基于多光谱图像的水果外观品质检测方法研究解读Word格式.docx

基于多光谱图像的水果外观品质检测方法研究解读Word格式.docx

《基于多光谱图像的水果外观品质检测方法研究解读Word格式.docx》由会员分享，可在线阅读，更多相关《基于多光谱图像的水果外观品质检测方法研究解读Word格式.docx（75页珍藏版）》请在冰豆网上搜索。

硕士

专业：

机械设计及理论

指导教师：

应义斌

20050301

摘要

利用计算机视觉和图像处理技术对水果进行品质无损检测和自动分级过程中，果梗、花萼部分容易和碰伤、腐烂等常见表面缺陷混淆，从而被误判而引起分级错误。

本文主要针对这种情况，研究了碰伤、腐烂等常见表面缺陷的检测方法，并对果梗和花萼的识别进行了研究，主要研究内容和研究成果如下：

ｌ、综述了利用计算机视觉技术和多光谱图像技术进行水果品质检测和自动分级的国内外研究进展，并指出了国内外同类研究中所存在的问题。

２、建立并完善了适合本研究的多光谱图像系统。

该系统由光照箱、８吏ＴＬ５１４Ｗ／８４０ＨＥ荧光灯、ＨＵＢＢＡ－ＩＩＩ黑白数字ＣＣＤ摄像头、滤光片支架、滤光片、ＭｅｔｅｏｒＩＩ／ＭＣ图像采集卡及ＡＤＶＡＮＴＥＣＨＩＮＤＵＳＴＲＩＡＬＣＯＭＰＵＴＥＲ６１０工控机组成。

３、进行了苹果的分光反射特性实验，采用美国分析光谱仪器公司（ＡｎａｌｙｔｉｃａｌＳｐｅｃｔｒａｌＤｅｖｉｃｅｓ）生产的ＦｉｅｌｄＳｐｅｃ＠ＨａｎｄＨｅｌｄ光谱分析仪进行。

通过该实验测定苹果的完好、碰伤、腐烂、果梗和花萼等不同表面组织的光谱反射特性曲线，进而可以得出区分不同表面组织的波段，然后选择合适的滤光片，有利于水果分级精度的提高。

４、根据ＲＧＢ颜色模型理论，把在４８０ｎｍ＋＿１０ｎｍ、５３０ｎｍ＿＿＋１０ｎｍ、６３０ｎｍ＿】０ｎｍ和８３０ｎｍ＿＋１０ｒｉｍ四个波段下所采集到的图像区域分别用Ｂ、Ｇ、Ｒ和Ｉ表示，然后作为ＲＧＢ颜色模型中的各个分量进行叠加，分别得到ＲＧＢ、ＲＧＩ、ＧＢｌ和ＲＧＢＩ四神多光谱图像。

从碰伤和腐烂等常见表面缺陷的识别结果可以看出：

利用Ｒ、Ｇ、Ｂ、１单色图像和ＲＧＢ、ＲＧＩ、ＧＢＩ、ＲＧＢＩ多光谱图像进行分级时。

对完好表面的识别率分别为７５％、７８．３％、５５％、５１．７％、９５％、１００％、９６．７％、９８．３％，而对有缺陷表面的识别率分别为７５．８％、７３．３％、５３３％、４３．３％、９７．５％、９６．７％、９１．７％、９５．８％。

由此可见，多光谱图像的识别率要高于单色图像，而ＲＧＩ多光谱图像的识别率则要高于ＲＧＢ、ＧＢｌ和ＲＧＢｌ多光谱图像的识别率。

５、根据图像代数运算的理论，把在４８０ｒｉｍ±

１０ｒｉｍ、５３０ｎｍ±

１０ｎｍ、６３０ｎｍ±

１０ｒｉｍ和８３０ｎｍ±

１０ｒｉｍ四个波段下所采集到的图像区域分别用１４８０、１５３。

、１６３０和１８３０表示，然Ｉ

硕士学位论文摘要后作为图像之间除法运算的各个分量，分别得到１４８０／１５３Ｄ、１４８０／１６＂１４ｓｏ／１８ｍ１５３０／１８３０、１６３０／１８３０和１６３０／１５３０六种比率多光谱图像。

从果梗和花萼的识别结果可以看出：

利用１６３０、１５３０、１４８０、１８３０单色图像进行分级时，对缺陷的识别率分别为６９．２％、６５．８％、５１．２％、４５％，对果梗花萼的识别率分别为６７．５％、７１．７％、５９．２％、５４．２％。

而利用１６３０／１５３０比率多光谱图像进行分级时，缺陷和果梗花萼的识别率分别为７３．３％、８４２％。

由此可见，１６３０／ｌ５３０比率图像的识别率要稍高于单色图像，也高于其他几种比率图像的识别率。

关键词：

计算机视觉，多光谱图像，比率图像，表面缺陷，果梗，花萼

硕上学位论文摘要

Ａｂｓｔｒａｃｔ

Ｉｎｔｈｅｐｒｏｃｅｓｓｏｆｎｏｎ・ｄｅｓｔｒｕｃｔｉｖｅｑｕａｌｉｔｙｉｎｓｐｅｃｔｉｏｎａｎｄａｕｔｏｍａｔｉｃｇｒａｄｉｎｇｏｆｆｒｕｉｔｓｗｉｔｈｍａｃｈｉｎｅｖｉｓｉｏｎａｎｄｉｍａｇｅｐｒｏｃｅｓｓｉｎｇｔｅｃｈｎｏｌｏｇｙ，ｔｈｅｓｔｅｍａｎｄｃａｌｙｘｗｅｒｅｏｆｔｅｎｃｏｎｆｕｓｅｄｗｉｔｈｄｅｆｅｃｔｓｓｕｃｈａｓｂｒｕｉｓｅａｎｄｒｏｔ，ａｎｄｔｈｅｎｗａｓｉｎｃｏｒｒｅｃｔｌｙｄｉｓｔｉｎｇｕｉｓｈｅｄａｎｄｍｉｓｃｌａｓｓｉｆｉｅｄ．Ｔｈｅｉｎｓｐｅｃｔｉｏｎｍｅｔｈｏｄｓｏｆｄｅｆｅｃｔｓｓｕｃｈａｓｂｒｕｉｓｅａｎｄｒｏｔｗｅｒｅｓｔｕｄｉｅｄ，ａｎｄｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓｏｆｓｔｅｍａｎｄｃａｌｙｘｗｅｒｅｐｒｅｓｅｎｔｅｄ．Ｔｈｅｍａｉｎｒｅｓｅａｒｃｈｃｏｎｔｅｎｔｓａｎｄｒｅｓｕｌｔｓｗｅｒｅａｓｆｏｌｌｏｗｓ：

１、Ｔｈｅｒｅｓｅａｒｃｈａｄｖａｎｃｅｍｅｎｔｓａｎｄａｃｈｉｅｖｅｍｅｎｔｓｉｎｔｈｅａｒｅａｏｆｎｏｎ－ｄｅｓｔｒｕｃｔｉｖｅｑｕａｌｉｔｙｉｎｓｐｅｃｔｉｏｎｏｆｆｒｕｉｔｓａｎｄａｕｔｏｍａｔｉｃｇｒａｄｉｎｇｗｉｔｈｍａｃｈｉｎｅｖｉｓｉｏｎａｎｄｍｕｌｔｉｓｐｅｏｔｒａｌｉｍａｇｉｎｇｗｅｒｅｒｅｖｉｅｗｅｄ，ａｎｄｔｈｅｅｘｉｓｔｉｎｇｐｒｏｂｌｅｍｓｗｅｒｏｐｕｔｆｏｒｗａｒｄ．

２、Ｍｕｌｆｉｓｐｅｃｔｒａｌｉｍａｇｉｎｇｓｙｓｔｅｍｓｕｉｔａｂｌｅｆｏｒｔｈｉｓｒｅｓｅａｒｃｈｗａｓｓｅｔｕｐ．Ｔｈｉｓｓｙｓｔｅｍｉｓｃｏｍｐｏｓｅｄｏｆａｌｉｇｈｔｉｎｇｃｈａｍｂｅｒ，ｅｉｇｈｔｆｌｕｏｒｅｓｃｅｎｔｌａｍｐｓ（ＴＬ５１４Ｗ／８４０ＨＥ），ＣＣＤｃａｍｅｒａ（ＨＵＢＢＡ．ＨＩ），ｆｉｌｔｅｒｔａｂｌｅ，ｆｉｌｔｅｒｓ，ｆｒａｍｅｇｒａｂｂｅｒ（ＭｅｔｅｏｒＩＩ／ＭＣ），ａｎｄａｃｏｍｐｕｔｅｒ（ＡＤＶＡＮＴＥＣＨＩＮＤＵＳＴＲＩＡＬＣＯＭＰＵＴＥＲ６１０）．

３、ＳｐｅｃｔｒａＩｒｅｆｉｅｃｔａｎｃｅｅｘｐｅｒｉｍｅｎｔｓｏｆａｐｐｌｅｓｗｅｒｅｐｅｒｆｏｒｍｅｄｕｓｉｎｇＦｉｅｌｄＳｐｅｃ＠ＨａｎｄＨｅｌｄＳｐｅｃｔｒｏｍｅｔｅｒ（ＡｎａｌｙｔｉｃａｌＳｐｅｃｔｒａｌＤｅｖｉｃｅｓ）．Ｔｈｅｒｅｆｌｅｃｔａｎｃｅｓｐｅｃｔｒａｏｆｄｉｆｆｅｒｅｎｔａｐｐｌｅｔｉｓｓｕｅｓｓｕｃｈａｓｔｈｅｓｏｕｎｄ，ｂｒｕｉｓｅ，ｒｏｔ，ｓｔｅｍａｎｄｃａｌｙｘｗｅｒｅｇｏｔｔｈｒｏｕｇｈｔｈｅｅｘｐｅｒｉｍｅｎｔｓ．Ｔｈｅｗａｖｅｂａｎｄｗａｓｏｂｔａｉｎｅｄｔｏｄｉｓｔｉｎｇｕｉｓｈｄｉｆｆｅｒｅｎｔａｐｐｌｅｔｉｓｓｕｅｓ，ａｎｄｔｈｅｎｔｈｅｓｕｉｔａｂｌｅｆｉｌｔｅｒｓｗｅｒｅｃｈｏｓｅｎｔｏｉｍｐｒｏｖｅｔｈｅｐｒｅｃｉｓｉｏｎｏｆｇｒａｄｉｎｇ．

４、Ｂ、Ｇ、Ｒａｎｄ１ｗｅｒｅｕｓｅｄｔｏｄｅｎｏｔｅｔｈｅｉｍａｇｅｓｃａｐｔｕｒｅｄａｔｗａｖｅｂａｎｄｏｆ４８０ｎｍ±

ｌＯｎｍ、５３０ｎｍ士１０ｒｉｍ、６３０ｎｍ±

ｌＯｎｍａｎｄ８３０ｎｍ±

１０ｎｍｓｅｐａｒａｔｅｌＮＡｎｄＢ、Ｇ、Ｒａｎｄ１ｗｅｒｅｕｓｅｄａｓｅａｃｈｃｏｍｐｏｎｅｎｔｏｆＲＧＢｃｏｌｏｒｍｏｄｅｌｂａｓｅｄｏｎｔｈｅＲＧＢｃｏｌｏｒｍｏｄｅｌｔｈｅｏｒｙ．ＲＧＢ、ＲＧｌ、ＧＢＩａｎｄＲＧＢＩ，ｔｈｅｓｅｆｏｕｒｍｕｌｔｉｓｐｅｃｔｒａｌｉｍａｇｅｓｗｅｒｅｏｂｔａｉｎｅｄｗｈｅｎｔｈｅｃｏｍｐｏｎｅｎｔｓｗｅｒｅａｄｄｅｄ．Ｉｎｓｐｅｃｔｉｏｎｒｅｓｕｌｔｓｏｆｄｅｆｅｃｔｓｓｕｃｈａｓｂｒｕｉｓｅａｎｄｒｏｔｓｈｏｗ：

ｔｈｅｉｎｓｐｅｃｔｉｏｎｐｒｅｃｉｓｉｏｎｏｆｔｈｅｓｏｕｎｄｉｓ１１１

里圭兰篁堡壅塑至７５％、７８３％、５５％、５Ｉ７％、９５％、１００％、９６．７％、９８．３％，ａｎｄｔｈｅｉｎｓｐｅｃｔｉｏｎｐｒｅｃｉｓｉｏｎｏｆｔｈｅｄｅｆｅｃｔｓｉｓ７５．８％、７３．３％、５３３％、４３．３％、９７．５％、９６．７％、９１．７％、９５８％ｗｈｅｎｕｓｉｎｇＲ、Ｇ，Ｂ，ＩｍｏｎｏｃｈｒｏｍａｔｉｃｉｍａｇｅｓａｎｄＲＧＢ、ＲＧＩ，ＧＢＩ、ＲＧＢＩｍｕｌｔｉｓｐｅｃｔｒａｌｉｍａｇｅｓ．Ａｎｄｔｈｅｉｎｓｐｅｃｔｉｏｎｐｒｅｃｉｓｉｏｎｏｆｍｕｌｔｉｓｐｅｃｔｒａｌｉｍａｇｅｓｉｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｍｏｎｏｃｈｒｏｍａｔｉｃｉｍａｇｅｓ；

ｗｈｉｌｅＲＧＩｍｕｌｔｉｓｐｅｃｔｒａｉｉｍａｇｅｉｓｈｉｇｈｅｒｔｈａｎＲＧＢ，ＧＢＩａｎｄＲＧＢＩｍｕｌｆｉｓｐｅｃｔｒａｉｉｍａｇｅｓ・

５、１４８０、１５３０、１６３０ａｎｄ１８３０ｗｅｒｅｕｓｅｄｔｏｄｅｎｏｔｅｔｈｅｉｍａｇｅｓｃａｐｔｕｒｅｄａｔｔｈｅｗａｖｅｂａｎｄｏｆ４８０ｎｍ±

１０ｈｍ、５３０ｎｍ＋１０ｎｍ、６３０ｎｍ＿＋ｌＯｎｍａｎｄ８３０ｒａｎ＿１０ｒｍｌｓｅｐａｒａｔｅｌＮＡｎｄｌ４８０、１５３０、１６３０ａｎｄ１ｓ３０ｗｅｒｅｕｓｅｄａｓｅａｃｈｃｏｍｐｏｎｅｎｔｏｆｉｍａｇｅａｌｇｅｂｒａｉｃｏｐｅｒａｔｉｏｎ・ｈｓｏ／１５３０、１４５０／１６３０、１４８０／１８３０、１５３０／１８３０、１６３０，１８３０ａｎｄ１６３０／１５３０ｔｈｅｓｅｓｉｘｒａｔｉｏｉｍａｇｅｓｗｅｒｅｏｂｔａｉｎｅｄｂａｓｅｄｏｎｉｍ８９。

ａｌｇｅｂｒａｉｃｏｐｅｒａｔｉｏｎｔｈｅｏｒｙ．Ｉｄｅｎｔｉｆｉｃａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗ：

ｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｐｒｅｃｉｓｉｏ“ｏｆｄｅｆｅｃｔｓｉｓ６９．２％、６５．８％、５１．２％、４５％，ａｎｄｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎｐｒｅｃｉｓｉｏｎｏｆｓｔｅｒｎ／ｃａｌｙｘｉｓ６７・５％、７１－７％、５９＿２％、５４．２％ｗｈｅｎｕｓｉｎｇ１６ｍＩｓ３０、１４∞、Ｉｓ３０ｍｏｎｏｃｈｒｏｍａｔｉｃｉｍａｇｅｓ．ＡｎｄｔｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎＤｒｅｃｉｓｉｏｎｏｆｄｅｆ色ｃｔｓａｎｄｓｔｅｎａ／ｃａｌｙｘｉｓ７３．３％、８４．２％ｗｈｅｎｕｓｉｎｇ１６３０／１５３０ｒａｔｉｏｉｍａｇｅｓ．ＴｈｅｉｄｅｎｔｉｆｉｃａｔｉｏｎＤｒｅｃｉｓｉｏｎｏｆｌ６３０，１５３０ｒａｔｉｏｉｍａｇｅｉｓｈｉｇｈｅｒｔｈａｎｔｈａｔｏｆｍｏｎｏｃｈｒｏｍａｔｉｃｉｍａｇｅｓａｎｄｏｔｈｅｒｒａｔｉｏｉｍａｇｅｓ．

Ｋｅｙｗｏｒｄｓ：

ｍａｃｈｉｎｅｖｉｓｉｏｎ，ｍｕｌｔｉｓｐｅｃｔｒａｌｉｍａｇｅ，ｒａｔｉｏｉｍａｇｅ，ｄｅｆｅｃｔ，ｓｔｅｍ，ｃａｌｙｘ

本研究受

国家高技术”８６３”项目（２００１

国家自然科学基金项目（Ｎｏ．３０２７０７６３）ＡＡ４２２２３０）资助

硕士学位论文第章绪论

第一章绪论

１．１本研究的目的与意义

众所周知，我国是农业大国，但农业生产产值却很低。

其中一个主要原因是由于我国农产品收获后加工水平太低，从而制约了农民收入的提高，极大地阻碍了我国国民经济的发展。

为迅速解决这一瓶颈问题，我国把“农产品加工技术与设备研究开发”列为“十五”霓大科技攻关项目的第１项，由此可见我国政府和有关部ｆ１对这一目题的重视程度。

水果在我国的农产品中占有很Ｌ人的比重，但目前我国水果采后加工处理的水平仍很低，检测和分级手段也根落后，致使我国水果的外观质量较差，减弱了在国际市场上的竞争力，影响了农业产值的提高。

我国加入ＷＴＯ后，进一步降低关税和开放农产品市场是必然趋势，我国农业和农产品加工业所面临的竞争将会更加激烈。

睦；

】此，提高我国农产品的产后处理水平，提高农产品质量，从而提高其国际竞争能力是当务之急，

随着计算机硬件、软件的飞速发展，计算机应用也逐步由数值计算、数据处理领域向信息处理和知识处理领域拓展。

在农业生产过程中，以农业现代化、自动化、信息化为基础的“精细农业”变革正是计算机技术在农业中广泛应用的典范。

基于计算机视觉技术的水果分级技术研究正是这聃“精细化”思想在加工生产环节实践的Ｘ一体现，具有很重要的现实意义。

１．１．１水果分级的需求

中国是水果生产大国，水果总产量占世界总产量的１４％，居世界之首。

苹果和梨的产犀居世界第一，柑橘产量排在巴崩和美国之后，位列第三。

据国家统计局、中国农业年鉴编辑委员会统计：

１９８５年、１９９０年、１９９５年、１９９８年、２０００年和２００２年，我国水果产量分别为１１６４万吨、１８７４万吨、４２１５万吨、５４５３万吨、６２２５万吨和６９５２万吨。

如图１—１所示，在