基于机器视觉的花椒外观品质检测技术研究

论文摘要

花椒是一种重要的烹饪调料和中药配料。花椒品质检测包括对固有杂质含量、色泽等外观品质和挥发油、麻味物质含量等内部品质两方面的检测。本文将机器视觉技术引入到包括花椒颗粒均匀度、闭眼率、椒籽率、果穗梗率等外观品质评价指标的快速检测中,避免了传统人眼感观检测存在的可重复性差、效率低、随意性大等缺陷。主要研究内容如下:第一,对收集的37份花椒样品外观品质进行了人工感官评测。第二,基于普通平板扫描仪、PC和打印机搭建了一套用于花椒外观品质检测的机器视觉硬件系统,对37份花椒样品进行图像采集,完成了花椒图像的基础数据准备。第三,通过比较椒籽、闭眼椒、果穗梗和果皮的凹性率、椭圆度、面积值等多项外观形态特征,获取了各固有杂质成分的分离阈值。结果表明:图像分辨率为600dpi时,取凹性率0.95、面积值7000像素可先分离出椒籽,再取椭圆度0.9能分离出果穗梗,最后取凹性率0.8964、椭圆度0.5072能有效区分余下的闭眼和果皮。另外,针对采用Canny算子边缘检测后的花椒样本图像中有部分个体的边缘不连续、对边缘检测结果直接填充时效果较差,提出了更能有效识别花椒籽粒的二次填充算法。第四,实现了花椒外观品质检测的相关图像处理算法,并利用MATLAB平台开发了基于机器视觉的花椒外观品质检测软件系统,包括图像处理模块、图像分析模块、特征提取模块和数据分析模块,能对单帧、多帧花椒图像进行单步、连续处理。第五,对37份花椒样品进行机器视觉检测,完成固有杂质等四项指标的定量检测,并与人眼感官评测的结果进行对比比较,给出机器的正判、误判及漏判率。结果表明:对椒籽、果穗梗正确识别率可达100%,闭眼及果皮正确识别率分别达89%、96.8%。研究表明,基于机器视觉技术的花椒外观品质检测机理可行,检测效果较好,为花椒的收购、储藏、销售提供了快速、准确的外观品质检测新思路,具有较高的理论价值和现实意义。

论文目录

• 摘要
• Abstract
• 第1章 文献综述
• 1.1 花椒的食用、医用价值和经济效益
• 1.2 花椒外观品质检测技术
• 1.3 机器视觉技术在农业工程领域的应用
• 1.3.1 农业工程领域机器视觉技术研究特点
• 1.3.2 机器视觉技术应用于农业工程领域国外研究现状
• 1.3.3 机器视觉技术应用于农业工程领域国内研究现状
• 1.3.4 存在的问题
• 1.4 本章小结
• 第2章 绪论
• 2.1 研究目标
• 2.2 研究内容
• 2.3 关键问题
• 2.4 研究方案
• 2.4.1 可行性分析
• 2.4.2 技术路线
• 2.5 特色与创新之处
• 2.6 本章小结
• 第3章 花椒外观品质机器视觉检测硬件系统
• 3.1 一般机器视觉检测硬件系统组成
• 3.1.1 工业摄像机
• 3.1.2 镜头
• 3.1.3 光源
• 3.1.4 图像采集卡
• 3.2 花椒外观品质机器视觉检测硬件系统
• 3.3 本章小结
• 第4章 花椒图像处理的基础算法研究
• 4.1 引言
• 4.2 彩色图像及其灰度处理
• 4.2.1 彩色图像处理基础
• 4.2.2 彩色图像灰度化
• 4.3 图像滤波算法
• 4.3.1 空域滤波算法
• 4.3.2 频域滤波算法
• 4.4 图像边缘检测
• 4.4.1 边缘检测算子
• 4.4.2 花椒图像的边缘检测
• 4.5 图像分割算法
• 4.5.1 基本分割算法
• 4.5.2 花椒图像的分割
• 4.6 图像的数学形态学处理
• 4.6.1 腐蚀与膨胀
• 4.6.2 开运算与闭运算
• 4.7 特征提取与区域标记算法
• 4.7.1 区域标记算法
• 4.7.2 特征提取
• 4.8 本章小结
• 第5章 花椒外观品质检测关键算法研究
• 5.1 传统的感官检测方法
• 5.2 机器视觉检测方法
• 5.3 花椒图像预处理
• 5.4 花椒固有杂质检测
• 5.4.1 椒籽、果穗梗及闭眼椒检测
• 5.4.2 颗粒均匀度检测
• 5.4.3 检测结果
• 5.5 本章小结
• 第6章 花椒外观品质机器视觉检测软件系统
• 6.1 软件开发工具
• 6.2 软件系统功能分析
• 6.3 软件系统开发
• 6.4 软件测试
• 6.4.1 文件操作
• 6.4.2 图像处理
• 6.4.3 特征提取
• 6.4.4 图像数据分析及杂质分离
• 6.5 维护与扩充
• 6.6 本章小结
• 第7章 结论与建议
• 7.1 结论
• 7.2 建议
• 参考文献
• 致谢
• 攻读硕士期间发表论文及参与科研项目
• 硕士期间发表论文
• 硕士期间参与课题