论文部分内容阅读
人工蚕茧检测是蚕茧分类的原始方法，这种方法严重影响了蚕茧分类的效率和准确性。为解决这一问题本文采用机器视觉技术和数字图像处理技术对蚕茧外观检测及分类算法进行了研究。本文首先采集蚕茧图像，然后使用基于OpenCV的数字图像处理算法对其进行滤波、二值化等预处理，再进行图像分割并提取特征值，最后使用BP神经网络算法实现识别分类。实验结果表明：采用机器视觉技术和数字图像处理技术对蚕茧进行分类有着良好的效果。主要研究内容如下：（1）对蚕茧图像采集条件进行了研究，主要在光照强度和拍摄角度两个方面进行了实验，采用图像清晰度评价方法对图像质量进行评价,确定了蚕茧图像的采集条件。（2）蚕茧图像预处理和边缘检测算法设计。其中，预处理过程包括图像滤波和二值化处理。图像滤波采用了均值滤波、中值滤波和高斯滤波三种方法，对三种滤波方法的滤波效果从视觉上和数据分析方面分别进行了评价，确定了采用高斯滤波器对蚕茧图像进行滤波增强处理；二值化处理采用了固定阈值和自动阈值两种方法，分析比较发现不同蚕茧图像对阈值的要求不同，自动阈值更适合于对蚕茧图像的二值化处理；边缘检测处理过程中采用了Roberts算子、Sobel算子和Canny算子三种算子，分析比较三种算子处理的效果，确定采用Canny对蚕茧图像进行边缘检测。（3）选择黄斑茧、靠黄茧和双宫茧三种异色异形茧作为检测对象，分析其形状和颜色，提取形状特征参数和颜色特征参数。实验中通过对边缘检测的图像进行最小矩形拟合等操作提取了周长、面积、占空比和伸长度4个形状特征参数；将蚕茧原图像从RGB颜色空间转换到HSV颜色空间，求取H分量、S分量和V分量作为3个颜色特征参数。即共提取7个特征参数。（4）基于BP神经网络的分类算法设计。根据特征参数设计各层节点数为7-8-3-1的BP算法，实现对三种异色异形茧的分类，并分析分类准确率，对算法进行了改进，改进算法后三种蚕茧每类的正确分类率分别达到了96.8%，96.3%和94.4%,较改进之前分别提高了19.4%，1.9%和24%，并且在程序运行时间上也节省了8秒的时间，实现了算法的优化。