[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

说明书

技术领域

本发明涉及一种基于机器视觉的检测识别系统设计，具体涉及一种基于机器视觉的马铃薯缺陷检测识别系统设计，属于机器视觉技术领域。

背景技术

马铃薯的产量高、营养丰富，是世界上第四大粮食作物，全球约有一半以上的国家和地区都种植有马铃薯。根据《中国农业标准马铃薯等级规格(NY／T1066．2006)》分级标准可知，马铃薯的薯形、外部缺陷、内部缺陷等特征是马铃薯内外部品质分级的重要指标。马铃薯在进行食品深加工、储存以及育种时，缺陷马铃薯参杂在合格的马铃薯中会严重的影响到马铃薯后续产品的品质，降低马铃薯产品的经济效益。因此开展马铃薯内外部缺陷无损检测分级，将缺陷马铃薯从合格马铃薯中分选出来对于马铃薯的育种、深加工以及储存等具有重要的作用与现实意义。

国内外现有的马铃薯分级主要包括人工方式分级与机械系统分级，简单的机械分级装置只能对马铃薯按大小进行分级，不能够满足现代化马铃薯生产与产业化发展的要求；传统人工分级方法耗费体力枯燥且费用高。郑冠楠等人根据外形特性,采用离心率法进行马铃薯的形状分级，实现了马铃薯在线综合检测分级。郝敏等人在形状检测方面，以归一化马铃薯图像为基础，将通过筛选确定的19个具有旋转不变性的Zernike矩特征参数输入到支持向量机中，实现对马铃薯薯形分类检测。李锦卫等人提出用于马铃薯表面疑似缺陷分割的快速灰度截留分割方法和用于马铃薯表面缺陷识别的十色模型，基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%。J.C. Noordam等设计了高速机器视觉系统对马铃薯进行品质检测和分级。Zhou Liyong等开发了一个基于PC机的机器视觉系统，应用于计算机辅助马铃薯检测。上述典型的一些马铃薯缺陷分级方法，大都是基于软件方法实现，检测分级速度慢、效率低、精准度低且成本较高，均不能达到令人满意的效果。

本发明公开一种基于机器视觉的马铃薯缺陷识别检测系统设计。一是将机器视觉技术应用于马铃薯的品质检测分级方面，具有人工检测所无法比拟的优势，对马铃薯的各项指标进行定量描述,避免了人工分级时对马铃薯各项指标的模糊判别，减小了检测分级误差，提高了生产率和分级精度。二是使用ZYNQ开发板的PS部分和Open CV跨平台计算机视觉库在Linux系统上运行处理图像算法。利用神经网络算法和支持向量机算法进行马铃薯的图像处理和模式识别以达到对马铃薯缺陷的精确识别和分类。在进行算法实现的时候，运用ZYNQ开发平台FPGA的PL部分对算法进行并行运算加速，达到高效率精确处理图像以及实现对缺陷马铃薯的识别分类，并且成本经济性较高。本发明结合硬件FPGA实现机器视觉检测识别缺陷马铃薯，实验表明，马铃薯缺陷检测识别的精准度和效率都有所大大提高。

发明内容

有鉴于此，本发明公开一种基于机器视觉的马铃薯缺陷检测识别系统设计，是结合机器视觉和并行处理硬件FPGA实现马铃薯缺陷识别检测的方法，所要解决的主要技术问题搭建稳定可靠的缺陷马铃薯检测平台，和研究出最佳的算法和识别速度与准确度来做到高速度高精度的识别缺陷(绿皮、干腐、结痂、畸形及机械损伤等)马铃薯。

本发明的目的是通过如下手段实现的，包括以下步骤：

1）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。

2）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。

3）预处理后的图像数据通过数据总线输入到嵌入式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。

4）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。

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，将参数输入到支持向量机中，对缺陷马铃薯进行有效分类识别。