基于机器视觉的重叠类圆颗粒计数系统

摘要

在工农业生产中，通常需要统计一些类圆颗粒的数量，如测定粮食和油料等农作物千粒重。人工计数是最原始的方法，由于长时间计数，容易导致人眼极度疲劳，严重影响了检测的效率和准确率。在要求快速准确计数的场合，其局限性更为突出。针对此现状，为了提高计数的准确率和效率，并且实现自动化这一目标，急迫需要开发出能够对农作物颗粒数量进行自动测定的系统。 本文对若干数量的农作物类圆颗粒进行拍照，在提取出的目标颗粒图像中，总存在着影响计数精度的深度粘连和复杂重叠的颗粒群。为了提高计数准确率，本文提出了一种基于图像识别与分类的智能分割算法：首先对原彩色图像预处理和初次分割，标记出所有重叠的颗粒块区域。采用凹点收搜法和点Hough变换提取颗粒区域的的凹点和质心等几何形状特征，并计算出不变拓扑形状特征量欧拉数，建立颗粒重叠类别特征数据库。采用支持向量机分类法训练学习后，识别样本区域中颗粒的各种重叠类型，并自动将其分为串粘连、多个并粘连和两层并重叠等三种模型。针对上述三种类型，根据相应的分割规则将所包含的凹点配对后，构建最优分离线，实现对深度粘连和两层重叠的颗粒准确分割，并且统计颗粒的个数。 本课题以黄豆、绿豆等农作物为对象进行随机试验，实验结果证明本系统对颗粒重叠类型的识别准确率达到99.8％，实现重叠颗粒分离后，计数误差率不超过0.5％。实验研究表明，该计数方法应用于统计农作物的颗粒数量时，计数精度较高，抗干扰能力强。 本论文结合机器视觉技术和图像处理技术来实现类圆颗粒图像计数。对支持向量机分类算法进行了综合研究，为实现对深度重叠的类圆颗粒分割提供了理论支持，有效解决了对深度重叠颗粒分割这一难题。以DM643作为主处理器类圆颗粒分割和计数系统，在农作物颗粒千粒重测量以及生物医学中细胞的数量统计和识别等领域有着广泛的应用前景。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究目的及意义

1.2国内外研究现状及发展趋势

1.2.1颗粒计数技术现状

1.2.2颗粒图像分割现状及发展趋势

1.3研究的主要内容和解决的难点

1.3.1颗粒图像预处理及分割算法

1.3.2特征选择与提取

1.3.3支持向量机分类

第二章嵌入式操作系统开发平台与系统模块设计

2.1系统硬件开发平台构建

2.1.1处理器的选择

2.1.2 DM643信号处理器

2.1.3试验装置硬件结构

2.2系统软件开发平台构建

2.2.1开发环境组成

2.2.2 DSP开发环境CCS

2.2.3嵌入式实时系统DSP/BIOS

2.3主要模块功能介绍

2.3.1图像采集模块

2.3.2图像显示模块

2.3.3存储器模块

2.4本章小结

第三章图像处理算法选择

3.1图像处理技术

3.2图像预处理算法设计

3.2.1彩色空间的选择

3.2.2图像滤波

3.2.3边缘检测

3.3本章小结

第四章图像分割

4.1图像分割算法选择

4.1.1分割评价

4.1.2阈值二值化

4.1.3直方图分割法

4.1.4自适应阈值法及改进方法

4.2类圆分割方法

4.2.1基于边缘的分割方法

4.2.2基于数学形态学的方法

4.2.3基于凹点的分割方法

4.3本章小结

第五章重叠颗粒特征提取与重叠类型识别

5.1模式识别

5.1.1图像识别流程

5.1.2支持向量机分类原理

5.2重叠类圆区域特征提取

5.2.1颗粒重叠类型建模

5.2.1重叠颗粒特征选择

5.2.2搜索凹点

5.2.3寻找圆质心

5.2.4拓扑形状特征

5.3颗粒重叠类型分类

5.3.1分类模型建立

5.3.2支持向量机参数选择

5.4重叠区域分割规则

5.5本章小结

第六章系统实现与试验分析

6.1系统软件设计

6.1.1系统软件设计流程

6.1.2 DSP任务流程

6.1.3 DSP任务实现

6.2实验结果与误差分析

6.2.1系统实物

6.2.2实验结果

6.2.3误差分析

6.3本章小结

第七章结论与展望

7.1结论

7.2后续工作展望

参考文献

致谢

攻读硕士学位期间发表的论文