（农业电气化与自动化专业论文）基于机器视觉和svm的花椒外观品质检测技术研究

《（农业电气化与自动化专业论文）基于机器视觉和svm的花椒外观品质检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、摘要花椒不仅是一种重要的烹饪调料，还具有广泛的药用价值。本文将机器视觉技术和支持向量机引入到花椒颗粒闭眼率、椒籽率、果穗梗率和果皮率等外观品质评价指标的快速检测中，避免了传统人眼感观检测存在的效率低、准确性著等缺陷。主要研究内容如下：第一，开发了花椒外观品质机器视觉检测硬件系统。通过试验及分析，合理选择图像处理器件，构建花椒外观品质机器视觉检测硬件系统，系统包括微机、CCD摄像机、镜头、光源、电机、托盘、光照箱、图像采集卡、单片机等。第二，研究了基于机器视觉和SVM的花椒外观品质检测算法。花椒外观品质检测算法

2、分为训练建模和预测分类两个部分，而图像处理算法是建模和预测的基础。本课题针对本研究室前期的研究，对花椒外观品质检测图像处理算法进行了优化和改进，解决了需要二次填充才能识别个体的问题；并首次把支持向量机方法引入到花椒固有杂质预测分类中。第三，开发了基于机器视觉和SVM的花椒外观品质检测软件系统。在VisualC++6．0平台完成了花椒外观品质检测软件系统，包括图像采集模块、图像处理模块、特征提取模块、建模和预测模块以及硬件控制模块。第四，花椒外观品质检测试验分析。对收集的141份花椒样品，随机选取100份花椒样

3、品作为建模样品集。分别采集每份样品中果皮、闭眼、椒籽及果穗梗四类个体的图像并提取特征参数值作为训练集，利用LIBSVM软件包训练建立SVM花椒分类模型。将未参与建模的剩下的41份样品作为预测集。采集其图像，并通过图像处理提取个体特征参数，利用已建立的SVM花椒分类模型自动预测得剑每个个体的种类，统计出个体总数并计算花椒各项检测指标值。对预测集里的41份花椒样品各项检测指标值进行人眼感官评测，并与机器检测的结果进行对比比较，给出机器的误差及误差率。结果表明：对椒籽、果穗梗识别误差率为9．09％、11．76％，闭

4、眼及果皮识别误差率分别为50％、-4．04％。研究表明，基于机器视觉和sVM的花椒外观品质检测技术是可行的，所开发的基于机器视觉和SVM的花椒外观品质检测硬件与软件系统运行基本正常，检测效果较好，为花椒的收购、储藏、销售提供了快速、准确的外观品质检测新思路，具有较高的理论价值和实用价值。关键词：机器视觉；支持向量机；花椒；外观品质；检测ABSTRA(玎ABSTRACTPricklyashisnotonlyallimportantcondiment，andalsohasawiderangeofmedicinal

5、value．ThispaperfocusedonrapiddetectionoftheappearancequalityevaluationofpricklyashbasedonthemachinevisiontechnologyandSVM，whichincludedthedetectionofseedrate，fruitcoatclosingrate，rateofpeduncle，andrateofseedcaseandavoidedusingtraditionalmanualmethodwhichenc

6、ounteredwithsomeproblemssuchaslowefficiencyandpooraccuracy．Themaincontentsandresultsofthispaperwereasfollows：Firstly,buildingahardwaresystemforthedetectionofpricklyash’Sappearancequality．Onthebasisofexperimentsandanalysis，choosinganimageprocessorrationally,

7、andconstructingahardwaresystem,includingcomputer,CCDcamera，lens，llghring，motor,tray,lightboxes，imageacquisitioncard，etc．Secondly,carryingoutresearchonthedetectionalgorithmforpricklyash’SappearancequalitybasedonmachinevisionandSVM．Thedetectionalgorithmofpric

8、klyash'sappearancequalityincludestwoparts，andimageprocessingalgorithmisfoundationofmodelingandpredicting．Inallusiontotheearlyresearchofthelaboratory,thispaperoptimizesandimprovesthedetectionalgorithmof