基于机器视觉的虾体位姿和特征点识别

摘要

虾类是主要的水产品，虾的加工处理包括剥壳、去头、分级和包装等。目前市场上有虾剥壳的设备，但是虾去头绝大部分还是由人工手工来完成的。虾的头部识别在新鲜虾去头、剥壳虾去头、分级等虾加工处理中具有重要意义。本文利用机器视觉技术和小波变换低通滤波研究虾的图像处理和虾头部识别。主要内容和结果如下： 1．综述了虾剥壳和去头的研究应用情况，特别阐述了机器视觉在水产品中的研究现状，例如在虾体特征识别、分级、品质检测和包装上的研究情况。 2．研究分析了虾图像的预处理方法，包括中值滤波、迭代阈值分割、形态学开闭运算、轮廓提取等。 3．分析对比发现3次小波变换低通滤波处理后的图像在保持虾基本轮廓的前提下较大限度地保留了轮廓曲线上虾头连接点的细节。利用链码农示虾的背部利腹部曲线，通过计算链码上水平和垂直方向具有最大阶跃变化的码值点的坐标，即可识别虾轮廓曲线上头部和身体连接点的坐标。整个识别过程中的内容和结果有： 1) 链码上虾头尾端点的识别算法。 2) 根据小波滤波后的虾体细化图像得到的头部端点和尾部端点形成的直线的斜率K的不同建立了10种位姿模式和判断方法。 3) 判断出虾体的位姿后，以一定的算法来识别背部和腹部链码。 4) 以背部链码上的头部端点为起始点，以特定的算法识别得剑虾头和身休连接点处的两个坐标。 5) 试验结果表明：基于小波变换低通滤波的虾背部和腹部连接点坐标的识别误差约为3.53mm。当误差范围在4mm以内时，第一批冰冻解冻虾识别算法准确率约为91.6％；第一批非冰冻虾以别算法的准确率约为85％。 4．归纳了同批次长度不均匀虾的虾头和身体连接处的识别方法中需要调整的参数及参数计算公式。 5．结合虾义和身体连接处的颜色差异，提出增进算法识别精度和效率的研究设想。

目录

文摘

英文文摘

第一章绪论

1.1课题的研究背景、目的和意义

1.1.1课题的研究背景

1.1.2课题的研究目的和意义

1.2国内外虾类剥壳和去头的研究动态及发展趋势

1.2.1国内外虾类剥壳的应用研究情况

1.2.2虾类去头的研究情况

1.2.3机器视觉在虾处理中的研究情况

1.2.4虾类加工的发展趋势

1.3本研究的主要内容

1.4本章小结

第二章机器视觉系统和硬件构成

2.1机器视觉及其应用概述

2.1.1机器视觉的概念

2.1.2机器视觉和人类视觉的联系和区别

2.1.3机器视觉的应用

2.2机器视觉系统的组成

2.2.1光源

2.2.2摄像头

2.2.3图像采集硬件

2.3本研究机器视觉系统的硬件构成

2.3.1光照箱和摄像头

2.3.2 PC图像采集卡

2.3.3计算机配置

2.4本章小结

第三章虾图像预处理和形状特征提取

3.1数字图像处理简介

3.1.1图像采集和格式

3.1.2图像增强

3.1.3图像分割

3.2虾图像预处理

3.2.1研究对象

3.2.2样本参数

3.2.3图像灰度化

3.2.4虾图像分割

3.2.5中值滤波

3.3形态学处理

3.4形状特征提取

3.4.1轮廓提取

3.4.2长度计算

3.5本章小节

第四章虾体位姿和头部特征点识别

4.1小波变换的引入

4.2基于小波变换的虾图像低通滤波处理

4.3虾头和身体连接处识别方法概述

4.4轮廓链码上四端点的识别

4.5轮廓链码上虾头尾端点的识别

4.6背部和腹部链码的识别

4.7链码上虾头和身体连接点的识别

4.8识别结果和误差计算

4.9长度不均匀的虾头部识别和分级

4.9.1长度不均匀的虾头部识别

4.9.2长度不均匀的虾分级

4.9.3一幅图像多个虾的识别和分级

4.10本章小结

第五章软件应用介绍

5.1软件界面和功能介绍

5.1.1虾图像预处理软件

5.1.2虾图像小波变换处理软件

5.2本章小结

第六章结论和展望

6.1结论

6.2本论文主要创新点

6.3展望

参考文献

致谢

个人简介