基于机器视觉的马铃薯薯形检测技术研究

• 作 者: 崔建丽
• 机 构: 内蒙古农业大学
• 出 处: 内蒙古农业大学
• 发表日期: 2012年01期
• 关键词: 机器视觉 马铃薯形状 边界点矩特征 光学相关联合变换 相似度

马铃薯产业是内蒙古主产区农村经济的一大支柱产业。马铃薯收获后的品质检测与处理技术的自动化、精细化是提高其档次和增值的重要途径,而马铃薯形状作为马铃薯品质检测的重要因素之一,人工分级的劳动强度较大且效率比较低。本文依托于内蒙古自然科学基金项目——基于机器视觉的马铃薯品质检测与种薯筛选技术研究(2010BS0905),针对基于机器视觉的优形马铃薯筛选系统进行了研究,采用两种基于傅里叶变换的马铃薯形状筛选技术,建立了马铃薯形状自动检测系统。1.对已拍摄好且分类为圆形、椭圆形和畸形的马铃薯彩色图像各180幅,使用MATLAB(7.6)R2008a软件平台IPT中的已有函数进行灰度处理、滤波、阈值分割和边缘检测等预处理。2.对基于机器视觉技术的优形马铃薯筛选方法进行了系统的研究,在傅里叶变换的基础上,建立了马铃薯形状优选的评价体系。(1)提出了基于边界点矩特征傅里叶描述的薯形检测方法,在马铃薯图像的边缘上获取边界点,并计算矩特征值,从而提取马铃薯的形状特征信息,再通过离散傅立叶变换得到具有平移、旋转以及比例不变性的归一化矩特征傅立叶描述子,通过欧式距离分类法对圆形、椭圆性及畸形马铃薯进行分类。当训练样本为80幅图片时检测准确率分别达到了90%、91.75%和98.75%。当训练样本为100幅图片时检测准确率分别达到了92.5%、93.75%和100%。(2)引用光学相关联合变换的理论,提出对联合功率谱进行非线性处理的方法,规定相关联合变换中所形成的旁瓣峰值表明马铃薯的相似度情况。可直观而形象的给出马铃薯形状的检测结果。当训练样本为80幅图片时检测准确率分别达到了87.5%、92.5%和85%。当训练样本为100幅图片时检测准确率分别达到了91.25%、93.75%和88.75%。3.通过对上述两种基于机器视觉的马铃薯薯形检测方法的实验结果在准确率、速度、难易程度和实用创新性上进行分析,阐述了两种检测方法各自的优缺点,为马铃薯形状的准确分级以及利用机器视觉进行农产品品质检测的理论研究提供了依据。