论文摘要
将机器视觉技术应用于香菇品质自动检测中能够大幅度提高分级效率、降低生产成本、增加分级精度。本文以香菇为研究对象,系统地研究了基于机器视觉技术的香菇自动分级原理和方法,针对多种类型香菇,构建了一套适用于多种类型香菇的机器视觉系统。本文着重研究了机器视觉系统,该系统主要包括大小识别模块,形状识别模块,纹理分析模块和破损识别模块,可以实现多种类型香菇的自动分级。本文的主要内容与研究如下：(1)香菇正反面识别算法的研究。使用最大类间阀值以及多边形近似的方法将香菇划分为两部分,从两部分中以灰度概率密度函数提取出10个纹理参数,构建最小距离分类器,其最终的正反面识别率达到了98%以上。(2)香菇形状和大小识别算法研究。使用极坐标意义下的线性插值重建去除菇柄的菌盖边界曲线,在重建后的曲线基础上提取出9种形状特征参数和1个大小特征参数,利用主成分分析提取出能够表征形状特征的3个主成分,以这3个主成分作为输入参数,然后构建了基于K近邻分类器的形状分选模型,通过验证其正确识别率达95%以上；利用上述的1个大小特征参数,并结合相应的标定比,可判断香菇面积大小(3)菇柄识别方法的研究。以花菇为研究对象,跟踪其边界并计算曲率,根据边界上点运动变化模式判断曲线凹凸性,利用曲线类半径(标记函数)识别并定位菇柄的位置。试验表明,菇柄识别正确率在80%以上。(4)基于香菇纹理分析的类别分选研究。为了实现天白花菇、白花菇、茶花菇和光面菇这4种类型香菇的分选,研究了多种菌盖纹理模型以及各个模型参量的融合,并设计了整个香菇类型白动分选系统。首先从香菇菌盖中截取合适大小的纹理区域,利用灰度直方图统计,灰度共生矩阵(Grey Level Co-occurrence Matrix),高斯马尔科夫随机场(Gauss Makov Random Field)模型和分形维数模型从该区域中共提取23个纹理特征参数。然后使用顺序前向搜索法对各个模型特征数据进行融合,从中得出6个简约特征。最后构建K近邻分类器作为香菇类别分类器并对提取后的简约特征进行分类。试验结果表明,香菇类型分选模型的分选正确率可达91%以上,利用香菇菌盖纹理对香菇进行类型分类是可行的。(5)香菇破损识别算法研究。为了实现基于机器视觉技术的破损花菇自动检测,本文研究了基于曲线演化和花菇边缘灰度分析的破损检测方法并研发出破损花菇在线检测系统。首先去除花菇背景,跟踪花菇边缘,得到花菇边缘坐标曲线,对此曲线的内外部进行曲线演化,并计算内外部演化曲线与原始花菇边缘曲线接近的点的个数(Nin、 Nout),以此参数可判定花菇的破损状况；利用形态学腐蚀的方法对花菇边缘进行采样,从采样灰度序列中提取均值(μ),方差(ρ),平均波峰宽度(?)和最大波峰宽度(Lmax)4个破损特征参数,进而使用模式识别的方法分析此4个破损特征参数,得出花菇的破损状况。结合曲线演化和边缘灰度分析的结果联合判断花菇的破损状况。对180个花菇样本进行测试,得出最终破损识别率为88.33%,为实现花菇的自动分选提供了技术基础。