论文部分内容阅读
新疆哈密瓜享有瓜中之王的美誉,深受人们的喜爱,产品畅销国内外。目前,种植面积和产量逐年增加,给当地带来可观的经济效益。但是,新疆哈密瓜品质检测、分级方法比较落后,主要靠人工检测和分级,这种方式的弊端是主观性太强,而且容易疲劳,直接导致检测和分级的效率低、精度低。因此,本文主要以新疆哈密瓜为研究对象,基于机器视觉技术搭建在线图像采集系统和田间采集系统,综合应用生物物料学、光学、图像处理和模式识别技术,研究新疆哈密瓜不同成熟期的外部特征变化规律,并基于外部特征(形态特征、纹理特征、颜色特征)预测哈密瓜成熟等级。为今后在线哈密瓜分级以及田间哈密瓜成熟度等级快速无损鉴定设备的研发奠定基础。主要研究结论如下:1)哈密瓜RGB图像采集系统构建与参数优化实验。构建田间静态RGB图像采集系统和实验室在线RGB图像采集系统。根据哈密瓜个体特征,通过预实验确定摄像机、镜头、光源、触发器、光源和光源箱尺寸和安装参数,并获得最佳采集参数。2)哈密瓜图像预处理、分割和主要特征提取。对比不同背景哈密瓜图像的质量,确定哈密瓜背景为黑色卡纸;裁切原始哈密瓜图像,去除多余背景;采用同态滤波算法校正图像,减小光照不均匀影响;采用多种分割方法对比,确定使用R-B波段差图像实现阈值分割,形态学方法去除果梗区域,以最终二值图像获取哈密瓜尺寸、形态特征;基于最终二值图像对哈密瓜B分量图像做掩模,提取其整体和感兴趣区域的灰度共生矩阵纹理特征;哈密瓜RGB图像进行HSV空间变换,以最终二值图像对哈密瓜H分量图像做掩模,提取其整体和感兴趣区域在0-359°区间,以10°为间隔的累积色度频度信息,作为哈密瓜色度特征。3)研究不同成熟期田间哈密瓜几何特征和光学特征变化规律,并确定最佳特征。对处于成熟期的30个田间哈密瓜样本采集28天图像,选取可用的611幅样本图像,分析哈密瓜整体和感兴趣区域(果梗、花萼和中部3个不同位置)的几何、光学特征变化规律。结果表明:不同成熟期哈密瓜,周长、面积、长轴长度和短轴长度几何特征变化较明显,其前期增长较快,后期变化较小;基于灰度共生矩阵的4种纹理特征变化明显;色度频度分布曲线向色相减小方向移动,变化范围在60-100°之间;分析不同特征与成熟度等级相关性,发现面积、周长、果型指数三个几何特征,能量、熵、对比度、均匀性四个纹理特征,60°、70°、90°和100°的四个色调累积频度特征与哈密瓜成熟度相关性最高,能够用于哈密瓜成熟等级的鉴定。4)田间哈密瓜成熟等级预测研究。以上述21个特征做主成分分析,使用前7个主成分特征向量作为神经网络分类模型的输入特征,基于分类效果约束,选择、构建7-10-10BP神经网络模型用于哈密瓜成熟度等级的判别分析。最优模型哈密瓜成熟度等级判别中,训练集识别率为98.63%,预测集识别率为86.59%。综上所述,RGB图像技术可以用于新疆哈密瓜(主指黄色网纹厚皮哈密瓜品种)成熟期特征变化规律分析,以及成熟度等级的判别。研究获取的一些特征信息和分级算法,可以借鉴用于后续田间哈密瓜成熟度等级判别装置的研发。