基于機(jī)器視覺(jué)和高光譜圖像技術(shù)的糧食水分檢測(cè)及雜質(zhì)與不完善粒別方法研究.pdf

1、提高我國(guó)農(nóng)產(chǎn)品的技術(shù)含量和產(chǎn)品附加值,增加我國(guó)農(nóng)產(chǎn)品的商品化程度,可以讓包括糧食產(chǎn)品在內(nèi)的農(nóng)產(chǎn)品在國(guó)際市場(chǎng)上更具競(jìng)爭(zhēng)力。將機(jī)器視覺(jué)和高光譜等自動(dòng)化檢測(cè)技術(shù)引入糧食品質(zhì)檢測(cè),使糧食品質(zhì)得到準(zhǔn)確、快速的檢測(cè),是實(shí)現(xiàn)該目標(biāo)的有效途徑之一。本文以糧粒和其中所含的雜質(zhì)為研究對(duì)象,研究了機(jī)器視覺(jué)和高光譜技術(shù)應(yīng)用于糧粒與識(shí)雜質(zhì)別應(yīng)用中的基本理論和方法,主要研究?jī)?nèi)容和成果如下:
　　 (1)研究了糧粒的光譜特征.采集嘉興、長(zhǎng)興兩地的4個(gè)水稻品種

2、,根據(jù)樣本將其分為完整粒、不完善粒、有機(jī)雜、無(wú)機(jī)雜等9類(lèi)。再采集包含956個(gè)波段的靜態(tài)高光譜圖像32幅,通過(guò)五因素四水平正交實(shí)驗(yàn)的方差分析,優(yōu)選了鹵素?zé)糇鳛楣庠?黑色環(huán)氧板作為背景,光照強(qiáng)度在6000-120001ux之間。在此實(shí)驗(yàn)條件下提取高光譜數(shù)據(jù)的前4個(gè)PCA圖像,結(jié)合第三、第四主成分的權(quán)重系數(shù)選擇波段在620-680nm范圍內(nèi)的光線作為設(shè)計(jì)機(jī)器視覺(jué)糧粒雜質(zhì)檢測(cè)系統(tǒng)的照明。
　　 (2)建立了基于高光譜技術(shù)的糧粒水分檢測(cè)模

3、型。設(shè)計(jì)復(fù)水實(shí)驗(yàn)控制玉米品種02102和小麥品種NS21的水分含量在10％～20％區(qū)間內(nèi),再采集不同水分條件下的高光譜數(shù)據(jù),樣本數(shù)量為每批次3g,共300批.先采用MSC對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理,然后通過(guò)回歸分析分別得到與玉米、小麥水分值相關(guān)系數(shù)最大的4個(gè)和5個(gè)波長(zhǎng)。再通過(guò)經(jīng)驗(yàn)公式使用節(jié)點(diǎn)數(shù)為4-5-1和5-5-1的三層BP人工神經(jīng)網(wǎng)絡(luò)建模技術(shù)分別對(duì)玉米和小麥含水率進(jìn)行了預(yù)測(cè)。通過(guò)回歸分析得到預(yù)測(cè)結(jié)果與實(shí)際值之間的決定系數(shù)R2分別為0.98

4、和0.96,相對(duì)誤差絕對(duì)值的平均值分別為0.3090和0.1916。該結(jié)果表明利用高光譜圖像技術(shù)對(duì)玉米和小麥含水率進(jìn)行無(wú)損檢測(cè)是可行的,為建立一種新型的糧粒水分檢測(cè)方法和去除水分對(duì)于高光譜糧粒檢測(cè)的影響奠定了基礎(chǔ)。
　　 (3)構(gòu)建了糧粒與雜質(zhì)識(shí)別的機(jī)器視覺(jué)靜態(tài)檢測(cè)硬件系統(tǒng)和識(shí)別模型。根據(jù)國(guó)家標(biāo)準(zhǔn)并結(jié)合實(shí)驗(yàn)樣本特點(diǎn)將其分為破碎粒、不完善粒、有機(jī)雜、無(wú)枧雜、完整粒共6個(gè)子類(lèi)烈。根據(jù)直方圖閩值分割方法選取紙質(zhì)白色背景作為圖像采集的背

5、景。再采集6400幅糧粒圖像,提取了圖像的形狀、顏色、不變矩等29個(gè)特征進(jìn)行雜質(zhì)識(shí)別的建模過(guò)程。先通過(guò)以單特征識(shí)別為主的決策樹(shù)判定法識(shí)別出68.6％的雜質(zhì);再建立了節(jié)點(diǎn)數(shù)為28-9-2的三層BP人工神經(jīng)網(wǎng)絡(luò)的方法建立識(shí)別模型,網(wǎng)絡(luò)訓(xùn)練算法為L(zhǎng)-M優(yōu)化算法,隱層和輸出層激發(fā)函數(shù)分別為對(duì)數(shù)函數(shù)和線性函數(shù),訓(xùn)練終止條件為MSE達(dá)到0.01或迭代次數(shù)超過(guò)8000。結(jié)果顯示該模型的總體識(shí)別正確率在90％以上,并從選樣、采集和分析算法三個(gè)方面列出了