论文部分内容阅读
利用计算机视觉技术对农产品进行检测与分析,特别是农产品的营养状况检测,对农业生产具有重大意义。因为传统的检测方法对农产品具有破坏性,且处理周期长,速度慢,无法适应大批量检测的需要。以芥蓝的营养状况鉴别为例,需要对芥蓝进行切皮、捣碎、研磨、溶剂浸泡等等,步骤繁琐,效率低下。针对红脚芥蓝茎部部分,本文尝试利用计算机图像处理技术,基于色彩学对其营养状况进行鉴别研究,以HSI为颜色空间进行图像颜色特征提取,分析与芥蓝茎部颜色的关系。
本文设计了一套芥蓝图像采集方法,在对图像进行分析的过程中,参考芥蓝的成色原理,提取出图像的颜色特征,并通过改进BP神经网络对颜色特征和营养状况进行建模,最后进行实验验证,取得了较理想的效果。
本文主要工作如下:
(1)根据处理需求设计一套能有效消除环境不稳定因素干扰的图像采集方法,使取得的图像数据能尽量真实地反应芥蓝茎部的颜色特征,并截取其中与研究内容相关的茎部部分,滤除无用信息。
(2)通过对比分析,选择色度、浓度和光强独立区分的HSI颜色空间对图像进行研究,以H分量为主、S分量为辅,对茎部图像颜色进行整体分析;参考花青苷、叶绿素等成分对芥蓝成色的影响,提出H+S直方图的概念,并针对芥蓝颜色特点对其进行缩放裁剪和偏移,最后求出均值、方差、偏度和峰度并进行归一化处理,作为提取的芥蓝图像的颜色特征。
(3)分析芥蓝茎部营养含量变化及成色影响,忽略含量较微的可溶性酚;把在成色上较为接近的叶绿素a和叶绿素b合计为叶绿素总量;归一化各成分含量。
(4)采用单隐层BP神经网络建立颜色特征与归一化成分含量的关系模型,通过实验确定最优隐层结点数目;针对BP网络的收敛和泛化能力,利用贝叶斯正则化方法对其进行优化;对网络进行训练与测试。