学位论文 > 优秀研究生学位论文题录展示
基于计算机视觉的甜瓜外观品质检测研究
作 者: 徐莹莹
导 师: 冯全
学 校: 甘肃农业大学
专 业: 农业电气化与自动化
关键词: 图像处理 甜瓜瓜蒂 角点检测 缺陷检测 纹理特征 颜色特征 支持向量机
分类号: TP274
类 型: 硕士论文
年 份: 2011年
下 载: 26次
引 用: 0次
阅 读: 论文下载
内容摘要
|
农业是我国国民经济的基础,提高农业生产效率和自动化程度是实现农业生产现代化的根本途径。近年来,水果的自动化分级应用日益广泛,但品质分级检测仍是一项技术难题。甜瓜是市场上及进出口贸易中常见的水果,甜瓜的外部品质主要涉及形状、大小、外观颜色和表面缺陷。本研究旨在应用计算机图像识别技术研究甜瓜瓜蒂和缺陷的检测算法,为实现甜瓜自动分级检测奠定一定的基础。准确检测并分离甜瓜瓜蒂,对于精确测量甜瓜形状、大小、区分表面缺陷具有重要意义。本文提出了一种基于角点检测的瓜蒂检测和分离新方法,该方法利用角点在瓜蒂区域和甜瓜其它部分密度分布差异较大的特点,可准确地找到并擦除瓜蒂,本算法对瓜蒂形状、长短、粗细和旋转不敏感,鲁棒性好。与多种已知瓜蒂检测算法的对比实验表明,本算法具有很高的识别率和较小的耗时。为了提高甜瓜缺陷检测与分类的精准率,提取基于纹理和颜色的综合特征作为判别因子,并采用支持向量机作为分类器。对甜瓜图像可疑区域进行纹理分析时,提取基于灰度共生矩阵的四个特征参数,经过比较实验发现角二阶矩和对比度这两个参数对甜瓜的瓜蒂、花萼、擦伤以及霉变部位有明显的可区分性。在颜色分析时,对可疑区域提取出由R、G、B分量和算术运算组成的12种颜色特征,由实验筛选出区分性较好的四种颜色特征。实验结果表明,依据这些优选出的纹理与颜色特征组成的综合特征,建立支持向量机分类器的模式识别方式,对甜瓜缺陷的识别准确率达到92.2%。本文在MATLAB7.0平台上,实现了上述算法,实现了一个简易的甜瓜分级实验系统。
|
全文目录
摘要 2-3 Abstract 3-7 第1章 绪论 7-15 1.1 研究目的和意义 7-9 1.2 国内外研究状况 9-12 1.2.1 水果果梗检测技术的研究进展 9-10 1.2.2 水果缺陷检测技术的研究进展 10-11 1.2.3 水果分级系统的研究进展 11-12 1.3 本研究主要内容 12-13 1.4 本研究技术路线 13-15 第2章 甜瓜瓜蒂检测与分离算法研究 15-34 2.1 角点检测方法的研究 15-21 2.1.1 基于灰度图像的角点检测 15-18 2.1.1.1 基于模板的方法 16-17 2.1.1.2 基于梯度法 17 2.1.1.3 基于模板梯度组合的方法 17-18 2.1.2 基于二值图像的角点检测 18-19 2.1.3 基于轮廓曲线、边缘特征的角点检测 19-21 2.1.3.1 计算角点强度k 19 2.1.3.2 计算曲线曲率的极值 19-20 2.1.3.3 多尺度角点检测 20-21 2.2 瓜蒂检测与分离算法 21-25 2.2.1 预处理 22-23 2.2.2 提取角点 23-24 2.2.3 瓜蒂区域识别 24 2.2.4 瓜蒂擦除 24-25 2.3 甜瓜检测的角点提取算法与研究 25-30 2.3.1 Susan 算法 26-27 2.3.2 Harris 算法 27-28 2.3.3 改进Harris 算法 28-29 2.3.4 角点检测方法与结果分析 29-30 2.4 实验结果与分析 30-33 2.4.1 不同角点探测算法的检测结果和计算速度比较 30-31 2.4.2 瓜蒂擦除效果实验结果 31-33 2.5 本章小结 33-34 第3章 基于纹理和颜色特征的甜瓜缺陷识别研究 34-46 3.1 可疑区域的特征提取与分类 34-41 3.1.1 可疑区域分割 34-35 3.1.2 灰度纹理特征 35-38 3.1.2.1 灰度共生矩阵的定义 36 3.1.2.2 灰度共生矩阵的特征参数 36-38 3.1.3 颜色特征 38 3.1.4 模式分类 38-41 3.1.4.1 模式识别分类器 38-39 3.1.4.2 支持向量机的介绍 39-41 3.2 实验结果与分析 41-45 3.2.1 可疑区分割 41-42 3.2.2 灰度纹理特征的实验结果 42-43 3.2.3 颜色特征实验结果 43-44 3.2.4 分类识别效果 44-45 3.2.5 实验分析 45 3.3 本章小结 45-46 第4章 计算机视觉技术分级系统设计研究 46-52 4.1 系统组成及图像采集 46-48 4.1.1 实验材料 46-47 4.1.2 实验方法 47-48 4.2 软件设计 48-50 4.2.1 瓜蒂检测与擦除 49 4.2.2 甜瓜缺陷检测 49-50 4.3 本章小结 50-52 第5章 总结与展望 52-55 5.1 总结 52-53 5.2 进一步的设想 53-55 致谢 55-56 参考文献 56-63 附件 63-66 附件一:角点检测部分系统程序 63-64 附件二:Otsu 算法在matlab 下部分系统程序 64-66 作者简介 66-67 导师简介 67-69
|
相似论文
- 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
- 基于CCD图像传感器的温度测量技术研究,TH811
- 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
- 基于PCA-SVM的液体火箭发动机试验台故障诊断算法研究,V433.9
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 音乐结构自动分析研究,TN912.3
- 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
- 图像拼接技术研究,TP391.41
- 基于三维重建的焊点质量分类方法研究,TP391.41
- 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
- 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
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 基于SVM的中医舌色苔色分类方法研究,TP391.41
- PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 机械臂视觉伺服系统的研究,TP242.6
- 基于支持向量机的故障诊断方法研究,TP18
- 数字图像处理在集装箱检测中的应用研究,TP274.4
- 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
- 半成型结构在休闲女装中的应用,TS941.2
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统
© 2012 www.xueweilunwen.com
|