本文主要研究内容
作者耿金凤（2019）在《含杂马铃薯中土块和石块的激光背向散射成像检测方法研究》一文中研究指出：马铃薯作为世界四大主粮作物之一,其收获后的异物检测和剔除作为产业难题一直以来未得到有效解决。随着我国马铃薯主粮化战略的实施,收获后的马铃薯中的异物检测和剔除成为制约我国马铃薯产业发展的关键问题。本研究首先,采用彩色图像技术对机械化收获后的马铃薯中掺杂的大小与其相近的土块和石块的检测进行了研究,表明彩色图像技术可对异物进行有效识别,然而特征提取步骤繁琐,效率低;其次,基于马铃薯和异物在光的散射方面的差别,采用激光背向散射成像(Laserbackscattering imaging,LBI)技术对马铃薯异物检测进行了探索,包括检测优化和普适性研究;最后马铃薯的抛落运动轨迹进行研究,对检测系统的进一步优化提出建议。本研究的主要内容和研究结论如下:(1)基于彩色图像技术检测马铃薯中土块和石块的方法研究利用彩色图像技术分别提出了基于小波变换的图像分块颜色特征和基于轮廓高斯滤波的形状特征对马铃薯中的土块和石块采用支持向量机(Support vector machines,SVM)进行二分类和三分类识别研究。在分析颜色特征参数对利用颜色特征分类的结果产生的影响时,发现分块方式为4X4时结果较好,对于2016和2017年的样本利用颜色特征进行二分类识别的整体分类正确率分别为98.07%和97.80%。在分析形状特征参数对二分类结果的影响时,发现当距离阈值为5,高斯滤波模板为5,方差为30时获得的结果较好。对2016年和2017年样本的利用形状特征进行二分类识别的整体分类正确率分别为95.32%和96.34%。对于2016和2017年样本利用颜色形状融合特征进行二分类识别的整体分类正确率分别为97.94%和99.08%,且通过对颜色形状融合特征进行主成分分析(Principalcomponentanalysis,PCA)发现颜色特征的贡献率比形状特征贡献率大,因此在利用提出颜色特征和形状特征进行检测时,三种特征方法的效果顺序依次是:颜色形状融合特征、颜色特征、形状特征。利用颜色特征识别石块的鲁棒性较差,且利用三种特征进行三分类识别的结果均比二分类的结果差,因此针对检测土块和石块而言,选用二分类方法更符合实际情况。(2)基于激光背向散射成像技术检测马铃薯中土块和石块的方法研究为克服彩色图像技术在检测收获马铃薯中土块和石块的特征提取步骤繁琐,效率低的缺点,基于马铃薯和异物组织结构的特异性差异导致光的散射现象存在差别,采用激光背向散射成像(Laser backscattering imaging,LBI)技术对马铃薯中的异物进行检测研究。通过参考脉冲信号参数的定义方法在散射剖面线上提取特征,并利用马氏距离判别分析方法(Mahalanobisdistancediscrimination,MDD)对马铃薯、土块、石块三者分别进行二分类和三分类识别,结果二分类的5种分类正确率均在99%以上,确定使用LBI技术检测马铃薯中土块和石块的可行性。将结果与利用彩色图像方法识别2017年样本的结果进行对比,该利用LBI方法可以达到与使用颜色形状融合特征相一致的结果,但是该方法图像处理过程简捷、数据量小,适合应用于异物快速快速在线检测。为了对LBI系统的波长进行优选,提出了分别利用散射线宽度和洛伦兹函数、指数函数的拟合系数作为特征对马铃薯、土块、石块进行识别,依据识别结果优选波长的方法。一方面通过直接对散射线宽度确定阈值进行识别,另一方面通过对每个样本提取的多条散射剖面线特征的分类结果构造概率分类器确定概率阈值进行识别,两种方法均利用受试者工作特征曲线(Receiver operating characteristic curve,ROC)和 ROC 曲线下面积(Areaunderthecurve,AUC)评价不同波长下的分类结果,发现两种方法选择的波长具有一致性,均表明780、830、850 nm波长下的分类结果较好,5种分类正确率均在98%以上,其中对土块和石块的识别结果均达到了 99%以上。为了证实提出的LBI技术具有适应性,通过分别对不同产地和不同马铃薯品种的4组样本进行特征选择以达到降低特征维度的目的,并将选择出的特征应用于混合模型中以适用于不同含杂率下,不同产地和品种的马铃薯检测中。分别使用5种过滤式特征选择方法对全部的44个特征进行排序,并使用波达计数法对每组样本选择出的特征打分排序得到总排序。通过观察每组样本下依次增加总排序中的特征个数后的分类结果的变化,选择出4组样本中分类结果达到稳定之后的共同特征作为特征选择的结果。选择出的特征与通过分析利用单个特征的三种分类器SVM、MDD、LDA(lineardiscriminant analysis,LDA)得到的平均结果的较优特征相一致,且用共同选择出的8个特征对4组样本进行识别后得到的整体分类正确率与特征选择之前的结果相同。在对4组样本进行混合建模时,发现分类结果与含杂率有较大关系,且在含杂率较低时,分类结果较差。为了解决该问题,通过分析设定训练集中的含杂率为40%、50%、60%时,发现预测集在不同含杂率下的三种分类器的分类结果均可在90%以上,在训练集的含杂率为60%训练的SVM模型对不同含杂率的预测集识别的整体分类正确率基本可以达到97%以上,可以满足实际生产的需要。(3)马铃薯的抛落运动轨迹的关键参数研究为了研究马铃薯抛落过程中运动轨迹的规律,通过定义不同的初始姿态,采用机器视觉系统采集在不同初始速度和姿态下的抛落图像分析运动轨迹,发现马铃薯初始姿态对运动轨迹存在影响,原因是马铃薯在抛落过程中发生了旋转,且影响的大小与初始速度有关。通过分析不同初始速度和姿态下的轨迹组,提出了在不同下落高度下计算异物剔除机构-导向机构的最小长度和卸料输送带的安装位置的方法,在初始速度为1.0m/s,下落高度为200mm处进行剔除时,导向机构的长度为200mm较为合适。当在下落高度为400mm处安装卸料输送带时,忽略马铃薯初始姿态的影响,计算得到的卸料输送带与上料输送带的水平距离为174 mm。
Abstract
ma ling shu zuo wei shi jie si da zhu liang zuo wu zhi yi ,ji shou huo hou de yi wu jian ce he ti chu zuo wei chan ye nan ti yi zhi yi lai wei de dao you xiao jie jue 。sui zhao wo guo ma ling shu zhu liang hua zhan lve de shi shi ,shou huo hou de ma ling shu zhong de yi wu jian ce he ti chu cheng wei zhi yao wo guo ma ling shu chan ye fa zhan de guan jian wen ti 。ben yan jiu shou xian ,cai yong cai se tu xiang ji shu dui ji xie hua shou huo hou de ma ling shu zhong can za de da xiao yu ji xiang jin de tu kuai he dan kuai de jian ce jin hang le yan jiu ,biao ming cai se tu xiang ji shu ke dui yi wu jin hang you xiao shi bie ,ran er te zheng di qu bu zhou fan suo ,xiao lv di ;ji ci ,ji yu ma ling shu he yi wu zai guang de san she fang mian de cha bie ,cai yong ji guang bei xiang san she cheng xiang (Laserbackscattering imaging,LBI)ji shu dui ma ling shu yi wu jian ce jin hang le tan suo ,bao gua jian ce you hua he pu kuo xing yan jiu ;zui hou ma ling shu de pao la yun dong gui ji jin hang yan jiu ,dui jian ce ji tong de jin yi bu you hua di chu jian yi 。ben yan jiu de zhu yao nei rong he yan jiu jie lun ru xia :(1)ji yu cai se tu xiang ji shu jian ce ma ling shu zhong tu kuai he dan kuai de fang fa yan jiu li yong cai se tu xiang ji shu fen bie di chu le ji yu xiao bo bian huan de tu xiang fen kuai yan se te zheng he ji yu lun kuo gao si lv bo de xing zhuang te zheng dui ma ling shu zhong de tu kuai he dan kuai cai yong zhi chi xiang liang ji (Support vector machines,SVM)jin hang er fen lei he san fen lei shi bie yan jiu 。zai fen xi yan se te zheng can shu dui li yong yan se te zheng fen lei de jie guo chan sheng de ying xiang shi ,fa xian fen kuai fang shi wei 4X4shi jie guo jiao hao ,dui yu 2016he 2017nian de yang ben li yong yan se te zheng jin hang er fen lei shi bie de zheng ti fen lei zheng que lv fen bie wei 98.07%he 97.80%。zai fen xi xing zhuang te zheng can shu dui er fen lei jie guo de ying xiang shi ,fa xian dang ju li yu zhi wei 5,gao si lv bo mo ban wei 5,fang cha wei 30shi huo de de jie guo jiao hao 。dui 2016nian he 2017nian yang ben de li yong xing zhuang te zheng jin hang er fen lei shi bie de zheng ti fen lei zheng que lv fen bie wei 95.32%he 96.34%。dui yu 2016he 2017nian yang ben li yong yan se xing zhuang rong ge te zheng jin hang er fen lei shi bie de zheng ti fen lei zheng que lv fen bie wei 97.94%he 99.08%,ju tong guo dui yan se xing zhuang rong ge te zheng jin hang zhu cheng fen fen xi (Principalcomponentanalysis,PCA)fa xian yan se te zheng de gong suo lv bi xing zhuang te zheng gong suo lv da ,yin ci zai li yong di chu yan se te zheng he xing zhuang te zheng jin hang jian ce shi ,san chong te zheng fang fa de xiao guo shun xu yi ci shi :yan se xing zhuang rong ge te zheng 、yan se te zheng 、xing zhuang te zheng 。li yong yan se te zheng shi bie dan kuai de lu bang xing jiao cha ,ju li yong san chong te zheng jin hang san fen lei shi bie de jie guo jun bi er fen lei de jie guo cha ,yin ci zhen dui jian ce tu kuai he dan kuai er yan ,shua yong er fen lei fang fa geng fu ge shi ji qing kuang 。(2)ji yu ji guang bei xiang san she cheng xiang ji shu jian ce ma ling shu zhong tu kuai he dan kuai de fang fa yan jiu wei ke fu cai se tu xiang ji shu zai jian ce shou huo ma ling shu zhong tu kuai he dan kuai de te zheng di qu bu zhou fan suo ,xiao lv di de que dian ,ji yu ma ling shu he yi wu zu zhi jie gou de te yi xing cha yi dao zhi guang de san she xian xiang cun zai cha bie ,cai yong ji guang bei xiang san she cheng xiang (Laser backscattering imaging,LBI)ji shu dui ma ling shu zhong de yi wu jin hang jian ce yan jiu 。tong guo can kao mai chong xin hao can shu de ding yi fang fa zai san she pou mian xian shang di qu te zheng ,bing li yong ma shi ju li pan bie fen xi fang fa (Mahalanobisdistancediscrimination,MDD)dui ma ling shu 、tu kuai 、dan kuai san zhe fen bie jin hang er fen lei he san fen lei shi bie ,jie guo er fen lei de 5chong fen lei zheng que lv jun zai 99%yi shang ,que ding shi yong LBIji shu jian ce ma ling shu zhong tu kuai he dan kuai de ke hang xing 。jiang jie guo yu li yong cai se tu xiang fang fa shi bie 2017nian yang ben de jie guo jin hang dui bi ,gai li yong LBIfang fa ke yi da dao yu shi yong yan se xing zhuang rong ge te zheng xiang yi zhi de jie guo ,dan shi gai fang fa tu xiang chu li guo cheng jian jie 、shu ju liang xiao ,kuo ge ying yong yu yi wu kuai su kuai su zai xian jian ce 。wei le dui LBIji tong de bo chang jin hang you shua ,di chu le fen bie li yong san she xian kuan du he luo lun ci han shu 、zhi shu han shu de ni ge ji shu zuo wei te zheng dui ma ling shu 、tu kuai 、dan kuai jin hang shi bie ,yi ju shi bie jie guo you shua bo chang de fang fa 。yi fang mian tong guo zhi jie dui san she xian kuan du que ding yu zhi jin hang shi bie ,ling yi fang mian tong guo dui mei ge yang ben di qu de duo tiao san she pou mian xian te zheng de fen lei jie guo gou zao gai lv fen lei qi que ding gai lv yu zhi jin hang shi bie ,liang chong fang fa jun li yong shou shi zhe gong zuo te zheng qu xian (Receiver operating characteristic curve,ROC)he ROC qu xian xia mian ji (Areaunderthecurve,AUC)ping jia bu tong bo chang xia de fen lei jie guo ,fa xian liang chong fang fa shua ze de bo chang ju you yi zhi xing ,jun biao ming 780、830、850 nmbo chang xia de fen lei jie guo jiao hao ,5chong fen lei zheng que lv jun zai 98%yi shang ,ji zhong dui tu kuai he dan kuai de shi bie jie guo jun da dao le 99%yi shang 。wei le zheng shi di chu de LBIji shu ju you kuo ying xing ,tong guo fen bie dui bu tong chan de he bu tong ma ling shu pin chong de 4zu yang ben jin hang te zheng shua ze yi da dao jiang di te zheng wei du de mu de ,bing jiang shua ze chu de te zheng ying yong yu hun ge mo xing zhong yi kuo yong yu bu tong han za lv xia ,bu tong chan de he pin chong de ma ling shu jian ce zhong 。fen bie shi yong 5chong guo lv shi te zheng shua ze fang fa dui quan bu de 44ge te zheng jin hang pai xu ,bing shi yong bo da ji shu fa dui mei zu yang ben shua ze chu de te zheng da fen pai xu de dao zong pai xu 。tong guo guan cha mei zu yang ben xia yi ci zeng jia zong pai xu zhong de te zheng ge shu hou de fen lei jie guo de bian hua ,shua ze chu 4zu yang ben zhong fen lei jie guo da dao wen ding zhi hou de gong tong te zheng zuo wei te zheng shua ze de jie guo 。shua ze chu de te zheng yu tong guo fen xi li yong chan ge te zheng de san chong fen lei qi SVM、MDD、LDA(lineardiscriminant analysis,LDA)de dao de ping jun jie guo de jiao you te zheng xiang yi zhi ,ju yong gong tong shua ze chu de 8ge te zheng dui 4zu yang ben jin hang shi bie hou de dao de zheng ti fen lei zheng que lv yu te zheng shua ze zhi qian de jie guo xiang tong 。zai dui 4zu yang ben jin hang hun ge jian mo shi ,fa xian fen lei jie guo yu han za lv you jiao da guan ji ,ju zai han za lv jiao di shi ,fen lei jie guo jiao cha 。wei le jie jue gai wen ti ,tong guo fen xi she ding xun lian ji zhong de han za lv wei 40%、50%、60%shi ,fa xian yu ce ji zai bu tong han za lv xia de san chong fen lei qi de fen lei jie guo jun ke zai 90%yi shang ,zai xun lian ji de han za lv wei 60%xun lian de SVMmo xing dui bu tong han za lv de yu ce ji shi bie de zheng ti fen lei zheng que lv ji ben ke yi da dao 97%yi shang ,ke yi man zu shi ji sheng chan de xu yao 。(3)ma ling shu de pao la yun dong gui ji de guan jian can shu yan jiu wei le yan jiu ma ling shu pao la guo cheng zhong yun dong gui ji de gui lv ,tong guo ding yi bu tong de chu shi zi tai ,cai yong ji qi shi jiao ji tong cai ji zai bu tong chu shi su du he zi tai xia de pao la tu xiang fen xi yun dong gui ji ,fa xian ma ling shu chu shi zi tai dui yun dong gui ji cun zai ying xiang ,yuan yin shi ma ling shu zai pao la guo cheng zhong fa sheng le xuan zhuai ,ju ying xiang de da xiao yu chu shi su du you guan 。tong guo fen xi bu tong chu shi su du he zi tai xia de gui ji zu ,di chu le zai bu tong xia la gao du xia ji suan yi wu ti chu ji gou -dao xiang ji gou de zui xiao chang du he xie liao shu song dai de an zhuang wei zhi de fang fa ,zai chu shi su du wei 1.0m/s,xia la gao du wei 200mmchu jin hang ti chu shi ,dao xiang ji gou de chang du wei 200mmjiao wei ge kuo 。dang zai xia la gao du wei 400mmchu an zhuang xie liao shu song dai shi ,hu lve ma ling shu chu shi zi tai de ying xiang ,ji suan de dao de xie liao shu song dai yu shang liao shu song dai de shui ping ju li wei 174 mm。
论文参考文献
论文详细介绍
论文作者分别是来自浙江大学的耿金凤，发表于刊物浙江大学2019-04-12论文，是一篇关于马铃薯论文,彩色图像论文,激光背向散射成像技术论文,分类器论文,特征选择论文,轨迹论文,浙江大学2019-04-12论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自浙江大学2019-04-12论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：马铃薯论文; 彩色图像论文; 激光背向散射成像技术论文; 分类器论文; 特征选择论文; 轨迹论文; 浙江大学2019-04-12论文;