基于機(jī)器視覺和SVM的花椒外觀品質(zhì)檢測(cè)技術(shù)研究.pdf

1、花椒不僅是一種重要的烹飪調(diào)料，還具有廣泛的藥用價(jià)值。本文將機(jī)器視覺技術(shù)和支持向量機(jī)引入到花椒顆粒閉眼率、椒籽率、果穗梗率和果皮率等外觀品質(zhì)評(píng)價(jià)指標(biāo)的快速檢測(cè)中，避免了傳統(tǒng)人眼感觀檢測(cè)存在的效率低、準(zhǔn)確性差等缺陷。主要研究?jī)?nèi)容如下：
　　 第一，開發(fā)了花椒外觀品質(zhì)機(jī)器視覺檢測(cè)硬件系統(tǒng)。通過試驗(yàn)及分析，合理選擇圖像處理器件，構(gòu)建花椒外觀品質(zhì)機(jī)器視覺檢測(cè)硬件系統(tǒng)，系統(tǒng)包括微機(jī)、CCD攝像機(jī)、鏡頭、光源、電機(jī)、托盤、光照箱、圖像采集卡、

2、單片機(jī)等。
　　 第二，研究了基于機(jī)器視覺和SVM的花椒外觀品質(zhì)檢測(cè)算法。
　　 花椒外觀品質(zhì)檢測(cè)算法分為訓(xùn)練建模和預(yù)測(cè)分類兩個(gè)部分，而圖像處理算法是建模和預(yù)測(cè)的基礎(chǔ)。本課題針對(duì)本研究室前期的研究，對(duì)花椒外觀品質(zhì)檢測(cè)圖像處理算法進(jìn)行了優(yōu)化和改進(jìn)，解決了需要二次填充才能識(shí)別個(gè)體的問題；并首次把支持向量機(jī)方法引入到花椒固有雜質(zhì)預(yù)測(cè)分類中。
　　 第三，開發(fā)了基于機(jī)器視覺和SVM的花椒外觀品質(zhì)檢測(cè)軟件系統(tǒng)。
　　

3、 在Visual C++6.0平臺(tái)完成了花椒外觀品質(zhì)檢測(cè)軟件系統(tǒng)，包括圖像采集模塊、圖像處理模塊、特征提取模塊、建模和預(yù)測(cè)模塊以及硬件控制模塊。
　　 第四，花椒外觀品質(zhì)檢測(cè)試驗(yàn)分析。
　　 對(duì)收集的141份花椒樣品，隨機(jī)選取100份花椒樣品作為建模樣品集。分別采集每份樣品中果皮、閉眼、椒籽及果穗梗四類個(gè)體的圖像并提取特征參數(shù)值作為訓(xùn)練集，利用LIBSVM軟件包訓(xùn)練建立SVM花椒分類模型。將未參與建模的剩下的41份樣品

4、作為預(yù)測(cè)集。采集其圖像，并通過圖像處理提取個(gè)體特征參數(shù)，利用已建立的SVM花椒分類模型自動(dòng)預(yù)測(cè)得到每個(gè)個(gè)體的種類，統(tǒng)計(jì)出個(gè)體總數(shù)并計(jì)算花椒各項(xiàng)檢測(cè)指標(biāo)值。對(duì)預(yù)測(cè)集里的41份花椒樣品各項(xiàng)檢測(cè)指標(biāo)值進(jìn)行人眼感官評(píng)測(cè)，并與機(jī)器檢測(cè)的結(jié)果進(jìn)行對(duì)比比較，給出機(jī)器的誤差及誤差率。結(jié)果表明：對(duì)椒籽、果穗梗識(shí)別誤差率為9.09％、11.76％，閉眼及果皮識(shí)別誤差率分別為50％、-4.04％。
　　 研究表明，基于機(jī)器視覺和SVM的花椒外觀品質(zhì)檢