基于计算机视觉的苹果自动分级方法研究

论文摘要

计算机视觉技术作为一种为实现自动化和现代化的工农业生产而产生的技术，自诞生之日起就引起了国内外许多科研人员的关注，其在工业控制、生物医学、农业工程、军事等领域内有着广泛的应用，是人工智能领域内的热门研究课题。本文将计算机视觉技术应用到水果的自动分级中，以苹果分级标准为背景，以实现青苹果的自动分级为例，研究了水果品质的实时检测与分级方法，对提高我国水果的市场竞争力，具有较为现实的社会和经济意义。本文研究重点解决苹果自动分级中的两个关键问题——基于计算机视觉的苹果大小检测方法、苹果表面缺陷检测方法，提出能够提取出完整苹果边缘轮廓的边缘检测方法和表面缺陷检测方法和理论，开发出基于计算机视觉的苹果自动分级系统。本文研究的主要内容及取得的成果如下：1.比较研究了几种图像预处理方法，包括图像噪声去除方法、图像分割方法、边缘提取方法等。2.提出了采用改进的canny算法和当量直径法相结合的方法来检测水果大小的方法。比较了最小外接矩形法、最大果轴法、果径法等大小检测方法；最小外接矩形法计算量较大，最大果轴法对水果的摆放及位置要求较高，果径法不仅计算量较大，且对水果的位置要求较高，当量直径法计算量较小且检测精度较高。3.研究了采用gabor滤波器提取苹果表面缺陷特征的方法。通过研究、学习滤波器提取出的特征数据，结合模糊聚类等方法实现对表面缺陷的分类。4.利用VC++6.0设计苹果自动检测与分级的应用软件，包括图像采集、图像预处理、图像特征提取、分级控制四个模块。通过对基于计算机视觉的苹果自动分级方法研究，为今后实现农产品在物流中的自动分级奠定了基础，但水果的分级是一项复杂的系统工程，涉及到多个领域和学科，由于本人时间和精力限制，因此本文所做的工作还十分有限，开发的原型工具尚处在探索阶段，在今后的工作中仍需进一步的学习和研究。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 水果分级意义
• 1.2 传统的水果分级方法
• 1.3 基于机器视觉的水果分级
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 本研究的主要内容
• 2 基于机器视觉的苹果分级系统
• 2.1 机器视觉与数字图像处理
• 2.2 苹果自动分级装置设计
• 2.3 图像的采集
• 2.4 图像背景的确定
• 2.5 图像光源的布置
• 2.6 本章小结
• 3 苹果图像预处理方法
• 3.1 概述
• 3.2 常用颜色模型
• 3.2.1 RGB 模型
• 3.2.2 HSI 模型
• 3.3 图像预处理
• 3.3.1 灰度变换
• 3.3.2 图像平滑
• 3.3.3 图像增强
• 3.4 背景分割
• 3.4.1 阈值分割法
• 3.4.2 边缘检测
• 3.4.3 改进的 canny 边缘检测算子
• 3.4.4 实验结果与分析
• 3.5 本章小结
• 4 苹果大小和表面缺陷检测方法研究
• 4.1 苹果的大小分级标准概述
• 4.2 常用的苹果大小检测方法
• 4.2.1 最小外接矩形法
• 4.2.2 最大果轴法
• 4.2.3 果径法
• 4.2.4 投影面积法
• 4.2.5 当量直径法
• 4.3 苹果大小检测算法
• 4.4 苹果表面缺陷分级标准概述
• 4.5 早期缺陷检测算法
• 4.6 Gabor 滤波器原理及苹果表面缺陷检测方法
• 4.7 苹果表面的特征提取
• 4.8 本章小结
• 5 基于计算机视觉的苹果自动分级系统的研制
• 6 结论
• 参考文献
• 致谢
• 个人简介
• 在读期间发表的学术论文情况