基于机器视觉的水果品质无损检测与分析方法研究

《基于机器视觉的水果品质无损检测与分析方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于机器视觉的水果品质无损检测与分析方法研究摘要基于机器视觉的水果品质无损检测与分析是水果产后处理的关键环节，在农产品标准化的过程中发挥着重要作用，目前在国内有很大的市场潜力。随着视觉传感器成本的下降和分辨率的提高，多传感器融合理论和数据挖掘方法将在水果无损检测设备的开发中起到重要的作用。能稳定而准确地表征果实品质的特征和合理的品质分析方法是决定系统开发成败的关键。本文将特征提取过程分为光学系统和图像采集方’j十法设计、对象识别和不变特征提取三部分，将品质判别根据设计目标分为用于果实外部品质特征的定性判别和用于果实内部品质特征的定量分析，结合开发的试验平台，提出了满足在线

2、检测速度、精度要求的特征提取和品质分类方法。在特征提取方面，提出了基于OHTA颜色空间的果实分割算法，该方法在草莓分选机器人和智能瓜果精选分级机上都取得了满意的分割效果。在果实分割的基础上，接合智能瓜果精选分级机的试验平台，提出了利用插值计算获得果实轮廓的方法。这种方法能提取出平滑的果实轮廓，速度和精度都满足后续特征处理的需要；结合草莓收获机器人的试验平台，提出了基于贝叶斯置信网的果柄检测方法：将果实的形状信息和颜色信息用贝叶斯置信网来表示，根据贝叶斯置信网的推理结果来给出果实的头尾信息。这种方法在黑色和白色的背景下都能实现果柄的精确提取。设计了智能瓜果精选分级机的全方位

3、图像采集系统，采用三个摄像机拍摄果实表面图像信息。结合该图像采集平台，进行了多摄像机图像融合方面的研究：利用左右两侧摄像机构成的会聚式立体视觉系统，进行了果实高度特征提取的研究。采用D—S证据推理理论，提出了基于三摄像机图像融合的水果成熟度判别方法。利用基于特定感知域的特征直方图，来代表水果的外部特征(颜色、形状)：用主色调直方图来代表果实颜色特征；用正则化直径直方图和内插角直方图来代表果实圆整度；对草莓、甜椒带柄作物，首先判别果实的位姿，利用果实尾部的正则半径直方图来表示尾部的圆整度，利用果实两侧的正则直径直方图来代表果实的对称度。在果实外部品质定性判别方面，结合多感知

4、域直方图，提出TN用计算待测样本直方图和标准直方图的相似度来决定果实种类的方法；利用分辨因子来代表分类效率，分析了直方图分辨率对分选精度的影响；以西红柿、青椒、草莓为研究对象，进行了基于直方图匹配的水果分类试验。在果实内部品质定量分析方面，利用化学计量学方法来处理海量的近红外多光谱数据，以自桃为研究对象，分析了利用多变量线性回归(MLR)、主成分回归(PcR)和最小二乘回归(PLSR)三种方法构建的糖度预测模型精度，利用后退法确定最优近红外光谱区间，用正交信号校正法(OSC)对光谱数据进行预处理，分析了特征选择方法和特征变换方法对提高果实糖度预测模型精度的影响。关键词：机

5、器视觉，水果分选、无损检测STUDYOFMACHINEVISIONBASEDNO—CONTACTINSPECTIONANDANALYSISMETHODFORFRUITQUALlTYABSTRACTMachinevisionbasednon—contactinspectionandanalysisforfruitqualityisthecrucialprocedureinthepost—harvestprocessingoffruit．andplaysanimportantroleintheagricultureproductstandardization．Relatedi

6、nstrumentandsystemhavebigmarketpotentialinChinacurrently．Withthedecreaseofvisionsensor’Spriceandincreaseofsensor’Sresolution，multi—sensorfusiontheoryanddataminingmethodwillplayanimportantpartinthedevelopmentofnon—contactinspectiondeviceforfruitquality．Featuresthatcanrepresentfruitqualitya

7、ccuratelyandsteadilyandproperqualityanalysismethodarethecrucialcomponentswhichdecidethesuccessofsystemdevelopment．Inthispaper，featureextractionisdividedintothreeprocedures：thedesignoflightingsystemandimageacquisitionmethod；objectrecognitionandinvariantfeatureextract