（仪器科学与技术专业论文）大豆等农产品在线检测技术.pdf

重庆大学硕士学位论文 中文摘要 i 摘 要 在发展生产保证供给的社会主义大市场中农产品的品质检测存在许多空白 农产品的品质低下已经严重影响我国农业生产的发展大豆等农产品在线检测技 术在农产品的品质控制中具有重要的现实意义该技术可以广泛应用在颗粒状农 产品如花生玉米等的在线异物检测中是提高我国农产品市场竞争力的有力手 段之一 本文首先概述了国内外大豆等农产品基于机械电磁效应和机器视觉在可见 光激光以及近红外成像检测在线异物识别系统的研究和应用现状 论文研究了适合农产品检测的嵌入式机器视觉平台建立了以 rgb颜色空间 各分量色度值为提取特征以其拟合的正态分布概率密度函数作为判别基准的模 式识别模型 在大豆等农产品在线检测系统中本文提出了机械初筛和 dsp 的嵌入式机器 视觉筛选相结合的检测系统整体方案设计作者对系统相关的硬件进行了比较和 选型该系统由筛筒传送带光学系统图像数据采集系统实时图像处理系 统和异物自动剔除系统等部分组成然后根据 dsp 算法实现流程作者详细讨论 了识别算法在 tms320dm642evm 板上的实现 系统软件部分首先由 matlab 进行 仿真模拟然后通过 c 和 c+语言在 dsp 开发环境 code composer studio 下编写 和调试最后论文做了利用大豆近红外分光反射特性进行异物检测的可行性分析 实验表明论文提出的异物识别方法可以采用先进的 dsp 予以实现在实验 中对霉变大豆褐变大豆以及其他病变豆识别率在 85以上但是对于某些对大 豆表面损害并不严重的虫咬豆漏判比较突出尚需改进在近红外分光反射特 性的检测实验中选择 5200cm-1 6000cm-1 波段为大豆与异物的差异敏感波段 大豆和异物在此波段光源下的图像对比度差异较大可提高识别率减少漏判值 得进一步研究 关键词大豆在线检测机器视觉颜色空间dsp 重庆大学硕士学位论文 英文摘要 ii abstract in the modern market of china, there is a lot to do in the field of the quality measurement for agricultural products. nowadays the low quality of agriculture products has badly influenced the development of chinese agriculture. soybeans and similar agriculture products on line detection is vital in the agriculture products quality control, which can be applied in peanuts corn etc online foreign material detection. this is one of the effective ways to improve the competence of chinese agricultural products in the international markets. the thesis first described the research and application in soybean and similar agricultural production online detection based on mechanical, electromagnetism and machine vision using seeable light, laser and near infrared reflection image detection principle. after the analysis of embedded machine vision platform appropriate for agricultural products detection, the thesis sets up the mode of pattern recognition, which distracts the r, g, b chrome number as eigenvalue. then the stand error and stand deviation of r, g, b are statistic based on which three norm distribution are fitted. the three norm distribution is the image recognition criteria. the thesis proposes the combination of mechanical detection and machine vision detection in the soybean and similar agricultural products online detection system. after analysis and comparison the author first selects the main parts of the system, which is constituted by filter, conveyor, optical system, image data collection system, real time image processing system and foreign material elimination system. then the realization of embedded image processing algorithm on tms302dm642evm is discussed in detail. the software was first simulated by matlab programming language, and then was developed and debugged in code composer studio in c and c+ language. last the feasibility study of using character of reflection of soybean under near infrared spectrum was made. the result of the experiment illustrate that the algorithm can be realized by dm642. in the experiment the recognition rates of moldy soybean, brown soybean and other disease soybean can reach over 85%, however some insect infected soybean which made no big change of the surface except for a small hole cannot be recognized effectively. while in the test of the reflection character of soybean in the near infrared 重庆大学硕士学位论文 英文摘要 iii spectrum was done. the test shows that the difference of soybean and the foreign material is sensitive in the range of 5200cm -16000cm-1 wavelength. this means the image contract of the soybean and the foreign material is enlarged under such light source. so it is possible to improve the recognition rate and decrease the missing rate in this way and worth further study. keywords: soybean online detection, machine vision, color space, dsp 重庆大学硕士学位论文 1 绪 论 1 1 绪 论 1.1 前言 随着国民经济的发展和人们对物质文化生活提高的迫切要求不断提高农产 品品质已经越来越重要大豆作为我国重要的经济作物它的品质提升为满足社 会对优质农产品日益高涨的要求增强市场竞争力具有十分重要的意义采用先 进的大豆等农产品在线检测技术及系统是行之有效的技术手段之一 大豆花生类农产品是人们所喜爱的食品我国是大豆的原产地曾经是世界 上最大的大豆生产国和出口国然而现在却是世界上最大的大豆旱灾虫害国同 时与国外市场相比国内大豆缺乏市场竞争力的原因就在于品质差产量低生 产成本高脂肪含量低商品规模小批量不整齐 鉴于大豆及其制品在国际农产品贸易中占有的重要地位为了加速大豆发展 抢夺国际市场美国巴西阿根廷等大豆主产国制定了十分严格而详细的大豆 及其产品的质量标准如subpart j united states standards for soybeans等我 国也先后制定了一系列大豆及其产品的质量标准和卫生标准 根据我国国家标准大豆油脂业大豆质量标准豆制食品业用大 豆等大豆根据种皮颜色和粒形分为 5 大类黄大豆青大豆黑大豆其他 大豆(种子为褐色棕色赤色等单一颜色的)大豆和饲料豆其中杂质含量子 叶变色率色泽不完善颗粒霉变粒水分和脂肪成为评定等级的重要指标 为了提高我国大豆在世界的竞争水平在世界的市场里独树一帜必须提高 我们自己大豆的品质和档次除了改变传统的生产技术加大开发新产品新工 艺的力度提高生产的现代化水平加强现代化经营观念提升自己的品牌意识 之外在生产线上的品质检测也成为非常重要一环 大豆等农产品的检测分选已成为农产品加工业中重要的研究项目该研究 将紧跟我国农产品品质的检测开展工作检测的主要目标除了石子等异物之外 还将识别出霉变豆虫咬豆褐变豆以及其他病变豆等异物对促进我国农产品 品质的提高具有重要意义同时该检测系统对其它类似农产品检测如小麦玉米 等的其他农产品在线检测也有极大的参考价值 1.2 农产品在线检测与控制系统1 1.2.1 引言 检测是检出与测量的总称其中检出是指示某些特殊量的存在但无需提供 量值的过程测量是指以确定被测量对象量值为目的的全部操作根据检测工作 重庆大学硕士学位论文 1 绪 论 2 是在变化过程中进行还是在过程外或过程后进行可将检测分为“在线”检测和“离 线”检测 工业应用上的在线检测(online detection and measurement) 从狭义上讲 是指在工业生产线上加入某一环节以便对于生产中某些参数或工作状况进行 检测比如烟草生产中的水分检测系统大豆等颗粒状种子的分级等从广义上 讲在线检测应当包括检测与控制也就是说在生产线上运用各种传感器对 被生产的产品的某些参数进行实时检测将分析测量结果所获得的信息与预先设 定的参数进行比较然后根据比较差值(即误差信号)做出决策(如反馈调节数据 报表以及报警等)以保证产品的质量和生产线处于最佳运行状态在计算机控制 技术飞速发展的今天几乎所有的生产车间都需要各种不同的监测与检测系统 而且在我国的传统工业生产中各种检测与控制系统是提升企业现代化水平与市 场竞争力的重要手段因此各种工业在线检测与控制技术的研究对我国的经济 建设具有重要意义在我国对在线检测与控制技术的研究和应用起步比较晚 60 年代尚处于国外先进技术引进阶段到 80 年代初在线检测与控制技术才得到 明显的重视和发展近年来随着人们对这种在线检测与控制系统的需求增加 在线检测与控制技术系统得到了很大的关注与发展 1.2.2 国内外相关颗粒状农产品在线检测现状 目前国内外已经成熟应用于市场的大豆类农产品分选机主要是利用不同大 豆以及异物在传送带上的摩擦系数不一致特性的带式大豆分选机现有的大豆带 式分选机一般是采用逆向分离方式即待筛选大豆以一定初速度逆向落入传送 带上根据正常大豆和异物对传送带的摩擦系数不同使正常沿分选斜面滚下 而异物和杂质则随上升的分选皮带进入异物口从而完成了好种子与异物的分离 2 相关的产品有美国oliver公司基于物料间密度的差异及筛面间摩擦力的不 同在风力及振动台面的共同作用下完成物料分离国内的5xdf5型豆类物料 带选机等此外还有利用重力离心力作用的螺旋大豆分选机将同正常大豆形状 质量不同的废种和杂质分离出来 如国内的5zx-3.0型重力筛选机 美国卡特公司 奥地利的海德公司也都利用此原理研制出筛选机 5xtf-1.5型圆筒筛式种子分级机 5xtf-1.5型圆筒筛式种子分级机是为大中型种子加工厂设计的可用于玉米 大豆等作物种子的分级作业 5xtf-1.5型圆筒筛式种子分级机主要由机架喂入装置筛筒清筛装置 筛筒调节装置振动输送装置及传动装置等组成见图1.1所示 重庆大学硕士学位论文 1 绪 论 3 分级机的机架11由薄钢板折弯后连接形成薄壳结构支撑整机零部件图 中1为喂料斗2是导料板二者共同组成喂入装置使种子靠重力喂入筛筒5在 筛筒壁上不满深窝冲孔的圆孔和长孔可根据筛选不同作物种子需要快速更换筛 筒清筛装置9由多个空套在轴上的橡胶辊组成筛筒转动时通过击打筛筒将卡 塞在筛孔中的种子清掉手轮10为筛筒调节装置通过转动手轮可调节筛筒的 倾斜角度一般为05振动输送装置由两个振动电机8输送槽6和支座组成 用于将筛下物输送到筛下物出料口4传动装置由调速电机和链传动组成使筛筒 转速在50r/min左右 工作时被筛选物料由喂入装置进入筛筒内沿着旋转筛筒的内壁上升当 上升至一定高度后松散落下如此往复连续进入筛筒内的物料受压力和松散性 的作用逐步向筛筒另一端的出口移动在这一过程中小于筛孔的物料通过筛孔 漏出被配置在筛筒下部的振动输送装置运至筛下物出料口排出而大于筛孔的 物料随着筛筒转动被带到筛筒的另一端经筛上物出料口流出从而完成分选作业 夹在筛孔中的物料则由清筛辊从筛筒外壁向内击打清除 该分选机的生产力为1.5t/h 在使用机器视觉可见光分选方面purchase lv5应用机器视觉技术研究了大 麦种子的快速鉴定系统 chtioui6应用机器视觉的粗大理论作为分类工具用以评价 食用豆子的质量为了区分可接收的破裂的破损的小的异类的豆子和石 头,提出了两个不同离散化方法即相同或等频率间隔的粗大分类器日本研制出大 豆的颜色分选机该机根据颜色对大豆进行分选,分选精度高,加工能力为350 kg , 前后两个照像机将大豆分选进16个箱内7农产品的表面颜色是反应农产品品质的 一个重要特征liu j等人9对玉米粒的白度进行了定义建立的快速准确简易 玉米白度的测量方法对大范围变化的63个玉米样品的白度值进行了测量并提 图 1.1 5xtf-1.5 型种子分级机结构示意图 fig 1.1 structure 5xtf-1.5 seed sorter 重庆大学硕士学位论文 1 绪 论 4 出了代表性的结果白度值能定性的和可靠的表示玉米粒颜色的差别 nib等人对玉米的识别和分级进行了系统的研究 首先设计和建立了用于自动 检测玉米粒的原型机器视觉系统10用过滤光消除由于玉米粒的移动而产生的图 像中的模糊检测随机方向上的整粒和破损的玉米粒其成功区分率分别为91 和94随后研制了玉米粒粒度分级电子系统11获得了玉米粒长度宽度和投 影面积而不受玉米粒方位的限制将粒度分级算法的性能与精密圆孔种子分级机 的分级结果进行了对比该分级系统的平均分级精度达到7494 俄罗斯科学家使用激光分析法分离大豆用这种技术进行的播种试验证明 了这种方法的有效性 “乌尔斯1”激光分离大豆装置 由机械传送装置和光学装置组成光学装置由一个紫外线发射器和一个双频 激光分析器组成还有种子高速分检装置和一组电动处理和控制装置该机器有 一个容量100公斤的料斗和2个分流槽 工作原理是 健康大豆的种皮和受到病毒(或化学药剂)感染的大豆的种皮在射 线的照射下反射出不同的光波在分辨出这两种光谱后具体的说就是区分蛋白 质和聚苯酚的反射光谱强度的相互关系把受到病毒感染的大豆种子分离出去 如图1.2所示 大豆种子从料斗里落到“种子排队装置”中在这里种子被一个一个以20mm间 隔高速地(8m/s400粒/s)弹射到健康种子接收斗中在种子飞行过程中种子以极 短的时间从发射源1.穿过滤波器2.同时受到紫外线的照射种子皮因受到照射而激 发出一段可见光波 光波被一面半透明的反射镜分成两道光5.穿过相应的宽带光谱 滤波切片(34)进入光电传感器(6)从传感器出来的电信号立即被电动处理装置 分析比较并把每一粒种子的分析结果形成信号传给种子挑选器当被病毒感 染的颗粒的信号出现时挑选器立刻转动把转动的闸片移到颗粒的飞行路线上 料 斗 种 子 传 递 装 置 （ 弹 射 ） 1 2 3 5 4 6 电 动 分 离 装 置 高 效 挑 选 装 置 异 常 种 子正 常 种 子 控 制 装 置 图1.2 激光分离系统 fig 1.2 laser distraction system 重庆大学硕士学位论文 1 绪 论 5 轻轻撞击飞行中的种子颗粒使它稍稍偏离自己的飞行轨道落入用来装感染病 毒种子的漏斗中感染病毒的种子从漏斗中滑出来装入口袋飞行中的健康的种 子则从飞行轨道上飞出自由地落入容纳健康种子的漏斗中其中1.外线发射器 (310微米)24.光谱滤波片5.半透明波片 6.光敏感应器 另外用机器视觉近红外分选也可以对农产品颜色46- 47大小46损伤压伤48 52及虫孔53进行检测 为了有效地识别苹果表面上的虫害粪便污染块 kim m.s46 等对16个受到不同程度污染的苹果做了相关识别试验测定了受污染苹果在 450850nm波段的反射特性试验还发现多光谱图像系统还具有颜色分级功能,可 用于商用水果分级系统在虫害检测方面bidgway c.和chambeers j. 用波长为 1020nm和1300nm的近红外光检测10颗无虫小麦颗粒和10颗内部有虫害的小麦颗 粒并分析采集的图像发现在有虫害的小麦近红外图像中有比例较大的亮斑而 在正常小麦的近红外图像中则是统一点黑色如果将两波长下的图像进行减运算 发现有虫害和无虫害小麦图像间的差异更加显著8他们的实验表明用近红外机器 视觉检测使虫害的在线检测成为可能 近红外机器视觉检测系统原理如图 1.3 所示 由红外光源发出的近红外光辐射到被研究的物体上由红外摄像机接收到被 研究物体反射回来的近红外光形成近红外图像进一步对该图像进行光谱转换 和亮度增强提高对比度在进行二值化处理后可以容易的进行图像分析和处 理 还有根据种子的电磁场生物效应而研制定机器前苏联的滚筒式介电分选机 美国的电晕式静电分选机在国内也有了试制阶段的介电分选装置3,4 1.3 本文课题来源和章节内容安排 大豆等农产品异物在线识别系统的研究是在云南省院省校科技合作项目“智 能烟草异物剔除系统产业化开发”(项目编号 2004yx16)的基础上 提出的子课题 图 像 采 集 卡监 视 器 计 算 机 近 红 外 线 摄 像 机 光 源 光 照 室 图 1.3 近红外成像系统 fig 1.3 nir image system 重庆大学硕士学位论文 1 绪 论 6 合作单位是昆明船舶设备集团公司 本文共分为六章 第一章是绪论介绍课题的研究意义以及大豆等农产品的在线检测的技术和 应用现状分析了基于机械机器视觉可见光激光近红外光以及电磁场效应 的大豆等农产品分选装置 第二章阐述了大豆在线检测系统中的机器视觉系统软硬件组成并选择基于 嵌入式处理器的硬件平台建立大豆异物检测的以rgb颜色为提取特征的模式识 别模型作为大豆在线检测系统机器视觉系统软件部分算法的基础 第三章在前章机器视觉系统构成的基础上提出了大豆等在线异物检测系统总 体结构及工作原理相关部件平台比较和选择 第四章给出 dsp 实现图像检测软件流程图并详细阐述了开发流程中使用 tms320dm642evm 的实现图像识别算法的关键技术如 evm与主机的通信以 及使用 dsp/bios 配置下编程开发以及使用 matlab 和 rtdx技术来辅助调试 第五章对大豆及其异物的 rgb颜色空间直方图分析最后探讨了近红外分光 技术检测大豆及其异物的可行性 第六章全文工作总结 重庆大学硕士学位论文 2 大豆机器视觉检测系统 7 2 大豆机器视觉检测 2.1 大豆机器视觉检测系统 国内对大豆的分选目前主要采用传统的机械方法，如传送带式或者筛筒式等。 这些机械筛选的缺点是需要根据分离的对象来具体设计各项机构参数，即可兼容 性不够好，当换成其他农产品时，分选精度将会受到影响。另外在依据球擦原理 的传送带式分选中，喂料时大豆具有初速度，当大豆在皮带上滚动，由于相互的 碰撞也可以带动霉变大豆向下滚动使剔除率降低。 同时大豆花生类产品成散状小颗粒，在传送过程中，大量果实相互碰撞位置 极易发生改变，给剔除率带来较大影响，并且机械分选系统无法分辨颜色有差异 的大豆，子叶发生变化大豆等，无法满足品质检测要求。 因此本大豆在线检测技术将主要依据机器视觉技术将可以解决上述问题，如 区分那些表面颜色发生变化但是外表和质量却与正常大豆没有明显差异的病变大 豆等。 美国制造工程师协会机器视觉分会和美国机器人工业协会的自动化视觉分会 对机器视觉的定义为：“机器视觉是通过光学的装置和非接触的传感器自动地接受 和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。”机 器视觉系统一般采用ccd照相机摄取检测图像并转化为数字信号，再采用先进的 计算机硬件与软件技术对图像数字信号进行处理，从而得到所需要的各种目标图 像特征值，并由此实现模式识别，坐标计算，灰度分布图等多种功能。然后再根 据其结果显示图像，输出数据，发出指令，配合执行机构完成位置调整，好坏筛 选，数据统计等自动化流程。 机器视觉从起步发展到现在，已经有10多年历史。机器视觉作为一种应用系 统，其功能特点是随着工业自动化的发展而逐渐完善和发展的。目前全球机器视 觉市场总量大概在70亿美元左右，增长速度约在每年8.8。 由于是新兴领域，同时产品与技术的普及不够，目前机器视觉在各行业中的 应用几乎为空白或者是低端应用。随着各行业对采用图像和机器视觉技术的工业 自动化、智能化需求开始广泛出现，国内大专院校、研究所和企业近两年在图像 和机器视觉技术领域进行了积极探索，逐步开始了工业现场的应用，如制药，印 刷，烟草、纸币、果品检测等领域。 2.1.1 机器视觉系统的组成 随着工业的发展和对机器视觉需求的提升，未来的机器视觉将由过去单纯的 采集、分析、传递数据、判断动作等逐渐朝功能集成与功能扩展的方向发展，机 重庆大学硕士学位论文 2 大豆机器视觉检测系统 8 器视觉将与自动化进一步融合。随着中国加工制造业的发展，国内机器视觉应用 将由低端走向高端。 一个实际应用的机器视觉系统可以分为硬件与软件两部分。硬件由下述几个 部分组成： 1） 距离传感器：常用的有 ccd 摄像机、超声波传感器、结构光设备等用于 信息的获取； 2） 视频信号数字化设备：把 ccd 摄像机输出的信号转化成计算机使用的数 字信号，如图像卡； 3） 视频信号处理器：完成视频信号的实时、快速、并行的处理算法； 4） 计算机及外设：根据系统的需要选取不同的计算机及其外设，来满足机 器视觉信息处理及控制系统的需要； 5） 控制系统：机器视觉系统需要控制系统来完成最终对产品的处理过程。 软件系统则由以下几个部分构成： 1） 计算机或信号处理器系统软件：选用不同类型的计算机或者信号处理器， 就有不同的操作系统和它所支持的各种语言、数据库等； 2） 机器视觉信息处理算法：图像预处理、识别、分割和解释等算法； 3） 控制系统软件。 在用于农业生产的大豆机器视觉检测系统中，硬件部分应该包括图像传感器、 图像卡、视频信号处理器、主机以及用于对处理结果做出反应的控制系统部分。 软件部分应根据所选信号处理器的类型以及其软件开发环境支持的语言来选择， 根据大豆及其异物的特点做出实时性好的算法，如预处理、分割、模式识别等。 2.1.2 机器视觉系统硬件平台的选择 机器视觉系统根据其硬件平台，可以大致分为两类12,13： 一类基于 pc 的机器视觉系统采用通用 pc 机加图像采集卡的硬件平台，由图 像采集卡进行视频捕捉，采集到的图像不加任何处理的传送到 pc 机，在 pc 机上 通过软件对捕捉到的图像和视频片断进行处理，从而得到图像处理结果 另外一类是基于嵌入式处理器的机器视觉系统，该系统可以完全脱离通用 pc 机工作，采用专用或自行设计的视频捕捉电路，通过嵌入式处理器完成图像处理 的功能。 两类系统的对比 基于 pc 的机器视觉系统，由于通用计算机的主板、内存、硬盘等硬件资源以 及计算机的软件和操作系统都较为成熟，同时由于 pc 的内存和硬盘容量非常大， 因此软件设计的难度相对较小。开发周期短，成本小。但是基于 pc 的机器视觉系 统在图像处理性能上存在瓶颈，不适合于对于实时性要求高的图像处理。该瓶颈 重庆大学硕士学位论文 2 大豆机器视觉检测系统 9 在于： 1） pc 机的 cpu 使用传统的冯诺伊曼结构，其数字信号处理能力有限； 2） pc 机上操作系统一般为非实时性的操作系统， 在高速图像处理的情况下， 这会导致 pc 不能及时的响应图像处理请求。 而嵌入式处理器的机器视觉系统可以很好的解决实时性问题： 1） 用哈佛结构和专用的处理器，将程序和数据的存储空间分开，各自有地址 总线和数据总线，可同时访问数据和程序空间，提高处理速度； 2） 一个周期内可以完成一次乘法和加法，支持密集的乘法运算； 3） 具有低功耗或零开销循环及跳转动硬件支持； 4） 图像在采集后被实时处理，基本不存在图像传输的带宽限制； 5） 可实现实时嵌入式处理软件； 6） 快速的中断处理和硬件 i/o 支持； 7） 支持流水线操作，取指、译码和执行等操作可以流水线方式执行； 当然，基于嵌入式处理器的机器视觉系统也存在缺陷： 1） 存储空间有限，因此在软件设计时必须考虑数据大小、数据处理的流水线 方式，处理难度较大； 2） 针对嵌入式处理器的编程软件、图像处理算法不够成熟，增加了软件设计 的复杂程度； 3） 基于嵌入式处理器的图像处理卡开发成本高，自主研发的设计难度大，开 发周期长。 尽管有上述缺陷存在，但是出于对农产品在线检测要求的考虑以及该技术的 发展前景来看，大豆机器视觉检测系统部分选择嵌入式图像处理器作为其硬件开 cpu pm地 址 总 线dm地 址 总 线 pm数 据 总 线dm数 据 总 线 程 序 存 储 器数 据 存 储 器 图 1.3 哈佛结构 fig 1.3 harvard architecture 存储器数据 和指令 地址总线 数据总线 cpu 图 1.2 冯诺依曼结构 fig 1.2 von neumann architecture 重庆大学硕士学位论文 2 大豆机器视觉检测系统 10 发平台，使用专用的视频信号处理器可以快速的处理图像数据。因此针对嵌入式 处理器的编程软件，图像处理算法是完成本系统的关键所在。 2.2 大豆异物识别方法 2.2.1 识别方法概述 如前所述，在机器视觉检测系统中，如何从大豆物料图像中如何识别出异物 是关键所在，它对算法的简明性、有效性提出了极高的要求。因此需要寻找并建 立一个简单而高效的大豆在线异物识别模型。 从人的视觉感受看，正常与异物的颜色、形状、大小、轻重等都存在差异， 但是对基于光电检测的机器视觉来说，很难获得被检测物的轻重、材质等特征， 而异物的大小、形状又不具备明显规律性。因此，本课题主要依据颜色差异进行 区分大豆和异物。如正常大豆呈黄色，但是病变大豆，虫咬豆或者其他异物颜色 会是红褐色、黑色等。 因此在识别上，可以将问题转化为对采集到物料图像的颜色特征值归类问题。 根据图像颜色的差异建立适合的颜色模型，便能准确区分大豆和异物。在考虑最 简单的情况下，区分的问题可用模式识别相关理论来抽象，就是一个多类别的识 别问题。 若将所有正常大豆归为一类，则以颜色为特征参数对大豆和异物进行识别等 价于对以下假设进行检验： 2.2.2 图像处理概述14,15,16,17 计算机对图像进行处理，主要目的是在机器上实现生物特别是人类所具有的 视觉信息处理和加工功能。一般的图像都是模拟图像，对于模拟图像只能采用模 拟处理方式进行处理，计算机不能接受和处理模拟信号，只有将连续的模拟信号 变换为离散的数字信号，或者说将模拟图像变换为数字图像才能接受。 数字图像处理就是对给定的数字图像进行某些变换的过程。对含有噪声的图 像，要除去噪声、滤去干扰，提高信噪比；对信息微弱的图像要进行灰度变换等 增强处理;对已经退化的模糊图像要进行各种复原的处理；对失真的图像要进行几 何校正等变换。除此之外，图像的合成，图像的边缘提取与分割，图像的编码、 压缩与传输，图像的分析等技术也属于图像处理的内容。由此可见，图像处理就 是为了达到改善图像的质量，将图像变换成便于人们观察和适于机器识别的目的。 总的来说，数字图像处理包括以下几个部分： 1) 图像变换：指图像的二维变换，是数字图像处理中的一个重要的数学基础 )(: )(: 22 11 异物的色度值 正常大豆色度值 colorcolorh corlorcolorh = = （2.1） 重庆大学硕士学位论文 2 大豆机器视觉检测系统 11 和有效的工具，数字图像复原和增强处理及图像特征的数字测度等许多算法都要 涉及到数字图像变换的理论。数字图像变换方法包括傅立叶变换、余弦变换等； 2) 图像复原：对一个退化的图像进行处理，使它恢复到原始目标的状态。图 像复原方法包括将图像去噪音、辐射度纠正、几何纠正等； 3) 图像增强：有目的地增强图像中的有用信息，改善图像的视觉效果，将图 像转变为一种更适于人或机器分析的形式。图像增强方法包括对比度增强、图像 平滑、边缘提取等； 4) 图像分割：根据选定的特征将图像划分成几个有意义的部分，从而使图像 在内容上表达上更为简单明了； 5) 图像分析：研究图像的特征提取、测量、判断等； 6) 图像数据压缩与编码:减少图像数据量，以利于传输和储存。 2.2.3 大豆物料图像预处理 在对大豆物料图像进行处理之前，应该首先对图像进行预处理。这是因为系 统获取的原始图像并不完美。影响系统图像清晰程度的因素很多，如室外光照度 不够就会造成图像灰度过于集中；由 ccd(摄像头)获得的图像经过 a/d 转换(数/ 模转换)、线路传送都会产生噪声污染等。因此图像质量不可避免的降低，轻者表 现为图像不干净、难以看清楚细节；重者表现为图像模糊不清，连概貌都无法看 出。因此在对图像进行分析之前，图像的预处理是必不可少的。它的主要目的就 是对图像质量进行必要的改善，使图像比处理前更适合特定的应用。 改善图像的方法有两类：图像增强和图像复原。图像复原需要了解图像质量 下降的原因，首先要建立“降质模型”，然后再根据该模型恢复原始图像。而图像增 强不考虑图像质量下降的原因，只将图像中感兴趣的特征有选择地突出，而衰减 不需要的特征，简单说就是提高图像可懂度。 而我们的目的不在于恢复图像本身，而是通过预处理使需要的信息得到增强， 因此在本课题中使用的改善方法是空域滤波图像增强。它在图像空间借助模板对 图像进行邻域操作，输出图像每个像素的取指都是根据模板对输入像素相应邻域 内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内的某个范围 的分量，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像 的目的。一般情况下，像素的邻域比该像素大，即这个像素的邻域中除了本身以 外还包括了其他许多像素。在这种情况下，输出像素),(yxg在),(yx处的取值不仅 取决于),(yxf在),(yx位置处的值， 而且取决于),(yxf在以),(yxg为中心的邻域内 所有像素的值。如以ts和 分别表示),(yxf和),(yxg在),(yx位置处的灰度值，并且 以)(sn代表),(yxf在),(yx邻域内像素的灰度值，则： )(,snseht = (2.1) 重庆大学硕士学位论文 2 大豆机器视觉检测系统 12 为了在邻域内实现增强操作，常可以利用模板与图像进行卷积。每个模板实 际上都是二维数组，其中各个元素的取值确定了模板的功能，这种模板操作被称 为空域滤波。模板运算的数学含义是一种卷积(或相关)运算。 主要步骤如下： 1)将模板在图像上游动，并将模板中心与图像的 某个像素位置重合； 2)将模板上的系数与模板下对应的像素相乘； 3)将所有乘积相加； 4)将和(模板输出相应)赋给图中对应模板中心位 置。 线性低通滤波器也称为均值滤波，它的所有系数均为正数。在本课题中采用 的是最简单的33模板进行滤波，避免损失太多图像细节。为了保持输出图像仍 然在原来图像的灰度值范围内，模板与像素邻域的乘积都要除以9。 图2.3是对正常大豆图片进行33空域中值滤波前后的效果对比。 2.2.4 模式识别方法选择 对图像进行滤波后，下面的主要工作就是通过机器自动将正常大豆和异物区 分开来。模式识别就是研究一种自动技术，依靠这种技术，机器将自动地把识别 模式分配到各自的模式类中去。模式识别是一门计算机应用学科，目前已经有丰 富的理论和广泛的应用。在这里，模式是指对感兴趣的客体的定量的或结构性的 描述，而模式类是指具有某些共同特性的模式的集合，确认其为何种模式的过程。 按照问题的具体要求，以学习系统的某个性能指标作为最优学习目的，即“准 则”。在处理和学习样本数据的基础上，通过改变学习系统的参数或者改变学习系 111 111 111 图 2.2 33 模板 fig 2.2 33 mask 图 2.3 33 滤波前后图像 fig 2.3 original image and the image being filtered with 3*3 mask 重庆大学硕士学位论文 2 大豆机器视觉检测系统 13 统的结构来达到性能指标的最优化。准则一般表示为 ),()(cxfrecj= (2.2) 式中x表示随机向量，c是学习系统的参数，f是决策规则，r是损失，e是 数学期望。向量x和c之间可能由某些方程式或某些附加的约束条件联系起来。 上述准则也可以表示为 = x dxcxfrxpcj),()()( (2.3) 式中)(xp是向量x的概率密度。对 于大多数模式识别应用来说，学习的目 的是对训练集样本的平均损失最小。 描述模式有两种方法： 定量描述和 结构性描述。定量描述就是用一组数据 来描述模式。为了便于数学处理，通常 把这些数据特征组成向量，称为特征向 量。例如图像中大豆的颜色，用r(红)、 g(绿)和b(蓝)三个分量的数据来表示，相应的特征向量为：x(r，g，b)t，其中 t是转置符号。 另一种描述模式的方法是结构性描述，即用一组基元来描述模式。比如，可 以用一组基元来描述图2.453中的图形。 这个图形由四个基本元素(称为基元)组成。 两个圆弧段分别用符号a和c表示，直线段用符号b表示。同样，为了便于用形式 语言处理，我们把这些符号组成符号串：xabcb，这四个基元不仅分别表达了图 形中四个线段的局部特征，而这些基元之间的连接关系从结构上描述了这个图形。 相应于两种模式描述方法，有两种基本的模式识别方法：统计模式识别方法 和结构(句法)模式识别方法。在统计模式识别方法中，用特征向量描述模式；在结 构模式识别方法中用符号串(树)来描述模式。 由于大豆和异物特征分布并不具备明显的结构特征， 大豆异物的识别采用统计 模式识别的方法来处理较为合适。统计模式识别的理论模型可用图2.5表示。 a b b c fig 2.4 sketch map of structure pattern recognition 图 2.4 结构模式识别示意图 fig 2.5 theoretic model of statistic pattern recognition 图 2.5 统计模式识别的理论模型 image segmentatio classify feature extraction object image feature vector input image object type classifier design training 重庆大学硕士学位论文 2 大豆机器视觉检测系统 14 在给定一副含有多个物体的数字图像的条件下，模式识别过程由三个主要阶 段组成： 第一阶段成为图像分割阶段，在该阶段检测处物体，并把他们的图像和其余 景物分离。 第二阶段称为特征提取阶段，在该阶段中对物体进行度量。一个度量是指一 个物体某可度量的度量值，而特征是一个或多个度量的函数。通过计算可以对物 体的一些重要特征进行量化表示。特征抽取过程产生了一组特征，把他们组合在 一起就形成了特征向量。一个n维空间包含了所有可能的n维特征向量，任意一 个特定物体都对应于n维特征空间中的一个点。 第三个阶段是分类，它的输出仅仅是一种决策，确定每个物体应该归属的类 别。每个物体被识别为某一特定类型，它是通过一个分类工程加以实现的。每个 物体被指定属于预先定义好的组(类)中的某一个组。 这些组代表了预期存在于图像 中物体的所有可能类别。如果把指派物体归到一个不正确的类，就产生一个分类 错误。错分类发生的概率称为误判率，分类只以特征向量为依据。 2.2.4.1 图像分割 统计模式识别的第一个阶段是图像分割，主要目的是减少图像分析、识别等 高级处理阶段所要处理的数据量，同时又保留足够的图像结构特征信息。图像分 割后，不同区域之间的边界被标示，模式识别的后续工作则是判断各标示区域内 的物体是否属于正常大豆。 大豆在线检测系统中剔除异物是由一排横向有一定间隔距离(如30mm)的高压 电磁喷嘴。考虑到异物识别的定位方便和实时性，图像按照喷嘴的排列方