基于计算机视觉的梨品质检测与分级系统研究

摘要

梨果自动分级系统的研究和制造意义重大。目前国内主要靠人工和机械的方法来对水果进行分级。手工分级效率低下且易受主观因素影响；机械分级一般功能比较单一，且对水果有一定的破坏性。对于梨这种水果而言，设计一套快速高效的分级系统的需求非常迫切。
　　 计算机视觉技术的出现为实现水果的高效、无损检测开辟了广阔的研究空间。本文旨在通过计算机视觉的方法，对梨果从果形、果重、色泽、缺陷等方面进行自动化分级研究，使农产品达到便于运输和贮藏中的管理、提高其商业价值的目的。
　　 研究系统包括图像采集、预处理、特征提取和分级四部分。本实验所用图像使用摄像装置在自制的灯箱内获取。在白色背景下，对单个梨采集四幅图像，以取得其全表面。
　　 将采集到得图像进行颜色空间转换、形态学滤波、图像分割、边缘检测等预处理，得到便于进行特征提取的图像。其中在去除图像背景的过程中，提出了变换颜色空间进行全局阈值分割的思想，效果明显优于传统基于灰度阈值分割的效果；在消除梨表面斑点的过程中，对比研究了HSV动态阈值分割和形态学滤波两种方法，这两种方法均能实现良好的效果，但后一种方法效率更高。
　　 通过对国家农业行业标准《梨外观等级标准》的研究发现，水果外观品质分级过程的重点在于判定缺陷的严重程度和形状标准性上。本研究对国家标准进行了一些量化的尝试，在颜色、形状描述、纹理等特性上对缺陷进行描述。在获取上述特征的基础上，结合BP神经网络分类器，对多个品种的梨外观进行分级，取得了较为理想的结果。

目录

文摘

英文文摘

第1章 绪论

1.1 研究意义与目的

1.2 基于计算机视觉的水果自动分级方法

1.2.1 国外研究情况

1.2.2 国内研究情况

1.3 本研究的主要内容

第2章 图像采集与处理系统构成

2.1 硬件系统组成

2.1.1 图像采集环境

2.1.2 图像处理设备

2.2 图像获取

第3章 图像的预处理

3.1 直方图

3.2 图像转换

3.1.1 图像的颜色空间

3.1.2 颜色空间之间的转换

3.3 图像平滑

3.3.1 邻域平均法

3.3.2 形态学滤波

3.4 图像分割

3.4.1 阈值法

3.4.2 轮廓提取

3.4.3 轮廓跟踪

3.5 边缘检测

3.5.1 梯度算子

3.5.2 Laplace算子

3.5.3 Canny算子

3.6 分析与实验

3.6.1 图像背景的去除

3.6.2 梨表面轮廓的提取

3.6.3 表面斑点的去除

3.6.4 缺陷部分的提取

第4章 梨特征参数的提取

4.1 基本表面特征

4.1.1 简单几何特征

4.1.2 色泽

4.2 形状特征

4.2.1 不变矩

4.2.2 傅里叶描述子

4.3 缺陷特征

4.3.1 缺陷几何特征

4.3.2 缺陷颜色

4.4 样本特征归一化

4.5 分析与实验

4.5.1 水果轮廓特征

4.5.2 果面缺陷特征

第5章 国标《梨外观等级标准》量化探讨

5.1 《梨外观等级标准》

5.2 对于量化国家行业标准的探讨

5.2.1 行业标准的参考意义

5.2.2 量化的过程与结果

第6章 基于BP神经网络的梨外观等级判定

6.1 人工神经网络模型

6.1.1 人工神经元模型

6.1.2 神经网络的激活转移函数

6.2 BP网络及其改进

6.2.1 BP算法

6.2.2 BP算法的改进

6.3 分析与实验

6.3.1 用于缺陷分级的BP网络设计

6.3.2 用于梨外观分级的BP网络设计

6.3.3 实验结果与分析

第7章 总结

参考文献

攻读硕士学位期间发表的学术论文及科研工作

致谢