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。Zhou ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。