上海论文网是一家老字号论文网站,专业提供硕士毕业论文服务。

基于多光谱图像之库尔勒香梨缺陷识别

日期:2020-12-15 20:30 作者:上海论文网 编辑:若诗 点击次数:189
销售价格:150 论文编号:el2020120819044621186 论文字数:4143 所属栏目:计算机论文
论文地区:中国 论文语种:中文 论文用途:硕士毕业论文 Master Thesis

本文是计算机论文,通过分析多光谱相机采集下的图像,结合现有的图像预处理方法,先采用多光谱图像进行阈值的计算方法进行二值分割,然后采用canny算子对去除背景后的图像进行边缘提取。对库尔勒香梨表面的六种缺陷的多光谱图像进行检测分析后,试验结果表明:带有疤痕,病斑和腐烂的缺陷缺陷识别准确率可达到92%以上,处理单张图像平均耗时2.4s,具有较高准确性。

本文是计算机论文,本文以库尔勒香梨为检测对象,利用多光谱相机进行采集,对库尔勒香梨的表面缺陷进行检测。本文得出的研究成果如下:(1)研究了图像预处理算法。满足实际应用,可用于库尔勒香梨的实时检测。(2)动态检测下,使用缺陷图像和轮廓图像相加得到缺陷可疑区域,计算连通区域个数。同时对采集到的三张图像进行连通区域个数的判定,解决了将香梨果梗和花萼处识别为缺陷的问题。该方法对香梨果柄、果萼和表面缺陷可有效区分,检测方法简单、处理时间较短,具有较高的实用价值。(3)设计了一种基于多光谱图像的库尔勒香梨表面缺陷面积计算方法,通过统计缺陷区域像素个数来代替缺陷面积,进行缺陷面积计算。结果表明,对于正常香梨因其表面光整无缺陷,缺陷面积判定的检测准确率为100%;对于表面缺陷香梨的缺陷面积判定检测准确率为92%。

....

 

第1章绪论

 

最近几年,国内外学者一方面将多光谱图像技术应用在精准农业、农业遥感测量等领域的研究,另一方面也投身致力于把基于多光谱图像的技术应用到果蔬品质、外观无损检测中,在此期间取得了丰硕的研究成果。如今,多光谱图像技术是一种把目标图像与目标物体光谱二者相互结合起来的一门非破坏性新型检测技术。它有着几个或十几个不连续的特征光谱波长,是伴随着高光谱技术发展而来的。可以达到在不损坏目标样品的前提下同时获取目标物体的形态信息和其内部光谱信息,从而实现对目标样品的检测和判别。这一过程通常会涉及到多光谱相机图像采集和图像处理两个重要过程。目前多光谱图像技术凭借成像设备价格低、有效光谱波段少,获取样品信息周期短、数据易传输、保存和处理等优点被广泛应用到各类农产品检测中[55]。综上所述,国内外各学者和专家将这几种新兴检测技术致力于精准农业领域,同时也更多地应用于水果品质无损检测中。采用多种技术和方法对苹果、柑橘、香梨的糖度、硬度、表面缺陷等进行了研究,但采用多光谱图像检测技术对库尔勒香梨进行缺陷检测的研究还是较少。

.....

 

第2章多光谱成像技术的理论及系统调试

 

2.1多光谱相机的原理及组成
通过前置光学子系统对目标物体成像,从而得到目标物体的图像二维空间信息。后面的狭缝装置与准直子系统二者共同决定了目标物体的光谱分辨率以及光谱信息的收集。准直子系统的作用是将聚光束准直后得到平行光进入分光子系统,分光子系统需要根据光谱分辨率来进行筛选。不同波段的光波经过最后的成像子系统就能够得到不同波段的图像,即目标的图像光谱信息,由探测器获得最终结果。将多光谱图像应用于图像分割,可以克服图像在单色光谱下成像信息的单一性和局限性,同时获得不同层次的图像信息,有利于更准确地描述图像中的目标与背景,从而得到更好的图像分割结果。本文提出的一种基于多光谱图像的库尔勒香梨表面缺陷检测方法。借助多光谱图像技术,可以进一步改善单波段和可见光图像信息量不足的问题,由此大大提高香梨缺陷图像分割的质量,这对香梨表面的缺陷定位与定性具有重要意义,有助于实现精准检测,提升经济效益。

 

2.2五通道多光谱相机
香梨全方位旋转装置确保香梨在检测过程中每个位置都需要被检测到,也就是说需要香梨进行全方位无死角旋转。针对以上情况,本文使用了课题组成员研制的一种可以实现对香梨全方位无死角旋转的旋转输送夹持装置[64]。图2-7为该装置的实物图。该装置共有包括底座、支撑单元、香梨旋转输送单元、动力单元和控制单元。香梨旋转输送单元安装在支撑单元上,支撑单元、动力单元和控制单元均固定在底座上,控制单元与动力单元连接,动力单元与所述香梨旋转输送单元连接,且带动所述香梨旋转输送单元旋转。本章从多光谱相机的原理和组成出发,详细介绍了库尔勒香梨多光谱成像检测系统,阐述了多光谱图像获取的原理及硬件系统参数和软件参数,对多光谱图像的获取流程进行介绍。为本文将多光谱检测技术应用于库尔勒香梨表面检测提供了技术支撑。参考以往获得多光谱图像的方法,研究并设计了适合本文的多光谱图像采集系统。

.....

 

第3章多光谱图像处理方法...............................................................16
3.1图像预处理....................................................................................................16
3.2图像增强处理................................................................................................17
3.3图像分割处理................................................................................................17
第4章香梨缺陷检测试验与分析........................................................29
4.1试验样本........................................................................................................29
4.2缺陷检测........................................................................................................29
4.3试验数据处理与分析....................................................................................31
4.4各通道下图像的融合分析处理....................................................................38
4.5本章小结........................................................................................................39
第5章结论与展望...............................................................................41

....

 

第4章香梨缺陷检测试验与分析

 

4.1试验样本
试验材料选自于阿拉尔市塔里木大学东校区梨园内采摘的香梨,采摘时间为2018年9月份,该时间点为香梨的成熟期。所采摘的库尔勒香梨表面有六种缺陷,分别是收集表面碰压伤、疤痕伤、虫咬伤、机械损伤、果锈、病斑。图4-1所示为典型缺陷图像。划分效果图如图4-2所示。原始图像通过二值化和4邻域边缘检测提取香梨轮廓。由于原始图像香梨外部边缘处的灰度值较低,二值化后香梨图像外部轮廓部分包括缺陷部分与边缘部分,为了准确提取边缘部分,将二值化后得到的外部轮廓图像用形态学膨胀的方法进行处理,从而得到边缘膨胀图像。相比于这几种新兴技术,多光谱图像检测技术将多光谱技术与图像分割技术相结合,并在农产品领域进行应用,便是一次成功的尝试。多光谱图像作为一种高维图像,与传统的图像相比,多光谱图像具有图谱合一的特征,可以获取大范围波段的图像信息,尤其是在单波段图像或者可见光图像包含信息比较微弱的情况下,利用多光谱图像进行图像识别会具有显著的优势。
计算机论文怎么写

 

4.2缺陷检测
静态检测下,直接可获得香梨表面缺陷图像。相比静态采集,动态检测需要考虑相机的曝光时间与旋转装置的旋转速度相匹配的问题。按照所搭建的多光谱图像采集系统进行动态缺陷检测时,调整合适的旋转速度与相机的曝光时间是进行动态检测的关键。试验前期选取20个符合要求的香梨进行区域划分测试动态检测下的香梨状态。首先在一平面内画一个半径为5cm的圆,使用量角器将此圆进行划分。接着每旋转120度确定为一块区域,并用黑色签字笔在平面内写上数字1、2、3。放置香梨在圆心处,按照划分好的区域插入卡片。最后使用黑色签字笔按照卡片的位置在香梨表面进行区域划分,划分后的表面写上数字1、2、3。这样整个香梨表面被均分为1、2、3三块区域进行图像采集。第二步是经过前期图像预处理、中值滤波、小波增强,Canny边缘检测后的图像,要想得到香梨表面缺陷需要通过函数imdilate利用线性结果函数对检测的边缘进行膨胀操作,图像处理结果如图4-4所示;接着利用函数imcomplement对上一步膨胀后的图像进行颜色翻转,图像处理结果如图4-5所示;最终将第一步和第二步得到的两张图进行图像的加法运算,这样香梨的外部缺陷就可以成功提取出来了,最终结果如图4-6所示。
计算机论文范文

.......

 

第5章结论与展望
缺陷面积判定结果稳定,能够保证较高的准确率。本文的主要研究内容是基于多光潜图像技术的库尔勒香梨表面缺陷的检测方法。该方法能有效检测库尔勒香梨的表面缺陷。为多光谱图像技术在农产品无损检测领域中的发展和应用奠定了理论基础。尽管本文的研究达到了有效检测缺陷的结果,然而根据本文分析与讨论中存在的一些问题,接下来还可以从以下几个方面进行研究。(1)本文的缺陷识别未达到缺陷的分类识别,在接下来的研究中我们还需从尺寸大小、纹理特征方面着手解决畸形缺陷、缺陷能够分类,解决库尔勒香梨各类缺陷的判别。(2)本文经过缺陷的检测试验得出的数据中发现多光谱第二通道的检测率是最高的,另外通过查阅资料得知第二通道可见光范围500-590nm之间;这说明香梨表面的缺陷与可见光的范围是相关的,梨属于蔷薇科梨属水果,内部的组织和成分因不同缺陷,导致在一些波长处有明显的差异。下一步我们应进行对库尔勒香梨表面缺陷提取光谱,观察分析各个通道与波长、颜色方面的关系。
参考文献(略)
该论文为收费论文,请扫描二维码添加客服人员购买全文。