西北特色甜瓜外观缺陷检测研究

论文摘要

甘肃省是我国传统的甜瓜主产区,主要甜瓜品种有白兰瓜、该系列新旧品种达二十几个种类,2007年,甜瓜产量超过40万吨。然而甘肃甜瓜产生的经济效益并不十分突出,其中重要原因之一就是忽略采后处理。目前甘肃甜瓜采后基本没有分级而直接进行销售,质量无规格,使得经济价值和竞争力大为降低。应用机器视觉进行水果品质检测的优越性在于,可以一次性地自动完成对形状、大小、色泽、成熟度、缺陷等多个指标进行检测,具有全面、客观、高效、无损害的特点；这将把人从繁重单调的劳动中解放出来,避免因人而异、因同一个人在不同时间段给出不同的分选结果。本研究将利用机器视觉技术对西北特色甜瓜系列品种之一,金红宝的品质中外观缺陷进行检测。在本研究中,缺陷容易与甜瓜本身的瓜蒂和花萼相混淆,是难点,为了降低甜瓜的缺陷检测分类识别的错误率,提取了甜瓜的纹理和颜色综合特征,并采用支持向量机分类器构造了甜瓜缺陷的自动检测系统。具体是,对甜瓜图像可疑区进行了纹理分析,并提取相应的灰度共生矩阵的4个特征参数,提取了两个具有可区分性的纹理特征参数,和在可疑区域上提取了由R、G、B分量及其算术运算组成的12种颜色特征,通过实验筛选出4种具有较好区分性的颜色特征。实验结果表明,由这些优选出的2个纹理与4个颜色特征组成的综合特征及支持向量机分类器对甜瓜缺陷的检测识别错误率较低,错误率仅仅达到了7.8%。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 研究目的和意义
• 1.2 国内外研究现状
• 1.3 本文研究内容
• 1.4 本文结构
• 第二章 甜瓜图像采集及预处理
• 2.1 甜瓜图像采集
• 2.1.1 甜瓜生产基地概况
• 2.1.2 甜瓜取样
• 2.1.3 甜瓜图像样本获取
• 2.1.3.1 硬件组成
• 2.1.3.2 样本图像的获取
• 2.2 甜瓜图像预处理
• 2.2.1 甜瓜图像灰度化
• 2.2.2 灰度直方图
• 2.2.3 甜瓜图像去噪（滤波）
• 2.2.3.1 均值滤波
• 2.2.3.2 中值滤波
• 2.2.4 甜瓜图像分割
• 2.2.5 甜瓜图像形态学处理
• 2.2.5.1 腐蚀与膨胀
• 2.2.5.2 开运算与闭运算
• 2.3 本章小结
• 第三章 甜瓜特征提取
• 3.1 甜瓜的纹理特征提取
• 3.1.1 灰度共生矩阵
• 3.1.2 灰度共生矩阵参数
• 3.1.3 甜瓜灰度共生矩阵参数实验结果
• 3.2 甜瓜的颜色特征提取
• 3.3 本章小结
• 第四章 支持向量机分类器
• 4.1 支持向量机
• 4.1.1 支持向量机概述
• 4.1.2 支持向量机发展
• 4.1.3 支持向量机研究内容
• 4.2 支持向量机应用
• 4.3 本章小结
• 第五章 甜瓜缺陷检测系统实现及实验结果
• 5.1 系统分类算法框图
• 5.2 实验材料及条件
• 5.3 实验测试结果
• 5.3.1 支持向量机分类结果
• 5.3.2 实验结果分析
• 5.3.3 本文不足之处
• 5.4 本章小结
• 第六章 研究的主要成果总结与展望
• 6.1 研究的主要成果总结
• 6.2 进一步研究设想,展望
• 参考文献
• 在学期间的研究成果
• 致谢