仓储中的苹果破损图像检测方法研究文献综述

 2022-07-14 06:07

文献综述

论文题目 仓储中的苹果破损图像检测方法研究

1. 研究的目的及意义

随着人们对水果高品质的需求不断提高,计算机技术与图像识别技术应运而生,通过机器识别理论应用于水果领域,研究出快速,精确的水果破损图像检测方法,解决我国在水果品质检测手段上的落后问题,实现我国苹果大批量自动化生产,从而推动我国水果市场的经济效益。苹果破损图像检测技术是衡量苹果品质好坏的重要方法,利用图像分析可以将苹果的破损面积、数量,缺陷种类等准确的检测出来,进一步实现苹果等级分类。同时可以有效的降低人工劳动强度,提高作业效率,同时推动我国水果仓储作业自动化智能化发展。

基于机器视觉的图像检测技术的发展与应用,人们开始把目标投向农业生产领域,但由于现实生活中识别环境及识别目标的复杂性较高,要想实现高效、准确的图像识别检测还需要不断探索。目前,已经有一些水果检测的样机,但是还存在检测不稳定、受环境影响大和检测能力有限的问题。我国经济的快速发展必然会带动对图像检测技术要求的提升,推动机器视觉技术逐渐向智能化、高端化的方向发展。这种趋势能够促使其与自动化技术的高度融合,进一步提高其在实际应用中的高效与精确性,同时在我国未来国民经济发展的各个领域中会发挥更大的作用。

本课题主要是在前人的理论研究和实际应用基础上,寻找和探索适用于苹果常见缺陷的检测方法,并能完成苹果缺陷种类的识别和苹果等级的认定。利用机器视觉对水果缺陷进行检测具有诸多优点:①可以无损检测,因为不需要接触到被测对象;②检测速度快,通过合适的算法选择以及统一的分级标准就能快速检测出水果的表面缺陷类别和质量级别;③信息量大,可一次性完成果梗完整性、果形、水果尺寸、果面损伤和缺陷等的分级等。

2. 国内外研究现状

目前,水果的尺寸和颜色检测技术已比较成熟,且在国外已经实现自动化检测,基本满足现实生产线的要求。在国内也有按重量或尺寸分级的系统,但大多数还是采用人工识别手段。果面的破损检测却一直成为水果实时分级的障碍。近些年,国内外研究者也一直探索果面的缺陷及破损检测技术。

(1)国内现状:刘禾(1995,1996)[30-31]对计算机视觉在水果自动分级中应用进行了研究,并利用 BP 人工神经网络模型,实现了对静态的水果进行尺寸测量、果形判别、缺陷检测以及分级,水果的识别正确率可达 80%以上,可是分级速度比较慢。1998 年杨秀坤等[32]为克服传统的图像分割自适应能力差的缺点,运用自适应特征聚类神经网络和模糊加权的决策树相结合的方法,对水果缺陷区域实现了检测,准确率较高。张书慧和陈晓光等(1999) [33]建立了图像采集与数据分析系统和相关的农副产品图像数据库,实现对农副产品表面缺陷的检测和分级,对 100 个富士苹果的检测中,优等果的检测准确率可达 96%。冯斌 汪懋华(2002)利用计算机视觉技术识别水果表面缺陷,提出了分割缺陷和识别缺陷的新方法。 该方法考虑了水果的形状特点,使不同灰度级的缺陷一次性分割成功。在识别过程中利用水果的三维空间特征,采用了傅氏变换,实现了缺陷与果梗花尊的区分,该方法检测速度快,正确率高,能够满足计算机视觉进行在线检测的要求。黄勇平等(2008)以芒果为研究对象,利用计算机视觉技术对其表面缺陷缺陷进行检测,研究了图像灰度转换、噪声消除、图像增强等底层处理方法,其准确率为86.7%。黄星奕等(2012)以杏干为研究对象,采用机器视觉和近红外光谱技术快速无损检测干果内外品质,实现了对杏干内外品质进行综合检测。目前,国内对水果缺陷无损检测做了很多研究,但在实际生产应用中不是很广泛,还存在很大的发展空间。

(2)国外研究现状:国外70年代末就开始利用机器视觉技术对水果进行自动检测、分级。Rehkugler(1986)利用计算机视觉技术对苹果表面的碰压伤检测,实现了依据美国苹果分级标准分级。Throop(1997)等人研究了多光谱测量技术,通过测定了苹果的反射光谱特性,可实现对苹果的破损检测。Tao等(1998)研制出了基于计算机视觉的苹果缺陷检测系统。该系统一次性可以采集到6个苹果的图像数据。为了克服苹果曲面引起的光照强度不均的问题,通过缺陷变换,最大限度地保留了果面上任何水平的缺陷,包括灰度值低于背景的像素,然后通过形状变换算法,对光照进行有效的补偿。Leemans V.等(2004)研究了一个基于缺陷特征的水果实时分级方法。该文献用一种水果分级机器拍得几幅图像。然后分割图像,提取缺陷。在学习阶段,水果根据缺陷的大小被分为几个子串,对水果的缺陷的分类用了二次判别式法。研究表明,这种分级方法的准确率可达到73%,而错误发生的50%是良性的,而另外50%则是由于缺陷是晒伤或者是撞伤,或者缺陷太靠近果梗和花萼很难被检测到。Kim等(2009)用颜色共生矩阵方法检查柚子皮的疾病,从中发现患病柚子与健康柚子是有差别的,其分类精度高达96.7%m。D.Unay 等人(2007) [28]对乔纳金苹果的果梗和花萼部分进行了识别研究,首先用阈值分割出目标,在目标中提取形状和纹理特征值,将这些值输入用 SVM 算法进行模式识别来实现分类,果梗识别的正确率高达 99%,花萼识别更是达到 100%。I.Kavdir 等人(2008) [29]为寻找分类的最佳效果,提取了金冠苹果的大量特征,将不同特征集和分类器的分类性能加以比较,最后确定 5 个特征集进行分类的效果良好。

3. 国内外现状总结

国内外学者对于计算机视觉应用于水果外观品质检测进行了大量的研究工作,并且取得了很多研究成果,对此领域的发展做出了很大的贡献。但总体来说,还存在一些函待解决的问题。首先大多数利用机器视觉对水果缺陷检测的研究都只是停留在实验室或静态条件下,而对于实际生产线中滚动着的水果检测的方法不多。并且研究也处于刚刚起步阶段。因此,现在对水果缺陷研究的各种技术方法都很难用于实际生产。其次,机器视觉检测技术有待于提高检测精度,由于苹果的形状类似于球体,而苹果表面的缺陷可能会出现在图像的不同位置,并且会造成形状的畸变,有时能会在图像中消失,这样给缺陷的检测带了一定的困难。国内外大部分外观品质检测研究集中于苹果、梨、柑橘等近球形的水果,而对于不规则型的水果很少涉及到。基于上述背景,结合实际生产的需要,本研究基于前者经验,设计了计算机视觉苹果破损检测系统,提出基于视觉的苹果外观品质检测的方法,所有算法实现采用的软件工具是MATLAB软件。

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。