基于机器视觉技术的君迁子种子分类研究
种质资源的快速分类检测对于国家种质资源的保护和发展具有重要意义。随着信息技术的快速发展，图像处理与识别技术在种子的分类检测中发挥着越来越重要的作用。本文以计算机图像处理技术为基础，综合运用图形图像学和模式识别等理论和技术，对君迁子种子的自动识别分类进行了研究。 本研究主要内容包括：⑴搭建了君迁子种子图像采集的机器视觉系统。系统主要由光源、摄像头和计算机组成。系统采用可编程的工业相机，以实现对君迁子种子图像进行自动采集。⑵对图像进行预处理。分析比较了几种图像预处理方法，包括图像灰度处理、图像滤波、阈值分割和形态学处理等，提取出目标种子的图像，最后进行边缘检测。使用多种算法算子对图像进行预处理，并对计算结果进行分析比较，选出最优的算法。⑶种子特征提取。分析了君迁子种子外形和颜色特征，包括13个几何形状特征：面积A，周长P，圆形度e，长轴L，短轴S，长宽比w，最大半径Rmax，最小半径Rmin，半径比z，长轴1?4处、3?4处、1?8处、7/8处短轴的长度，以及6个颜色特征。计算了R、G、B三个颜色的均值和方差。应用图像处理技术提出特征参数提取算法，并用HALCON软件编程实现特征的自动提取和存储。在提取种子特征时，提出了基于机器视觉的君迁子种子尖端识别方法，并通过对种子轮廓进行分割和拟合，确定了种子尖端位置。研究结果表明，种子尖端识别综合准确率为83.6%。根据种子尖端位置，确定了种子主轴方向。然后给出了种子轮廓任意两点处距离的计算方法。该测量方法不受种子摆放位置和正反面的影响，能够区分种子长轴1?4处和3?4处短轴长度、长轴1?8处和7/8处短轴长度，并快速计算出结果。⑷种子品种建模与识别。利用神经网络算法分别对五类种子建立了模型，将前面提取到的19个特征参数输入神经网络。通过数据分析和实验验证，该方法的综合识别准确率达到91.8%。最后，在对整个分类系统分析和综合评价的基础上，提出了基于机器视觉技术的种子分类的发展方向和建议。
种子筛选;机器视觉;图像识别;图像处理
河南科技学院
硕士
食品加工装备及其自动化
冯启高
2017
中文
TP391.41;TP317.4
83
2018-03-21（万方平台首次上网日期，不代表论文的发表时间）