基于機(jī)器視覺的大豆品質(zhì)的研究.pdf

1、目前，采用機(jī)器視覺技術(shù)檢測(cè)食品及農(nóng)產(chǎn)品的品質(zhì)正逐步推廣應(yīng)用。大豆作為一種重要的農(nóng)產(chǎn)品，日益受到人們的重視，但是目前對(duì)大豆品質(zhì)的檢測(cè)、分級(jí)仍然停留在人工水平上。因此應(yīng)用機(jī)器視覺技術(shù)對(duì)大豆進(jìn)行品質(zhì)檢測(cè)有著重要的意義。
　　 本研究構(gòu)建了基于計(jì)算機(jī)視覺的大豆檢測(cè)系統(tǒng)：首先選擇大豆圖像預(yù)處理算法，然后提取大豆的形狀和顏色特征，最后利用提取的大豆特征，基于MATLAB構(gòu)建神經(jīng)網(wǎng)絡(luò)對(duì)大豆品質(zhì)檢測(cè)做了初步探索。得到以下結(jié)論：
　　 1

2、.在本研究條件下，對(duì)光源的照明方式進(jìn)行試驗(yàn)得到，在前向光源下能夠有效地得到大豆的絕大部分外觀特征。在相同的光源與照明方式下，選用紅色、藍(lán)色、黃色、黑色和白色的背景，以相同的二值分割參數(shù)進(jìn)行試驗(yàn)，得到以黑色為背景進(jìn)行分析效果最佳。對(duì)傳統(tǒng)的圖像算法進(jìn)行分析和比較，包括圖像濾波，邊緣檢測(cè)等，得到中值濾波能夠明顯的降低大豆圖像的噪聲，在灰度值變化較小的情況下，降低了圖像邊界部分的模糊程度，有良好的平滑效果。對(duì)黏連籽粒，應(yīng)用基于形態(tài)學(xué)的二值分割方

3、法和分水嶺分割方法進(jìn)行對(duì)比分析，發(fā)現(xiàn)應(yīng)用分水嶺方法得到的黏連分割圖像的效果良好。應(yīng)用雙峰法與生長(zhǎng)法相結(jié)合的算法，實(shí)現(xiàn)了背景與目標(biāo)豆粒的分離，并且除去大部分噪聲，進(jìn)而分離得到單個(gè)分離的豆粒。從而獲得了目標(biāo)圖像。
　　 2.定義并提取了大豆種子29個(gè)形態(tài)特征，可以同時(shí)對(duì)圖像中多個(gè)大豆籽粒進(jìn)行特征提取，大大提高了大豆特征提取的效率。根據(jù)BP人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)和網(wǎng)絡(luò)參數(shù)設(shè)計(jì)要求，設(shè)計(jì)了面向MATLAB的BP神經(jīng)網(wǎng)絡(luò)。對(duì)比各種算法得到

4、，Levenberg-Marquardt算法函數(shù)為各層之間的優(yōu)化函數(shù)。對(duì)于單種缺陷的網(wǎng)絡(luò)隱含層設(shè)為10，多種缺陷的網(wǎng)絡(luò)設(shè)為23。
　　 3.優(yōu)化特征選擇，應(yīng)用SAS分析軟件對(duì)29個(gè)特征進(jìn)行LOGISTIC和CORR分析，根據(jù)檢測(cè)要求選擇特征指標(biāo)。結(jié)果表明，神經(jīng)網(wǎng)絡(luò)對(duì)于識(shí)別單種缺陷有很好的檢驗(yàn)?zāi)芰Γ渲袑?duì)未成熟的檢測(cè)率達(dá)到了100％，而對(duì)其它的缺陷中標(biāo)準(zhǔn)粒的檢出也達(dá)到了95％以上；相對(duì)來說對(duì)缺陷粒的檢出較差，但其中對(duì)于檢出率最差的

5、破碎粒的檢出率也達(dá)到了81％。對(duì)于一次性識(shí)別多項(xiàng)豆粒缺陷的研究，10特征值的網(wǎng)絡(luò)能夠很好的區(qū)分標(biāo)準(zhǔn)粒和缺陷粒，標(biāo)準(zhǔn)豆粒的識(shí)別率為99％，未能確定是否良好的比率為1％；把蟲蝕、霉變、破碎、未成熟和菌斑五種影響大豆品質(zhì)的豆粒誤檢為標(biāo)準(zhǔn)大豆的比率為0.2％。對(duì)蟲蝕、霉變、破碎、未成熟和菌斑的識(shí)別率分別為40％、51％、42％、96％、87％。
　　 4.經(jīng)過SAS回歸分析，得到了外觀與營(yíng)養(yǎng)品質(zhì)的數(shù)學(xué)方程。經(jīng)過回歸分析得到蛋白質(zhì)與長(zhǎng)寬比