论文部分内容阅读
豌豆、菜豆、青刀豆和菜用大豆等豆科蔬菜广受消费者的青睐,然而豆荚内部害虫的存在是影响豆科蔬菜质量安全的一个重要因素。目前国内主要依靠人工肉眼进行判别,剔除含有害虫的豆荚,这种方式耗时耗力,容易漏检,严重制约豆类蔬菜加工的效率。近年来机器视觉技术以其快捷、低成本的优势,在农产品外观品质检测方面已得到大量应用。因此,本文尝试采用机器视觉成像技术,以菜用大豆、豌豆等为主要研究对象,开展图像识别方法研究,并建立豆荚内部害虫无损检测方法,具体研究结论如下:(1)本文通过预实验对比分析了基于近红外透射技术、基于软X射线透射技术和基于机器视觉技术的三种检测方案的优缺点与可行性,最终选择基于机器视觉的技术方案,并分析了国内外发展现状与研究动态。(2)搭建了基于CMOS相机和卤钨灯光源的图像采集平台,包括透射、漫反射两种采集方式,通过对比分析不同光源透射角度、不同载物介质材料、不同光源透射距离和不同采集环境对豆荚图像的影响,优化系统软硬件采集参数,完成了豆荚样本漫反射图像和透射图像的采集。(3)针对含有虫孔的豆荚样本,重点对其漫反射图像进行分析,采用G分量指示值为阈值进行图像分割,以灰度值范围69~230为目标区域,结合连通域分析和面积差异分析方法获得感兴趣区域,并建立以动态阈值分割为基础的豆荚完整性辅助判断算法,保证感兴趣区域的完整性。然后以灰度值范围0~40为目标区域,结合特征直方图分析等方法,建立豆荚表面虫孔的标识与识别模型,模型识别准确率为91%。(4)针对含有内部害虫虫体的豆荚样本,重点对其透射图像进行分析,采用S分量的指示值为分割阈值,并深入研究了图像分割、去噪滤波和形态学处理等图像处理方法,通过连通域分析、特征直方图比较分析,完成豆荚区域的提取。根据豆荚内部不同种类害虫虫体透射图像区域向量特征,通过叠加面积差异、最小外接矩形差异等识别算法,建立内部害虫标识、识别模型,模型识别准确率为72%。(5)应用Visual Studio 2013集成开发环境开发了菜用大豆内部害虫无损检测软件系统,该系统内嵌豆荚内部害虫综合识别模型,通过对豆荚表面虫孔和内部所含虫体两种情况的识别结果进行综合判别,最终确定整个豆荚是否受害虫侵害,整体准确率达84%。根据实验结果,本文搭建的豆荚内部害虫识别平台对菜用大豆有较强检测能力,识别准确度较高。初步建立了基于机器视觉技术的豆荚内部害虫识别方法与模型,为后续开发豆荚内部害虫快速检测装置提供了参考。