基于机器视觉的花生种子自动识别系统设计

摘要

花生是我国重要的油料作物之一，如何提高花生种子选取效率和质量成为我国相关领域研究的重要课题之一。本文将机器视觉技术引入到花生种子特征提取中，可以很好的解决传统方法检测周期长、效率低、准确性差等问题，为优选花生种子提供理论依据，奠定技术基础。
　　本文对国内外机器视觉检测方法进行了深入的研究，利用LabVIEW结合图像处理算法设计了机器视觉检测系统。从而可以高效、快速、方便的对花生种子特征进行提取。进而通过特征提取数据实现花生种子的精准分选。主要研究内容如下:
　　首先对国内外利用机器视觉在农作物特征提取中的应用的现状进行研究与分析，结合各种方法的优点，确定了本文花生种子特征提取整体设计方案。
　　然后，通过对目前几种典型的图像处理方法进研究比较，设计了花生种子图像预处理方案，包括图像灰度处理、图像滤波、边缘检测、图像分割、形态学处理等;对图像特征提取算法进行研究，从而能够得到花生种子的面积、周长、形心、长轴、短轴、当量直径、圆度、伸长度、紧凑度、色度等特征值。选取种植面积广、使用量大的四粒红花生和鲁花花生进行了仿真实验，验证了此预处理方案能很好的满足图像特征提取的要求。
　　最后，利用LabVIEW中IMAQVision视觉开发包工具设计了花生种子特征提取平台。对特征提取的整体系统构架进行分析，设计了各个模块的主要功能、操作界面及设计程序框图。通过特征提取平台，可以将花生种子各种特征值数据直观的显示，界面操作方便、便于后期维护与更新。实验结果表明，本文研究的基于机器视觉的花生种子自动识别系统可以快速准确地提取花生种子的特征数据，为批量分选花生种子奠定了技术基础。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 机器视觉研究现状

1．2．1 机器视觉概述

1．2．2 机器视觉的国内外研究现状

1．3 本文主要研究内容

第2章 机器视觉检测系统的构建

2．1 机器视觉检测系统总体结构

2．2 机器视觉检测系统硬件组成

2．3 机器视觉检测系统软件设计

2．3．1 系统流程

2．3．2 软件开发环境LabVIEW

2．3．3 LabVIEW的图像处理模块

2．4 本章小结

第3章 花生种子图像的预处理算法研究

3．1 图像灰度处理

3．1．1 彩色图像

3．1．2 灰度图像

3．1．3 图像灰度化

3．2 图像滤波

3．2．1 邻域平均滤波

3．2．2 中值滤波

3．3 边缘检测

3．3．1 边缘检测技术

3．3．2 改进的边缘检测

3．4 图像分割

3．4．1 图像分割的基本概念

3．4．2 阈值分割

3．4．3 最大类间方差法

3．5 数学形态学

3．5．1 形态学概念

3．5．2 形态学的基本算法及处理结果

3．6 本章小结

第4章 花生种子的特征提取及识别

4．1 花生种子的特征概述

4．2 几何特征提取

4．2．1 基本几何特征量

4．2．2 几何特征提取及大小识别

4．3 花生种子颜色特征提取

4．3．1 颜色参数提取

4．3．2 颜色特征识别

4．4 本章小结

第5章 机器视觉检测系统设计与实现

5．1 系统实现功能

5．2 系统设计结构

5．3 系统功能的设计与实现

5．3．1 图像采集

5．3．2 图像灰度化

5．3．3 图像滤波

5．3．4 边缘检测

5．3．5 图像分割

5．3．6 形态学处理

5．3．7 几何特征提取

5．3．8 颜色特征提取

5．4 本章小结

结论

参考文献

攻读硕士学位期间发表的学术论文

致谢