基于多光谱图像的水果外观品质检测方法研究

基于多光谱图像的水果外观品质检测方法研究内容摘要：

桃和杏的压伤情 况。 刘有压伤和没有压协的表面进行光谱反刺特性实验 ,井选择合适的波。 然后 ,:采集 住前加以这些渡艮为中心波滤光片的光谱幽像。 结聚表明 :检测水果表面址仂最 采集到的剀像的比率幽像 ,检洲的准确率约为 %。 有效的方法是在两个波 】年 ,.【叫等人实时采集了挂在移动吊钩上的小鸡的光谱图像。 的健 康小 鸡图像的平均强度比不健康的要高 ,而用的傅立叶光谱像素强度时 ,健康小 鸡图像的平均强度要比不健康的低得多。 当把和的光谱图像像素强度一起 输入神经网络时 ,有 %的校准性和 .%有效性。 输入的快速傅立叶变换的光 谱图像强度时 ,则有 .%的校准性和 %有效性。 年 , 等人描述了一个多光谱苹果品质检测实验台。 利辟特殊 的光纤和滤光片可咀同时采集到分别在、和四个光谱波段 苹果的反射图像。 采集剑的图像经过处理后可以分割出欲陷部分 ,然后记录各个缺陷部 分。 典犁的缺陷如新撞伤的伤口、储存后苹果上的撞伤、结疤、黑斑、软化、腐烂、褐班 平168。 病虫害等都能被检测出米。 硕士学位论文 第一章绪论 年 , 等人利用高光谱和多光谱像分析技术检测肉鸡表皮瘤。 在 ~范围内采集到幅有表皮瘤的肉鸡图像 ,通过主成分分析法从中选择了 、 /、三个波段 ,然后同时采集在』 .述二个波段下只病鸡和只正常 鸡的多光谱幽像 ,从图像中提取变异系数、偏斜系数、峰度等特征 ,用以上三个特征进行 分析时可得到 %的正确率。 年 ,.等人通过神经网络对帝国和金帅苹果的表面质量进行分级。 把苹果图像中获得的各像素灰度值和纹理特征作为人。 神经网络分类器的输入。 通过曲类 型的和五类型的分类廊用 确定来识别细微的表面特征的有效光谱波段。 对两类型的分类 准确率为 .%~%。 对五类型的分类 ,帝国苹果准确率为 .%~%,而金帅苹果 为 .%~.%。 恪【 ?所示为苹果图像分级的神经网络结构图。 ?‘ 坤 ?“ 砷斗岫 ?☆ 图 .苹果图像分级的神经网络结构图 年 , 【等人采集并分析了种不同成熟度的西红柿光谱图像。 在 之间的光谱以 .的间隔被记录成个波段。 实验结果表明 :光谱图像 , 比标准图像能更有效地区分西红柿的成熟度。 年 ,.等人利用计算机视觉技术和数字信号处理器对柑橘进行多光谱 实时检测 ,建立了一个可以同时得到可见光和 近红外图像的多光谱摄像系统 ,如图 .所 示 ,该系统可以以每秒个水果的速度检测大小、颜色、表面缺陷等。 实验结果表明 :对 于完好的表面 ,用波段来判断是可行的 :但是对于缺陷检测 ,用四个波段的图像来 判断更适合。 第章绪论 图多光谱图像系统卜 年 , 、 等人应删高光谱图像和多光谱分析技术刘 、三个品种的苹果表匠缺陷进行了检测。 茸先利用高光谱剖像分析法来 描述节粜的光谱特征 ,从而精确地选抒滤光片 ,然后设计多光谱成像系统。 利用多光谱成 像技术快速检钡苹果的缺陷。 实验结果表明检测准确率为 :苹果为 %, 为 %,但 只有 %。 年 ,..等人研制了一个光谱范围从 ~的高光谱成像系统。 研究结果表明 :污染可以在绿色、红色平168。 近红外二个波段的幽像中被识别山米 ,域是近红 外范阳两端的波段 ,但两个近红外范围的波段对不同品种苹果的颜色敏感程度币够。 对这 两组波段 ,不同品种苹果上较重污染的部分用简单的阍值法就可以比较容易检测山来。 而 较轻污染的部分则需要更多的计算量和复杂的分析 ,如结合阈值和形态学进行检测。 年 ,.., .等人带荧光成像技术来检测有较轻污染的苹果。 研 , 究表明 ,不管是主成分分析法还是最大反射法都能确定四个相同的多光谱波段 , 和 ,并用这四个晟佳的光谱波段来检测苹果表面的污染。 此外 , 简单的两个波段的比例如 比减少了正常苹聚表面的变化 ,而加强了有 污染和无污染区域的差异。 年 , 等人利用多光谱技术对芒果的成熟度进行检测。 首先用光谱辐射 计测得芒果样品的特征光谱段 ,然后采集芒果的图像 ,最后通过多种算法的测试寻 找一种高精度、可靠性好的算法来检测芒果的成熟度。 年 , ,..等人研制了一个包括含有摄像头、光纤照明设备、 第章绪论 硕 .学位论文 镜头自动装置和图像处理软件的高光谱成像系统。 利州这个系统他们采集在到 之间共 个光谱波段的有排 泄物和食品污染的家禽体的光谱图像和空间图像数 %,而非线性则可达 %。 据。 实验结果表明 :线性柱状伸缩检测的精确度为 年 , ,等人介绍了用于苹果果梗和花萼在线检测的近红外和中 红外双摄像头成像系统。 在单一的近红外成像方法中 ,苹果的果梗 ,花萼经常和真正的缺 陷混淆而造成分级错误。 中红外摄像头仅能辨认苹累的果梗 ,花萼部分 ,而近红外摄像头 能区分苹果的果梗 ,花萼部分羽真正的缺陷。 在线试验结果表明 :用这种方玄能 %区分 出完好的苹果 .。 分有缺陷苹果的准确率为 %。 该双摄像头成像系统在进行苹果缺陷的 在线分级应川中有较好的可靠性。 图一计算视觉系统 .? 年 ,.【研制成功了近红外高光谱成像系统 ,并设计算法检测苹果表面上新 和 两种苹果撞伤天后 的撞伤和旧的撞伤。 实验采集了 的高光谱幽像。 实验结果表明 :在到之间的光谱范围对检测撞伤是最合 则为 适的。 对 来说 ,其检测的准确率为 %~%,而对 %~%。 检测撞伤的最佳光谱分辨率为 .到 ,则光谱波段相应为 ~之 间。 本研究表明近红外高光谱成像技术对检测苹果表面的撞伤是非常有效的。 的 等人通过一个高分辨率 .~. 年 ,.,. 商光谱成像系统来检测食品和农产品的缺陷和污染。 比较了各种幽像分析方法检测 、 、利四种苹果表面的缺陷或是污染的效果。 在 坝‘学位论文 第一章绪论 ?光谱范陶 ,通过单色图像和二阶差分方法分析各个苹果对光谱响应的不同 ,把 苹果分为无污染和受污染两娄。 利用在的叶绿素吸收波段和两个在近红外范剧的 波段 ,通过不对称二阶差分方法 ,可检测苹果有缺陷或污染的部分。 图 .高光滑成像系统 .本研究的主要内容 往水果品质检测与自动化分级系统中 ,通常采州彩色摄像头采集水果图像 ,然 后对采集到的图像进行模式识别 ,最后根据识别结果进行相应的分级。 水果图像的采集质 量的高低将直 接影响最终确定水果品质和级别的准确性 ,所以采集到的水果图像所包含的 信息应尽可能详细地反映水果的各种外部特性。 但是在实际应用中 ,彩色摄像头采 集到的水粟图像不能很好地反映水果表面的细微特征 ,为了提高检测与分级的可靠性 ,利 用水果在不同光谱条件下的图像 ,提取更多的表面特征。 本项研究以苹果为研究对象 ,主要内容是利用多光谱图像技术米检测苹果表面腐烂、 撞伤等常见表面缺陷 ,探索苹果多光谱图像中光谱信息和各种表面缺陷之间的关系。 同时 进行苹果花梗和花萼的识别。 具体内容如 : 】、建立并完善适合本研究的多光谱图像系统 ,通过对光照系统及摄像头等硬件 的选择对比 ,建立适合本研究的实验台。 第章绪论 硕‘学位论殳 、提出井讨论进行苹果分光反射特性实验的依据 ,进行苹果分光反射特性实验 ,找 出满足本研究要求的滤光片中心波氏。 、研究碰伤和腐烂等常见表面缺陷的检测方法。 、进行碰伤和腐烂等常见表面缺陷检测的实验 ,并对实验结果进行分析和讨论。 、研究苹果果梗和花萼的识别方法。 、进行苹果果梗和花萼的识别实验 ,并对实验结果进行分析和讨论。 .本章小结 本章阐述了利用计算机视觉和幽像处理技术进行水果品质检测与自动分级技术研究 目的和意义 ,综述了目前国内外应用计算机视觉技术和多光潜图像技术进行水果品质检测 与分级的研究现状及存在的问题 ,提出了本研究的主要内容。 硕士学位论文 第二章本研究的多光谱幽像采集系统 第二章本研究的多光谱图像采集系统 .计算机视觉系统概述 ..计算机视觉概念 计算机视觉主要研究用计算机来模拟人的视觉功能从客观事物的图像中提取信息 ,进 行处理并加以理解 ,最终用于实际检测、测量和控制。 一个典型的计算机视觉系统主要包 括光源、光学系统、图像捕捉系统、图像数字化模块、数字图像处理模块、智能判断决策 模块和机械控制执行模块 ,如图所 示。 首先采用摄像头或其它图像拍摄装置将 目标转换成图像信号 ,然后转变成数字化信号传送给专用的图像处理系统 ,根据像素分布、 亮度和颜色等信息 ,进行各种运算来抽取目标的特征 ,根据预设的容许度和其他条件输出 判断结果。 图典型的计算机视觉系统结构 .计算机视觉关键技术 、光源照明技术 在计算机视觉系统中 ,好的光源与照明方案往往是整个系统成败的关键 ,起着非常重 要的作用 ,并不是简单的照亮物体而已。 光源与照明方案的配合应尽可能地突出物体特征 量 ,同时还应保证足够的整体亮度 ,物体位置的变化不应该影响成像的质量。 在计算机 视觉系统中一般使用透射光和反射光。 对于反射光情况应充分考虑光源和光 学镜头的相对位置、物体表面的纹理、物体的几何形状等要素。 确定光源主耍是要考虑光源的显色性。 光源的显色性是指与参照标准相比较 ,个光 硕士学位论文 第二章本研究的多光谱图像采集系统 滁对物体颜色外貌所产生的效果。 即光源能反映物体“真实”颜色的能力。 光源的显色性 是衡量光源的视觉质量的重要指标。 光源的光谱功率分布决定了光源的。