论文部分内容阅读
随着经济的高速发展和生活水平的提高,人们对水果的种类及品质的要求越来越高。水果的品质分类影响水果的价格和人们的消费体验,而水果表面的缺陷直接影响水果的品质等级和分类。目前水果的品质的检测主要依靠人工,费时、费力,具有不稳定性。鉴于此,本文设计了一套基于机器视觉的水果检测系统,研究和改进了基于机器视觉的水果表面缺陷检测算法,将有助于对水果表面缺陷无损检测和品质分类实现机械化自动化作业,以减轻人力工作量和提高检测效率与准确率。本论文以皇冠梨、橙子和苹果为研究对象,主要研究的内容包括:(1)搭建视觉检测系统。以皇冠梨、橙子和苹果为研究对象,分析了水果表面缺陷系统的设计以及实验要求,完成了机器视觉检测系统中相机、镜头、光源、光照箱、计算机的选配,搭建水果表面品质检测系统。(2)水果表面图像预处理。根据实验需求对水果表面图像进行预处理,用分量法、最大值法、加权平均法和平均法四种灰度化处理方法生成灰度图,选择样本与背景区分更加明显的加权平均法作为灰度处理方法。采用分段式线性函数作为图像增强方法,使图像缺陷区域更加突出。将二维OTSU阈值分割和改进的三维OTSU阈值分割两种方法进行了对比,结果表明三维OTSU阈值分割对缺陷边界分割更为精准。对几种常用边缘检测算子进行比较后,优选了抗噪声干扰好、定位精准的canny算子为边缘检测方法。(3)水果表面特征值提取。通过对水果几何特征和颜色特征的分析,确定了3种常见的水果缺陷特征,使水果表面缺陷识别和品质分类准确率得以提高。从纹理特征出发,采用灰度共生矩阵和改进的SURF算法对水果表面缺陷特征进行分析。对灰度共生矩阵四个特征参数能量、熵、对比度和逆差矩进行了计算。结果表明,能量可作为缺陷分类的有效特征值。同时,将在特征点匹配阶段,采用最临近向量匹配算法和随机采样算法对SURF算法进行了改进。利用改进的SURF算法对水果表面纹理特征进行了分析和计算。对灰度共生矩阵和改进的SURF算法进行了实验。结果显示,改进后的SURF算法提高了特征点提取速度和匹配准确性,明显缩短了匹配时间,对水果表面缺陷识别的准确率优于灰度共生矩阵。(4)水果表面缺陷分类。分别采用SVM分类器和改进的卷积神经网络分类器对水果表面缺陷识别进行了研究。SVM分类器对皇冠梨、橙子和苹果分类准确率分别为92.48%、92.95%、92.2%。用改进的卷积神经网络分别构建了三种水果的自动分类网络模型,采用监督学习方式,进行样本训练,通过残差网络对水果表面特征值检测、分类,分类准确率分别为95%、95.625%、96.25%。通过对实验结果分析,表明本研究提出的改进卷积神经网络算法具有可行性,对水果表面缺陷的分类效率高、鲁棒性好,分类准确率明显高于SVM分类器。