书目详细信息
： 基于计算机视觉的鲜天麻分级方法及分选装置研究
书目信息 机读格式(MARC)
| ISBN/价格： | CNY20.00 (估)学位论文 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 530000 |
| 题名责任者项： | 基于计算机视觉的鲜天麻分级方法及分选装置研究/.赵旭东著/.杨琳琳指导 |
| 出版发行项： | 2021.06.06 |
| 载体形态项： | 64页:;+图表:;+30cm |
| 一般附注： | 机电工程学院, 学号2018210039 |
| 提要文摘： | 天麻产地在我国分布较多，比如在云南、陕西、湖北、湖南、江西、辽宁等多个省市都可以看到栽种天麻的身影，作为我国的名贵药材目前其分级方法主要以人工分拣为主，存在分拣耗时长、效率低、经济性差等问题，国内对天麻的自动化分选技术方面还缺乏研究。为了解决上述问题，本论文以云南省昭通天麻为例，结合机器视觉技术，针对分拣设备中的关键技术进行了研究。首先，研究制定了天麻分级标准。然后，通过采集不同等级的天麻图像进行预处理和特征参数提取，并在BP( Back Propagation，BP)神经网络、思维进化算法（Mind Evolutionary Algorithm，MEA）优化BP神经网络和卷积神经网络（Convolutional Neural Networks，CNN）的理论模型基础上，分别建立了天麻分级检测模型。最后，以思维进化算法天麻检测模型建立分选装置。在思维进化算法进化过程中，获取较优的BP神经网络权值和阈值，用该神经网络进行天麻重量等级检测，实验结果表明: 识别模型识别率为96%，准确率为89%。研究的主要内容如下： （1）根据云南昭通实地考察与实际市场结合研究制定了鲜天麻分级标准，根据天麻的外观大小和重量划分为四个等级，一级天麻为重量大于200克、二级天麻为重量大于150克、三级天麻为重量大于100克、四级天麻为重量小于100克。 （2）对采集到的天麻图像进行图像预处理以及天麻图像的特征参数提取，天麻图像预处理包括图像灰度处理、图像去噪、图像分割、形态学处理、边缘检测等多种预处理方法，对预处理后天麻图像进行面积、周长等特征参数提取。 （3）通过研究传统的机器学习算法和深度学习理论，建立了基于BP神经网络、思维进化算法改进的BP神经网络和卷积神经网络3种用于天麻分级检测的模型。这3种网络模型训练完成后，采用相同的天麻测试样本来对网络进行识别正确率实验，实验结果为：BP神经网络预测精度可达88.25%；MEA改进的BP神经网络预测精度为93.25%；天麻分级CNN网络预测精度为90.50%。通过实验结果对比，采用MEA该进的BP神经网络分级模型性能效果最佳。 （4）对天麻分拣设备关键机构进行了设计。设计了天麻翻转机构和张紧机构、装有图像采集装置天麻分拣设备流水线。 |
| 并列题名： | Study on classifying method and sorting device of fresh gastrodia elata based on computer vision eng |
| 题名主题： | 天麻分级 思维进化算法 机器视觉 分选装置 学位论文 |
| 中图分类： | TP399-533 |
| 个人名称等同： | 赵旭东 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 20220628 |