基于圖像處理的干香菇分級(jí)方法研究.pdf

1、將機(jī)器視覺技術(shù)應(yīng)用于香菇品質(zhì)自動(dòng)檢測(cè)中能夠大幅度提高分級(jí)效率、降低生產(chǎn)成本、增加分級(jí)精度。本文以香菇為研究對(duì)象，系統(tǒng)地研究了基于機(jī)器視覺技術(shù)的香菇自動(dòng)分級(jí)原理和方法，針對(duì)多種類型香菇，構(gòu)建了一套適用于多種類型香菇的機(jī)器視覺系統(tǒng)。本文著重研究了機(jī)器視覺系統(tǒng)，該系統(tǒng)主要包括大小識(shí)別模塊，形狀識(shí)別模塊，紋理分析模塊和破損識(shí)別模塊，可以實(shí)現(xiàn)多種類型香菇的自動(dòng)分級(jí)。
　　本文的主要內(nèi)容與研究如下:
　　(1)香菇正反面識(shí)別算法的研究。

2、使用最大類間閾值以及多邊形近似的方法將香菇劃分為兩部分，從兩部分中以灰度概率密度函數(shù)提取出10個(gè)紋理參數(shù)，構(gòu)建最小距離分類器，其最終的正反面識(shí)別率達(dá)到了98％以上。
　　(2)香菇形狀和大小識(shí)別算法研究。使用極坐標(biāo)意義下的線性插值重建去除菇柄的菌蓋邊界曲線，在重建后的曲線基礎(chǔ)上提取出9種形狀特征參數(shù)和1個(gè)大小特征參數(shù)，利用豐成分分析提取出能夠表征形狀特征的3個(gè)豐成分，以這3個(gè)主成分作為輸入?yún)?shù)，然后構(gòu)建了基于K近鄰分類器的形狀分選

3、模型，通過驗(yàn)證其正確識(shí)別率達(dá)95％以上;利用上述的1個(gè)大小特征參數(shù)，并結(jié)合相應(yīng)的標(biāo)定比，可判斷香菇面積大小。
　　(3)菇柄識(shí)別方法的研究。以花菇為研究對(duì)象，跟蹤其邊界并計(jì)算曲率，根據(jù)邊界上點(diǎn)運(yùn)動(dòng)變化模式判斷曲線凹凸性，利用曲線類半徑（標(biāo)記函數(shù)）識(shí)別并定位菇柄的位置。試驗(yàn)表明，菇柄識(shí)別正確率在80％以上。
　　(4)基于香菇紋理分析的類別分選研究。為了實(shí)現(xiàn)天白花菇、白花菇、茶花菇和光面菇這4種類型香菇的分選，研究了多種菌蓋紋

4、理模型以及各個(gè)模型參量的融合，并設(shè)計(jì)了整個(gè)香菇類型自動(dòng)分選系統(tǒng)。首先從香菇菌蓋中截取合適大小的紋理區(qū)域，利用灰度直方圖統(tǒng)計(jì)，灰度共生矩陣(GreyLevelCo-occurrenceMatrix)，高斯馬爾科夫隨機(jī)場(chǎng)(GaussMakovRandomField)模型和分形維數(shù)模型從該區(qū)域中共提取23個(gè)紋理特征參數(shù)。然后使用順序前向搜索法對(duì)各個(gè)模型特征數(shù)據(jù)進(jìn)行融合，從中得出6個(gè)簡(jiǎn)約特征。最后構(gòu)建K近鄰分類器作為香菇類別分類器并對(duì)提取后的簡(jiǎn)

5、約特征進(jìn)行分類。試驗(yàn)結(jié)果表明，香菇類型分選模型的分選正確率可達(dá)91％以上，利用香菇菌蓋紋理對(duì)香菇進(jìn)行類型分類是可行的。
　　(5)香菇破損識(shí)別算法研究。為了實(shí)現(xiàn)基于機(jī)器視覺技術(shù)的破損花菇自動(dòng)檢測(cè)，本文研究了基于曲線演化和花菇邊緣灰度分析的破損檢測(cè)方法并研發(fā)出破損花菇在線檢測(cè)系統(tǒng)。首先去除花菇背景，跟蹤花菇邊緣，得到花菇邊緣坐標(biāo)曲線，對(duì)此曲線的內(nèi)外部進(jìn)行曲線演化，并計(jì)算內(nèi)外部演化曲線與原始花菇邊緣曲線接近的點(diǎn)的個(gè)數(shù)（Nin、Nout