基于計算機視覺技術的葉類蔬菜新鮮度檢測分級研究.pdf

1、目前，許多國家在農產品的質量檢測方面都已開始使用計算機視覺技術，來實現對農產品的識別、檢測和管理。作為一種新型的無損檢測技術，計算機視覺技術成為實現農產品檢驗的自動可視化發(fā)展的必然趨勢。
　　 在現有國內外研究的基礎上，本研究以目前尚未制定等級標準的葉類蔬菜——小白菜的新鮮度識別作為研究方向，以時間量劃分的三個等級的葉類蔬菜作為研究對象，以計算機視覺和模式識別理論為基礎，獲取在一定條件下背景為白色的葉類蔬菜圖像，利用MATLAB

2、軟件對圖像進行處理、分析，同時采用主成分分析、費歇爾判別相結合的方法，實現了特征提取和判別模型的構建。其中主成分分析則將13個特征參數綜合成4個新變量，構建的判別模型對樣本總體的識別率達84％。
　　 主要研究內容如下:
　　 （1)根據計算機視覺技術對葉類蔬菜的要求，構建葉類蔬菜圖像獲取和分析的計算機視覺系統(tǒng)。
　　 (2)葉類蔬菜的圖像預處理。背景分割過程中，通過自適應中值濾波法和改進的自適應大津法（OTSU

3、法）對葉類蔬菜彩色圖像的紅、綠、藍分量進行圖像背景分割，通過比較發(fā)現:在藍色分量圖中獲取閾值進行背景分割的效果最好。經選取閾值的二值化圖像與原彩色圖像進行對比，最終實現彩色圖像的背景分割。
　　 (3)提取特征參數:顏色特征，形狀特征，紋理特征。將HIS模型和RGB模型配合使用提取葉類蔬菜的顏色特征。葉片圖像經過處理后，得到目標圖像的邊緣和區(qū)域，以此來獲得蔬菜葉片的形狀特征。對于不同新鮮程度的葉片，其紋理在粗細、排列上都有很大差

4、別，本文采用灰度共生矩陣法提取葉片的紋理特征。
　　 (4)分級模型的建立。經過特征值提取后，每個樣本都獲得包括顏色、紋理、形狀等13個特征參數組成的特征向量。本文采用主成分分析法實現數據的降維，然后結合費歇爾判別分析，利用降低維度后的特征參數構建判別模型。試驗結果證明，判別模型對樣本的總體識別準確率達84％。
　　 (5)基于MATLAB與.NET混合開發(fā)了一套基于計算機視覺的葉類蔬菜新鮮度等級識別研究軟件，該軟件界面