论文部分内容阅读
进入二十一世纪,中国大豆产量世界占有率逐年下降,其主要原因就是,国内大豆的种植面积相对较少;国内的大豆品质相对较差;“混种、混收、混储、混售”现象成为最突出的问题。无法根据大豆的品质进行分级存储,严重影响大豆产业的经济发展。那么如何根据大豆的品质进行分级,成为摆在我们面前的重要任务。实现大豆外观品质的无损检测,主要问题在于大豆外观品质参数的提取,所以外观参数的采集成为检测的关键。农产品外观检测一直是机器视觉领域研究的的重要方向,传统的大豆外观分级工作主要是通过人工方式和除杂筛,其中人工方式就是工作人员用肉眼进行分级处理,受身体与精神状况制约,工作效率低下;除杂筛的出现在一定程度上减轻了工人的工作压力,但是这种方式只能单一的剔除大豆中的杂质,并不能识别出大豆品种以及病害大豆。近几年来,国内外学者在农产品外观检测研究领域仅仅依靠PC机和Matlab软件,利用数码相机采集图像,进而对其分析处理,这种工作方式无法满足自动化分级的需求。由“静态检测”向“动态检测”成为大豆外观品质检测的必然趋势。DSP处理器具有功耗低、处理速度快、运算精度高的优点,其中TI公司的TMS320DM6437作为第三代数字多媒体处理器,具有增强型DMA控制器,方便图像数据信息的传输与格式转换,相应的一些外设还包括以太网MAC、UART、I2C、SPI、GPIO、McASP与三个PWM等。强大的功能外设足以满足本系统研究应用。本研究以TMS320DM6437处理器为核心,搭建外围电路,在一定光照条件的下,通过CCD摄像头采集大豆图像,通过对大豆图像的预处理,最后完成大豆的外观品质特征参数的采集。为了减少外部环境干扰,大豆图像的采集过程在暗箱内进行,根据CCD摄像头的焦距,调整好拍摄距离,进而设计暗箱尺寸。分别采集10个品种的正常大豆、霉变大豆、灰斑大豆、破碎大豆、虫蚀大豆的图像,进行大量实验,获得充分实验数据,为上位机的品种、品质识别提供数据支撑。在实验处理过程中,大豆图像的滤波部分分别对灰度处理后的图像进行维纳滤波和形态学滤波,对一级滤波后的图像经小波变换后进行融合处理完成图像去噪工作,实验证明,这种滤波方式较传统的单一滤波器相比,更好的去处了噪声,符合系统需求。实验以来自东北农业大学国家大豆工程技术研究中心提供的10个品种的大豆为研究对象,分别对正常大豆、病害大豆(灰斑病、虫蚀粒、霉变病、破碎粒)的几何特征(面积、长轴、短轴、周长、圆形度、偏心率、矩形度)、颜色特征(R分量均值、G分量均值、B分量均值、R分量三阶矩、G分量三阶矩、B分量三阶矩、R分量标差、G分量标差、B分量标差、H分量均值、S分量均值、V分量均值、H分量三阶矩、S分量三阶矩、V分量三阶矩、H分量标差、S分量标差、V分量标差)、纹理特征(均值、三阶矩、标准差、一致性、平滑度、熵)共31个特征参数进行提取,为上位机的品种识别以及病害识别提供充分有力的数据基础。