书目详细信息
： 基于计算机视觉的葵花籽外观品质检测研究
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： | 基于计算机视觉的葵花籽外观品质检测研究/.吴进玲著/.张海东指导 |
| 出版发行项： | 2019.6.11 |
| 载体形态项： | 95页:;+图表:;+30cm |
| 提要文摘： | 对葵花籽的分选，尤其是霉变、破损、品种混杂葵花籽的精选，直接影响产品的品质和市场销售。为了增强我国葵花籽市场的国际竞争力，提升我国葵花籽标准化生产程度。本文在在国内外相关研究的基础上，利用计算机视觉技术对葵花籽图像进行预处理、分析研究，探索表征葵花籽外观品质（品种、霉变、破损）的特征参数，利用神经网络、决策树以及深度置信网络算法建立葵花籽外观品质识别模型，对不同葵花籽进行识别。以探索利用计算机视觉技术无损检测葵花籽品质的方法，实现葵花籽外观品质的识别判断。 本研究具体研究内容及结论如下： （1）搭建机器视觉系统，分别采集了三个品种的完好、破损和霉变葵花籽的图像。 （2）霉变、破损葵花籽的检测。采集同一品种完好、霉变、破损的葵花籽图像，对其进行预处理并提取了3个颜色特征值（G、B、 I）和5个纹理特征值（灰度均匀性、梯度均匀性、惯性矩、一致性、熵），建立BP神经网络、决策树、深度置信网络分类模型分别对单个葵花籽及多个葵花籽进行完好、霉变、破损进行检测识别。得到结论：BP神经网络单个葵花籽训练集、测试集的识别正确率分别达到了99.25%，98.5714%，多个葵花籽训练集、测试集的识别正确率分别为：97.807%，95.5556%；决策树算法单个葵花籽训练集、测试集的识别正确率分别达到了99.67%，99.048%，多个葵花籽训练集、测试集的识别正确率分别为：98.095%，95.285%；深度置信网络单个葵花籽训练集、测试集的识别正确率分别达到了100%，98.1%，多个葵花籽训练集、测试集的识别正确率分别为：99.67%，98.33%。 （3）葵花籽品种的识别研究。采集3种葵花籽（白色牙签葵花籽、三道眉、黑珍珠）图像，对其进行预处理并提取了3个颜色特征值（R、G、B）3个纹理特征值（灰度均方差、相关性、惯性矩）和2个尺寸特征值（长、宽），建立BP神经网络、决策树、深度置信网络分类模型，分别对单个葵花籽以及多个葵花籽进行不同品种识别。得到结论：BP神经网络单个葵花籽训练集、测试集的识别正确率分别达到了99.3478%，98.431%，多个葵花籽训练集、测试集的识别正确率分别为：99.899%，100%；决策树算法单个葵花籽训练集、测试集的识别正确率分别达到了100%，100%，多个葵花籽训练集、测试集的识别正确率分别为：100%，100%；深度置信网络单个葵花籽训练集、测试集的识别正确率分别达到了100%，100%，多个葵花籽训练集、测试集的识别正确率分别为：100%，100%。 （4）对三种识别模型识别结果进行比较分析，发现三种算法均能实现葵花籽外观品质识别检测，并且具有较高的识别正确率。其中，决策树、深度置信网络用时基本相同，明显少于BP神经网络，正确率从高到底则依次为：深度置信网络、决策树、BP神经网络。研究结果表明，利用计算机视觉技术评判葵花籽的外观品质是可行的，且能够较准确、迅速地评判葵花籽的外观品质。 (5) 设计葵花籽翻转机构，并对翻转系统性能进行仿真验证，结果显示该系统可以较好的满足实验要求，实现葵花籽的翻转。 |
| 并列题名： | Research on Appearance Quality Detection of Sunflower Seeds Based on Computer Vision |
| 题名主题： | 葵花籽 外观品质 计算机视觉 检测识别 学位论文 |
| 中图分类： | S565.5-533 |
| 个人名称等同： | 吴进玲 著 |
| 个人名称次要： | 张海东 指导 |
| 团体名称等同： | 云南农业大学 授予 |
| 记录来源： | CN YNAUL 20200312 |