基于图像处理和改进FCM的鸡蛋品质检测技术研究

摘要

鸡蛋是人们日常生活重要的动物性营养食品之一，鸡蛋品质直接关系到蛋产品的等级、市场竞争力及经济效益，检测与分级也是增加其出口贸易额的重要环节。针对人工检测鸡蛋品质易受人为因素干扰，检测速度慢，效率低等缺点，本文对利用图像处理技术和改进模糊C均值聚类算法检测鸡蛋外观品质的方法进行了研究。 采集鸡蛋图像并对其作预处理后，利用矩技术提取出图像中像素和、纵径、最大横径、上下横径等特征参数，电子天平称重，建立蛋重检测回归模型，发现蛋重与鸡蛋图像像素和与最大横径显著相关，相关系数为0.892；得出蛋重试验样本真实值与检测值的直线拟合与指数拟合方程，拟合精度分别达到了0.9736与0.9738。 针对传统模糊C均值聚类分析时的缺陷，提出了一种基于数据点特征加权的改进FCM算法(WFCM)。将其应用于鸡蛋图像像素和与最大横径的蛋重分级，实验证明算法具有较好的聚类效果，对过重蛋、正常蛋和过轻蛋的分类准确率分别达到了88.89％、100％和90.00％。 将空间邻域信息融入到传统FCM算法中，利用改进加权FCM算法对二维直方图灰度像素分布进行聚类，按照隶属度的大小将样本归类并实现了图像分割，对裂纹蛋、正常蛋和脏斑蛋的分类正确率分别达到了91.18％、92.31％和100％。

目录

文摘

英文文摘

论文说明:图表目录

声明

1引言

1.1鸡蛋品质检测

1.2基于模糊分析的图像处理

1.2.1国外研究概况

1.2.2国内研究概况

1.3论文研究内容

2鸡蛋外观品质检测系统

2.1硬件系统组成

2.1.1 CCD摄像机

2.1.2计算机系统

2.1.3光照系统

2.2本文使用的摄像机标定方法

2.3系统工作原理

3改进特征加权模糊聚类算法

3.1模糊理论基础

3.1.1模糊集

3.1.2隶属度函数

3.1.3模糊关系和模糊矩阵

3.2聚类分析

3.3模糊聚类简介

3.3.1模糊聚类目标函数的演化

3.3.2模糊聚类算法实现途径的研究

3.3.3模糊聚类有效性的研究

3.3.4模糊聚类分析的发展方向

3.4改进特征加权FCM算法

3.4.1改进特征加权FCM算法—WFCM

3.4.2算法性能测试

4 WFCM检测鸡蛋外部品质

4.1鸡蛋样本数据提取

4.2蛋重检测模型

4.2.1蛋重检测回归模型的建立

4.2.2蛋重检测多元线性回归模型的验证

4.2.3基于WFCM的蛋重分级

4.3鸡蛋外部缺陷WFCM检测

4.3.1特征提取及图像分割

4.3.2分割结果

5结论及展望

5.1结论

5.2展望

致谢

参考文献

附录

作者简介