基于RGB-D相机的猕猴桃外形和体积检测方法研究

摘要

猕猴桃是一种品质鲜嫩，风味鲜美的水果，具有很高的营养和食疗价值。国内猕猴桃果实的分选主要以人工为主，费时费力，且人工分选后的猕猴桃在国际市场上的竞争力也较弱。为实现猕猴桃果实的智能化分选，本文对猕猴桃的外形和体积检测方法进行了研究，提出了基于RGB-D相机的猕猴桃外形和体积检测方法。主要研究内容和结果如下：　　（1） 基于RGB-D相机建立图像采集系统拍摄图像。RGB-D相机不仅可以获取二维图像信息和彩色信息，还可以直接获取图像的三维信息，因此本文选择Kinect V2作为信息采集相机。光源对图像采集的质量和后续图像的处理有重要作用，本文光源照射方式采用四周环绕式并将光源和相机等高安装。　　（2） 研究猕猴桃果实外形和体积的测定方法和图像信息的采集方法。利用卡尺多次测量猕猴桃果实样本的长、最大直径和最小直径；采用电子秤测量所有样本猕猴桃果实的重量；采用排水法测量猕猴桃的体积。对不同相机安装高度获取的猕猴桃果实图片进行分析，得出相机安装高度的最佳范围为650～750 mm。所以本文试验相机的安装高度设定为650 mm、700 mm和750 mm，最后通过图像采集系统分别获取相机不同安装高度时的猕猴桃果实的图像信息。　　（3） 基于RGB图像的猕猴桃外形测量方法研究。对RGB图像进行预处理，采用YUV 颜色空间去除猕猴桃的背景图像，采用中值滤波的方法消除猕猴桃图像中细小的噪声干扰，运用腐蚀、膨胀和开运算的方法可以增强图像，使得猕猴桃的轮廓更为清晰，最后采用Canny算子有效地检测出猕猴桃的边缘。本文基于猕猴桃果实的彩色图像检测猕猴桃的长和最大直径，通过回归分析的方法得出：当相机的安装高度为650 mm、700 mm和750 mm 时，通过彩色图像检测猕猴桃的长度尺寸的 R2值分别为0.96、0.95和0.94，RMSE分别为4.61 mm、4.72 mm和5.09 mm；检测猕猴桃最大直径的R2值分别为0.91、0.91、0.87，RMSE分别为5.12 mm、5.09 mm、5.27 mm。　　（4） 基于点云图像的猕猴桃外形测量方法研究。当相机安装高度为650 mm、700 mm和750 mm时，通过点云图像检测猕猴桃长度尺寸的R2值分别为0.96、0.96、0.95， RMSE分别为4.78 mm、4.38 mm、4.80 mm；检测的最大直径的 R2值分别为0.92、0.92、0.88，RMSE分别为5.00 mm、4.74 mm、5.21 mm；猕猴桃最小直径的大小检测结果不受果实图像边缘区域缺失的影响，试验结果表明，猕猴桃最小直径的检测的平均绝对误差分别是4.05 mm、3.99 mm和4.14 mm。　　（5） 基于线性回归方法的猕猴桃体积预测及其与质量的相关性研究。采用点云图像和彩色图像分别对不同品种猕猴桃在不同高度下的体积进行预测。试验结果表明：相机不同安装高度下，基于点云图像检测的体积比基于彩色图像检测的体积精度高；同一安装高度，海沃德的体积预测精度比徐香的体积预测精度高。当相机的安装高度分别为650 mm、700 mm、 750 mm时，基于点云图像检测的猕猴桃体积的R2值分别为0.92、0.93、0.93，基于彩色图像检测的猕猴桃体积的R2值分别为0.90、0.90、0.91。将基于点云图像检测的猕猴桃体积与猕猴桃质量进行线性回归，得出R2值分别为：0.96、0.96和0.95，表明猕猴桃果实的预测体积与质量有很高的相关性，因此该方法可应用于猕猴桃体积和重量预测。

目录

声明

第一章 绪论

1.1 研究的背景及意义

1.2 国内外研究现状

1.3 研究内容与技术路线

第二章 猕猴桃果实外形和体积检测系统设计

2.1 猕猴桃果实外形和体积检测系统总体方案

2.2 猕猴桃果实外形和体积检测系统硬件设备的选择

2.3 猕猴桃果实外形和体积检测系统的软件选择与设计

2.4 本章小结

第三章 猕猴桃果实外形和体积测定及图像信息采集方法研究

3.1 猕猴桃果实样本选取

3.2 猕猴桃果实外形和体积测量方法研究

3.3 猕猴桃果实图像信息采集方法

3.4 本章小结

第四章 基于RGB图像的猕猴桃外形检测方法研究

4.1 颜色空间分析

4.2 猕猴桃果实图像滤波方法

4.3 猕猴桃果实图像形态学处理方法

4.4 猕猴桃果实图像边缘检测方法

4.5 长和最大直径检测分析

4.6 本章小结

第五章 基于点云图像的猕猴桃外形和体积检测方法研究

5.1 猕猴桃果实点云图像的配准与处理

5.2 长和最大直径检测分析

5.3 最小直径检测分析

5.4 体积检测分析

5.5 本章小结

第六章 结论与展望

6.1 结论

6.2 创新点

6.3 展望

参考文献

致谢

作者简介