论文部分内容阅读
由于自动检测技术的欠缺,目前国内农产品加工企业仍普遍采用人工检测的分级方法,分级速度较慢,分级精度难以保证。利用机器视觉实现水果品质的无损检测,可有效提高生产效率,保证果品分级标准的统一,为企业带来巨大的经济效益。本文以红富士苹果为研究对象,基于机器视觉搭建苹果自动分级生产线,并对其关键技术进行深入研究。主要研究内容及成果如下:1.通过对象分析,确定了本课题的苹果分级标准,包括规格等级和品质等级。基于分级效率和分级精度的综合考虑,确定了定向机构与多相机相结合的自动分级生产线总体方案,并完成了具体机械结构设计。2.建立了苹果定向机构的力学模型,确定了相关碰撞参数。通过ADAMS运动学仿真分析,验证了该定向机构能够实现不同位姿、不同规格苹果的自动定向,且定向过程中不会对苹果造成损伤。通过最短定向时间正交试验,探讨了定向机构的机械结构参数对定向性能的影响,确定了最优方案。3.根据本课题视觉检测系统的实际要求,完成了具体硬件选型和工业相机标定。提出了改进HSI颜色模型,并采用最佳全局阈值(Otsu)算法对新的颜色指标进行分割,从而实现苹果图像背景分割。结合去畸变算法流程,实现了苹果图像去畸变。为抑制苹果表面的亮度差,本文提出了基于掩膜缩小填充的苹果边缘环提取方法,提高了疑似缺陷分割效率。4.为了提高搜寻支持向量机(SVM)参数的准确率,提出了一种改进的基于混沌粒子群优化的SVM算法,测试表明该算法能够避免陷入局部极值点,提高了计算精度。5.本算法涉及苹果的大小、果形、颜色和缺陷四个特征,参数提取过程如下:利用苹果当量面积求取当量直径,该方法的苹果规格分级的正确率为92.9%;将Zernike矩用于苹果形状检测,降维后将前三个主成分作为果形特征参数,分类准确率可以达到93.1%;使用RGB和HSI颜色分量均值构建了十二个颜色特征参数,降维后将前三个主成分作为颜色特征参数,分类正确率达到100.0%;将双树复小波用于苹果果梗和缺陷纹理识别,利用纹理特征不同识别出苹果缺陷,缺陷识别正确率为84.6%。6.本文基于Matlab软件对分级程序进行了GUI设计,综合了苹果表面果形、颜色、缺陷和大小信息;该系统主要由登陆系统、离线测试系统和在线测试系统三部分组成。试验表明该分级系统综合准确率达到86.8%。