学位论文 > 优秀研究生学位论文题录展示

基于机器视觉和X射线的苹果霉心病检测方法研究

作　者: 杨亮亮
导　师: 杨福增
学　校: 西北农林科技大学
专　业: 农业电气化与自动化
关键词: 苹果霉心病机器视觉 X射线小波变换 USB
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 65次
引　用: 2次
阅　读: 论文下载

内容摘要

目前对苹果外部品质的检测分级方法已基本成熟,但对内部品质的自动化检测分级方法研究较少,尤其对于严重影响苹果食用和果汁生产质量的霉心病检测方法研究更少。目前对于水果内部品质检测方法的研究多为依靠光谱检测的方法,且大多为离线检测方法。要实现水果内部品质的自动化检测,必须研究在线检测方法。为此本研究采用机器视觉和X射线相结合的方法,实现苹果霉心病的在线检测。本研究主要研究内容及结果如下:(1)根据苹果霉心病的检测需求,构建了机器视觉与便携式X射线透视仪相结合的多传感器融合检测系统,并获得了苹果透视图像。(2)由于采集的苹果X射线透视图像,不可避免地存在噪声。因此实验中对含高斯噪声的苹果X射线图像,采用杂交小波变换的图像去噪方法。实验结果表明,该方法能够有效降低噪声,得到比高斯滤波、维纳滤波等方法具有更好视觉效果的图像,去噪后的霉心病苹果图像峰值信噪比(PSNR)可达76.23(其对应的原始噪声图像的峰值信噪比为64.62)。(3)对苹果霉心病的特征检测,采用计算机图像处理技术中目标识别常用的边缘检测方法进行检查。为快速有效地分辨出苹果是否患有霉心病,提出并实现了依靠提升小波变换的检测算法。苹果的X射线图像对比度低,视觉分辨效果很差,通过提升小波变换的方法,将图像的边缘特征由阶梯形边缘向线形边缘校正,然后采用边缘检测中的最优算子(Canny算子)检测出图像的边缘,并根据非霉心病苹果与霉心病苹果内部边缘链长度的区别,应用统计的方法,检测苹果霉心病。实验结果表明,该检测算法运算耗时小于0.1秒/个苹果,检测准确率可达92%,能够用于苹果霉心病的实时检测。(4)为将图像工作站(上位机)检测分析结果准确、快速地传输给分级系统,实现苹果自动检测与分级。研究中采用USB通信的方法,应用USB通信芯片CH375B和单片机AT89C51(下位机),通过软硬件设计实现了上下位机间的数据准确传输,1000次信号传输实验测试成功率为100%。与常用的串口(RS232)通信方法相比,虽然开发较复杂,但该方法能使检测系统的通信速度达到全速状态12Mbps,并使设备具有热插拔性能。

全文目录

摘要  4-5
ABSTRACT  5-10
第一章绪论  10-20
  1.1 研究的目的和意义  10-11
  1.2 水果品质检测方法国内外研究现状  11-19
    1.2.1 水果外部品质检测方法国内外研究现状  12-15
    1.2.2 水果内部品质检测方法国内外研究现状  15-19
  1.3 本论文主要研究内容  19-20
第二章基于机器视觉和X 射线苹果霉心病检测系统构建  20-26
  2.1 引言  20
  2.2 机器视觉技术简介  20-21
  2.3 X 射线简介  21-22
  2.4 本研究系统功能需求分析与设计  22-25
    2.4.1 功能需求分析  22
    2.4.2 总体设计  22-24
    2.4.3 实验材料与设备  24-25
  2.5 本章小结  25-26
第三章基于杂交小波变换的苹果X 射线图像去噪算法研究  26-54
  3.1 引言  26
  3.2 图像噪声及常规图像去噪方法  26-29
    3.2.1 图像噪声模型及分类  26-27
    3.2.2 常规图像去噪方法  27-29
  3.3 小波分析  29-38
    3.3.1 小波变换  29-32
    3.3.2 小波函数的构造  32-34
    3.3.3 小波变换的Mallat 算法  34-38
  3.4 杂交小波变换算法研究  38-47
    3.4.1 遗传学及遗传算法中的基本术语  38-39
    3.4.2 面向种群的杂交小波变换算法基本思想  39-41
    3.4.3 面向种群的杂交小波变换算法在图像去噪中的实施  41-47
  3.5 基于杂交小波变换的苹果X 射线图像去噪结果  47-52
  3.6 本章小结  52-54
第四章基于提升小波变换的苹果霉心病边缘特征检测算法研究  54-71
  4.1 引言  54
  4.2 边缘类型与常用边缘检测方法  54-56
    4.2.1 边缘类型  54-55
    4.2.2 常用边缘检测方法  55-56
  4.3 提升小波变换原理  56-57
  4.4 苹果霉变病边缘特征检测算法研究与检测结果  57-67
    4.4.1 苹果霉变边缘特征检测算法研究  57-63
    4.4.2 边缘检测结果分析  63-64
    4.4.3 苹果霉变品质分类检测  64-67
  4.5 霉心病特征检测算法二  67-70
    4.5.1 苹果霉变特征增强  67-69
    4.5.2 苹果霉变特征区域提取  69
    4.5.3 苹果霉心病检测结果与分析  69-70
  4.6 本章小结  70-71
第五章基于USB 的检测系统上下位机间通信方法  71-86
  5.1 引言  71
  5.2 USB 基本概念  71-77
    5.2.1 USB 的基本结构和特性  71-73
    5.2.2 USB 通信协议  73-75
    5.2.3 设备列举  75-77
  5.3 USB 接口芯片——CH375B 简介  77-78
    5.3.1 CH375B 功能概述  78
    5.3.2 CH375B 功能特点  78
  5.4 用AT89C51 实现USB 接口上下位机通信  78-83
    5.4.1 AT89C51 单片机简介  78-79
    5.4.2 系统控制及USB 通信系统硬件设计  79-80
    5.4.3 应用程序设计  80-83
  5.5 系统测试与实验结果  83-85
    5.5.1 系统调试分析  83-84
    5.5.2 实验结果及分析  84-85
  5.6 本章小结  85-86
第六章结论与展望  86-88
  6.1 结论  86
  6.2 创新点  86-87
  6.3 展望  87-88
参考文献  88-93
致谢  93-94
作者简介  94

基于机器视觉和X射线的苹果霉心病检测方法研究

内容摘要

全文目录

相似论文