基于机器视觉技术的新疆鲜葡萄及葡萄干品质分析研究

摘要

鲜葡萄和葡萄干是新疆地区的特色农产品，但其采摘后深加工技术比较落后，尤其是品质检测及分级技术成为制约其发展的主要因素之一。本文利用机器视觉技术，对鲜葡萄及葡萄干的外部品质（质量大小、尺寸大小和着色度）进行检测和分析，并基于其外部品质建立相应的分级模型，为机器视觉技术在线检测鲜葡萄及葡萄干的品质奠定研究基础，对提高其产业竞争力具有极其重要的意义。研究内容和结论如下:
　　(1)鲜葡萄串或穗的质量预测。提取RGB图像，做G、B双通道分量加运算R+B，采用高斯低通滤波法滤除图像中的噪音，采用gamma变换法调整图像灰度，从而增强前景与背景的对比度。其次，采用自动阈值分割法分割图像，经数学形态学的腐蚀和开运算获得最佳二值图像，提取二值图像中目标区域的几何特征。最后采用一元线性回归、多元线性回归和偏最小二乘回归预测葡萄穗的重量。结果表明，利用葡萄穗面积、周长、长轴及短轴长度等特征建立的偏最小二乘回归模型，其预测葡萄穗重量效果最佳，相关系数r2为96.91％。
　　(2)新疆无核白和红提单粒葡萄的质量和果径大小预测分级。在不同的颜色特征空间模型，预处理原始图像，采用最大类间方差法分割目标区域;采用数学形态学方法去除二值图像中部分果梗及噪声点，获得最佳二值图像;基于二值图像，分析获取单粒葡萄的几何特征;最后，分别采用一元线性回归法和偏最小二乘回归法预测单粒葡萄的质量和果径，采用二次判别分析法对单粒葡萄的质量和果径进行分级。结果表明，利用短轴与果形指数特征相结合建立的偏最小二乘回归模型可有效预测单粒葡萄的质量和果径，预测决定系数达到0.98和0.945;基于该特征组合的二次判别分析法可用于单粒葡萄的质量和果径分级，准确率超过85％。
　　(3)新疆无核白葡萄干的颜色分级。提取HIS颜色图像，采用中值滤波法滤波，采用最大类间方差法分割图像，采用形态学开运算去除二值图像中的伪目标区域，获得最佳二值图像。分析色调灰度直方图和颜色矩均值直方图，确定采用H、S、I分量颜色的一阶矩、二阶矩、三阶矩作为特征值建立BP神经网络的色泽分级模型，分级准确率最高为96.42％。

目录

声明

摘要

论文说明

第1章 绪论

1．1 研究的目的和意义

1．2 国内外研究现状

1．2．1 机器视觉技术在农产品中的研究进展

1．2．2 鲜葡萄品质分级检测研究进展

1．2．3 葡萄干品质等级分级检测研究进展

1．3 研究内容和技术路线

1．3．1 研究内容

1．3．2 技术路线

第2章 机器视觉系统、实验材料及图像采集

2．1 机器视觉系统概述

2．1．1 机器视觉系统基本工作原理

2．1．2 机器视觉成像系统

2．2 实验材料

2．2．1 鲜葡萄

2．2．2 葡萄干

2．3 图像采集

2．3．1 鲜葡萄图像采集

2．3．2 葡萄干图像采集

第3章 数字图像处理与模式识别方法简介

3．1 数字图像处理基本原理

3．2 图像预处理

3．2．1 图像灰度化

3．2．2 图像滤波算法

3．2．3 图像分割算法

3．3 图像矫正

3．4 图像识别算法

3．4．1 线性回归算法

3．4．2 二次判别分析法

3．4．3 BP神经网络

第4章 基于机器视觉技术的葡萄穗质量预测分析

4．1 引言

4．2 材料与方法

4．2．1 材料

4．2．2 数据分析方法和步骤

4．3 结果与分析

4．3．1 图像二值化

4．3．2 葡萄的质量预测

4．4 讨论

4．5 本章小结

第5章 基于机器视觉技术的单粒鲜葡萄质量与果径预测分析

5．1 引言

5．2 材料与方法

5．2．1 材料

5．2．2 数据分析方法与步骤

5．3 结果与分析

5．3．1 获得最优二值图像

5．3．2 单粒葡萄质量及果径预测分析

5．3．3 单粒葡萄分级

5．4 讨论

5．5 本章小结

第6章 基于机器视觉技术的新疆无核白葡萄干色泽分级研究

6．1 引言

6．2 材料与方法

6．2．1 材料

6．2．2 数据分析方法与步骤

6．3 结果与分析

6．3．1 特征提取

6．3．2 BP神经网络设计与仿真实验

6．4 讨论

6．5 本章小结

第7章 结论与展望

7．1 主要研究结论

7．2 工作展望

参考文献

致谢

作者简介