谷物检测中机器视觉技术的应用进展.doc

《谷物检测中机器视觉技术的应用进展.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、谷物检测中机器视觉技术的应用进展　　摘要：谷物自动检测的基本思路是利用数字图像处理技术和模式识别技术，首先对获取的谷物子粒图像进行预处理，其次提取谷物子粒图像的特征，然后对提取的特征进行分析和处理之后送入分类器中识别。以图像处理、图像分析、图像识别这3个步骤为主线综述在谷物自动检测中机器视觉相关技术的应用进展，并说明了各种方法的适用范围。　　关键词：机器视觉；谷物；自动检测；进展　　中图分类号：TP391.41　　文献标识码：A　　文章编号：0439―8114(2009)06―1514―05　　　　谷物检测的任务主要有两大类，一是品种识别与分类，二是品质检测与分级。

2、由于谷物子粒大部分具有数量大、体积小、许多特征肉眼难以发现等特点，因此基于人工的检测方法操作繁琐、工作量大、速度慢、主观性强、误差相当大。用计算机代替人来检测谷物子粒是解决这一问题的有效办法。几十年来，许多科研工作者研究机器视觉技术在谷物检测领域的应用，已取得了显著的成果。机器视觉检测方法是一种检测速度快、鉴别能力强、重复性高、可大批量检测的新方法、而且还具有成本低、样品无损等生化鉴定所没有的优势。谷物自动检测的研究就是利用数字图像处理技术和模式识别技术，对获取的谷物子粒图像进行预处理后。再提取谷物子粒图像的特征，然后对提取的特征进行分析和处理之后送入分类器中识别，

3、即建立一种无需人工干涉的谷物自动检测系统。本文从图像处理、图像分析、图像识别这几个方面概述在谷物自动检测领域中机器视觉技术的应用进展。　　　　1　图像处理　　　　图像处理工作分两步：第一。图像预处理，即对获取的图像进行去噪、锐化与增强；第二，图像分割，将目标从背景中分离出来为下一步的特征提取作准备。在实际应用中，采集到的谷物图像常会出现子粒聚堆或粘连的现象，如果不能把这种粘连的子粒分离开，将严重影响子粒识别的后续工作。所以谷物图像分割时不仅涉及到背景与谷物子粒的分割，还涉及到连接子粒间的分割。　　对粘连分割的问题已有很多学者做过研究，1995年，Shatadal等利

4、用极限腐蚀和条件膨胀相结合的方法，对5种小麦图像进行了分割试验，分割准确率分别为95％、95％、94％、79％和89％。但部分子粒区域的分割边界不理想。于是，1997年，Shatadal等则改用等效椭圆匹配的方法进行分割，效果较好，2001年，Visen等利用区域等效椭圆、子粒边界的曲率和最小邻域相结合的算法分割子粒，对于2粒或3粒子粒相连情况，分割效果较好，达到99％。不过，这些方法都只适用于少数粘连子粒的情况，一般是2～3粒，不适用于大量子粒粘连的情况。凌云等针对大量粘连谷物子粒图像的分割问题，分别采用改进后的基于形态学的腐蚀、膨胀算法和基于先验知识的流域分割算

5、法。相对误差小于2％。　　对子粒与背景的分割，一般采用常规的方法，比如灰度阈值法、边缘检测法、数学形态学方法。灰度阈值法比较简单，但抗噪能力差；边缘检测法大多数是基于方向导数掩模求卷积的方法，它不仅具有位移不变性，还具有各向同性：数学形态学方法一般用于消除谷物子粒区域中的孔洞。　　　　2　图像分析　　　　图像分析的任务是提取出有利于图像识别和理解的主要特征量，用有限的特征来描述待检测或分类对象，从而构造出表征对象本质的度量。常用的图像特征可分为颜色特征、纹理特征和形状特征。这些特征的选择非常重要，它们将直接影响到图像识别分类器的设计、性能及其识别结果的准确性。特征参

6、数的选择通常与研究对象、研究目的密切相关。　　　　2.1　颜色特征　　谷物的外观品质与颜色密切相关，由于病虫害或储藏不当等原因，常引起谷物固有颜色的变化。因此，在对谷物的外观品质(稻米垩白度、黄粒米、色泽)进行检测时，主要选择颜色特征。研究人员通常用RGB模型与HIS模型中的某些统计量来表示颜色特征，比如颜色矩、均值、方差、偏度、峰值、能量和熵。也有研究人员用试验证明RGB、HSV6个颜色特征与杂交水稻种子品种的相关性，为杂交水稻种子的自动识别方法提供了参考。　　　　2.2　形状特征　　有研究表明，农产品的结构、组成与其粒形有密切的关系。稻米粒长与蛋白质含量、赖氨酸

7、、粒宽及长宽比与胶稠度等性状间的表现协方差和遗传协方差已达到显著或极显著水平。因此谷物的形状特征也是进行符物检测分级的重要参数之一。　　形状特征参数的选取没有统一的规定，只要能充分反映物体的形状，或者能有效区分物体之间的形状差异，并且能方便、快速获取的参数都可作为形状特征参数。谷物一般为不规则的椭圆，研究人员所选取的形状特征参数一般为：长、宽、长宽比、周长、面积、圆形度、内切圆半径、中心点、尖端位置、直径、紧密度和延伸度。这些参数的计算都是建立在对图像进行轮廓提取的基础之上的，因此参数的精度取决于轮廓提取算法的好坏。　　成芳等使用sobel算子进行边缘搜索，形成