论文摘要
贝类生产中的分拣需要大量的人工投入，由于劳动环境恶劣，生产效率低下，劳动力短缺，劳动力工资的上涨等问题严重制约了贝类产业规模化的发展。随着对水产品质量和生产效率的要求不断提高，需要有更高效、更准确的手段来完成贝类产品的分拣工作。本课题是与企业合作的研究项目“贝类产品自动化分拣设备研发”的一个子课题,通过使用摄像头采集传送带上的贝类图像，并在图像上提取贝类的鲁棒性分类特征，应用智能算法实现对贝类的分类和定位，为进一步控制机械机构对贝类分级奠定基础。具体研究内容如下：研究扇贝图像处理与边缘提取方法。通过对图像预处理，突出目标物的边缘特征，应用canny算子提取出目标物的边缘信息。通过提取扇贝图像边缘特征训练BP神经网络，实现对扇贝的自动识别。通过与应用较多的HU不变矩特征方法进行实验比较，证明本文方法效率更高。为进一步提高识别效率，研究了应用模糊理论对扇贝进行识别的方法。根据所提出的特征设定分类规则，应用模糊语言对规则进行描述，建立模糊识别系统对扇贝进行识别，并通过实验验证了识别效果。为实现扇贝的定位，应用神经网络方法建立了图像坐标和实际工作空间坐标的映射关系。将扇贝图像的中心坐标输入神经网络可输出扇贝的工作空间坐标，为后续控制机械系统实现分级奠定基础。