基于机器视觉的马铃薯图像特征参数获取方法

摘要

对马铃薯采收后进行自动化分级处理是提高马铃薯商品化价值的重要发展方向.针对马铃薯人工分级过程中存在劳动力耗费大、分级成本高、依赖人的主观经验导致分级不稳定等不足,本文提出了一种利用机器视觉技术,提取马铃薯图像特征参数的方法,综合马铃薯的外观尺度判断马铃薯的形状类型和重量范围,实现马铃薯按形状和重量特征的自动分级.首先搭建了一套以V形摆放平面镜组成的机器视觉成像系统,CCD相机可以同时获取三个不同方位的图像.然后利用MATLAB软件对三个不同方位的图像进行处理,得到只有目标区域和背景的二值化图像.统计图像中目标区域的像素个数,计算获取马铃薯的横截面积.求取目标区域的最小外接矩形,获得外接矩形的长度和宽度值.每个方位的图像可同时获得3个特征值,三个方位共获取9个图像特征参数.最后,采集了100个马铃薯样本图像,得到了基于100个马铃薯样本的图像特征参数数据集.利用Unscramble软件对样本数据集进行回归模型训练及验证.实验结果表明,质量相关度系数R为0.991,形状分辨率为86.7％.表明该方法对马铃薯质量和形状进行预测具有可行性,可运用于马铃薯自动分选系统中.