铝箔纸包装鸭肫异物检测关键技术研究

论文摘要

食品异物危害人类健康,影响食品工业的发展,利用计算机视觉和图像处理技术对食品进行检测,具有无损食品,检测快速、准确、可靠等优点。本文以铝铂纸包装的鸭肫为研究对象,通过对X射线照射后的鸭肫图像进行研究,实现基于计算机视觉和图像处理技术的鸭肫异物提取和识别。本文研究了X射线数字图像的成像优化方法和校正方法,分析了X射线下鸭肫图像成像特点,建立了在不同的管电压、管电流下背景、鸭肫及异物的X射线衰减系数的像素数值数学模型,模型的拟和度达到0.995;为保证异物分割效果良好,提高异物检测速度,提出了一种合理设置X射线参数（管电压、管电流）数值的方法。本文分析了X射线成像系统中图像增强器和CCD摄像机产生噪声的原因,为提高图像采集质量,减小噪声干扰,提出多帧平均滤波处理,减少图像中随机噪声;为保证鸭肫异物图像细节清晰,采用5×5高斯滤波方法对鸭肫图像进行滤波去噪。本文研究了X射线鸭肫中异物图像的判断方法,利用自动阈值最大值方差分割法将鸭肫与背景分割;再用主动轮廓线模型的方法,通过限制鸭肫图像异物大小范围和较大梯度变的区域,将鸭肫中异物成功分割,此方法的异物判断精确度较高,能准确判断出直径在0.2mm以上的石头、骨头,金属丝等异物。在上述研究的基础上,通过对鸭肫异物形状、灰度等特点的分析,选择了一组能够准确反映异物本质的特征参数,并给出了特征参数的计算方法,采用具有自组织、自适应的BP神经网络算法对鸭肫异物图像进行智能识别。本文所提出的X射鸭肫异物识别方案经过了有限样本的仿真和部分实验,获得了比较理想的效果。本研究在Visual c++.net平台下开发了一套鸭肫图像异物自动判断以及图像处理分析软件,系统能初步实现鸭肫图像在线异物识别,并可实现图像处理与分析的基本功能。

论文目录

• 致谢
• 摘要
• Abstract
• 1 绪论
• 1.1 研究目的和意义
• 1.1.1 食品安全检测的必要性
• 1.1.2 我国食品异物检测技术存在的问题
• 1.2 异物检测技术国内外研究现状分析
• 1.2.1 食品异物和缺陷检测常用技术
• 1.2.2 X 射线食品异物检测技术研究进展
• 1.3 课题来源
• 1.4 主要研究内容
• 2 X 射线食品异物检测系统的原理与方法
• 2.1 X 射线检测的特点
• 2.1.1 X 射线的基本特性
• 2.1.2 X 射线与物质相互作用
• 2.1.3 X 射线穿透物质的衰减规律
• 2.2 X 射线检测系统的总体构架
• 2.2.1 X 射线发生装置
• 2.2.2 射线增强器
• 2.2.3 图像接收装置
• 2.3 X 射线检测中的关键技术分析
• 2.3.1 图像减噪
• 2.3.2 射线成像调节
• 3 X 射线实时成像系统参数的确定
• 3.1 铝箔纸鸭肫图像分析
• 3.2 X 射线成像系统参数的确定
• 3.2.1 空白背景图像中管电流变化对图像灰度影响
• 3.2.2 管电流、管电压对灰度影响
• 3.3 试验及其分析
• 3.3.1 异物种类及尺寸的选择
• 3.3.2 鸭肫、石子、金属丝在背景图像中的衰减
• 3.3.3 试验分析
• 3.3.4 管电流、管电压的选取
• 4 鸭肫图像预处理
• 4.1 直方图
• 4.2 图像增强
• 4.3 多帧平均滤波预处理
• 4.4 图像平滑
• 4.4.1 邻域平均法
• 4.4.2 中值滤波
• 4.4.3 高斯滤波器
• 4.4.4 鸭肫图像平滑方法研究
• 5 鸭肫图像分割
• 5.1 鸭肫及其图像分析
• 5.2 鸭肫与背景分割中的阈值分割法
• 5.2.1 阈值分割法
• 5.2.2 自动阈值最大值方差（OTSU）法
• 5.3 异物与鸭肫分割方法——主动轮廓线模型
• 5.3.1 主动轮廓线模型的数学描述
• 5.3.2 异物分割算法
• 5.4 试验结果与分析
• 6 异物图像特征分析提取
• 6.1 特征参数确定
• 6.1.1 异物特征分析
• 6.1.2 特征参数选择
• 6.1.3 特征参数的确定
• 6.2 基于神经网络的异物类型识别方法
• 6.2.1 BP 神经网络模型
• 6.2.2 用于鸭肫中异物识别的BP 网络系统设计
• 6.3 试验结果与分析
• 6.3.1 网络训练
• 6.3.2 试验测试
• 6.3.3 试验分析
• 7 鸭肫图像异物检测系统软件
• 7.1 Windows 操作系统特点与MFC 编程
• 7.2 系统模块
• 7.2.1 图像采集模块
• 7.2.2 图像处理模块
• 7.3 鸭肫图像异物检测程序设计实现
• 7.3.1 系统的运行环境
• 7.3.2 鸭肫采集识别系统平台系统实现演示
• 8 结论及进一步研究建议
• 8.1 主要结论
• 8.2 进一步研究建议
• 参考文献