基于机器视觉的水钻自动分拣系统研究

摘要

本课题主要基于目前人工分拣水钻识别效率低下的缺点，面向机器视觉自动识别应用对水钻的自动分拣进行了系统的研究，一个完整的水钻图像处理流程将包括图像采集、ROI(region of interest)区域检测、图像修复、图像分割以及图像识别这几个方面。具体的工作如下:
　　第一章:介绍论文的研究背景和意义，并且论述了论文的研究内容和研究方法。
　　第二章:基于HSI颜色模型的水钻自动计数研究。对HSI与RGB颜色空间作了相应对比与选择;并在HSI颜色内提取了基于水钻光折射的ROI区域作为水钻图像的特征区域;然后，将平面的图像转化为三维空间曲面，借鉴测地学上的地貌信息对图像中各区域进行描述;最后以掩膜的方法完成了对相同性质区域的融合，最终实现了水钻的计数。
　　第三章:基于种子区域生长的水钻图像自动分割研究。在本章中，首先将ROI区域中心填充与区域边缘插值这两种方法联合起来，以实现水钻图像中光折射区域的修复，从而消除了环境光源对水钻图像带来的影响;然后对水钻图像的灰度直方图进行高斯函数拟合，通过对拟合后的函数进行求导来将图像灰度直方图划分为多个区间;最后，将图像种子区域的邻域像素与初始种子点像素进行直方图区间映射对比，来实现图像初始种子区域的生长，从而完成了水钻图像的自适应分割。
　　第四章:基于BP神经网络的水钻目标识别研究。在本章中详细介绍了影响BP神经网络识别效率的学习速率、权值、隐含层节点等多个重要参数，并提出了相应的数值选择及改良方法。此外，提出了对BP神经网络至关重要的输入样本和输出样本的选择要点，并对分割后的单个水钻目标进行形态学处理，提高了水钻目标的识别率。
　　第五章:水钻自动分拣系统的设计。分别介绍了水钻自动分拣系统中的硬件设备以及软件工具。通过水钻识别实验来验证整个水钻自动分拣系统的可行性以及高效性。
　　第六章:总结与展望。总结本课题研究的主要内容和方法，指出还需进一步深入研究的问题。

目录

声明

致谢

摘要

第1章 绪论

1．1 课题的提出及意义

1．1．1 我国的水钻生产状况

1．1．2 水钻生产系统中存在的不足

1．2 基于机器视觉的水钻自动分拣技术

1．2．1 机器视觉技术的发展

1．2．2 机器视觉技术在水钻分拣上的运用

1．3 本文的主要内容及组织结构

1．3．1 本文研究的目的及意义

1．3．2 本文的主要内容

1．3．3 论文的组织结构

第2章 基于HSI颜色模型的水钻自动计数研究

2．1 引言

2．2 水钻图像的采集

2．3 基于HSI颜色空问的水钻光学特征检测

2．3．1 HSI与RGB颜色模型的比较与选择

2．3．2 水钻图像ROI区域的色饱和度检测

2．4 基于标记特征的ROI区域合并

2．4．1 水钻图像去噪处理

2．4．2 基于测地学的水钻图像描述

2．4．3 基于地貌标记的ROI区域合并

2．5 ROI区域内的水钻计数

2．6 本章小结

第3章 基于种子区域生长的水钻图像自动分割研究

3．1 引言

3．2 水钻图像ROI区域的修复

3．2．1 基于全变分模型的图像修复

3．2．2 基于目标邻域插值和ROI区域中值填充的联合修复

3．3 水钻图像的自适应种子区域生长分割

3．3．1 图像分割方法概述

3．3．2 各颜色水钻灰度级范围的划分

3．3．3 基于灰度信息的自动种子点选取

3．3．4 区域生长准则的设定

3．4 水钻的分割实验及讨论

3．5 本章小结

第4章 基于BP神经网络的水钻目标识别研究

4．1 引言

4．2 BP神经网络参数的选择及优化

4．2．1 人工神经网络发展概述

4．2．2 BP神经网络参数的选取

4．3 BP神经网络水钻训练样本的设计

4．3．1 训练样本的归一化

4．3．2 训练样本的选择原则

4．3．3 基于KNN的训练样本选择方法

4．4 水钻测试目标图像的获取及相应的形态学处理

4．4．1 水钻图像中测试样本的获取

4．4．2 提高水钻目标识别率的形态学处理

4．5 本章小结

第5章 水钻自动分拣系统的实现

5．1 水钻自动分拣系统的硬件介绍

5．2 水钻自动分拣系统的软件介绍

5．2．1 系统的开发环境

5．2．2 系统的开发工具

5．3 水钻自动分拣系统的界面设计

5．4 水钻识别实验及分析

第6章 总结与展望

6．1 本文结论

6．2 后期工作展望

参考文献

附录：个人简介和攻读硕士学位期间科研成果