一种基于机器视觉的马铃薯缺陷检测识别系统设计技术方案

本发明专利技术公开一种基于机器视觉的马铃薯缺陷检测识别系统设计。其特征是在ZYNQ平台上使用嵌入式Linux系统的机器视觉库Open CV对缺陷马铃薯进行识别和分类，通过提取绿皮、干腐、结痂及机械损伤缺陷马铃薯的特征因子，分析变量缺陷因子的R、G、B离散程度，实现马铃薯表面缺陷的检测识别，算法精准度大大提高。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，通过 RBF神经网络进行分级，提高了分级识别缺陷马铃薯的效率和精度；使用FPGA对马铃薯图像进行预处理，并对Open CV中的算法并行加速处理，计算速度和算法效率方面显著提高。测试结果显示，与现有的基于软件图像处理的缺陷马铃薯识别分类技术相比较，新方法基于硬件结构平台，创新和优化图像处理算法，处理速度和算法效率上都有很大的提高，理论和实验表明本发明专利技术在实际中对缺陷马铃薯的识别分类有较为满意的检测精度和速度。对马铃薯加工产业具有很深的意义。

Design of potato defect detection and recognition system based on machine vision

The invention discloses a potato defect detection and recognition system design based on machine vision. Its characteristics are that the machine vision library Open CV using Linux embedded in the ZYNQ platform on the identification and classification of defects of potato, by extracting characteristic factors of dry rot, green, crusting and mechanical damage of potato, R, defect factor analysis variables G, B dispersion degree, realize the detection and identification of potato surface defects. The algorithm accuracy is greatly enhanced. The application of wavelet transform to the analysis of potato shape detection, extraction of potato and normalized radius ellipse, classification by RBF neural network, improve the efficiency and precision of classification identification of defects of potato; use FPGA on potato image preprocessing, and the Open CV algorithm in parallel processing, calculation speed and the efficiency of the algorithm significantly enhanced. The test results show that with the existing defects of potato classification software technology based on image processing is a new method based on the hardware structure of the platform, innovation and optimization of image processing algorithm, processing speed and efficiency of the algorithm are greatly improved, the theory and experiments indicate that the method in the identification of defects of potato classification is satisfactory the detection accuracy and speed. It is of great significance to the potato processing industry.

【技术实现步骤摘要】
一种基于机器视觉的马铃薯缺陷检测识别系统设计
本专利技术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

技术介绍
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。ZhouLiyong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。本专利技术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OpenCV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。本专利技术结合硬件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。
技术实现思路
有鉴于此，本专利技术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。本专利技术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OpenCV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OpenCV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。5）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。6）同时通过FPGA对算法进行并行加速处理。7）通过HDMI输出显示缺陷马铃薯识别分类结果。本专利技术的优点在于：本专利技术提出基于机器视觉的马铃薯缺陷检测识别系统设计。一是通过嵌入式Linux系统OpenCV对缺陷马铃薯进行算法识别分类，提高了分级识别缺陷马铃薯的效率和精度；二是通过FPGA进行马铃薯图像预处理和算法并行加速，从而提高了缺陷马铃薯的识别分类速度和准确度。与现有的缺陷马铃薯识别分类技术相比较，相较于基于软件的图像处理方法，新方法在系统结构平台和算法处理计算速度和算法效率上都有很大的创新和优化，理论和实验表明本专利技术在实际中对缺陷马铃薯的识别分类有较为满意的检测精度和速度。本专利技术的有益效果1）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。2）在本系统特制的无影灯箱中采集马铃薯图像，并且通过张正友标定法对相机进行标定，采集到的马铃薯图像几乎不失真，图像数据真实可靠。3）通过提取绿皮绿皮、干腐、结痂及机械损伤缺陷马铃薯的特征因子，分析变量缺陷因子的R、G、B离散程度，实现马铃薯表面缺陷的检测识别，算法精准度大大提高。4）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，通过RBF神经网络进行分级，算法精准度相对较高。5）通过硬件FPGA对算法进行处理和并行加速，相较于软件运行算法，提高了系统对马铃薯缺陷的检测识别速度以及稳定性。6）在ZYNQ平台上通过Linux系统调用机器视觉库，实现马铃薯缺陷检测识别，系统的灵活性及可靠性大大提高。7）系统基于硬件FPGA实现，硬件电路可以灵活改变，便于后期算法优化和系统升级。附图说明图1是本专利技术一种基于机器视觉的马铃薯缺陷检测识别系统系统设计的示意图。图2是本专利技术一种基于机器视觉的马铃薯缺陷检测识别系统系统设计的系统工作流程图。图3是本专利技术一种基于机器视觉的马铃薯缺陷检测识别系统系统设计的图像预处理流程。具体实施方式为使本专利技术目的、技术方案和优点更加明确清楚下面是具体实施过程，参照附图，对本专利技术做进一步详细说明。本专利技术的思路是：针对基于软件的马铃薯缺陷及薯形检测识别无法满足更加精确和可靠的局限性要求，本专利技术提出了一种基于机本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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XilinxFPGA，其中，在ARM处理器中运行Linux系统，调用系统中的OpenCV机器视觉库，硬件XilinxFPGA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OpenCV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...

【专利技术属性】
技术研发人员：袁小平，倪亚南，李子旋，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：江苏,32