“智能型杂质在线探测仪”算法研究

论文摘要

物料在线检测与分选系统是一种新兴的自动化检测设备，已广泛应用于粮食、蔬菜、水果等农产品的在线分级与加工以及工业生产中次品检出等场合。例如，工业现场中的自动检测及加工过程监控、农副产品的质量检测、医学图像的自动分析与诊断系统等。相比原始的人工检测方法，这种新兴的自动化检测设备极大地降低了生产线上工人的劳动强度，提高了劳动效率，同时也提高了产品分级和检测的精度。由安徽大学、山东秦皇岛烟机设备公司和安徽涡阳烟叶复烤厂共同研制的“智能型杂质在线探测仪”是集机器视觉系统、计算机技术、传感器技术、空气动力学和精密机械等一体的高科技产品，是科技部“九五”地方重大科技攻关项目，经鉴定达到了国际先进水平。该系统已于2003年完成并投入试运行。目前，智能型杂质在线探测仪主要应用于烟草行业，经安徽省涡阳县烟叶复烤厂多年的使用，产品操作方便，性能稳定，具有剔除多种杂物的功能。本文的工作是对“智能型杂质在线探测仪”的完善，在已有成果基础上进行改进和补充。几年来，通过在烟草行业的试用，产品的不足之处逐渐显现。本文研究的方向仅限于系统的软件实现部分，包括计算机对信号的采集、图像的预校正、信号识别等工作。在对现阶段存在的问题进行分析和归纳之后，本文主要从下面四个方面展开讨论：1．信号模型的研究。讨论了烟叶、背景、杂质及噪声的信号模型，重点是从大量样本模型中抽象出特定品种烟叶的颜色特征，以利于建立新的、高效的烟叶识别算法。2．图像亮度校正算法的研究。由于光源摆放位置及其自身特性的影响，系统中存在两种类型的亮度失真。在图像预校正章节中给出了亮度不均匀性失真的模型，并对两种类型的亮度失真进行了校正。3．烟叶信号阈值优化算法的研究。在这一部分中，首先通过对烟叶信号的保护和筛选操作，优化了烟叶信号特征库。其次，利用KL变换，有效地压缩了烟叶信号阈值空间中的非烟叶区域。4．网络通信单元的设计。为了便于对整个系统的操作和维护，通过设计合理的时序关系，建立了一个小型的局域网，实现对传送带上物料的监视、控制及识别等功能。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1.引言
• 1.1.1.背景
• 1.1.2.国内外除杂设备研究现状
• 1.1.3.智能型杂质在线探测仪
• 1.1.4.智能型杂质在线探测仪简介
• 1.2.产品现阶段存在的问题
• 1.3.本文研究重点
• 1.4.论文结构
• 第二章 光度学与色度学基础
• 2.1.光的特性
• 2.1.1.电磁辐射与可见光谱
• 2.1.2.光源
• 2.2.光的度量
• 2.2.1.视觉光谱光效率曲线
• 2.2.2.光度学中几个度量单位
• 2.3.光照模型
• 2.3.1.光源种类
• 2.3.2.环境光
• 2.3.3.漫反射和Lambert模型
• 2.3.4.镜面反射和Phong模型
• 2.3.5.透明模型
• 2.3.6.简单局部光照模型
• 2.4.颜色的表征及色度量
• 2.4.1.颜色的表观特征
• 2.4.2.颜色的定量描述
• 2.4.3.混色原理与亮度方程
• 2.4.4.视觉系统对颜色的感知
• 2.5.小结
• 第三章 信号模型
• 3.1.引言
• 3.2.知识准备
• 3.2.1.XYZ颜色空间
• 3.2.2.HSV颜色空间
• 3.3.场景介绍
• 3.4.信号模型
• 3.4.1.烟叶信号
• 3.4.2.背景信号
• 3.4.3.杂质信号
• 3.4.4.噪声信号
• 3.5.小结
• 第四章 图像预校正
• 4.1.引言
• 4.2.亮度不均匀校正
• 4.2.1.原有的校正方法:线性校正法
• 4.2.2.不平度模型
• 4.2.3.衰减系数校正法
• 4.3.背景亮度校正
• 4.4.模拟实验
• 4.5.小结
• 第五章 烟叶信号阈值的优化
• 5.1.引言
• 5.2.烟叶特征库的建立
• 5.3.基于KL变换的烟叶信号阈值优化
• 5.4.实验与讨论
• 5.4.1.建立烟叶特征库的模拟实验
• 5.4.2.利用KL变化优化烟叶阈值空间的实验
• 5.5.小结
• 第六章 网络通信
• 6.1.Windows网络编程基础
• 6.1.1.套接字（socket）
• 6.1.2.MFC对WinSocket API的封装
• 6.2.网络通信单元设计
• 6.2.1.设计要求
• 6.2.2.网络通信单元概况
• 6.2.3.时序关系
• 6.3.软件关键技术讨论
• 6.3.1.初始化
• 6.3.2.指令结构
• 6.3.3.实时运行方式
• 6.3.4.数据发送与接收
• 6.3.5.图像显示
• 6.3.6.异常处理
• 6.4.网络通信单元软件实现
• 6.5.小结
• 第七章 总结与展望
• 7.1.课题完成情况总结
• 7.2.进一步工作的设想
• 参考文献
• 攻读硕士期间发表的论文
• 致谢