基于机器视觉技术马铃薯自动分级系统的研究

论文摘要

我国是世界上最大的马铃薯生产国,而马铃薯品质检测绝大部分仍停留在靠人工感官进行识别判断阶段,这种主观评定效率低,分级差异大,其客观性、准确性较差,因此建立一种无损、高效和客观的马铃薯外部品质检测方法有着重要的科学意义和价值。论文基于机器视觉技术研究了马铃薯外部品质快速检测与分级的方法,结合虚拟仪器技术与IMAQ视觉软件,构建了一套马铃薯自动分级系统,实现了马铃薯大小、形状、缺陷外部品质自动检测与分级。主要研究结果如下：(1)为了克服单个摄像头所带来复杂的机械翻转机构,以及多个摄像头所引起低效率图像采集与处理的问题,该试验提出基于单个摄像头通过V形放置的两面平面镜反射一次性获取三面马铃薯图像,并在此方案基础设计了马铃薯的图像采集装置、传送带传送与控制装置、采集触发与分级结果信号输出装置,建立了完整的马铃薯自动分级系统的硬件平台。(2)试验研究与分析了马铃薯图像预处理中的图像增强、图像平滑、图像分割、图像形态学操作等算法,得到了适合马铃薯图像最佳预处理的算法,确定了以Gamma校正算法作为马铃薯图像增强方法、5×5的中值滤波算法作为马铃薯图像平滑预处理方法、Metric自动阈值分割算法为最佳马铃薯的图像分割算法,以及最佳的马铃薯图像的形态学处理方法与步骤,并通过IMAQ实现了这些操作与算法。(3)针对该试验中马铃薯三面图像的特点,分别提出了基于最小外接圆柱体体积来评判马铃薯大小与最长径外接矩形宽高比来评判马铃薯形状两种新方法,并通过IMAQ中实现了这两种算法中马铃薯特征参数的提取,建立了马铃薯大小与形状的快速分级模型,试验表明基于这两种新方法的马铃薯大小和形状分级是可行的,分级准确率都在90%以上。(4)该试验将马铃薯的缺陷分为三类,通过分析这三类缺陷的图像特征,分别提出了相应的马铃薯缺陷判别算法。对于第一类孔洞、干腐等缺陷,提出了以缺陷面积大小作为判别准则；对于第二类机械损伤缺陷,提出了以缺陷的外接矩形对角线长度作为判别准则；对于第三类发芽、畸形缺陷,提出了以与设定的线段是否有交点作为判别方法,并通过IMAQ分别实现了基于这三类缺陷判别准则的缺陷特征提取,建立了其缺陷判别模型。试验结果表明：这三种缺陷的判别方法是可行的,基于这三种缺陷判别方法对马铃薯三类缺陷的判别准确率都在87.5%以上。(5)论文基于Labview平台,结合IMAQ视觉软件,开发出一套完整的马铃薯自动分级系统软件,该系统软件包括马铃薯大小分级、马铃薯形状分级、马铃薯缺陷检测、传送带控制、采集触发及分级结果控制7个模块,实现了马铃薯的输送带传送速度与启停控制,马铃薯的视觉检测分级、马铃薯的分级结果的输出控制等。最后利用该系统软件,结合马铃薯自动分级系统硬件,对马铃薯的大小、形状和缺陷样品进行分级与检测综合试验,试验结果表明：系统的分级准确率在85%以上单个马铃薯的检测分级时间小于100ms,马铃薯分级速度达到5个/s,能满足工业生产的需要。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究目的和意义
• 1.2 机器视觉技术
• 1.3 国内外马铃薯分级现状
• 1.3.1 国外马铃薯分级现状
• 1.3.2 国内马铃薯分级现状
• 1.4 主要研究内容
• 1.5 本章小结
• 第二章 马铃薯自动分级系统的硬件设计与软件平台
• 2.1 马铃薯自动分级系统总体方案设计与试验装置
• 2.2 系统的硬件设计
• 2.2.1 马铃薯的视觉检测装置
• 2.2.2 输送装置系统的设计
• 2.2.3 采集触发及分级结果显示装置的设计
• 2.3 系统软件平台
• 2.3.1 虚拟仪器与Labview
• 2.3.2 IMAQ-Vision图像处理软件包介绍
• 2.4 本章小结
• 第三章 马铃薯图像采集与图像预处理方法的研究
• 3.1 马铃薯图像采集
• 3.1.1 马铃薯图像采集方案
• 3.1.2 马铃薯图像采集流程及采集参数配置
• 3.1.3 马铃薯图像采集试验研究
• 3.2 马铃薯图像增强
• 3.2.1 图像增强方法
• 3.2.2 马铃薯图像增强试验结果与分析
• 3.2.3 马铃薯图像增强的IMAQ实现
• 3.3 马铃薯图像去噪
• 3.3.1 图像去噪方法
• 3.3.2 马铃薯图像去噪试验结果与分析
• 3.3.3 马铃薯图像去噪的IMAQ实现
• 3.4 马铃薯图像分割
• 3.4.1 图像分割方法
• 3.4.2 马铃薯图像分割试验结果与分析
• 3.4.3 马铃薯图像分割的IMAQ实现
• 3.5 马铃薯二值化图像形态学处理
• 3.5.1 图像形态学处理方法
• 3.5.2 马铃薯图像形态学处理的试验研究与分析
• 3.5.3 马铃薯图像形态学处理的IMAQ实现
• 3.6 本章小结
• 第四章 马铃薯大小和形状的快速检测方法的试验研究
• 4.1 马铃薯大小和形状评判方法
• 4.1.1 基于最小外接圆柱体的马铃薯的大小快速评判方法
• 4.1.2 基于最长径外接矩形的马铃薯形状快速评判方法
• 4.2 马铃薯图像大小与形状特征提取IMAQ实现
• 4.2.1 马铃薯二值图像修复
• 4.2.2 马铃薯的大小特征提取
• 4.2.3 马铃薯的形状特征提取
• 4.3 马铃薯大小与形状的模式识别
• 4.3.1 马铃薯大小的快速分级
• 4.3.2 马铃薯形状的快速分级
• 4.4 试验结果与分析
• 4.4.1 马铃薯大小分级结果
• 4.4.2 马铃薯形状分级结果
• 4.5 本章小结
• 第五章 马铃薯缺陷检测方法的试验研究
• 5.1 马铃薯的缺陷特征评判方法
• 5.1.1 第一类缺陷特征分析与评价
• 5.1.2 第二类缺陷特征分析与评价
• 5.1.3 第三类缺陷特征分析与评价
• 5.2 马铃薯缺陷特征提取的IMAQ实现
• 5.2.1 第一类缺陷特征提取
• 5.2.2 第二类缺陷特征提取
• 5.2.3 第三类缺陷特征提取
• 5.3 马铃薯缺陷快速识别方法的研究
• 5.3.1 马铃薯缺陷判断流程
• 5.3.2 第一类缺陷判别
• 5.3.3 第二类缺陷（机械损伤）判别
• 5.3.4 第三类缺陷（发芽、畸形凸起）判别
• 5.4 试验结果与分析
• 5.5 本章小结
• 第六章 马铃薯自动分级系统的软件设计及试验研究
• 6.1 系统软件总体框架
• 6.2 系统分级方案及软件流程
• 6.3 系统的程序设计思想
• 6.4 马铃薯自动分级系统各模块的设计与开发
• 6.4.1 图像采集模块
• 6.4.2 图像预处理模块
• 6.4.3 缺陷检测模块
• 6.4.4 大小分级模块
• 6.4.5 形状分级模块
• 6.4.6 采集触发及分级结果控制模块
• 6.4.7 执行电机控制模块
• 6.5 马铃薯自动分级系统的主界面及程序框图
• 6.6 马铃薯自动分级系统的试验分析
• 6.7 本章小结
• 第七章 结论与展望
• 7.1 主要研究结论
• 7.2 进一步研究建议及展望
• 参考文献
• 致谢
• 个人简介