基于機器視覺的蝦仁重量預測研究.pdf

1、蝦仁是我國重要的水產(chǎn)品之一，蝦仁的分級是蝦仁加工過程中極重要的一環(huán)．但目前在我國，蝦仁分級作業(yè)完全依靠人工進行，作業(yè)效率低并可能造成蝦仁污染．因此，對蝦仁分級自動化設備的研究具有重要意義．本課題提出并研究利用機器視覺技術來對蝦仁進行自動分級，與現(xiàn)有的分級機構完全不同．本課題的研究目的是通過對蝦仁圖像特征參數(shù)提取，建立與重量之間的相關關系，為基于視覺技術的蝦仁分級提供依據(jù)。本文主要的研究內(nèi)容和結果如下：
　　 1．通過對國內(nèi)外蝦和

2、蝦仁分級以及其他一些水產(chǎn)品分級的研究應用情況，結合機器視覺技術在水產(chǎn)品生產(chǎn)加工中的應用，指出現(xiàn)有蝦和蝦仁分級設備存在作業(yè)效率低、高損耗、算法不合理等問題，提出一種基于機器視覺技術的蝦仁分級方法，該方法通過對蝦仁視覺圖像的分析，提取蝦仁輪廓線長、面積和細化曲線，通過這些參數(shù)對蝦仁重量進行預測，在考慮計算速度的前提下進行參數(shù)選擇和優(yōu)化，用于自動分級．
　　 2．研究分析了蝦仁圖像的預處理方法，得出3×3中值濾波為較佳的濾波方法；對比

3、選取了適合本研究的閾值分割方法；得到結構元素為圓形的形態(tài)學開運算濾波效果較好，并提出根據(jù)蝦仁圖像面積大小對平均面積采用的形態(tài)學開運算結構元素進行縮放．
　　 3．通過分析蝦仁圖像細化曲線中存在分支和分支點連接方式特征的研究，選取每個像素3×3領域掃描法正確識別了細化曲線上分支點的存在；提出了通過擦除端點的方法來消除蝦仁細化曲線上的分支；通過統(tǒng)計細化曲線圖像點之間的關系，采用平均值補償?shù)姆椒ㄑa償細化曲線主線上被擦除部分，驗證了算法

4、的精確度．
　　 4．分析單獨圖像參數(shù)與蝦仁重量之間的相關關系，得到面積為相關性最高的參數(shù)，但單因素存在一定不合理性；通過幾何數(shù)學分析，論證了其他參數(shù)選取的合理性；引入了近似寬度概念，分析了該值與重量之間的相關關系；將參數(shù)分別按面積與輪廓線長、面積與細化曲線、輪廓線長與細化曲線及面積與寬度這四種組合來建立與重量之間的雙因素相關性模型，得出多因素對于較小的蝦仁重量預測具有較大意義；采用BP神經(jīng)網(wǎng)絡進行全因素重量預測，結果表明精度有