基于嵌入式平台的苹果果形及颜色的实时识别与分级

发布时间：2021-03-06 10:08

随着人们生活水平的日益提高,对苹果品质的要求也越来越高。苹果的外部品质是苹果分级的重要依据,直接影响着消费者的购买欲望。果形和颜色是苹果外在品质最主要的两大参数,传统的基于PC机的苹果分级检测系统,存在检测效率低、分级速度慢、体积庞大、系统复杂等问题,在普通果农及中小企业中很难推广。为了降低水果检测分级系统成本,提高检测分级的精度和速度,促进自动检测分级装置的普及化,进而提高果农收入,开发并研究快速、精确、低成本的苹果品质检测分级系统具有十分重要的现实意义。由于嵌入式系统具有体积小、成本低、稳定性高等优点,在机器视觉等领域应用广泛。本课题主要研究内容是以嵌入式系统为平台,以机器视觉技术为手段,开发一套苹果果形及颜色的实时识别与分级系统,可以快速、准确的实现苹果果形和颜色的检测。对于提高苹果的经济效益,提升苹果市场的竞争力有着重要的意义。论文的主要工作如下:(1)完成系统平台的软件设计。完成了LCD驱动的移植、USB摄像头驱动、NFS文件系统的构建;搭建了嵌入式Linux交叉编译环境;并在linux下编译配置QT,移植到嵌入式开发板上。(2)搭建步进电机运动控制系统与图像采集系统。步进电机运动控制系统主要通过步进电机驱动滚轴运动,带动苹果在运动平台上滚动前进。完成了PWM驱动编写移植、借助QT实现步进电机速度与转动方向的控制。图像采集系统主要完成图像的采集,系统以V4L2编程框架为基础,采用CMOS摄像机实时采集苹果图像并传送到嵌入式开发板中,然后通过mmap映射,绕过了内存缓存区,在LCD屏幕上实时显示图像与检测结果。(3)对采集到的苹果图像进行预处理。检测图像中苹果的果形和颜色时,对采集到的苹果RGB图像进行光照补强,降低光照变化和不均匀性带来的影响;在此基础上,提取苹果图像的RGB分量,计算各像素R、G、B分量的绿(G)/蓝(B)和红(R)/绿(G)比值,通过训练获得其分割阈值,实现苹果图像和背景的准确分割。(4)利用机器视觉技术实现苹果果形和颜色的检测分级。在苹果的果形检测过程中,首先对苹果图像进行标定,然后采用圆度来描述苹果的果形,计算苹果最小半径与最大半径的比值,实现对苹果果形的检测;在苹果的颜色检测过程中,通过基于超红-超绿阈值分割法对分割后的苹果图像进行红色区域检测和面积计算,实现对苹果颜色的检测。
【学位授予单位】：江南大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S661.1;TP391.41

文章目录

摘要

Abstract

第一章绪论

1.1 课题研究背景及意义

1.2 国内外水果检测分级研究现状综述

1.2.1 水果果形特征提取判别方法研究现状

1.2.2 水果颜色特征提取判别方法研究现状

1.3 嵌入式技术发展概况

1.4 论文主要工作及结构安排

第二章嵌入式苹果品质检测与分级系统整体设计

2.1 系统总体设计

2.1.1 系统需求分析

2.1.2 系统组成及工作原理

2.2 系统硬件设计

2.2.1 嵌入式平台

2.2.2 运动控制平台与驱动

2.2.3 图像传感器选择

2.3 系统软件平台的搭建

2.3.1 宿主机Linux开发环境搭建

2.3.2 Bootloader移植

2.3.3 配置网络服务

2.3.4 Linux内核移植与裁剪

2.3.5 根文件系统的构建

2.3.6 QT/Embedded

2.4 本章小结

第三章运动控制平台的设计及图像的采集实现

3.1 运动控制平台的设计

3.1.1 Linux下驱动的设计

3.1.2 编写控制界面

3.2 图像采集系统的实现

3.2.1 USB摄像头驱动程序的移植

3.2.2 LCD驱动的移植

3.2.3 基于V4L2的图像采集编程

3.3 本章小结

第四章苹果图像预处理

4.1 光照补偿

4.2 对比度拉伸

4.3 图像灰度化

4.4 图像分割技术

4.4.1 最大类间方差法

4.4.2 彩色图像分割算法

4.4.3 Kmeans ++算法

4.4.4 训练阈值分割法

4.5 本章小结

第五章苹果果形和颜色的检测分级

5.1 苹果图像标定方法

5.2 苹果果形检测分级研究

5.2.1 苹果果形特征提取

5.2.2 果形分级实验与结果

5.3 苹果颜色检测分级研究

5.3.1 颜色模型的选取

5.3.2 苹果图像红色特征分量提取

5.3.3 颜色分级实验与结果

5.4 本章小结

主要结论及展望

主要结论

展望

致谢

参考文献

附录: 作者在攻读硕士学位期间发表的论文

【相似文献】