论文部分内容阅读
猕猴桃的自动化分级中最为复杂、费时的是表面缺陷的检测。猕猴桃果实表面缺陷主要包括碰压伤、划伤、日灼，检测过程包括缺陷分割和缺陷识别两个阶段。本文中猕猴桃机器视觉采集系统采用近红红外光源采集图像，并对采集图像中值滤波法去除图像采集过程中受到的各种噪声的干扰；图像分析获取最佳阈值，最后图像分割得到猕猴桃果实表面的黑色斑点区域，包括真正的缺陷区域和梗萼区域。通过试验表明近红外光源能有效提取猕猴桃果实表面的划伤，腐烂伤，日灼缺陷，而且近红外光源图像有效地避免了传统光源图像的反射亮斑区域，通过实验结果分析针对分割出的可疑缺陷区域如何正确识别，可利用双金字塔数据形式的盒维数快速计算方法，提出描述该区域粗糙度和纹理方向性的特征参数，依此来区分真正缺陷和梗萼区域。