基于DSP图像处理的鸡蛋新鲜度实时无损检测研究

摘要

本文以TI公司的数字信号处理器TMS320DM642为核心,在硬件上,充分利用了DM642高速处理数据的能力以及实时处理特点,软件上,在CCS开发环境中,运用C语言设计图像处理及特征参数提取算法对鸡蛋透射光图像进行有效分析,分离蛋黄和气室特征,较精确的提取蛋黄与整蛋面积比值,气室面积与整蛋面积比值,气室高度与长轴比值,气室直径与短轴比值,以该四组参数分别作为无损检测参数,来寻找单一最优特征参数判别新鲜度。图像采集、图像处理算法、图像显示、优化、调试和识别过程均在DSP上实现,检测系统具有实时性。
　　 论文主要研究内容与结论如下:
　　 (1)对DSP硬件平台进行了学习和应用。结合CCS软件,研究各种图像处理算法。通过视频采集、编码、处理、解码和显示一系列处理流程,开发了对鸡蛋新鲜度实时无损检测系统。
　　 (2)获得蛋黄特征图像处理方法:通过获取鸡蛋透射光图像的G分量、灰度均衡化、中值滤波、反色、腐蚀、“与”运算、自动阈值分割等一系列图像处理方法使蛋黄特征显现,从而获得蛋黄面积与整蛋面积比,为无损检测参数提供依据。
　　 (3)获得气室特征的图像处理方法:从鸡蛋透射光的Ⅰ分量图上可以较明显的显示气室区域,经由中值滤波、背景替换,直方图显示后,由大量实验研究得到最佳阈值分割点,进行阈值分割。再经形态学去噪,获得区域形态,对照两组形态特征分两种算法获得气室分割线的基点,进行分割,该方法分割准确,速度快。获得气室特征后,提取气室面积比、气室高度比、气室直径比。此种算法必须使气室形态均匀分布在鸡蛋大头,因此,在实际流通中检测受到限制。
　　 (4)搭建DSP硬件平台,图像采集装置进行试验研究,选取30枚鸡蛋,每天同一时间利用软件算法提取以上四组特征参数数据,求当天各参数的平均值作为参数指标。另每天取3只同批同环境下鸡蛋测得哈夫值,求其平均值作为当天的鸡蛋哈夫值,直到对照组鸡蛋出现散黄为止,共做了29天鸡蛋新鲜度跟踪试验。
　　 (5)利用SPSS软件建立该四组特征值与新鲜度(哈夫值)关系模型,模型相关系数高,经检验通过该四组特征模型识别鸡蛋新鲜度等级的准确率分别为91％、92％、92％、91％。
　　 (6)将试验获取的蛋黄面积比、气室面积比、气室高度比、气室直径比四组参数分别逐一作为训练集输入样本,对应的哈夫值等级作为训练集输出样本,建立BP神经网络,最后利用验证集数据验证网络的可靠性和分级准确率,识别新鲜度等级的准确率依次为90％,89％,90％,89％。
　　 (7)基于VisualC++6.0开发软件设计了一个鸡蛋新鲜度实时检测系统界面,将DSP处理的结果显示在PC机上,该系统实现了PC机与DSP直接通信,启动DSP后,可以实时获取经DSP处理得来的数据；实时检测每个鸡蛋的哈夫值；新鲜度等级。
　　 考虑到当鸡蛋在运输和储存时,鸡蛋放置不正时,气室形态可能有偏移,由此呈现的气室图像不太规则,本文气室研究算法只适用于气室图像均匀分布在大头,而蛋黄面积比获得方法则不受位置限制,因此综合因素考虑,本文最终确定蛋黄面积比为图像实时无损检测参数,来鉴别鸡蛋的新鲜度,本文采用的图像处理方法可以用于鸡蛋品质在线无损检测。
　　 通过对试验结果的分析可以得出:本文采用的对鸡蛋无损检测参数研究具有实际参考意义,并对系统的实时性进行了评价,结果表明该系统在处理速度和精度上.基本满足实时性检测要求。

目录

文摘

英文文摘

第1章 前言

1.1 课题研究背景和意义

1.2 鸡蛋品质无损检测方面的研究概述

1.2.1 利用光特性对鸡蛋内部品质方面研究

1.2.2 利用机器视觉检测鸡蛋品质方面研究

1.2.3 基于DSP的鸡蛋品质检测方面研究

1.2.4 鸡蛋内部图像特征方面研究

1.3 DSP在图像处理方面的研究概述

1.4 研究目的、内容及路线

1.4.1 课题研究目的

1.4.2 课题研究内容

1.4.3 课题研究的技术路线

第2章 DSP硬件平台与软件系统

2.1 DSP硬件平台

2.1.1 SEED-DTK-VPM642多媒体实验平台概述

2.1.2 硬件平台的搭建

2.2 DSP图像处理软件系统

2.2.1 CCS简介

2.2.2 DSP系统的软件设计

2.2.3 系统优化

2.3 本章小结

第3章 试验方法与试验装置

3.1 试验方法

3.2 鸡蛋图像获取的机器视觉装置

3.3 试验原理

3.4 本章小结

第4章 图像处理与特征参数的提取

4.1 色彩空间概述

4.2 画边框处理

4.3 整蛋图像的提取

4.3.1 灰度化处理

4.3.2 阈值分割

4.3.3 图像平滑

4.4 蛋黄特征的提取

4.4.1 G分量图

4.4.2 灰度均衡化

4.4.3 中值滤波和高斯平滑

4.4.4 反色

4.4.5 “与”运算

4.4.6 阈值分割

4.4.7 腐蚀加“与”运算去除边界

4.5 气室特征的提取

4.5.1 Ⅰ分量图

4.5.2 中值滤波

4.5.3 替换背景

4.5.4 直方图显示

4.5.5 阈值分割

4.5.6 形态学去噪 先腐蚀后膨胀

4.5.7 气室分割线的选择

4.6 特征参数提取

4.6.1 鸡蛋面积

4.6.2 长轴与短轴

4.6.3 DSP采集图像与实测的准确性比较

4.6.4 蛋黄面积与整蛋面积之比(本文简称蛋黄面积比)

4.6.5 气室面积与整蛋面积之比(本文简称气室面积比)

4.6.6 气室高度与长轴之比(本文简称气室高度比)

4.6.7 气室直径与短轴之比(本文简称气室直径比)

4.7 本章小结

第5章 建模及验证

5.1 建立选取的各特征参数与新鲜度指标哈夫值之间的数学模型

5.2 利用SPSS软件分别建立了以下四组模型

5.2.1 蛋黄面积比与哈夫值最佳拟合模型

5.2.2 气室面积比与哈夫值最佳拟合模型

5.2.3 气室高度比与哈夫值最佳拟合模型

5.2.4 气室直径比与哈夫值最佳拟合模型

5.3 新鲜度模型验证

5.3.1 四组模型验证结果

5.3.2 验证数据中检测值与真实值比较

5.4 利用BP神经网络将对试验数据验证和分级

5.4.1 训练集样本确定

5.4.2 网络结构及参数设置

5.4.3 验证和分级结果

5.5 两种数据处理方法比较

5.6 鸡蛋新鲜度实时检测系统

5.7 鸡蛋新鲜度识别时间测试

5.8 本章小结

第6章 结论与展望

6.1 结论:

6.2 展望:

参考文献

致谢

附录