基于图像处理的机采棉杂质检测技术研究

摘要

新疆棉花产量巨大,人工采收效率低强度大,棉花机械采收快速推广。但机采棉含杂率高严重影响了棉花的生产、销售与加工。含杂率成为机采棉和采棉机械质量评估的重要标准。而现有的机采棉杂质检测方法工序复杂,效率低下。图像处理技术可实现机采棉杂质的快速检测,以提高生产效率。本研究提出一种基于机器图像处理的机采棉杂质检测技术,实现机采棉杂质的快速检测,研究的主要内容与结论:
　　1)搭建机器视觉试验台,对试验台光源进行设计,完成相机通讯、相机标定和畸变检测。对光源进行选型,确定光照角度,确定光照区域平均照度6500lx(勒克斯)。运用OpenCV完成相机通讯,运用Matlab对相机进行标定和畸变检测,得到相机的内外参数。相机物距320mm,不垂直因子γ=0,相机畸变小于0.5 Pixel。
　　2)设计完成机采棉杂质检测试验,提取杂质物料特性参数,分析不同采收方式的杂质差异,并分析了造成差异的主要原因。采用人工挑拣的方法分离机采棉杂质,对杂质进行分类、称重、计数,计算样本含杂率。根据杂质分离检测试验得到数据,选收式机采棉平均含杂率为13.40％,杂质构成为大杂16.9%,含细杂83.1%;统收式机采棉平均含杂率为23.47%,杂质主要构成为大杂47.8%,含细杂52.2%。
　　3)运用颜色空间转换对机采棉图像进行分割提取。设计图像处理杂质检测试验,对比RGB三通道直方图确定背景板颜色;分析对比模型分量灰度图,确定运用HSV和Lab颜色模型对棉花和杂质进行分割;对比三种经典邻域滤波器,根据滤波评价参数MSE和PSNR确定加窗中值滤波器为最优滤波器;运用OpenCV自适应阈值算法分割提取棉花总面积,运用全局阈值提取机采棉杂质特征。棉花面积提取正确率为95%。杂质分割最佳阈值20。
　　4)提取图像特征属性值,完成杂质分类与含杂率估算。对杂质图像进行4—邻域连通区域分析,计算杂质个数和杂质面积;根据机采棉杂质面积大小,分离大型杂质(棉铃壳、枝干等),确定面积分类阈值为5000Pixel,分类正确率为93%;根据机采棉与杂质的面积等属性值,运用回归分析法,建立机采棉杂质预测模型,得到棉花像素面积与棉花重量的相关系数为0.856,杂质像素面积与杂质重量的相关系数为0.920。通过杂质与棉花像素面积比预测含杂率的相关系数为0.799。
　　5)完成机采棉杂质检测软件设计。设计制作基于OpenCV的MFC检测系统软件。完成程序编写与界面设计,对软件的数据处理流程进行了阐述,并给出了数据处理的部分代码。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究内容

1.4 研究方案及技术路线

1.5 本章小结

第二章 机器视觉系统构建

2.1 机器视觉试验台搭建

2.2 软件系统与图像的采集

2.3 本章小结

第三章 机采棉杂质物料特性检测与分析

3.1 机采棉杂质检测试验

3.2 机采棉杂质特性分析

3.3 本章小结

第四章 机采棉杂质提取与含杂率模型建立

4.1 颜色空间的选取

4.2 改进的中值滤波降噪处理

4.3 图像阈值分割

4.4 机采棉杂质图像检测与分类

4.5 回归分析预测机采棉含杂率

4.6 本章小结

第五章 机采棉杂质检测软件设计

5.1机采棉杂质检测软件总体结构

5.2杂质检测软件的设计

5.3本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

致谢

作者简介

石河子大学硕士研究生学位论文导师评阅表