论文部分内容阅读
西瓜果汁含量丰富,是我国夏季消费量最大的水果产品之一,同时也是我国农业经济的一大支柱产业。目前我国西瓜的总产量虽然处于世界首位,但是出口量在世界贸易份额中占比很小,在外贸出口方面还有着巨大的潜力。要适应国际市场对西瓜高品质的需求,就必须依据西瓜的内在品质进行分级销售。对西瓜品质传统的鉴定方法主要有看、摸、听、测等方法,这些传统的方法判断西瓜品质的时候主观性强,难以应用于大规模检测分级。因此,研究西瓜品质的无损快速检测技术对西瓜田间种植管理、品质改良、适时采摘、储存、运输、销售和消费等环节的精准质量管理具有重要意义。本文研究了现有几种快速无损检测技术后,提出基于机器视觉技术的西瓜无损检测与分级技术。通过机器视觉技术进行西瓜几何参数提取和缺陷果识别,从而达到无损检测与分级的目的。本文的主要研究内容和成果为:1.构建了机器视觉平台,选择合适的工业相机、镜头、光源等硬件。使用Matlab标定工具箱对构建的机器视觉系统进行标定,并对镜头的畸变系数进行校正。2.研究了西瓜图像去噪、图像增强、阈值分割、边缘提取等图像预处理方法,根据实验的结果,我们选取中值滤波法降噪、基于直方图的整体阈值分割、拉普拉斯算子进行边缘提取。3.利用Matlab界面编程开发出课题所需的软件系统,该系统包括图像采集系统、相机标定系统、图像预处理系统、体积估算系统、缺陷识别系统。4.构建了西瓜的可溶性固形物含量与西瓜质量、密度的二元回归模型,模型为:SSC=24.39+0.00096*mass-20.03*density。模型复相关系数R-Square为0.7958。5.通过实验验证分析了机器视觉法估算西瓜体积的准确性、提取识别缺陷果的准确率等。实验结果显示机器视觉法估算西瓜体积的复相关系数R-square为0.9633,估算结果的平均相对误差为2.28%。在缺陷果的识别实验中,本系统识别准确率达到93.3%。