基于MATLAB的橙子识别与计数研究Word文档下载推荐.docx
《基于MATLAB的橙子识别与计数研究Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《基于MATLAB的橙子识别与计数研究Word文档下载推荐.docx（26页珍藏版）》请在冰豆网上搜索。
学号:
32312308
指导教师:
邹修国职称:
副教授
2016年5月28日
南京农业大学教务处制
基于MATLAB的橙子识别和计数研究
电子信息科学与技术专业学生孙娜娇
指导教师邹修国
摘要：
随着计算机技术的快速发展，当代农业的发展也越来越迅速。
目前，国内外的人工水果识别鉴定能力均不能满足实际生产需求。
因而，人们开始不断探索利用计算机自动识别水果的原理和方法，水果识别也因此成为国内外研究的热点。
与传统计算机图像识别技术研究不同的是本课题以近年来热度较高的MATLAB作为研究平台，针对于球状水果，提出了以图像特征灰度化为切入点，用小波去噪和中值滤波相结合的办法对图像进行预处理，以Sobel算子对图像作边缘检测，通过基于形态学的图像特征抽取与分析，最终用分水岭图像分割方法实现目标检测与计数。
该课题充分利用了MATLAB平台在图像处理方面的优势，经过优化和调试，可以快速并且准确地分析出结果。
关键词：
MATLAB；
形态学；
分水岭算法
GlobularfruitsidentifyandcountbasedonMATLAB
StudentmajoringinElectronicandInformationScienceandTechnologyYangYi
TutorZouXiuguo
Abstract：
Withtherapiddevelopmentofcomputertechnology,modernagriculturegraduallymovingtowarddigital,preciseandintelligent.Currently,artificialfruitsrecognitioncapabilitiesathomeandabroadtoidentifytheactualproductioncannotmeetdemand.Thus,peoplebegantoexploretheprinciplesandmethodsofusingthecomputerautomaticallyrecognizesfruit,fruitrecognitionhasalsobecomeahotresearch.WithtraditionalcomputerimagerecognitiontechnologyisthesubjectofvariousstudiesinrecentyearstoahighheatofMATLABasaresearchplatformforinglobularfruit,putforwardagrayscaleimagefeaturesasthestartingpoint,usingwaveletde-noisingandmedianfilteringcombinedapproachofimagepreprocessing,inordertomaketheimageSobeloperatoredgedetection,image-basedmorphologicalfeatureextractionandanalysis,andultimatelywiththewatershedimagesegmentationmethodstoachievetargetdetectionandcounting.ThesubjectMATLABplatformleveragestheadvantagesofimageprocessing,optimizedandthedebugger,youcanquicklyandaccuratelyanalyzetheresults.
Keywords：
Morphology；
Watershedalgorithm
引言图像识别是数字图像处理中的一项关键技术，在图像工程中占据着重要的位置。
从颜色上图像分为彩色图像、灰度图像和黑白图像等。
因此对数字图像的分析可以分为彩色图像分析和灰度图像分析。
彩色图像包含大量信息有助于更准确地分析图像，但也正因为自身信息量较大所以对于机器性能要求较高并且不利于分析速度。
灰度图像信息量小，但是如果只是简单地将彩色图像灰度化，那么可能将丢失大量有用信息，不利于图像分析的准确性。
本文提出一种图像识别思路，它包含对感兴趣区域图像灰度化算法，对特定环境下的图像通过特定算法进行降噪及滤波，运用形态学原理的图像腐蚀、膨胀、重构，最后通过分水岭分割算法的改进算法实现水果个数统计。
所以本课题对球状水果识别和计数研究具有重大意义。
1论文概述
1.1课题研究目的和意义
我国是果树大国，栽培历史悠久，资源丰富。
水果生产作为一项新兴产业，在农业和农村经济发展中的地位已经十分重要，在很多地区己成为农村经济的支柱产业。
纵观世界果园科技的发展，二十一世纪我国的果园也将从传统作业转化到以现代科学技术为基础的现代“集约持续果园”上来。
果园的发展将全面地体现生产、经济、技术、社会和生态的可持续性。
在水果分级方面，我国相继引进和开发了按大小和重量分级的分级设备，近几年国内也出现了基于机器视觉技术的水果分级设备。
但是，进口设备价格昂贵，一般水果生产企业难以负担。
而国产设备由于技术投入不够，与国外先进设备差距比较大。
随着机器视觉技术的发展，国外也出现了将机器视觉运用在水果分级系统上的相关研究，使得国外的水果分级分类系统的性能进一步提高，同时也进一步拉大了我国与国外在水果生产自动化的技术差距。
由于我国的现状，如果不在水果产后处理上下功夫，我国的水果出口形势还会非常严峻，这就要求国内的研究者在水果分级技术进一步钻研，使我国的分级技术再上一个新台阶。
将机器视觉（也称计算机视觉，图像处理）技术引入果园自动化，是解决该问题的有效途径之一。
同时，基于机器视觉的水果自动化系统在水果流通过程也可提高自动化程度、降低劳动强度、增加收益提供快速、准确的检测手段。
1.2水果识别研究现状
上世纪80年代后期，由于计算机广泛生产，计算技术也广泛发展，针对于计算机视觉在各个领域的的研究成果也日新月异。
国外的很多学者在基于计算机视觉技术而提高水果的分级速度方面进行了研究，在理论和应用上有了较大进展，并取得了很好的经济效益。
而我国的水果自动识别技术研究则较晚，仅始于90年代，而且当时从事水果自动分级系统研究的科研院还很少，研究成果也不是很显著，但那却为我国在水果分级方面的研究奠定了基础。
按大小分类是水果识别的一个重要指标。
应义斌研究了利用机器视觉技术精确检测水果尺寸方法[1]，章文英、应义斌等针对苹果的外形特征，应用苹果的最小外接矩形（MER）的尺寸表示横径和纵径，取得了较为理想的结果[2]，高华、王雅琴用傅立叶半径描述的方法测量水果的大小[3]，冯斌、汪懋华以苹果的自然对称形态特征为依据，水果大小检测绝对测量误差最大为3mm[4]。
果实形状是水果品质检测与分级的一个重要指标[5]，宁纪锋、何东健等利用图像形态学方法测量果实的形状，准确率很高，最高能达到91.4%[6]。
赵静、何东健提出主要通过半径这个指标，利用人工神经网络对水果的形状进行识别和分级[7]。
应义斌、景寒松等提出采用傅立叶变换与傅立叶反变换对来描述黄花梨的形状[8]。
颜色也是水果检测的重要指标。
冯斌、汪懋华通过对不同颜色等级的水果进行分析，进而对水果进行分级[9]。
何东健、杨青等通过机器视觉自动检测苹果表面着色度，获取彩色图像，并将RGB值转换成HSI值，用合适色相值累计着色面积百分比进行颜色分级[10]。
李庆中、张漫等确定了苹果颜色特征的提取方法，利用遗传算法实现了多层前向神经网络识别器的学习设计[11]。
在国外，机器视觉是70年代开始兴起的，它主要应用于卫星遥感和医学方面。
它不仅是人眼的延伸，而且具有人脑的部分智能识别功能,具有速度快、信息量大、功能多、检测精度和效率高等优点。
随着计算机、控制理论、模式识别、人工智能等技术的发展，机器视觉已广泛应用于军事技术、科学研究、医疗卫生、工农业生产、信息技术等领域。
国外在利用机器视觉技术进行水果分类和计数已经取得较大的进展，国内尚处于探索阶段。
目前，国外已研制出了商用水果自动化系统，并在生产上得到了应用。
1.3课题主要研究内容
（1）本文首先介绍了课题的研究背景及意义，对国内外的水果识别方面的研究应用现状进行了讨论，并重点对国内外水果分级技术研究现状进行了分析。
（2）介绍了一些机器视觉领域基础的方法，提出了针对特定颜色的图像灰度化方法。
（3）讨论了水果图像的预处理过程：
小波去噪、中值滤波以及水果边界提取。
利用小波去噪和中值滤波相结合的办法去除图像噪声。
（4）讨论了水果图像的背景分割，针对水果识别生产线的实际情况，对几种不同的微分梯度算子进行边缘检测实验并对结果进行了对比分析。
（5）基于形态学的腐蚀与重构最大化地从背景中分离出目标区域。
（6）通过改进的分水岭算法分割图像并计数。
1.4研究方法与手段
1.4.1运行环境
运行环境主要介绍了硬件环境和软件环境。
（1）硬件环境
①处理器：
英特尔至强E3
②内存：
8G
③硬盘空间：
1TB
④显卡：
英伟达GTX770
（2）软件环境
操作系统：
Window98/ME/2000/XP/win7/win8/win8.1
1.4.2开发环境
开发环境主要介绍了本系统采用的操作系统、开发语言。
（1）操作系统：
Windows8.1
（2）开发语言：
C
（3）开发环境：
MATLAB2013a
2球状水果识别原理
2.1一般灰度化与选择性灰度化
彩色图像的信息量较灰度图大，如果直接将彩色图像进行运算将耗费大量的硬件资源，不利于算法高效运行，所以算法必需从灰度图像入手。
传统的图像灰度化的计算方式不能针对不同球状水果给出不同的灰度化效果，我们需要将我们最感兴趣的部分提取出来而将对图像分割并没有太大帮助的背景将其隐去。
这就是本论文所用的选择性灰度化的方法。
该灰度化算法的核心就是对彩色图像R、G、B三个量进行重新运算后得到所对应像素的灰度值。
2.2图像增强
2.2.1图像噪声污染
基于机器视觉的水果识别系统是一个复杂系统，图像采集过程中很有可能受到干扰而使采集到的图片含有噪声污染。
若图像含有噪声污染，则图像质量的质量就会降低。
图像质量的降低会影响到识别处理全过程及结果输出，甚至如果噪声太大以至于掩盖原始图像的信息，那么就会出现错误的识别结果。
所以对图像进行图像增强是图像识别之前的必备步骤。
2.2.2图像预处理
图像的预处理，即是将每个水果图像分捡出来交给识别模块识别。
其目的就是提高图像质量。
实验中通过摄像头得到的图片，噪声是对图像干扰的重大原因，所以，我们必须对初步得到的图像进行降噪处理。
一般降噪的方法就是通过滤波器来降噪。
滤波包括空域滤波和频域滤波。
空域滤波是降噪的常用方法。
空域滤波分为线性空域滤波和非线性空域滤波。
线性空域滤波包括线性平均滤波，非线性空域滤波包括中值滤波，自适应维纳滤波，顺序统计滤波。
频域滤波包括低通滤波，高通滤波，
升级会员 