《基于计算机视觉的水果分级检测系统的设计》由会员分享，可在线阅读，更多相关《基于计算机视觉的水果分级检测系统的设计（32页珍藏版）》请在金锄头文库上搜索。
1、精选优质文档-倾情为你奉上基于计算机视觉的水果分级检测系统的设计摘 要计算机视觉应用于水果的品质检测，带来了许多方便。既可以提高检测的精度、准确度。又节省了大量的劳动力，让人们从繁重的人工检测工作中解脱出来。本文以苹果为研究对象，研究了计算机视觉技术应用于水果分级检测的基本理论和方法。研究了苹果图像的预处理，包括平滑滤波、图像的灰度化以及图像的二值化。研究了苹果的大小检测。先把苹果图像与背景分离，再计算出苹果图像的像素点数，通过预先测定出的一个像素点与真是面积的比值，进而算出苹果的真是面积，最后通过直径的大小来确定苹果大小等级。研究了苹果的颜色检测，通过HIS颜色模型中的H分量来判定出苹果的着
2、色面积，通过着色面积与苹果的大小做比，得出苹果的着色比，通过着色比来判定苹果颜色等级。研究了苹果的缺陷检测。对苹果图像的灰度化，再通过用合适的阀值二值化图像确定出缺陷区域，在通过一些简单的运算得出缺陷的面积，通过缺陷的面积确定苹果的缺陷等级。关键词：计算机视觉，图像处理，水果分级The Design of Fruit Grading Detection System Based on Computer VisionABSTRACTComputer vision applied to fruit quality inspection, brought a lot of convenience.
3、Can enhance the detection accuracy. And save a lot of peoples labor from the heavy manual inspection work in earnest. So today I will introduce the basic theory and methods of a technology which can detect fruit ,this technology takes apple as the research object . Apple image preprocessing, includi
4、ng filtering, the grayscale of the image and the binarization of images.The size of the detection of apple. Departing apples image and background first, secondly ,calculate the number of the apple images pixels. Thirdly ,calculate the area of the apple in real through the predetermined ratio of a pi
5、xel area and its real area.Finally,determine the apples size class through diameter .The color of apple detected by its color model HIS.We use the component H in HIS model to determine apples colored area, through the ratio of the colored areas size and the apples size in real we can find out the co
6、lor ratio. So we can determine the class of color through color ratio. The apple defect detection.We should make out the grayscale image of the apple at first, and then by using the appropriate threshold of the binary image to determine the defect area, so we can draw out the area of the detection t
7、hrough some simple operations .Finally we can determine the defect level of this apple through the area of detection.Key words: Computer vision, image processing, fruit grading目 录专心-专注-专业1绪论1.1 研究的目的与意义自古以来我们国家就是一个农业大国，农业在国民收入中占据了很大的比重。而在农业中水果的种植又十分广泛。但一直以来我国水果出口情况一直不如国外，这不是说我国的水果质量比别国的差，而是我国的水果在后序的
8、分级方面做的比不上外国。现在随着人们的生活水平提高，对于质量的要求就高了，所以说水果的分级就显得十分的必要。但是我国的水果分级工作大部分是靠人力完成，这就产生了很多的问题，比如说：工作量十分大，要占用许多的劳动力来完成这件事，而且效率也不高；再者说人的疲劳和天生对色泽等方面的敏感度不高，同样对分级的质量产生影响。虽然近些年我国在机器检测中取得了一些成就，使得在水果的大小、颜色方面的检测可以让机器代替人工去完成。但由于检测方法比较简单，所以完全达不到市场的要求和人的期望。随着计算机的迅速发展，计算机视觉技术被广泛应用于农产品检测中。所以通过将计算机技术和图像处理等许多学科知识综合起来，先通过对水
9、果大小、颜色、缺陷各个方面分别进行检测，再对各个检测结果进行综合分析。这样得出的判断包含的方面比较全面，而且图像处理知识的应用使得检测更加精确。这样水果的检测才达到真正意义上的智能化。本课题就是介绍了基于计算机图像处理的水果分级检测。1.2 国内外研究的现状1.2.1 国外情况国外在水果的计算机视觉检测方面发展比较早，并已经取得了很多成果。同样在国外这方面的研究中，缺陷的检测同样也是一个难题。Yang Q1首先对水果的图像进行分割，因为水果表面各个地方的缺陷大小不同，程度也不一样。这样分割后可以使得水果的图像，受光反射等方面的影响程度减小。可以使得缺陷部分如斑块、擦伤等可以分开进行检测。这样的
10、分割不仅可以使得研究方面，同样也是十分必要的。之后Yang Q又进行了改进，他通过采用蛇形算法达到更精确的分割，具有更高的抗干扰能力，对于目标的局部模糊也不敏感。使得初始的轮廓更靠近真实状态Leemans2在缺陷检测中运用另外的方法，他把水果像素点逐个和水果的平均颜色值进行比较。差别大的则认为是缺陷，反之则认为是正常的组织。但这种方法存在明显的缺点，当缺陷与正常组织对比明显时十分有效，但如果对比不是很明显时，误差就比较大。Shalin3等利用X射线的线扫描设备来检测水果的创伤，以空间边缘特征和离散余弦变换系数为特征，利用人工神经网络进行分类，这种方法对旧的创伤精确度挺高的，但对于新的创伤的精确
11、度却比较低。1.2.2国内情况国内在水果检测方面的起步比较晚，但是发展十分迅速。冯斌等4通过确定水果的形心、轴心等，再通过计算得出了水果的大小、尺寸，精确度十分高。高华等5提出用傅里叶描述子，傅里叶系数等来确定水果的大体轮廓。进而对水果的形状规则度做出判断。林开颜6等和高华的方法有所不同，他们先用“基于梯度法的彩色图像边缘检测”确定水果的边界，然后通过对边界进行傅里叶变换，用傅里叶系数近似确定出水果的形状，再对形状的不规则度进行判别。胡海晴等7对水果图像进行处理，将图像的RGB模型转换为HIS模型后，通过色度比较来确定水果的成熟度等级。而度量器则使用Hamming网络结构作为人工神经网络的结构
12、，运算速度高而且判定的精确度也很高。李庆中等8通过双金字塔数据形式的盒维数快速计算，用得到的分形维数作为可疑缺陷区的参数，再通过BP形网络结构的人工神经网络，最终实现对梗、萼和缺陷的准确判断。解决了梗萼与缺陷区判定这一难题。1.3 研究内容本课题是基于计算机视觉的水果分级检测，以苹果为研究对象。在总结了国内外的研究成果的基础上，选用了运行速度快、可靠性高的方法。对苹果依次进行了图像采集、灰度化、二值化、图像分割、颜色模型转换。再通过苹果的分级特征对苹果进行分级。保证了分级结果的准确性和实用性。主要的研究内容包括：通过采集到的苹果图像，经过一些处理后。提取出苹果大小的特征值建立分级模型。根据苹果
13、检测出的结果作出判断，来定出水果的大小等级。对苹果的表面颜色进行分析，建立分级模型，提取出颜色特征值，进而判定出水果颜色的等级。对苹果进行灰度化，并选择适当的阀值对灰度化后的图像进行二值化，确定缺陷的区域。在通过计算缺陷面积得出缺陷的等级。1.4 技术路线采用CCD摄像头和图像采集卡工具完成对图像的采集。并传输到计算机上为后续的图像处理做准备。对采集到得图像进行图像的预处理，使得后续的检测分级更加的精确。确定图像的分级参数，从水果图像的大小、颜色和缺陷这三个方面来分别进行分级。对各个方面的分级结果进行综合，得出水果的品质等级。1.5 本章小结本章通过分析水果分级检测研究的意义，以及计算机视觉技
14、术在水果分级中的应用。确定了研究的方向为基于机器视觉技术进行苹果外观品质检测，研究目标是设计实时的水果分级系统。根据研究目的及研究内容，确定了研究的技术路线。2图像预处理方法研究2.1 引言本课题研究内容是基于计算机图像处理的水果分级检测，而要保证分级结果的可靠性，那么在图像处理的每一个环节都要确保尽可能的准确。那么就需要在处理前对图像进行预处理。以此来消除图像的噪声、模糊等问题。图像的预处理就是对图像进行加工，来满足人的视觉要求和应用要求。图像的预处理有光学方法和数字方法。光学处理的效果差、稳定性不够高，而与此同时数字处理技术飞速发展，其效果和稳定性相比光学方法来说都要好。主要的数字处理方法
15、如下：点运算图像的点运算主要是对一个个的像素点进行加、减、乘、除等运算，可以有效的改善图像的直方图、分辨率。几何处理图像的几何处理主要指图像的坐标运算，主要包括图像的旋转、放大、缩小、移动等。另外还包括图像的扭曲矫正。图像增强目前的图像增强技术根据其处理的空间不同，可以分为两大类：空域方法和频域方法。前者直接在图像所在的像素空间进行处理；后者是通过对图像进行傅里叶变换后在频域上间接进行的。在空域处理方法中，根据每次处理时针对单个像素还是小的子图像块，又可分为两种：一种是基于像素的图像增强，也叫点处理；另一种是基于模板的图像增强，也叫空域滤波。图像复原图像的复原就是对退化的图像进行处理，尽可能恢复原图像的本来面目。也就是针对图像退化的原因设法进行补偿，把图像的退化过程模型化，并且采用相反的过程来恢复出原来的图像。2.2 图像的平滑处理在图像的拍摄过程中由于受拍摄和传输设备的影响，总会产生使人厌恶的噪声，同样在图像的处理过程中也会产生。这些噪声会影响后续的处理工作和视觉效果。所以必须对图像提前进行平滑处
