论文信息
论文题目:《基于边缘检测改进算法的脐橙分拣系统设计与实现》
作者:陈讯
单位:北京邮电大学
来源:中国知网
论文性质:硕士学位论文
提交时间:2016.3
摘要
论文通过引入监督学习的Adaboost算法来改进现有的Canny边缘检测算法,使分拣系统对脐橙边缘检测的识别更加准确。针对脐橙的图像特征,从形状特征、变换特征等方面进行研究。类比图像特征与体积的关系,对脐橙的体积进行了估计,并以此计算脐橙的密度,作为分拣标准。
论文介绍了图像边缘检测算法,提升了算法的抗噪能力,并通过Adaboost算法改进边缘拼接,使图像连接更符合人的认识。对图像特征进行了分析和选取,通过实验,设计样本脐橙的体积模型,完成对图像中水果的拟合。
论文设计并搭建了完整的脐橙分拣系统、编写控制应用软件。
关键词:脐橙、分拣系统、边缘检测、Adaboost
1 绪论
国外研究现状
1985年,美国的Scrkar和Wolfe利用计算机图像实现对新鲜西红柿的检测:利用西红柿的中心区域的颜色均值作为特征,依据颜色的相似度进行分级。由于没有考虑所有的表面颜色特征,结果不准确、处理的速度慢。
1991年,Varghese研究果型对品质的影响:讲苹果固定好位置,收集不同角度的图像,综合评价。方法复杂,且位置的定位与人为因素有关,结果不稳定。
2001年,Penman利用苹果的果梗,在蓝色光源下的反射特性,通过分析蓝光照射下的反射图像与形状的相关性,达到了对果梗方位的检测。
2003年,Blasco等人改进了检测装置,对单体化的水果,利用旋转拍摄了四幅无重叠图像,提高了检测的精度,在苹果的缺陷检测中检测率达88%。
2007年,D.Unay等人,利用机器学习的方法,对果梗就行是被研究,通过阈值法提取目标区域,并提取形状和纹理特性作为SVM算法实现最优分类,准确率很高。
国内研究现状
1998年,杨秀坤研究了图像处理中的“自适应能力”差的问题,提出“神经网络+加权分类决策树”的方法来实现自适应。
2000年,籍保平等研发了一种水果自动分拣系统,根据水果的 果形、大小、颜色、缺陷对水果进行分级。
2001年,赵静,将“水果的半径、曲率、对称性”作为和神经网络的输入,实现水果的识别。准确率93%。
2002年,冯斌,建立水果的灰度模型,对水果进行阈值分割,通过傅里叶变换进行识别。
2007年,饶秀琴,对机器视觉系统作了深入的研究,提出了一种水果品质检测与分级的生产线系统,是我国率先研究成功的基于视觉系统的分级生产线。
2 图像处理和识别的基本理论
图像去噪
分为图像空间域去噪和图像变换域去噪
空间域去噪:在原有数据的基础上,以像素点为单位进行逐点运算或利用像素的相关性进行操作和变换。常用的方法:领域平均法、多幅图像平均法、中值滤波法、空间域低通滤波法。
变换域去噪:在图像的变换域进行处理,对原始图像进行变换域变换,在该域进行处理,最后反变换,完成去噪。傅里叶变换去噪、小波变换去噪。
图像识别
概念:利用计算机对图像进行处理分析,以达到识别不同模式下的目标和对象的目的。图像识别的基本依据是特征。
常见的特征区域:
![](https://i-blog.csdnimg.cn/blog_migrate/137a69e8e64aa2dea2f6789c5afa5524.png)
3 基于边缘检测改进算法的脐橙特征检测
边缘检测算法(Canny)改进
(1)改进图像处理的铝箔算法
具体改进:为了提高算法的抗噪能力,在对图像进行边缘特征提取前,先采用了中值滤波的预处理方法。在方法的原基础上,引入了方向性,相比与传统的Canny算法的高斯滤波,它能有效地抑制脉冲噪声点,同时保留边缘细节信息。
(2)基于Adaboost的边缘连接算法
图像的边界常常用灰度图像的梯度进行描述,因此,表征边缘最本质的方法是获取灰度变换的梯度值。下面引入Adaboost算法,将不同但具有描述图像特性的特征作为分类器的输入,包括梯度值,同时考虑端点、角度方向值、端点像素距离、端点连续边缘长度等作为边缘连接的参数,以利于更好地进行边缘检测。
脐橙轮廓特征提取
提取的特征集合是对体积进行估计的输入条件。下面是对图像处理后边缘轮廓的一些特征:
(1)面积
通过计算该区域的像素数目获得。
(2)周长
外围轮廓边界上点到点依次顺序的和。
(3)长宽比
脐橙在卡钳内的长度与宽度的比值
(4)傅里叶椭圆和
傅里叶椭圆和是专门用于水果定位的识别特征,这个特征在一定的程度上指示从侧面观察水果的纵断面是椭圆形的。
(5)傅里叶圆和
(6)平均直径
(7)圆度
(8)凸度
凸度是实际周长与凸周长的比值,凸周长是凸包中的点沿其边缘边界点之间距离相加得到。
(9)坚实度
坚实度是其面积与凸区域(凸包面积)的比值
(10)饱和度
该对象面积与边界外接巨型面积之比。
(11)弯曲能量
(12)平均距离
(13)平均距离方差
(14)充实度
脐橙的体积估计
利用类比公式的体积估算方法。具体如下:
假设脐橙是球形,则可以从轮廓的面积推导出其体积的大小:,
因此得到:
![](https://i-blog.csdnimg.cn/blog_migrate/a171b13dc675e945cdb6626315720f78.png)
可以看出,
4 脐橙分拣系统设计与实现
分拣系统的组成
脐橙分拣系统的组成如下:
![](https://i-blog.csdnimg.cn/blog_migrate/da2e2ef5300ecb037bfdbd7c16a0c708.png)
分拣模块:
![](https://i-blog.csdnimg.cn/blog_migrate/52f992635eb92983542690bfe215e8cb.png)
脐橙分拣系统软件开发
主要使用的软件:
matlab:实现训练和拟合部分的参数值的计算
opencv+vs:图像处理
vs:利用Visual C++完成软件界面设计
运行结果
对体积估计具有很好的效果,在7%以内,平均误差5.3%。基本能够对脐橙进行分级分拣,满足生产加工的需求。
5 总结与展望
创新点成果
(1)提出一种新的分拣技术,流水线分拣精度达95%,对脐橙的体积估计精度达93.6%。
(2)改进Canny算法,引入Adaboost算法提高边缘连接的准确性。
(3)通过类推定义了特征与体检的关系,实现了多元线性回归模型对关系式进行求解。
(4)论文提到的方法可以推广到其他的水果检测中,方法具有普适性。
展望
本文采用的是灰度图像,如果采用RGB彩色图像对脐橙进行图像采集,那么可以进一步的提升脐橙的识别,包括果伤类型的确定和分类。
finished,2018.11.4,morning,by songpl
★声明:本篇文章是本人在学习期间的笔记,如有侵权,请联系删除