学位论文 > 优秀研究生学位论文题录展示

基于机器视觉的扇贝精选分级系统研究

作　者: 杨晓光
导　师: 付先平
学　校: 大连海事大学
专　业: 计算机科学与技术
关键词: 虾夷扇贝机器视觉测量分级凸缺陷图像轮廓
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 29次
引　用: 0次
阅　读: 论文下载

内容摘要

我国是一个海洋大国,海产养殖业的发展在我国农业生产乃至经济发展中均占有重要的地位。扇贝精选分级是扇贝养殖收购过程中的一个重要环节,有效、可靠的精选分级一定程度上决定了扇贝养殖的效率。目前,扇贝精选分级多数采用人工方式,人工方式不仅效率低、强度大,而且分级的结果受人为主观因素影响较大；使用机械筛分级精度低,碰撞、震动经常导致扇贝边缘破损,造成病贝、死贝,因此没有得到广泛应用。本文致力于研究基于机器视觉的扇贝精选分级系统,机器视觉检测技术具有非接触、精度高、速度快的优点。扇贝精选分级系统功能是实现扇贝的自动化测量和分级,包括扇贝检测(计数)和扇贝测量两部分。在研究的过程面临着一些问题如：扇贝不同颜色表面分割、带水和泥土的扇贝图像去噪、扇贝尺寸的快速准确测量、扇贝并排和重叠处理等。本文使用多分辨率分析的方法提升系统检测效率,利用帧差与中值滤波方法进行去噪,使用YCRCB色彩空间与大津法相结合的方法对扇贝进行分割,并提出了一种基于扇贝凸缺陷特征的扇贝尺寸测量方法,完成了扇贝的检测和测量。为进一步提高检测精度使用了局部边缘二次处理方法,为降低漏检率分析并处理了扇贝重叠和并排检测问题。为了验证本文算法设计的合理性和有效性,本文在算法设计的基础上,研制了扇贝智能检测系统,并在现场环境中进行了实验、测试和应用。结果表明,在保证检测稳定和测量准确的前提下,本文设计的算法和系统具有较好的鲁棒性。

全文目录

摘要  5-6
ABSTRACT  6-10
第1章绪论  10-16
  1.1 课题的背景及意义  10-11
  1.2 扇贝精选分级研究现状  11-14
    1.2.1 机器视觉系统  11-12
    1.2.2 扇贝精选分级现状  12-14
  1.3 本文研究内容与章节安排  14-16
    1.3.1 研究内容  14
    1.3.2 章节安排  14-16
第2章扇贝检测算法  16-34
  2.1 基本算法分析  16-28
    2.1.1 预处理  16-19
    2.1.2 分割  19-23
    2.1.3 轮廓分析  23-27
    2.1.4 边缘检测  27
    2.1.5 漫水填充  27-28
  2.2 检测出现  28-33
    2.2.1 扇贝出现的估计  28-31
    2.2.2 扇贝精确定位  31-33
  2.3 本章小结  33-34
第3章扇贝测量算法  34-51
  3.1 扇贝尺寸检测的理论分析  34-35
    3.1.1 虾夷扇贝的几何模型  34
    3.1.2 人工检测测量标准  34-35
  3.2 几种测量算法分析  35-41
    3.2.1 基于背缘长度的扇贝壳高计算  35-37
    3.2.2 Log-Polor对称性  37-38
    3.2.3 极小惯量矩对称轴  38-40
    3.2.4 穷举法对称轴算法  40-41
  3.3 扇贝尺寸测量算法  41-45
    3.3.1 算法实现的基础  41
    3.3.2 算法实现的流程  41-42
    3.3.3 算法实现的步骤  42-45
  3.4 检测精度进一步提高  45-47
  3.5 多目标出现检测分析  47-50
  3.6 本章小结  50-51
第4章扇贝智能检测系统  51-63
  4.1 系统组成  51-55
    4.1.1 硬件系统  51-55
    4.1.2 软件系统  55
  4.2 系统原理  55-56
  4.3 系统界面  56-61
    4.3.1 系统主界面  56-57
    4.3.2 系统关键参数配置  57-61
  4.4 数据分析  61-62
  4.5 本章小结  62-63
第5章结论与展望  63-65
  5.1 总结  63-64
  5.2 展望  64-65
参考文献  65-69
附录A 系统关键数据结构  69-70
致谢  70

基于机器视觉的扇贝精选分级系统研究

内容摘要

全文目录

相似论文