学位论文 > 优秀研究生学位论文题录展示
基于ARM嵌入式平台的无精蛋自动识别系统的研究
作 者: 马秀莲
导 师: 李龙
学 校: 东北石油大学
专 业: 计算机应用技术
关键词: ARM嵌入式平台 边缘检测 特征提取 遗传神经网络 无精蛋识别
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 25次
引 用: 0次
阅 读: 论文下载
内容摘要
随着畜牧业的发展,传统的饲养方式和生产操作已逐渐地被先进的科学技术所改变。孵化生产过程中使用的老式的孵化器已由微机控制的孵化器所取代。但种蛋中的无精蛋的剔除,此项技术还依然采用手持简易照蛋器在孵化的第5天进行,该方法不仅受人为因素影响,用工量大、分拣速度慢,而且准确率非常低,不能孵化的无精蛋在孵化72 h后,其品质由甲级降为乙级以下,不能做为加工成蛋制品的原材料,大量的可食用的无精蛋被浪费,而且孵不出雏鸡的无精蛋中的细菌又会对正常的受精蛋有污染。有较高破损率,特别是孵化的种蛋在孵化器外较长时间停留,影响种蛋孵化率的提高。本文采用先进的机器视觉技术,将计算机图像处理技术与嵌入式技术有机结合,提出了基于嵌入式计算机的无精蛋识别系统设计方案。该系统首先通过计算机视觉技术采集种蛋图像,之后运用数字图像处理技术完成了对种蛋图像区域的边缘特征参数提取,最后采用已训练的遗传神经网络实现无精蛋识别技术,并能提高剔除速度和准确度,减小破损和污染,对提高孵化率具有一定的现实意义,为实现在种蛋上孵化前剔除无精蛋提供新的思路和技术。本研究的主要内容和结果如下:1、对国内外采用机器视觉技术实现种蛋检测的研究进展和现状进行了综述,并指出了国内外同类开展基于机器视觉的种蛋检测方法研究中存在的问题。2、建立基于ARM嵌入式平台的适合本研究的无精蛋识别系统。本系统的硬件组成部分包括ARM S3C2410嵌入式系统开发板和CMOS图像传感器OV7620,将它们通过接口连接在一起构成了一个基本的嵌入式无精蛋识别系统。根据系统需求,在ARM S3C2410开发平台上选用了支持ARM9的HY57V561620CT-H芯片(SDRAM)、K9F1208芯片(FLASH)和两个LED指示灯和一个蜂鸣器。3、采集了种蛋的数据图像,经灰度化、中值滤波、牛顿二分法提取出种蛋边缘,利用轮廓跟踪算法提取出不变性参数(圆度、复杂性、伸长度、球状性、长短轴比和平均变动系数)的提取,最后采用已训练的遗传神经网络实现无精蛋识别技术。实验结果表明:该系统简单便捷,易于实现,对种蛋的600枚非样本的识别精度为99.3%,完全能满足上孵前剔除无精蛋的要求。
|
全文目录
摘要 4-5 ABSTRACT 5-7 创新点摘要 7-10 第一章 绪论 10-12 1.1 本文的研究背景及意义 10 1.2 种蛋检测系统国内外研究现状综述 10-11 1.3 本文的组织结构 11 1.4 本章小结 11-12 第二章 无精蛋识别系统总体设计 12-17 2.1 无精蛋识别系统总体设计 12 2.2 无精蛋识别系统硬件系统搭建 12-14 2.2.1 ARM 微处理器选型 12 2.2.2 图像传感器的选择 12-13 2.2.3 接口信号连接 13-14 2.3 识别原理 14 2.4 无精蛋识别的流程 14-15 2.5 无精蛋识别软件系统的开发环境和工具 15-16 2.6 本章小结 16-17 第三章 种蛋图像采集与预处理 17-25 3.1 种蛋图像采集 17 3.2 种蛋数字图像及其矩阵表示 17-18 3.3 种蛋数字图像的格式转换 18-21 3.3.1 JPEG 文件格式 18-19 3.3.2 BMP(位图)文件格式 19 3.3.3 彩色图像 19-20 3.3.4 灰度图像及灰度化 20-21 3.4 图像增强 21-24 3.5 本章小结 24-25 第四章 种蛋外形特征参数定义及提取 25-34 4.1 种蛋外形特征参数定义 25-27 4.2 边缘检测算法 27 4.3 种蛋基本外形特征参数提取 27-31 4.4 种蛋不变矩特征参数提取 31-33 4.5 本章小结 33-34 第五章 基于遗传BP 算法的神经网络设计 34-47 5.1 人工神经网络和BP 算法 34-36 5.1.1 BP 神经元结构及网络传递函数 34-35 5.1.2 BP 神经网络结构 35-36 5.2 标准BP 神经网络简介 36-38 5.2.1 BP 神经网络 36 5.2.2 BP 网络模型 36-37 5.2.3 BP 算法 37-38 5.2.4 BP 算法存在的问题 38 5.3 遗传算法 38-40 5.3.1 遗传算法简介 38-39 5.3.2 简单遗传算法 39 5.3.4 遗传神经网络结构 39-40 5.4 遗传算法和BP 算法相结合 40-43 5.4.1 网络层数选择 40-41 5.4.2 节点数选择 41 5.4.3 传递函数 41 5.4.4 输入数据处理 41 5.4.5 编码方式确定 41-43 5.4.6 目标函数及适应度函数的选择 43 5.5 试验 43-44 5.6 试验结果与数据分析 44 5.7 仿真软件功能实现 44-46 5.8 本章小结 46-47 结论 47-49 参考文献 49-52 发表文章目录 52-54 致谢 54-55 论文摘要 55-65
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 基于机器视觉的光纤几何参数检测研究,TN253
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
- 水下目标特征的压缩与融合技术研究,TN911.7
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|