[发明专利]一种基于机器视觉的马铃薯缺陷检测识别系统设计

权利要求书

1.一种基于机器视觉的马铃薯缺陷检测识别系统设计，其中包括马铃薯图像实时采集暗箱、ZYNQ主控平台以及一个输出显示器，其特征在于，图像采集暗箱里由一个正方体主题箱、8个LED灯均匀分布在6个表面以及一个CCD工业相机构成，ZYNQ主控平台内嵌ARM处理器与Xilinx FPGA，其中，在ARM处理器中运行Linux系统，调用系统中的Open CV机器视觉库，硬件Xilinx FPGA对算法进行并行处理，最后结合机器视觉和并行处理硬件FPGA算法处理经由显示器输出马铃薯缺陷检测识别结果。

2.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测识别系统设计，其特征在于，在特制的无影光照暗箱内，采用CCD工业智能摄像机拍摄马铃薯图像，结合张正友平面模板标定法在摄像机中标定，得到不失真和不形变的马铃薯图像。

3.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测识别系统设计，其特征在于，采集到的图像通过I²C总线传输FPGA中进行预处理，包括灰度化处理、图像去噪和阀值分割。

4.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测识别系统设计，其特征在于，预处理后的图像数据通过I²C总线输入到嵌入式Linux系统，利用Linux系统里的机器视觉库Open CV对预处理后的图像数据进行算法处理以及实现缺陷分类。

5.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测识别系统设计，其特征在于，提取绿皮、干腐、结痂及机械损伤缺陷马铃薯的特征因子。分析统计了100个正常和缺陷马铃薯样本，其中正常马铃薯20个，绿皮马铃薯20个，结痂马铃薯20个，干腐马铃薯20个，机械损伤马铃薯20个，发现马铃薯正常部分的R、G、B分量值分布比较离散，而绿皮、干腐、结痂及机械损伤缺陷部分的R、G、B三个分量值比较集中且有一定的范围。因此采用表示变量离散程度的方差进行缺陷部分的分割。

6.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测与识别系统，其特征在于，对每一个像素点根据上式计算出方差D，每计算一个像素点，计数器计数一次。由正常样本和缺陷样本分别计算出方差，选取一个合适的阀值M，即DM时，此点为缺陷。设总像素点数为S，缺陷点数为Q，当Q/St时，即判定此马铃薯为缺陷马铃薯。通过Open CV对预处理后的图像运用本算法，通过支持向量机对缺陷马铃薯进行有效分类识别。

7.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测识别系统设计，选取正常马铃薯和畸形马铃薯样本，将小波变换运用到马铃薯薯形分析检测上，提取马铃薯椭圆半径并作归一化处理，利用Biorthogonal小波基对马铃薯薯形边界进行重建。取n个小波变换的系数点作为薯形特征，运用核主成分分析，将贡献率99%的前7个主成分用特征向量输入RBF神经网络进行分级。

8.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测识别系统设计，同时通过FPGA对算法进行并行加速处理。

9.根据权利要求1所述的一种基于机器视觉的马铃薯缺陷检测识别系统设计通过HDMI输出显示缺陷马铃薯识别分类结果。