基于计算机视觉的珍珠分选方法研究

摘要

随着科技的不断发展，计算机视觉技术在农产品检测中得到了日益广泛的应用。目前，珍珠自动分选设备的研制与开发已经成为国内外珍珠行业的迫切需求。本文基于计算机视觉技术，采用模糊数学理论、人工神经网络、聚类分析等方法，对珍珠光泽度、颜色、形状等方面的分选方法进行研究。主要研究内容和结论如下： 1、综述了国内外应用计算机视觉技术对农产品进行分选的研究现状，以及珍珠养殖和加工分选现状，并指出了我国目前珍珠产业中存在的问题以及对于珍珠自动分选设备研制与开发的迫切需求； 2、构建了用于珍珠分选的计算机视觉系统，研究了采集珍珠颜色、光泽度、形状等信息的拍摄环境； 3、提出了珍珠光泽度分选方法，建立了珍珠光泽度分选的数学模型，并应用计算机视觉技术，通过HSL颜色模型讨论、转化及模糊隶属函数进行光泽度提取，实现了按照珍珠光泽度的极强、强、中、弱的计算机视觉分选; 4、提出了珍珠颜色分选方法，建立了珍珠颜色分选的数学模型，采用计算机视觉技术，通过HIS颜色模型的讨论、转化，运用基于RPROP算法的人工神经网络和K-均值动态聚类分析方法，实现了珍珠颜色的计算机视觉分选； 5、提出了珍珠形状的分选方法，分别采用了基于Zernike矩和傅立叶描述子来描述珍珠形状，通过模糊模式识别以及多视角特征面寻找的方法，实现了形状的计算机视觉分选。并通过比较，选取了较好的分选方法； 6、根据本文的研究成果，构建了工业分选中的珍珠图像采集系统，提出了珍珠自动分选设备的总体设计思路和方法。

目录

文摘

英文文摘

声明

第一章引言

1.1本文研究的目的和意义

1.1.1我国珍珠养殖、加工、销售现状

1.1.2自动分选设备的需求及紧迫性

1.2国内外研究现状

1.2.1计算机视觉技术在农业中的应用概述

1.2.2珍珠分选设备的研究现状

1.3珍珠的等级评判标准

1.4本文研究的主要内容

1.5本章小结

第二章计算机视觉技术及视觉系统的构建

2.1计算机视觉概述

2.2本文研究视觉系统的拍摄环境

2.2.1视觉系统的组成

2.2.2拍照环境的构建

2.3本章小结

第三章基于HSL模型的珍珠光泽度分选方法研究

3.1颜色模型

3.1.1 RGB模型

3.1.2 HSL模型

3.2珍珠图像获得及预处理

3.2.1珍珠图像的采集

3.2.2珍珠图像的RGB模型到HSL模型的转化

3.2.3对珍珠图像进行中值滤波

3.3图像分割

3.4珍珠亮度信息的计算

3.5珍珠光泽度模糊模式识别分类

3.5.1模糊模式识别概述

3.5.2珍珠光泽度模糊模式识别分类实现

3.6修正与说明

3.7试验结果

3.8主要结论

3.9珍珠光泽度信息提取及分选软件的开发

3.10本章小结

第四章基于HIS颜色模型的珍珠颜色分选方法研究

4.1 HIS模型

4.2珍珠图像预处理

4.2.1珍珠图像获得及颜色模型的转化

4.2.2中值滤波

4.2.3绘制Ⅰ分量直方图

4.2.4图像分割

4.3颜色信息的提取

4.4色调的人工神经网络分选

4.4.1人工神经网络概述

4.4.2基于RPROP算法的人工神经网络模型

4.4.3珍珠色调的分选实现

4.5饱和度的K-均值动态聚类分选

4.5.1K-均值算法

4.5.2珍珠饱和度的分选实现

4.6主要结论

4.7珍珠颜色信息提取及分选软件的开发

4.8本章小结

第五章 珍珠形状分选方法研究

5.1珍珠形状的描述

5.2基于傅立叶级数系数的珍珠形状模糊分类

5.2.1珍珠形状信息的提取

5.2.2珍珠形状的傅立叶描述

5.2.3珍珠形状的模糊模式识别

5.2.4实验结果

5.3基于Zernike矩的珍珠形状模糊分类

5.3.1 Zernike矩及其特性

5.3.2珍珠形状的Zernike矩描述

5.3.3珍珠形状的模糊模式识别

5.3.4实验结果

5.4主要结论

5.5珍珠形状信息提取及分选软件的开发

5.6本章小结

附图

第六章珍珠分选设备的总体设计与构思

6.1珍珠分选视觉系统的设计与构建

6.1.1光照箱及光源

6.1.2 CCD摄像机

6.1.3图像采集卡

6.1.4计算机终端配置

6.1.5视觉系统的构建

6.2设备机械部分设计方案

6.2.1珍珠的机械筛选

6.2.2珍珠的机械分粒

6.2.3珍珠的机械输送

6.3分选软件功能目标和运行环境

6.4分选软件的选取及工作流程

6.5本章小结

第七章结论与展望

7.1主要结论

7.2今后的研究设想

参考文献

致 谢

攻读学位期间的主要科研成果