图像处理的葡萄干分级系统的实现(源码)
摘要： 随着科技水平的提高，葡萄干的分级方式也从人工转向机械化。系统实现了基于图像处理技术、对采集的葡萄干图像进行处理的功能，对比了中值滤波、均值滤波、高斯滤波应用于图像去噪中的效果；研究了最大类间方差法应用于三种颜色的单通道葡萄干图像中的不同，并对图像进行背景分割后；通过边界跟踪法提取了单粒葡萄干的边界；对葡萄干外部特征进行分析，识别并计算了葡萄干的颜色、周长、长短轴、面积、圆形度等多种特征参数；设计并实现了可综合葡萄干外部特征来进行分级的分级系统。系统对葡萄干品种识别的准确率达到95.91%，对葡萄干大小分级的准确率达到82.14%，对葡萄干饱满度分级的准确率达到72.95%，对葡萄干色泽均匀度的分级准确率达到80.10%。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
引言 1
1 选题背景 1
1.1 研究背景和意义 1
1.2 国内外研究状况 2
1.2.1 国外研究状况 2
1.2.2 国内研究状况 2
1.3 葡萄干的分级标准 3
1.4 研究的目的和内容 3
1.4.1 研究的目的 3
1.4.2 研究的内容 3
2 葡萄干分级系统的设计与实现 4
2.1 Eclipse系统简介 4
2.2 实验对象 4
2.2.1 实验样本 4
2.2.2 数量 4
2.3 葡萄干图像的采集 4
2.3.1 采集环境 4
2.3.2图像规格 4
2.3.3尺寸转换 5
2.4 分级系统设计与功能 5
3 葡萄干图像的预处理 7
3.1 图像去噪 7
3.1.1 均值滤波 8
3.1.2 中值滤波 9
3.1.3 高斯滤波 9
3.2 图像分割 10
3.2.1 阈值分割 10
3.2.2 边界跟踪 13
4 葡萄干分级特征的选择及参数提取 14
4.1 颜色特
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
征 14
4.1.1 RGB颜色模型 15
4.1.2 HSI颜色模型 15
4.2 形状大小 16
4.2.1 长短轴 16
4.2.2 周长 20
4.2.3 面积 20
4.2.4 长宽比 20
4.2.5 圆形度 20
5 识别与分级 21
5.1 品种识别 21
5.2 大小分级 21
5.3 葡萄干饱满度分级 22
5.4 色泽均匀度分级 23
6 系统实现与结果分析 24
6.1 系统实现 24
6.2 结果分析 25
致谢 26
参考文献 26
基于图像处理的葡萄干分级系统的实现
引言
我国葡萄干的处理方式尚停留于机械加工和人工分拣阶段。两种方式效率低下且准确率不高。随着我国农业自动化的迅速发展，如果能使用一种迅速、有效的方法检测葡萄干的等级，就能筛选出高质量的葡萄干，提高葡萄干在市场上的竞争力。如果将计算机图像处理的相关技术应用到葡萄干外部品质的检测和分级上，针对葡萄干的颜色、大小、形状、缺陷等外观特征构建统一、客观的分级方法，就能使葡萄干的生产和销售更为规范化。
1 选题背景
1.1 研究背景和意义
随着经济的发展，国际市场上各种果品间的竞争也愈演愈烈。我国传统果品在生产过程中表现出以下不足之处：果品生产的成本高；果品的商品化程度低；生产模式小而分散；安全性没有保障。因此，国内的果品在竞争中处于下风。如何综合考虑本国的自然气候，利用我国在人力方面丰富的资源,才能开拓更广阔的国际市场,扬长避短,发展果品规模化生产经营。
如今，葡萄干的分级方式主要通过人眼甄别。人眼分级的主观性较强、效率低下，分级的标准在人的主观判断下很难统一。并且人工分级的方法受到个人的视力、对色彩的识别能力、外界的光线等多种因素的影响，分级的工作人员因长期用眼会出现用眼疲劳、情绪变化等问题，因此分级的结果准确度较低，不具备可靠性。但如果综合利用图像分析、图像处理等技术手段，针对葡萄干的色泽、大小、形状、缺陷等特征，建立基于不同图像信息的模型，构造客观、精确的葡萄干分级方法，便于其统一贮藏与运输，有助于增加葡萄干的销量。
1.2 国内外研究状况
在葡萄干分级中所应用的技术交叉包含模式识别、人工智能、神经生物学、图像处理等多门学科。葡萄干的外形检测主要依靠图像处理技术。通过计算机和专门采集图像的设备对待检测的葡萄干采集图像，将获得的图像进行处理，提取图像中有用参数并对其进行分析得到被检测的葡萄干的大小、颜色、缺陷、形状等特征信息，以期达到按照检测出的结果把葡萄干进行分级的目的。
图像处理技术在果品外部特征检测中使用广泛。果品的品质检测不像工业产品检测那样有严格的规律可循,果品在其生产过程中由于受到人为和自然等诸多因素影响,其品质差异很大,每个个体的形状、大小、色泽等都不尽相同,很少有规律标准可言。故在果品检测与分析时要有灵活的技术手段来应对不同的情况。可以使用图像处理技术，机械化处理果物外形品质检测和分析中的复杂情况。基于图像处理技术的计算机检测比人工对果品进行品质检测更具有准确性。国内外研究人员针对果品如何根据不同特征进行检测和分级已经有了大量的研究。
1.2.1 国外研究状况
Rhekugelr[1]（1985）针对苹果缺陷图像，研究出了用灰度值差检测的方法，虽然该方法准确度较低。Mille等[2]（1989）通过不同图像的颜色比对法，提出了桃子表面缺陷面积，比如腐烂面积的计算方法，采用该方法计算出的缺陷面积与实际面积的相关度达到了0.53。Sheare[3]（1990）通过拍摄仪器采集辣椒的图像，并用计算机技术对其进行处理，比对辣椒的颜色参数，提出辣椒的颜色分级方法，该方法准确率达到了95.8%。H.F.Ng等[4]（1998）通过计算机图像的方法，比对单个玉米图像和多个玉米图像中的绿色颜色区域的面积，计算出其占图像总面积的的百分比，从而得出玉米表面的缺陷面积，相较平均值最终结果的偏差值仅有5.17%。Mahdi Abbasgolipour等[5]基于计算机视觉技术对葡萄干进行分级，通过建立HSI颜色模型对葡萄干进行分级，然后将葡萄干的颜色与长度参数结合起来，把葡萄干分为两类。利用葡萄干的重心去除坏的葡萄干，最终分级结果准确度达到93.84%。Kaven Mollazade等[6]基于计算机图像处理技术，按照葡萄干是否带有果梗、葡萄干的不同颜色分类采集图像，并比较四种分类器在不同类别的葡萄干图像上的分级效果。分类器中共输入葡萄干颜色的36种特征参数和形状的9种特征参数，总共44种参数。用人工神经网络分级葡萄干的准确率达到94.7%；用基于函数和多项式的支持向量机的分级方法准确率达到93.6%；用决策树方法的分级准确率达到92.5%；用贝叶斯网络分类器的分级准确率达到92.1%。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
引言 1
1 选题背景 1
1.1 研究背景和意义 1
1.2 国内外研究状况 2
1.2.1 国外研究状况 2
1.2.2 国内研究状况 2
1.3 葡萄干的分级标准 3
1.4 研究的目的和内容 3
1.4.1 研究的目的 3
1.4.2 研究的内容 3
2 葡萄干分级系统的设计与实现 4
2.1 Eclipse系统简介 4
2.2 实验对象 4
2.2.1 实验样本 4
2.2.2 数量 4
2.3 葡萄干图像的采集 4
2.3.1 采集环境 4
2.3.2图像规格 4
2.3.3尺寸转换 5
2.4 分级系统设计与功能 5
3 葡萄干图像的预处理 7
3.1 图像去噪 7
3.1.1 均值滤波 8
3.1.2 中值滤波 9
3.1.3 高斯滤波 9
3.2 图像分割 10
3.2.1 阈值分割 10
3.2.2 边界跟踪 13
4 葡萄干分级特征的选择及参数提取 14
4.1 颜色特
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
征 14
4.1.1 RGB颜色模型 15
4.1.2 HSI颜色模型 15
4.2 形状大小 16
4.2.1 长短轴 16
4.2.2 周长 20
4.2.3 面积 20
4.2.4 长宽比 20
4.2.5 圆形度 20
5 识别与分级 21
5.1 品种识别 21
5.2 大小分级 21
5.3 葡萄干饱满度分级 22
5.4 色泽均匀度分级 23
6 系统实现与结果分析 24
6.1 系统实现 24
6.2 结果分析 25
致谢 26
参考文献 26
基于图像处理的葡萄干分级系统的实现
引言
我国葡萄干的处理方式尚停留于机械加工和人工分拣阶段。两种方式效率低下且准确率不高。随着我国农业自动化的迅速发展，如果能使用一种迅速、有效的方法检测葡萄干的等级，就能筛选出高质量的葡萄干，提高葡萄干在市场上的竞争力。如果将计算机图像处理的相关技术应用到葡萄干外部品质的检测和分级上，针对葡萄干的颜色、大小、形状、缺陷等外观特征构建统一、客观的分级方法，就能使葡萄干的生产和销售更为规范化。
1 选题背景
1.1 研究背景和意义
随着经济的发展，国际市场上各种果品间的竞争也愈演愈烈。我国传统果品在生产过程中表现出以下不足之处：果品生产的成本高；果品的商品化程度低；生产模式小而分散；安全性没有保障。因此，国内的果品在竞争中处于下风。如何综合考虑本国的自然气候，利用我国在人力方面丰富的资源,才能开拓更广阔的国际市场,扬长避短,发展果品规模化生产经营。
如今，葡萄干的分级方式主要通过人眼甄别。人眼分级的主观性较强、效率低下，分级的标准在人的主观判断下很难统一。并且人工分级的方法受到个人的视力、对色彩的识别能力、外界的光线等多种因素的影响，分级的工作人员因长期用眼会出现用眼疲劳、情绪变化等问题，因此分级的结果准确度较低，不具备可靠性。但如果综合利用图像分析、图像处理等技术手段，针对葡萄干的色泽、大小、形状、缺陷等特征，建立基于不同图像信息的模型，构造客观、精确的葡萄干分级方法，便于其统一贮藏与运输，有助于增加葡萄干的销量。
1.2 国内外研究状况
在葡萄干分级中所应用的技术交叉包含模式识别、人工智能、神经生物学、图像处理等多门学科。葡萄干的外形检测主要依靠图像处理技术。通过计算机和专门采集图像的设备对待检测的葡萄干采集图像，将获得的图像进行处理，提取图像中有用参数并对其进行分析得到被检测的葡萄干的大小、颜色、缺陷、形状等特征信息，以期达到按照检测出的结果把葡萄干进行分级的目的。
图像处理技术在果品外部特征检测中使用广泛。果品的品质检测不像工业产品检测那样有严格的规律可循,果品在其生产过程中由于受到人为和自然等诸多因素影响,其品质差异很大,每个个体的形状、大小、色泽等都不尽相同,很少有规律标准可言。故在果品检测与分析时要有灵活的技术手段来应对不同的情况。可以使用图像处理技术，机械化处理果物外形品质检测和分析中的复杂情况。基于图像处理技术的计算机检测比人工对果品进行品质检测更具有准确性。国内外研究人员针对果品如何根据不同特征进行检测和分级已经有了大量的研究。
1.2.1 国外研究状况
Rhekugelr[1]（1985）针对苹果缺陷图像，研究出了用灰度值差检测的方法，虽然该方法准确度较低。Mille等[2]（1989）通过不同图像的颜色比对法，提出了桃子表面缺陷面积，比如腐烂面积的计算方法，采用该方法计算出的缺陷面积与实际面积的相关度达到了0.53。Sheare[3]（1990）通过拍摄仪器采集辣椒的图像，并用计算机技术对其进行处理，比对辣椒的颜色参数，提出辣椒的颜色分级方法，该方法准确率达到了95.8%。H.F.Ng等[4]（1998）通过计算机图像的方法，比对单个玉米图像和多个玉米图像中的绿色颜色区域的面积，计算出其占图像总面积的的百分比，从而得出玉米表面的缺陷面积，相较平均值最终结果的偏差值仅有5.17%。Mahdi Abbasgolipour等[5]基于计算机视觉技术对葡萄干进行分级，通过建立HSI颜色模型对葡萄干进行分级，然后将葡萄干的颜色与长度参数结合起来，把葡萄干分为两类。利用葡萄干的重心去除坏的葡萄干，最终分级结果准确度达到93.84%。Kaven Mollazade等[6]基于计算机图像处理技术，按照葡萄干是否带有果梗、葡萄干的不同颜色分类采集图像，并比较四种分类器在不同类别的葡萄干图像上的分级效果。分类器中共输入葡萄干颜色的36种特征参数和形状的9种特征参数，总共44种参数。用人工神经网络分级葡萄干的准确率达到94.7%；用基于函数和多项式的支持向量机的分级方法准确率达到93.6%；用决策树方法的分级准确率达到92.5%；用贝叶斯网络分类器的分级准确率达到92.1%。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/2205.html
