基于机器视觉的水钻自动分拣系统研究

《基于机器视觉的水钻自动分拣系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于机器视觉的水钻自动分拣系统研究⑧论文作者签名指导教师签名论文评阅人1：评阅人2．．，评阅人3：’评阅人4：一一．一一一一：评阅人5：答辩委员会主席：委员1：委员2：委员3：委员4．委员5：盘毖豇率烂!趔涩是施戤姒孟丝筵!湓之基童j陛匡2丝丝篷(。缸鑫盔，z24毖蕴毖髭【碰翟基堑2一——一TheResearchofAutomaticCrystalSortingSystemBasedonAuthor’ssignature：Visionsignature：ExaminingCommitteeChairpers

2、on：ExaminingCommitteeMembers：Dateoforaldefence：浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得逝江太堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。学位论文作者签名：琴和飞签字日期：加k年；月勿日学位论文版权使用授权书本学位论文作者完全

3、了解逝塑太堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝江太堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：菇弘儿签字日期：x心年]月27日导师签名：签字日期：年月日致谢时光飞逝，两年半的研究生生活即将结束，站在人生的又一个转折点上，一种感恩之情油然而生。首先，我要感谢我的导师李凌丰副教授，本论文是在李老师的悉心指导下完成的，他提出严格要求，

4、引导我不断开拓思路，鼓励我大胆创新，使我在这一段美好的时光里，既增长了知识，开阔了视野，也锻炼了意志，培养了科研精神。李老师正直的为人、求是的学风、严谨的治学态度都影响和帮助了我，也将激励我在以后的工作和学习中继续努力。衷心感谢浙江大学工程与计算机图形学所的谭建荣教授、张树有教授、陆国栋教授、刘振宇教授、冯毅雄副教授、伊国栋副教授和董进老师等对我学习和生活上的关怀和帮助。感谢同窗丁大章、徐徐、徐伟、周鑫、张辉、王镇、尧科、杨坤、胡星星、李小刚、商勇展等，在图形所求学的两年半时光里，我们一起探讨科研与人生，分

5、担欢乐和忧愁，衷心希望你们前途无量；感谢博士生程丰备师兄以及刘笑妍师妹等对我的帮助；感谢我的室友黄志、顾兆泰、张琦等在学习和生活上对我的帮助，你们让我知道了研究生生活的乐趣和为科研拼搏的魅力。最后还要特别感谢我的师姐刘彩芬、师兄刘际轩在项目上给予我大量的帮助。感谢我的父亲．母亲、奶奶和妹妹一直以来对我学业和生活的支持。你们的全力支持是我最大的后盾，感谢你们在我成长和求学的路程中所给予的支持与爱护，我会继续努力不负你们的期望。最后，感谢浙江大学良好的学习环境和求是的学术氛围，在这里我知道了自己想成为什么样的人

6、，感谢图形所提供的良好的科研条件，感谢所有关心和帮助我的人们，我将不断拼搏进取。茅旭飞二零一三年一月于求是园浙江大学硕17学位论文摘要本课题主要基于目前人工分拣水钻识别效率低下的缺点，面向机器视觉自动识别应用对水钻的自动分拣进行了系统的研究，一个完整的水钻图像处理流程将包括图像采集、ROI(regionofinterest)区域检测、图像修复、图像分割以及图像识别这几个方面。具体的工作如下：第一章：介绍论文的研究背景和意义，并且论述了论文的研究内容和研究方法。第二章：基于HSI颜色模型的水钻自动计数研究。对

7、HSI与RGB颜色空间作了相应对比与选择；并在HSI颜色内提取了基于水钻光折射的ROI区域作为水钻图像的特征区域；然后，将平面的图像转化为三维空间曲面，借鉴测地学上的地貌信息对图像中各区域进行描述；最后以掩膜的方法完成了对相同性质区域的融合，最终实现了水钻的计数。第三章：基于种子区域生长的水钻图像自动分割研究。在本章中，首先将ROI区域中心填充与区域边缘插值这两种方法联合起来，以实现水钻图像中光折射区域的修复，从而消除了环境光源对水钻图像带来的影响；然后对水钻图像的灰度直方图进行高斯函数拟合，通过对拟合后的

8、函数进行求导来将图像灰度直方图划分为多个区间；最后，将图像种子区域的邻域像素与初始种子点像素进行直方图区间映射对比，来实现图像初始种子区域的生长，从而完成了水钻图像的自适应分割。第四章：基于BP神经网络的水钻目标识别研究。在本章中详细介绍了影响BP神经网络识别效率的学习速率、权值、隐含层节点等多个重要参数，并提出了相应的数值选择及改良方法。此外，提出了对BP神经网络至关重要的输入样本和输出样本的选择要点，并对分割