论文部分内容阅读
马铃薯主粮化是我国力推的战略,马铃薯也有望成为我国第四大主粮,品质检测是马铃薯育种、生产、加工、贮藏和销售过程中的重要环节,马铃薯品质检测技术为保障马铃薯产业发展起到了至关重要的作用。目前,国内外的马铃薯品质检测以无损检测技术为主,应用较多的是机器视觉方法和近红外光谱方法。基于机器视觉和光谱分析的马铃薯外部缺陷检测技术已取得了一系列研究进展,但主要研究对象集中在静态环境下重量、大小检测指标的分级,对动态环境中的马铃薯疮痂病检测方法的研究较少。因此,为提高动态环境下疮痂病薯识别率,实现疮痂病薯的快速无损检测,本文主要研究内容包括:1.研究了一种基于高斯拉普拉斯算子特征的疮痂斑迹定位方法。利用高斯拉普拉斯算子对边缘的敏感特点,提取了马铃薯本体的全部边缘特征,将特征矩阵中密集区域利用膨胀、聚类方法提取出位置信息,得到了马铃薯表面斑迹定位信息。对斑迹进行定位可以避免对马铃薯表面直接提取斑迹轮廓信息时,机械损伤、散点斑迹等类疮痂斑迹对识别造成的干扰。2.研究了动态马铃薯图像去模糊增强方法,以减少因相机帧率、曝光时间等原因所造成的图像虚化。对比分析了不同运动速率下的动态马铃薯图像虚化程度,对动态图像进行了基于拉普拉斯方法的锐化处理,得到去模糊的待检图像,以提高动态马铃薯图像质量。3.研究了基于线性灰度变化和三次样条插值的动态图像增强方法,对锐化后的图像进行增强处理以获得更多有效像素点,解决采集动态图像时带来的有效像素点降低问题。线性灰度变换方法放大了马铃薯本体与斑迹间灰度差值,放大了有效像素点数量,突出了斑迹点图像清晰度。并利用样条插值方法修改因灰度变换引入的梯度增大部分像素值,在增强图像的同时,减少人为噪声的引入。4.研究了基于同心轮廓、圆度和像素面积值识别疮痂病斑的方法。疮痂病斑与圆环形状类似,一个疮痂斑点提取出的结果存在多个同心轮廓,利用该特点可筛除大部分非疮痂斑迹区域。存在同心轮廓的小部分非疮痂斑迹的形状不规则,面积小的斑迹圆度会较高,面积大的斑迹圆度很低,因此,疮痂和非疮痂在圆度-面积二维平面可分,利用分割曲线可以实现对疮痂病斑的识别。5.研究了基于回归分割曲线和BP神经网络(反向神经网络,back propagation)的疮痂病薯识别模型。提取定位区域马铃薯疮痂轮廓对应的圆度、面积、形心坐标三个特征参数,利用同心轮廓检测和分割曲线建立了基于回归分割曲线的疮痂病薯识别模型,疮痂病薯识别正确率91%。将得到特征参数进行不同尺度的归一化处理后,建立BP神经网络疮痂病薯识别模型,疮痂病薯识别正确率为96%。