA分析  138
    7.2.6 最优波段PCA分析  138-140
    7.2.7 波段比图像  140-143
    7.2.8 图像分类算法  143-144
  7.3 检测结果分析  144-147
  7.4 本章小结  147-149
第八章结论与展望  149-153
  8.1 本研究结论  149-150
  8.2 论文创新点  150-151
  8.3 研究展望  151-153
参考文献  153-163
致谢  163-165
附录:作者简介及博士研究生期间主要成果  165-166

脐橙表面缺陷的快速检测方法研究

内容摘要

全文目录

相似论文