基于機器視覺的大米外觀品質(zhì)判別研究.pdf

1、隨著人們生活水平的日益提高，大米品質(zhì)的優(yōu)劣在飲食生活中占據(jù)著重要的位置，因此對于大米品質(zhì)的檢測與判別更加重要。為了改善檢測系統(tǒng)的效率以及提高判別的精確度，機器視覺技術(shù)被應(yīng)用到大米產(chǎn)品的檢測中。本文采用機器視覺技術(shù)實現(xiàn)大米外觀品質(zhì)的檢測與判別，并對檢測系統(tǒng)的硬件、軟件及判別方法進行設(shè)計和研究。
　　本文首先針對機器視覺技術(shù)基本原理以及大米品質(zhì)相關(guān)參考文獻進行研究，然后基于此開發(fā)了大米外觀品質(zhì)檢測系統(tǒng)并對硬件和軟件部分分別進行設(shè)計。在

2、硬件設(shè)計中，為了得到高質(zhì)量、受外界影響較少的圖片，選擇了合適的光源、背景板、圖像傳感器以及鏡頭器件等。在軟件設(shè)計中，采用C++與OpenCV庫相結(jié)合模式實現(xiàn)圖像的采集、圖像的預(yù)處理和圖像的識別，然后采用PCA-BP神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)了大米品質(zhì)的判別。
　　為了分割出每個米粒的圖像，有效地提取出米粒的特征數(shù)據(jù)，需要對圖像進行必要的預(yù)處理，包括圖像增強、噪聲處理、背景分割、堊白分割等，同時為了標記混合大米中的每個米粒。針對樣品中可能出現(xiàn)

3、米粒粘連的情況，還需要進行粘連米粒的有效分割。本文根據(jù)大米圖像的特點，采用多種算法完成圖像的預(yù)處理，并對不同的算法性能進行了分析，為后面的判別奠定良好基礎(chǔ)。
　　在完成圖像預(yù)處理基礎(chǔ)上，進行米粒特征數(shù)據(jù)的提取。針對大米的外觀品質(zhì)檢測要求，提取了大米的形狀、大小、顏色參數(shù)進行研究。為了減少數(shù)據(jù)復(fù)雜度，提高判別效率，建立了主成分分析法與BP算法相結(jié)合的判別模型。通過主成分分析進行了大米參數(shù)主成分提取，然后將變量作為BP神經(jīng)網(wǎng)絡(luò)的輸入進