论文部分内容阅读
红枣产业是我国农村经济的一大支柱产业,但是目前红枣分级主要是人工完成,分级精度差,工作效率低,导致我国红枣出口量少,附加值低。由于计算机视觉分级精度和自动化程度高,属于非接触检测过程,因此将其用于红枣外观品质检测具有潜在的应用价值和很好的发展前景。采用机器视觉技术,研究红枣品质的实时检测与分级方法,提高我国红枣市场的竞争力,具有非常现实的社会和经济意义。
本文基于机器视觉技术,对采集的红枣图像进行处理,得到描述红枣外部品质的大小、形状及颜色特征,结合模式识别知识根据提取的特征组合判断红枣所属等级,从而实现红枣的自动分级技术。主要研究工作如下:
1.提出了视频流采集方法,利用DirectShow创建视频流捕获图,在预览时进行抓帧实时处理,相比以前采用的触发方式速度快。
2.红枣图像的分割。研究分析了通常采用的基于边缘的图像分割方法和基于区域的图像分割方法,由于受红枣图像阴影灰度级的影响大,很难完成分割,在颜色空间里处理,实验证明在HSV颜色空间里利用饱和度可以将红枣图像与背景分割,再利用二值形态学消除噪音和毛刺,同时填充前景区域内的孔洞,得到理想的分割后二值图像。
3.提取红枣的外部特征。红枣分级主要依据其大小、形状及颜色特征。本文采用面积和周长描述大小;采用长短轴比、矩形度和傅里叶描述子表示红枣的形状特征,其中,长短轴和矩形度通过红枣图像的最小外接矩形来描述,傅里叶描述子是对红枣的极半径归一化处理后再进行傅里叶变换得到的系数,实验证明取前9个描述子即可很好的重建红枣原始轮廓形状,再对傅里叶描述子归一化处理,使其具有旋转、平移、尺度不变性,仅受形状的影响,利用欧式距离判断待分级红枣与标准样本形状的一致性;采用色调量化直方图描述颜色特征,统计分布在红色区域的像素占整个红枣区域的面积比,判断红枣的成熟度。
4.利用专家规则的阈值判别算法设计红枣分级判别方法,算法简单有效。
由分级结果得出:基于本研究的设计方法结构合理,软硬件可行,并得到较准确的分类结果,系统性能可以满足红枣外观品质检测的实际需求。