论文部分内容阅读
本课题对柚子品质的无损检测技术进行了基础性研究,采用一套X射线检测设备,结合图像处理技术,对柚子果实的物理尺寸、可食率进行了预测,建立了相关的预测模型,并研究了一种基于灰度图像的柚子粒化缺陷识别技术。本文的研究内容和结果如下。1.分析了X射线检测系统的结构及成像原理,以空白背景的灰度平均值计算,采集不同参数下的空白背景图像,进行统计分析,探讨了管电压、管电流与图像灰度值之间的关系,建立了三者间的数学模型,该模型对不同电压、电流强度下的背景图像灰度值预测较为准确,对后期处理中去除背景信息、提高运算速度具有重要意义。2.分别探讨了柚子果肉和果皮部分与图像灰度平均值的关系,并进行了模型拟合。对果肉、果皮分别进行三种模型拟合,果肉的指数模型拟合度最高达到0.9996;果皮的模型拟合度较差,模型拟合度仅为0.9828。根据果肉的指数拟合模型建立了一个果肉体积的预测模型,通过将果肉体积预测值和实际值进行Y=X线性拟合,拟合度为0.9923;结合X射线图像,对柚子可食率进行预测,误判率为7.81%,具有较高的准确度。3.分析柚子形状、品种、大小对X射线图像缺陷识别的影响。结果显示:柚子形状对图像缺陷识别影响较大,若柚子的轴心与入射光线平行,则图像识别程度较高,若柚子轴心与入X射线存在夹角,则图像的识别程度较低,出现此种现象的原因是X射线图像的累加效果使得果瓣图像将轴心部位覆盖。不同品种的柚子,所得X射线图像都为灰色,所以柚子品种对图像缺陷识别影响较小;柚子的大小对图像缺陷识别有较大影响,体积大小的影响产生原因是被测物厚度的变化。4.将X射线检测与图像处理技术应用于柚子的粒化识别,与剖开的实物进行对比,结果显示:当图像显示柚子轴心处的柚瓣存在开裂现象时,说明柚子已经进入了粒化阶段;柚子轴心处柚瓣囊衣闭合处,以及柚皮中存在丝状物,说明柚子本身水分含量较低,已出现木质化倾向;柚瓣若出现白色斑点,则说明柚子已经发生粒化;试验通过对柚子粒化程度进行分级、判断,将图像粒化预测结果与实际粒化情况进行对比,证明通过X射线图像技术对柚子粒化识别,误判率为6.35%,具有较高的可行性。