论文部分内容阅读
随着机器视觉技术的不断发展,非接触式在线检测技术已经延伸到工业分选的多个领域中,茶叶分选机作为一种集光、机、电一体的设备,能够有效提高茶叶等级分类的精度和产量,具有极大经济价值,本文从分选系统软硬件设计和分选算法两方面开展研究。硬件模块设计中,分选系统相机部分由彩色线阵CCD和FPGA组成,主要工作包括CCD前端驱动电路设计,后端放大电路设计以及模数转换采样端芯片AD9945的相关双采样和可编程增益放大器功能的使用,完成了可调白平衡的图像采集电路设计。软件部分围绕触摸屏人机界面展开,设计基于对话框的MFC智能设备应用程序,在Windows自定义消息响应机制下实现多对话框切换功能,并在触摸屏中利用API函数对相机拍摄图像绘图与图片指定位置像素获取,最后实现了WinCE系统下的串口通信软件设计。分选算法主要基于颜色和形状两部分。提出了一种基于像素分布统计直方图的颜色阈值自动分割算法,并基于该算法在人机界面中编写软件提高色选阈值设置效率。以铁观音茶叶为实验材料,对比分析YUV颜色模型较RGB颜色模型色选使用的优势。对表面颜色复杂的茶叶,提出一种自适应多窗口阈值处理方法,使用多窗口识别不同颜色形状的特征色斑,高效率的在一次色选中达到完全分选的效果。在研究应用BP神经网络进行茶叶形状分选过程中,首先提出灰度变换、图像标记、Roberts算子边缘检测等形状特征提取算法,为适用于FPGA硬件平台,利用数学分析将其优化为基于移位和异或逻辑运算的图像处理算法。根据输入输出特征及Kol-mogorov定理确定神经网络拓扑结构优选范围,使用MATLAB模拟分选过程,并基于误差评估函数比对获得最优解。使用该模型设计的神经网络茶叶形状分选系统,以安徽六安瓜片三种不同等级茶叶为实验对象描述MATLAB仿真过程,结果中识别分选率达90%以上。