基于机器视觉的板栗分级检测方法.pdf

《基于机器视觉的板栗分级检测方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第26卷2010盔第4期4月农业工程学报TransactionsoftheCSAE、，01．26No．4Apr．2010327基于机器视觉的板栗分级检测方法展慧，李小昱※，王为，汪成龙，周竹，黄懿(华中农业大学工学院，武汉430070)摘要：为实现合格和缺陷板栗的分级，研究了1种基于BP神经网络与板栗图像特征的板栗分级方法。试验以罗田板栗为研究对象，提取的颜色及纹理等8个特征值，通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利用BP神经网络方法建立了板栗分级模型。试验结果表明，在图像信息主成分因子数为3，中间层节点数为12时，建立的模型最佳，模型训练时的回判率为100％，预测时识别

2、率达到了91．67％。研究结果表明基于机器视觉技术的针对缺陷板栗分级检测方法是可行的。关键词：农产品，神经网络，图像处理，板栗，机器视觉doi．-10．3969／j．issn．1002-6819．2010．04．056中图分类号：TP391．41文献标识码：A文章编号：1002—6819(2010)-04—0327-05展慧，李小昱，王为，等．基于机器视觉的板栗分级检测方法【J]．农业工程学报，2010，26(4)：327--331．ZhanHui，LiXiaoyu。WangWci，eta1．Determinationofchestnutsgradingbasedonmachinevision

3、[J]．TransactionsoftheCSAE，2010，26(4)：327—331．(inChinesewithEnglish曲strict)0引言板栗是中国传统的农副产品，素有“干果之王”的美称。中国板栗年总产量达46．98万t，占世界板栗总产量的60％，但板栗含水率较高(占50％左右)，极易霉烂、失水，品质变劣【lJ。机器视觉技术是研究用计算机图像处理系统模拟人的视觉系统从客观事物的图像中提取信息，进行处理与理解，最终实现对目标事物的检测、测量和控制。随着数字图像处理分析理论的完善、计算机速度的提高及硬件成本的下降，国内外研究人员利用机器视觉技术开展了农产品品质检测与分级的应用研究，

4、主要有农产品大小、形状、面积、颜色、表面损伤与缺陷检测等[2do】。目前，对板栗品质的检测研究还比较少，李小昱[11-12】等人开展了基于近红外光谱技术的板栗含水率及霉变板栗的检测方法研究，比较了多种光谱预处理方法所建BP神经网络模型对板栗识别率的影响。方建军、刘仕良等【l习利用机器视觉技术对板栗进行大小分级，开发了一套基于机器视觉的板栗实时分级系统，利用该系统提取板栗图像的面积、最大直径等特征数据，采用神经网络分类器输出待分类的板栗等级，可将板栗按照大小分成特大、大、中、小4个等级。但尚无利用机器视觉技术开展缺陷板栗检测方法的研究。收稿日期：2009-06-22修订日期：2010-03-08

5、基金项目：高等学校博士学科点专项科研基金(20090146110018)作者简介：展慧(1982--)，女，研究方向：智能化检测技术。武汉华中农业大学工学院，430070。Email：zhanhui459@163．coln※通信作者：李小昱(1953一)，女，教授，博士生导师，中国农业工程学会高级会员(E041200068S)，研究方向：智能化检测技术．武汉华中农业大学工学院，430070。Email：tmaoyu@mail．hzau．edB．cil王为：中国农业工程学会高级会员(E041200139S)该文采用机器视觉技术对合格板栗和缺陷板栗进行分级检测，研究板栗图像处理方法，提取合适的特征

6、参数并建立相应的识别模型，以准确、快速实现板栗分级检测，为机器视觉技术在板栗品质检测中的应用提供依据。1试验材料与图像获取1．1试验材料试验样品为湖北罗田板栗，购于湖北省武汉市徐东万吨冷库，质量范围9．04～14．92g，所有样本依照行业贮藏条件保存(温度0"-'2℃，相对湿度80％---90％)，置于SPX智能型生化培养箱(宁波江南仪器厂)。试验前依据国家行业标准(GH厂r1029--2002)6．I．1感官检验法，从中随机选出色泽好且着色均匀一致的70粒作为l级板栗；着色不均，有块状斑点的70粒作为2级板栗；暗晦、霉变的70粒为3级板栗。板栗原始图像如图1所示。图1板栗原始图像Fig．1o

7、figinalimagesofchestnuts1．2机器视觉硬件平台根据试验要求，自行构建基于机器视觉技术的板栗分级检测系统，如图2所示。该系统由计算机、试验箱、摄像头、图像采集卡等部件构成。摄像头由德国Baseler公司生产，型号为328农业工程学报2010年scAl390．17fc、镜头型号为M1214．MP，图像采集卡型号为Meteor2—1394。图2图像采集系统Fig．2Imageac