大豆色选机中机器视觉和模式识别技术应用研究

摘要

机器视觉和模式识别技术，作为人工智能中的重要研究领域，在工业中的应用越发广泛。大豆色选机是用于大豆储存或加工过程中线上剔除豆料异物的专用装置。它是一种集现代光电技术与计算机学等领域新技术的自动化检测装置，大大提高了生产效率，因此在国内外农产品行业应用十分广泛。本文结合色选行业的需求与发展情况，在深入研究机器视觉技术和模式识别理论的基础上，尝试开展了大豆色选机色选算法的研究工作。论文的主要研究内容如下:
　　论文首先描述了大豆色选机系统的总体结构设计，主要包括色选机喂料机构、光电检测机构和分离机构。
　　论文介绍了色选机嵌入式图像处理平台的搭建。由于大豆分选机有较高的实时性与准确性要求，因此采用的数字图像处理平台必须具备实时性和处理海量高速数据的能力。对比国内外色选机的硬件平台，本论文采用了基于DSP+FPGA的嵌入式系统作为色选机图像处理系统的核心。另外还描述了嵌入式系统的部分硬件以及FPGA和DSP之间数据通信模块的设计。
　　本文主要完成了基于机器视觉和模式识别技术的大豆分选算法的设计。具体包括:图像数据的读取、图像预处理、数据分布预览、模式识别模型建立以及模式识别查找表的建立。着重研究了朴素贝叶斯分类法、多层感知机法、RBF神经网络法、k近邻法以及决策树等分类方法。本文从色选正确率，色选速度以及计算难度等指标综合考虑，最终选用了决策树作为色选机分选算法，该分类算法的正确率高达99.998％，ROC曲线下的面积值为1。

目录

声明

致谢

摘要

第一章 绪论

1．1 课题背景及研究意义

1．2 国内外色选机发展现状

1．2．1 国外色选机发展现状

1．2．2 国内色选机发展现状

1．3 本文的主要研究内容与章节安排

第二章 机器视觉

2．1 机器视觉系统的组成

2．2 图像获取单元

2．2．1 相机

2．2．2 镜头

2．2．3 光源

2．3 图像处理算法

2．3．1 图像平滑

2．3．2 图像增强

2．3．3 图像分割

2．3．4 图像恢复

2．4 本章小结

第三章 模式识别

3．1 模式识别

3．2 模式识别基本理论

3．2．1 模式和分类

3．2．2 统计模式识别

3．2．3 感知机与支持向量机

3．2．4 K近邻法

3．2．5 朴素贝叶斯法

3．2．6 神经网络法

3．3 本章小结

第四章 系统设计与实现

4．1 色选机整体结构设计

4．1．1 喂料机构

4．1．2 光电检测机构

4．1．3 分离机构

4．2 嵌入式硬件平台设计

4．2．1 研究现状

4．2．2 FPGA芯片介绍

4．2．3 DSP芯片介绍

4．2．4 FPGA与DSP的通信设计

4．3 模式识别模型的应用

4．3．1 图像数据的读取

4．3．2 图像数据的预处理

4．3．3 数据分布预览

4．3．4 建立模式识别模型

4．3．5 建立模式识别查找表

4．4 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况