论文部分内容阅读
近年来,由于市场竞争剧烈,方便面行业进入了微利时代。我国加入了世界贸易组织后,国内方便面厂商面临着更为严峻的挑战。与国外先进的生产线相比,国内的生产线自动化程度较低,方便面生产线上不良品的剔除工作还是靠人工完成,其缺点是劳动量大,精度低,且不利于食品卫生。而日趋成熟的计算机视觉技术,完全可以代替人工解决这些问题。可以预见,运用计算机视觉技术来进行方便面品质检测能成为行业未来的发展趋势。本研究运用计算机视觉技术对方便面不良品的识别进行了探讨,取得了以下主要成果:1.建立适合方便面生产线的机器视觉系统,在实验室的条件下模拟生产线对方便面进行动态图像的采集。2.对方便面图像进行了预处理。结合方便面面块的特点,提出了“四周围剿”算法对图像行进行分割,与通常的图像分割算法相比该方法效果明显,为后续的图像处理和面块特征识别带来了方便。3.针对方便面不规则的形状的判断,本研究提出了“削切算法”先将面块边缘毛刺进行修剪,然后计算面块与外接矩形的面积比(R比)进行快速判断,算法简单,运算速度快,对面块形状不良品的判别率达100%。4.方便面图像纹理分析部分,先后运用了纹理复杂度C、行程长度总频比L等提取面块花纹特征,本文创新性提出行程长度简化算法,利用隔数行扫描统计行程长度某范围的频数Pm,大大减少了了扫描时间,提高了判定的精度。5.在判断面块油炸程度的问题上,通过求取面块过褐变区域比ColorRatio、面块色差σ和S值的累积频率值A。建立了方便面油炸程度的BP人工神经网络判定模型,方便面油炸程度的总评判率达93.3%。