基于計算機視覺技術的葉類蔬菜新鮮度檢測分級研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、目前,許多國家在農(nóng)產(chǎn)品的質(zhì)量檢測方面都已開始使用計算機視覺技術,來實現(xiàn)對農(nóng)產(chǎn)品的識別、檢測和管理。作為一種新型的無損檢測技術,計算機視覺技術成為實現(xiàn)農(nóng)產(chǎn)品檢驗的自動可視化發(fā)展的必然趨勢。
   在現(xiàn)有國內(nèi)外研究的基礎上,本研究以目前尚未制定等級標準的葉類蔬菜——小白菜的新鮮度識別作為研究方向,以時間量劃分的三個等級的葉類蔬菜作為研究對象,以計算機視覺和模式識別理論為基礎,獲取在一定條件下背景為白色的葉類蔬菜圖像,利用MATLAB

2、軟件對圖像進行處理、分析,同時采用主成分分析、費歇爾判別相結合的方法,實現(xiàn)了特征提取和判別模型的構建。其中主成分分析則將13個特征參數(shù)綜合成4個新變量,構建的判別模型對樣本總體的識別率達84%。
   主要研究內(nèi)容如下:
   (1)根據(jù)計算機視覺技術對葉類蔬菜的要求,構建葉類蔬菜圖像獲取和分析的計算機視覺系統(tǒng)。
   (2)葉類蔬菜的圖像預處理。背景分割過程中,通過自適應中值濾波法和改進的自適應大津法(OTSU

3、法)對葉類蔬菜彩色圖像的紅、綠、藍分量進行圖像背景分割,通過比較發(fā)現(xiàn):在藍色分量圖中獲取閾值進行背景分割的效果最好。經(jīng)選取閾值的二值化圖像與原彩色圖像進行對比,最終實現(xiàn)彩色圖像的背景分割。
   (3)提取特征參數(shù):顏色特征,形狀特征,紋理特征。將HIS模型和RGB模型配合使用提取葉類蔬菜的顏色特征。葉片圖像經(jīng)過處理后,得到目標圖像的邊緣和區(qū)域,以此來獲得蔬菜葉片的形狀特征。對于不同新鮮程度的葉片,其紋理在粗細、排列上都有很大差

4、別,本文采用灰度共生矩陣法提取葉片的紋理特征。
   (4)分級模型的建立。經(jīng)過特征值提取后,每個樣本都獲得包括顏色、紋理、形狀等13個特征參數(shù)組成的特征向量。本文采用主成分分析法實現(xiàn)數(shù)據(jù)的降維,然后結合費歇爾判別分析,利用降低維度后的特征參數(shù)構建判別模型。試驗結果證明,判別模型對樣本的總體識別準確率達84%。
   (5)基于MATLAB與.NET混合開發(fā)了一套基于計算機視覺的葉類蔬菜新鮮度等級識別研究軟件,該軟件界面

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論