基于SVM的鸡蛋外观品质检测方法研究

摘要

随着人们生活水平的提高，对鸡蛋外观品质的要求也越来越高。论文改进了实验装置并采用机器视觉技术对鸡蛋重量、蛋形以及蛋壳颜色分别进行了研究，具体内容如下: 改进了实验装置，选择环形日光灯作为光源，通过调节摄像头的焦距、载物台的高度以及Baslar图像采集软件的相关参数，获得了清晰的鸡蛋图片。对实验装置做了标定，标定精度在0.1mm之内，可以满足鸡蛋外观品质检测的要求。 对采集到的鸡蛋图片进行预处理，包括颜色空间的转换、灰度变换、去除噪声和图像二值化。提出在HSV颜色空间下，提取鸡蛋图像饱和度分量S，利用Ostu算法和数学形态学方法获得鸡蛋的二值化图像。 研究了鸡蛋蛋形、重量和蛋壳颜色的特征参数，利用支持向量机算法建立了各自的分类模型，并与标准BP和GA-BP算法做了对比实验。结果表明，支持向量机算法具有较好的训练准确率和测试准确率，对蛋形、重量和蛋壳颜色的检测准确率分别为100％、98.21％和97.14％。

目录

文摘

英文文摘

论文说明：图表目录

声明

1引言

1.1研究背景及意义

1.2机器视觉概述

1.3国内外研究现状

1.3.1国外研究现状

1.3.2国内研究现状

1.3.3存在的问题

1.4研究内容

2鸡蛋外观品质检测系统硬件

2.1硬件系统组成

2.1.1 CCD摄像机

2.1.2光照箱

2.1.3光源特性

2.1.4背景选择

2.1.5计算机

2.2硬件系统工作原理

2.3系统标定

3图像预处理

3.1颜色空间转换

3.2图像增强

3.2.1灰度变换

3.2.2图像去噪

3.3图像二值化

4基于SVM的鸡蛋外观品质检测

4.1 SVM概述

4.2 SVM的基本方法

4.3 SVM模型

4.3.1一对多支持向量机

4.3.2一对一支持向量机

4.3.3决策有向无环图支持向量机

4.3.4二叉树支持向量机

4.4实验过程及结果

4.4.1蛋形检测

4.4.2蛋重检测

4.4.3蛋壳颜色检测

5结论

6存在问题及展望

致谢

参考文献

作者简介