论文部分内容阅读
双目视觉是机器视觉的重要构成部分,经由两个摄像头协同合作拍摄同一物体,计算世界坐标系中的一点在两幅图片中的视差可以获得该点的三维坐标,双目视觉模拟人的双眼计算物体的空间信息的方式简洁可靠,在水果品质自动识别具有极强的应用价值。与传统的机械识别分拣方式和人工分拣不同,机器视觉工作方式更加主动,品质判断标准客观具体,可执行性强,非接触的工作方式使其应用广泛。通过参考大量文献和资料,发现之前的水果表面质量识别检测的研究主要运用二维的特征信息,对水果的高度信息提取研究较少;另一方面是对水果表面缺陷的研究上,单独对缺陷的形态特征研究较少,主要是计算整张样本图片的整体特征,以此来识别样本是否存在缺陷。本文以常见的水果,苹果和梨为研究对象,对其进行图像预处理、特征提取和优化后,建立了基于不同核函数的支持向量机水果缺陷识别系统和基于粒子群优化BP神经网络的无瑕疵水果表面品质自动识别系统。论文进行了下面几个部分的工作:(1)通过分析水果表面品质自动识别机器视觉系统的硬件要求,完成了摄像头的选型,标定板和背景板的制作,光源的布置,图像处理系统由MATLAB2016a软件和笔记本电脑替代。(2)在研究了双目立体视觉获取视差图、三维坐标的原理的基础上完成了单双目摄像头的标定,对标定结果进行了数据分析。(3)研究了课题选用的前期处理方式,通过实验比较各种方式的优缺点,实现了图像边缘提取、图像分割。(4)对常见的颜色特征、纹理特征和形态特征进行了筛选,分析了不同立体匹配方式的优缺点,并结合标定的参数实现了图像基于线性立体匹配的图像重建,通过直方图的方式获得到样本的高度特征。(5)通过分割得到缺陷的二值图像,建立了适用于小样本分类的支持向量机缺陷分类模型。对无瑕疵水果的颜色特征、纹理特征和形态特征包括高度特征提取后,选取通过主成分分析后保留了95%的特征的12维向量作为输入,建立了基于粒子群优化的BP神经网络用于水果表面品质的识别,并比较了不同的BP改进算法的识别率和工作方式。