书目详细信息
： 基于计算机视觉的天麻外观品质检测及分选装置研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00(估)缴送 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于计算机视觉的天麻外观品质检测及分选装置研究/.夏敏著/.杨琳琳指导 |
| 出版发行项： | 2020.05 |
| 载体形态项： | 76页:;+图表:;+30cm |
| 一般附注： | 机电工程学院 |
| 提要文摘： | 天麻是我国名贵药材之一，在我国中药材市场中占据着主要的地位。近几年来天麻种植面积不断增加，但分选分级仍然是传统人工方式，生产率低。随着计算机视觉技术的发展，采用该技术对天麻进行在线无损检测、自动化分选是天麻商品化处理的关键环节和重要发展方向。本论文以云南省昭通天麻为例，首先以计算机视觉技术为基础建立四种天麻外观品质（腐烂、机械损伤、霉变和完好）识别模型，对四种天麻识别结果对比分析，选择最优识别模型并将其嵌入到改进后的天麻分选设备中。本文的主要研究工作如下： （1）对采集的天麻腐烂图像原图像样本经过预处理后，对比了THRESH_TOZERO（阈值化为0）、THRESH_BINARY（二进制阈值化）、THRESH_BINARY_INV（反二进制阈值化）、THRESH_TOZERO_INV（反阈值化为0）四种灰度图像预处理方式的分类损失值和平均准确率，THRESH_TOZERO方法处理后的图像准确率优于其他三种，因此选择THRESH_TOZERO灰度处理方法对天麻外观品质原图像进行灰度处理。 （2）采用ssd、rfcn、faster_rcnn_inception和faster_rcnn_resnet101四种卷积神经网络分别对天麻外观品质灰度图像和原图像建立模型。结果表明，faster_rcnn_resnet101灰度图平均准确率为99.61%；原图像平均准确率为99.53%，略高于其他三种神经网络模型；对比四种网络模型平均识别时间可知灰度处理的rfcn网络模型平均识别时间最短为24.95s的。但由于天麻的外观品质属于小目标检测，在网络模型识别时间相差不大的前提下选择平均准确率较高的网络模型，综合考虑faster_rcnn_resnet101网络模型直接识别原图像为最优。 （3）针对天麻的特点和无损检测的要求，改进设计的天麻分选装置是在现有分选装置的基础上对识别、分选、卸料工作过程中的几个关键部件进行了改进设计。改进后的天麻分选装置主要结构包括放料部分、上料部分、输送部分、计算机视觉识别系统、分选部分，其中主要做了天麻计算机视觉识别系统的设计。 （4）将识别模型嵌入到改进后的天麻分选设备，对分选装置的机械部分进一步改进，以期提高识别效率。 |
| 并列题名： | Research on Appearance Quality Detection and Selection Device of Gastrodia Based on Computer Vision |
| 题名主题： | 天麻 外观品质 卷积神经网络 分选装置 计算机视觉 学位论文 |
| 中图分类： | TP391.41-533 |
| 个人名称等同： | 夏敏 著 |
| 个人名称次要： | 杨琳琳 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20210607 |