论文部分内容阅读
农产品检测技术一直以来都是农业领域研究的热点问题,随着社会的不断进步,科技水平不断的提高,计算机水平高速发展,农产品检测技术方面在机器视觉上的应用愈来愈多,有着巨大的发展空间和发展前景。在国外,针对农产品的检测技术研究已经展开多年,有着丰富的理论基础和实际经验;而在国内,相关的检测技术才刚刚起步,与国外还有很大差距。在辣椒品质检测方面,国内外研究尚少,本文根据辣椒的形状和颜色特征,从实际出发,提出了针对辣椒的预处理算法、辣椒分割算法、辣椒特征量计算以及辣椒识别算法等,为以后进一步研究辣椒奠定了坚实的基础。本文的研究主要完成的工作有以下几项:1.图像采集。本文图像的采集分为实验室暗箱环境和复杂环境两种方式,主要研究的是实验室暗箱环境下的辣椒图像,所以实验室环境下采集品质较好的辣椒图像是实验是否成功的关键。本文在实验室暗箱环境下,采用单一色彩为背景,去除了复杂环境的干扰,使采集的图片具有较高的质量,本文共采集辣椒样本图像100幅,5类辣椒切片图像各40幅。2.提出关于辣椒的预处理算法、图像分割方法、轮廓提取以及辣椒大小检测算法等。由于辣椒特殊的颜色特征,本文的辣椒图像的预处理算法以颜色为阈值,处理过后的辣椒图像背景单一,十分有利于辣椒与背景的分离。通过分割算法得到辣椒后,对辣椒的轮廓进行提取,为辣椒大小等特征值的计算做准备。3.霍夫森林分类器的应用。本文采用了霍夫森林分类器来识别辣椒对象,通过对样本辣椒的学习,建立对应的随机树,通过待检测图像的图像块向辣椒可能出现的位置做概率投票,进而得到一个投票结果,根据结果生成霍夫图像,得到辣椒的位置。4.辣椒色彩的定性分析。由于颜色组成比较明显,主要以红色为主体,病斑多为暗黄色,黄色分量的多少即可判断辣椒的好坏。由于时间有限,本文并没有对辣椒的颜色取值范围进行定量统计。5.去除辣椒柄对辣椒大小的干扰,同时对于辣椒重叠的图像本次设计暂时不考虑。本文研究对象—辣椒,是一类附带柄的农作物,在计算大小的过程中柄的存在对结果影响很大,本文设计了一种算法去除了辣椒柄,使计算更加精确。本文研究并不只是对单一辣椒进行的研究,也可以同时对多个辣椒进行大小采集,但是经常出现辣椒重叠的情形。由于时间有限,本文并未对重叠辣椒的文体给出合理的算法,在本次研究中暂不考虑。通过本文的研究,我们得到了一种适合有一定弯曲度、带柄或梗类的农作物的研究方法,对未来农作物的进一步研究有很大的意义。同时,由于研究的时间有限,本文还有很多没有解决的文体和算法上的不足,亟待未来相关的研究进行解决。