基于支持向量機(jī)色選算法的研究.pdf

1、隨著機(jī)器視覺技術(shù)的不斷發(fā)展，許多相關(guān)理論的不斷成熟和完善，色選算法的研究也取得了進(jìn)一步的發(fā)展，在顆粒物料檢測(cè)領(lǐng)域中被廣泛推廣應(yīng)用。本文主要利用數(shù)字圖像處理技術(shù)實(shí)現(xiàn)大米顆粒快速、有效的識(shí)別，且檢測(cè)方式自動(dòng)化程度高，對(duì)大米外觀無(wú)損害，提高了米粒檢測(cè)的品質(zhì)，同時(shí)本文所提出的算法也可應(yīng)用于其他顆粒物料色選中。
　　 本文首先介紹了數(shù)學(xué)形態(tài)學(xué)結(jié)構(gòu)元素的概念，分別闡述了膨脹與腐蝕、開與閉運(yùn)算、top-hat變換的定義;然后，通過(guò)對(duì)小波基本理

2、論的介紹，進(jìn)一步引出了小波包理論，對(duì)其分解過(guò)程做了簡(jiǎn)單的推導(dǎo)。經(jīng)過(guò)對(duì)形態(tài)學(xué)與小波理論的研究，對(duì)二者的特性有了詳細(xì)全面的認(rèn)識(shí)。
　　 為了獲取理想的大米圖像，設(shè)計(jì)了基于PC機(jī)進(jìn)行圖像處理的圖像獲取裝置，選用面陣CCD傳感器獲得圖像，使用LED燈管作為光源;對(duì)CCD傳感器獲得的大米圖像分別進(jìn)行了形態(tài)學(xué)邊緣檢測(cè)，小波包邊緣檢測(cè)，形態(tài)學(xué)與小波包相結(jié)合的邊緣檢測(cè)。通過(guò)所得到的結(jié)果可以看出:形態(tài)學(xué)邊緣檢測(cè)出現(xiàn)了部分失真，小波包邊緣檢測(cè)獲得了

3、更多細(xì)節(jié)，形態(tài)學(xué)與小波包相結(jié)合進(jìn)行邊緣檢測(cè)的結(jié)果優(yōu)勢(shì)更明顯。
　　 為實(shí)現(xiàn)對(duì)大米顆粒的有效識(shí)別，本文引入了支持向量機(jī)作為分類算法。首先簡(jiǎn)單介紹了支持向量機(jī)基本理論和LIBSVM軟件包，然后將提取的大米外形的特征參數(shù)和大米的堊白度作為特征向量，將獲得的特征向量轉(zhuǎn)換為要求的數(shù)據(jù)格式，對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練，尋找SVM建模所需要的最優(yōu)參數(shù)。根據(jù)最優(yōu)參數(shù)的設(shè)置，訓(xùn)練數(shù)據(jù)建立模型，再用測(cè)試數(shù)據(jù)測(cè)試模型的性能。從分類結(jié)果可以看出，分類器分類精度達(dá)到