蘑菇质量检测 计算机视觉,基于计算机视觉和光谱分析的食用菌品质检测研究...

摘要：

用菌的品质检测是食用菌工厂化生产环境控制和产品质量分级的重要依据.本文以鸡腿菇为研究对象,探讨了基于计算机视觉和图像处理技术的食用菌外部品质检测与分级的研究,并基于近红外光谱定量分析技术建立了食用菌内部品质的预测模型.主要研究内容和结果如下:1,鸡腿菇单体图像处理:对一个生长周期内的鸡腿菇单体样品采集图像信息,经图像灰度化,中值滤波后采用OTSU自适应阈值分割法,在R-0.5G+0.5B分量下可以有效的将菌盖与菌柄分离,同时与背景分割,得到了非常理想的目标区域.运用膨胀运算对图像空洞填充后,使用regionprops函数统计有效像素值.2,鸡腿菇群体图像处理:对鸡腿菇群体图像提出基于灰度值变化的分割算法,对重叠图像进行有效地分割;针对处于后景的分割后图像,提出基于Hough变换的椭圆拟合修复算法.对修复后的图像经平滑滤波和空洞填充后统计像素值,并对分割和修复算法进行了实验验证,结果表明,遮挡情况下的分割修复图像与移除遮挡物的完整图像相比,修复精度可达到96.30%.3,鸡腿菇生长规律:提取了鸡腿菇高度(长度),径长(直径),面积,周长等生长指标以及鸡腿菇图像外接矩形的相应指标,得到了一个生长周期内鸡腿菇各生长指标的变化曲线,并在此基础上建立了鸡腿菇重量预测模型.4,鸡腿菇外部品质分级:提出以菌盖圆形度,菌盖偏心率,菌柄弯曲度三个形状因子来描述鸡腿菇的外部品质,并结合支持向量机模式识别方法,探讨了基于菌盖圆形度,菌盖偏心率,菌柄弯曲度这三个因子的鸡腿菇外部品质分级方法,对五种等级的鸡腿菇总体识别率为90%.5,鸡腿菇内部品质特征光谱提取:对不同生长时期的鸡腿菇样品采集光谱信息,选取含水率,总糖含量,粗蛋白含量三个指标为鸡腿菇内部品质的评价指标,选用偏最小二乘聚类分析和主成分聚类分析剔除异常样品,采用相关系数法选取各指标的特征波段分别为1409-1473nm和1862-2110nm,350-742nm和1925-1937nm,1405-1469nm和18592-2106nm.6,鸡腿菇内部品质模型建立:通过不同的预处理方式分别建立主成分回归,逐步回归分析和偏最小二乘回归模型,对比发现,在归一化+二阶微分+MAF平滑,归一化+二阶微分+MAF平滑预处理,正规化+二阶微分+7点SGF平滑预处理方式下,对含水率,总糖含量,粗蛋白含量三个指标建立的偏最小二乘回归模型的预测能力最好,预测相关系数分别为0.9435,0.9823,0.9426.实验结果表明,可见/近红外定量分析技术可以有效实现对鸡腿菇内部品质的无损检测.本研究对实现食用菌在线无损检测和分级有一定的理论意义,也为实现食用菌工厂化生产和机械化采摘提供理论依据和应用参考.

展开