论文部分内容阅读
近年来,我国倡导数字化农业,全国各地的田间、农家院里都可见到“数字化”的影子。农业生产的自动化不仅为种植者带来优质高产的惊喜,同样为消费者带来直接的经济效益。马铃薯表面缺陷的自动化检测是农业生产自动化的重要组成部分。本研究针对收获后的马铃薯可能出现的缺陷(青斑、腐烂、机械损伤),在研究现有识别算法的基础上,开展了对三种缺陷的识别算法的研究,对更适合应用在实际生产中的检测算法进行了探索,旨在最大化的减少人为因素在马铃薯品质检测过程中的误差。本研究主要内容及成果如下:(1)采集马铃薯图像并进行预处理。采用由Canon A490数码相机、相机支架框及白色背景板组成的图像采集系统来对马铃薯进行图像采集,分别得到研究中使用的正常马铃薯及带有缺陷的马铃薯的原始RGB彩色图像。(2)提取青斑、腐烂和机械损伤缺陷的特征因子。分析青斑、腐烂和机械损伤缺陷的特征,选定R与G通道图像所有像素值和的比值R/G、G与B通道图像所有像素值和的比值G/B作为马铃薯青斑缺陷的特征参数;选择分布在21~60及61~80两个灰度范围内的像素分布概率P1、P2作为腐烂缺陷判别的特征算子;选择缺陷部分形状轮廓的最小外接矩形的长DC和宽DK的比值P作为机械损伤缺陷的特征算子。(3)对青斑、腐烂和机械损伤缺陷进行识别。使用Fisher分类器,将青斑缺陷和腐烂缺陷的特征值作为输入样品,得到判别函数。之后当再将同类特征值代入该函数,只要判断这组特征值与0的大小关系,即可识别出这组特征所在的马铃薯是正常健康的马铃薯还是含有青斑和腐烂缺陷的马铃薯。利用机械损伤缺陷的特征值与1的比较关系,即可判断出一个马铃薯是否带有机械损伤缺陷。实验结果显示,该算法对于三种缺陷的识别正确率分别为93%、90%和87.5%,达到了农业生产自动化的要求。该识别算法具有简捷、高效的特点,可以很好的解决现有分级算法不够准确高效的问题,为食品加工制造业产品质量提供技术支持。