基于機器視覺的水果品質(zhì)無損檢測與分析方法研究.pdf

1、基于機器視覺的水果品質(zhì)無損檢測與分析是水果產(chǎn)后處理的關(guān)鍵環(huán)節(jié)，在農(nóng)產(chǎn)品標(biāo)準(zhǔn)化的過程中發(fā)揮著重要作用，目前在國內(nèi)有很大的市場潛力。 隨著視覺傳感器成本的下降和分辨率的提高，多傳感器融合理論和數(shù)據(jù)挖掘方法將在水果無損檢測設(shè)備的開發(fā)中起到重要的作用。能穩(wěn)定而準(zhǔn)確地表征果實品質(zhì)的特征和合理的品質(zhì)分析方法是決定系統(tǒng)開發(fā)成敗的關(guān)鍵。本文將特征提取過程分為光學(xué)系統(tǒng)和圖像采集方法設(shè)計、對象識別和不變特征提取三部分，將品質(zhì)判別根據(jù)設(shè)計目標(biāo)分為用于

2、果實外部品質(zhì)特征的定性判別和用于果實內(nèi)部品質(zhì)特征的定量分析，結(jié)合開發(fā)的試驗平臺，提出了滿足在線檢測速度、精度要求的特征提取和品質(zhì)分類方法。 在特征提取方面，提出了基于OHTA顏色空間的果實分割算法，該方法在草莓分選機器人和智能瓜果精選分級機上都取得了滿意的分割效果。在果實分割的基礎(chǔ)上，接合智能瓜果精選分級機的試驗平臺，提出了利用插值計算獲得果實輪廓的方法。這種方法能提取出平滑的果實輪廓，速度和精度都滿足后續(xù)特征處理的需要；結(jié)合草

3、莓收獲機器人的試驗平臺，提出了基于貝葉斯置信網(wǎng)的果柄檢測方法：將果實的形狀信息和顏色信息用貝葉斯置信網(wǎng)來表示，根據(jù)貝葉斯置信網(wǎng)的推理結(jié)果來給出果實的頭尾信息。這種方法在黑色和白色的背景下都能實現(xiàn)果柄的精確提取。設(shè)計了智能瓜果精選分級機的全方位圖像采集系統(tǒng)，采用三個攝像機拍攝果實表面圖像信息。結(jié)合該圖像采集平臺，進行了多攝像機圖像融合方面的研究：利用左右兩側(cè)攝像機構(gòu)成的會聚式立體視覺系統(tǒng)，進行了果實高度特征提取的研究。采用D-S證據(jù)推理理

4、論，提出了基于三攝像機圖像融合的水果成熟度判別方法。 利用基于特定感知域的特征直方圖，來代表水果的外部特征(顏色、形狀)：用主色調(diào)直方圖來代表果實顏色特征；用正則化直徑直方圖和內(nèi)插角直方圖來代表果實圓整度；對草莓、甜椒帶柄作物，首先判別果實的位姿，利用果實尾部的正則半徑直方圖來表示尾部的圓整度，利用果實兩側(cè)的正則直徑直方圖來代表果實的對稱度。 在果實外部品質(zhì)定性判別方面，結(jié)合多感知域直方圖，提出了利用計算待測樣本直方圖和

5、標(biāo)準(zhǔn)直方圖的相似度來決定果實種類的方法；利用分辨因子來代表分類效率，分析了直方圖分辨率對分選精度的影響；以西紅柿、青椒、草莓為研究對象，進行了基于直方圖匹配的水果分類試驗。 在果實內(nèi)部品質(zhì)定量分析方面，利用化學(xué)計量學(xué)方法來處理海量的近紅外多光譜數(shù)據(jù)，以白桃為研究對象，分析了利用多變量線性回歸(MLR)、主成分回歸(PCR)和最小二乘回歸(PLSR)三種方法構(gòu)建的糖度預(yù)測模型精度，利用后退法確定最優(yōu)近紅外光譜區(qū)間，用正交信號校正法