基于機器視覺的大豆品質(zhì)的研究.pdf

1、目前，采用機器視覺技術(shù)檢測食品及農(nóng)產(chǎn)品的品質(zhì)正逐步推廣應用。大豆作為一種重要的農(nóng)產(chǎn)品，日益受到人們的重視，但是目前對大豆品質(zhì)的檢測、分級仍然停留在人工水平上。因此應用機器視覺技術(shù)對大豆進行品質(zhì)檢測有著重要的意義。
　　 本研究構(gòu)建了基于計算機視覺的大豆檢測系統(tǒng)：首先選擇大豆圖像預處理算法，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)絡對大豆品質(zhì)檢測做了初步探索。得到以下結(jié)論：
　　 1

2、.在本研究條件下，對光源的照明方式進行試驗得到，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、藍色、黃色、黑色和白色的背景，以相同的二值分割參數(shù)進行試驗，得到以黑色為背景進行分析效果最佳。對傳統(tǒng)的圖像算法進行分析和比較，包括圖像濾波，邊緣檢測等，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。對黏連籽粒，應用基于形態(tài)學的二值分割方

3、法和分水嶺分割方法進行對比分析，發(fā)現(xiàn)應用分水嶺方法得到的黏連分割圖像的效果良好。應用雙峰法與生長法相結(jié)合的算法，實現(xiàn)了背景與目標豆粒的分離，并且除去大部分噪聲，進而分離得到單個分離的豆粒。從而獲得了目標圖像。
　　 2.定義并提取了大豆種子29個形態(tài)特征，可以同時對圖像中多個大豆籽粒進行特征提取，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)絡的結(jié)構(gòu)特點和網(wǎng)絡參數(shù)設計要求，設計了面向MATLAB的BP神經(jīng)網(wǎng)絡。對比各種算法得到

4、，Levenberg-Marquardt算法函數(shù)為各層之間的優(yōu)化函數(shù)。對于單種缺陷的網(wǎng)絡隱含層設為10，多種缺陷的網(wǎng)絡設為23。
　　 3.優(yōu)化特征選擇，應用SAS分析軟件對29個特征進行LOGISTIC和CORR分析，根據(jù)檢測要求選擇特征指標。結(jié)果表明，神經(jīng)網(wǎng)絡對于識別單種缺陷有很好的檢驗能力，其中對未成熟的檢測率達到了100％，而對其它的缺陷中標準粒的檢出也達到了95％以上；相對來說對缺陷粒的檢出較差，但其中對于檢出率最差的

5、破碎粒的檢出率也達到了81％。對于一次性識別多項豆粒缺陷的研究，10特征值的網(wǎng)絡能夠很好的區(qū)分標準粒和缺陷粒，標準豆粒的識別率為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)的豆粒誤檢為標準大豆的比率為0.2％。對蟲蝕、霉變、破碎、未成熟和菌斑的識別率分別為40％、51％、42％、96％、87％。
　　 4.經(jīng)過SAS回歸分析，得到了外觀與營養(yǎng)品質(zhì)的數(shù)學方程。經(jīng)過回歸分析得到蛋白質(zhì)與長寬比