机器视觉技术在玉米并肩杂、不完善粒检测中的应用研究

摘要

玉米是我国粮食生产中的主要农作物之一,将计算机视觉技术引入到玉米检测分级中,能有效解决传统的玉米粒人工检测的周期长、实效性差、效率低、准确性差且劳动强度高,受主客观因素影响较大等问题,有利于准确评价玉米粒质量等级。本文旨在研究基于计算机视觉进行对玉米并肩杂、不完善粒检测识别。
　　 论文的主要内容包括:
　　 1.研究了机器视觉图像预处理的方法.为了能更好的保留样本颜色信息又能将背景去除,本研究采用了灰度阈值法进行背景分割。研究发现,红色分量能很好的区分背景和目标样本。其中阈值的设置是在灰度直方图中基于最小错误概率的理论。在图像灰度化的阶段是采用加权平均值的方法.进行图像二值化处理也是同样采用灰度阈值法。
　　 2.从背景分割后的图像中提取了六个颜色特征,包括红色灰度均值(R)、绿色灰度均值(G)、蓝色灰度均值(B)、色调灰度均值(H)、饱和度灰度均值(S)和亮度灰度均值(V);提取了五个形状特征,包括长度、宽度,长宽比、面积、周长。
　　 3.本研究在进行玉米完善粒与并肩杂、病斑粒、破损粒、虫蚀粒的识别研究中主要采用了单特征阈值法和多特征阈值法。完善粒与破损粒的识别主要采用单特征阈值法,单独选取面积和周长特征,识别精度分别为100％(测试精度99.5％)、94％(测试精度92.5％);完善粒与并肩杂、完善粒与病斑粒、完善粒与虫蚀粒的识别主要采用多特征阈值法。对于完善粒与并肩杂的识别,选取H和S-H这两个特征时识别精度为100％(测试精度99％),选取V和S-H这两个特征时识别精度为99％(测试精度96.5％);对于完善粒与病斑粒的识别,选取R×G/B和H×S这两个特征时识别精度为99.5％(测试精度98％);对于完善粒与虫蚀粒的识别,采用孔洞填充并计算像素值的方法可以识别孔洞状的虫蚀粒,精度可以达到100％(测试精度100％),采用面积阈值可以识别外部边缘虫蚀粒,精度可以达到95％(测试精度94％)。
　　 4.本文主要研究样本的静态图像为主,为了以后能进行更深一步的动态图像的研究,本研究设计了玉米自动单粒化执行机构,可用于批量样本的单粒化处理,为实现样本的动态机器视觉检测打下基础.

目录

文摘

英文文摘

致谢

论文说明:图表目录

第一章 绪论

1.1 问题的提出

1.2 研究的目的与意义

1.3 国内外研究现状

1.3.1 计算机视觉技术概述

1.3.2 国外研究现状

1.3.3 国内研究现状

1.4 研究内容和方法

1.5 本章小结:

第二章 计算机视觉系统与数字图像处理技术

2.1 计算机视觉系统的硬件组成

2.1.1 光源及光照箱

2.1.2 CCD摄像机及图像采集卡

2.2 数字图像处理技术

2.2.1 数字图像处理的方法与内容

2.2.2 颜色模型

2.3 本章小结

第三章 玉米图像的背景选择、预处理及特征提取

3.1 实验样本

3.2 图像采集

3.3 背景选择

3.4 图像预处理

3.4.1 图像几何变换

3.4.2 图像颜色变换

3.4.3 图像分割

3.4.4 图像预处理方案设计

3.5 特征提取

3.6 本章小结

第四章 玉米完善粒与并肩杂、不完善粒的图像识别

4.1 完善粒与并肩杂的识别

4.2 完善粒与破损粒的识别

4.3 完善粒与病斑粒的识别

4.4 完善粒与虫蚀粒的识别

4.5 本章小结

第五章 玉米自动单粒化执行机构的设计

5.1 技术背景

5.2 单粒化实施方式

5.3 本章小结

第六章 结论与展望

6.1 主要结论

6.2 展望

参考文献