發(fā)布時間：2018-12-09 08:00

【摘要】：本文以種子分揀系統(tǒng)為研究背景,以大豆種子為研究對象,采用VC6.0、Opencv以及MATLAB等為研究工具,從大豆種子圖像的預處理過程、邊緣提取過程、粘連豆類種子的分割、形狀特征分量、顏色特征分量、機械手驅(qū)動運行以及PC機與PLC之間的通訊過程進行了深入的研究,對機器視覺篩選種子的研究具有一定的實際意義。研究取得了以下結果：1.大豆種子在光源下采集得到,在普通白熾燈下拍攝能夠獲得種子圖像的大部分特征。試驗中選用的背景色為白色,這樣由于光源是垂直照射而導致種子中間部分反光強烈,用最大類間算法提取目標物時,容易將中間部分和背景色混為一體。因此,對圖像要進行一些預處理。本文用兩種方式進行研究,一種是進行灰度值的壓縮,另一種是提取B、G、R三通道的二值化,為了后期顏色特征的分析,這里選用了三通道二值化法。2.為了識別干癟種子,分析對比了Roberts算子、Sobel算子、Prewitt算子和Canny算子邊緣提取的幾種算法,選擇合適的方法對種子進行邊緣提取,可以達到篩選出干癟種子的目的。在篩選過程中不可避免的遇到兩粒或者是多粒種子之間相互粘連而造成誤判斷的現(xiàn)象。通過對粘連豆粒種子圖像采用先腐蝕方式使得粘連的豆粒種子分割開來,然后對腐蝕后的單體豆類種子進行相同次數(shù)的膨脹處理,這樣得到的二值化圖像基本上保持了原圖像的形狀特征,對以后提取諸如面積、周長以及圓形度等其他一些參數(shù)基本上沒有影響,用此算法解決了豆粒的粘連分割問題。3.定義并提取了18種大豆種子的特征分量,不僅在形狀方面做了比較,而FL在顏色方面也作了相應的比較,提高了識別率。對標準的特征量用數(shù)學處理軟件Minitab進行分析,確定其是否符合正態(tài)分布,對于符合正態(tài)分布的按照3σ區(qū)間進行定義合格種子,不符合正態(tài)分布的提出±20%的偏差,這樣基本上能篩選出不合格的豆類種子。最后應用VC編程軟件完成了種子分揀界面的編寫,實現(xiàn)了對不合格種子的標識。4.對種子輸送裝置用變頻器實現(xiàn)變頻調(diào)速的控制；對機械手驅(qū)動裝置進行分析,確定用PLC高速脈沖的方式驅(qū)動伺服電機,并在理論上模擬了機械手對種子三個位置的抓取動作；研究了PC機和PLC的通訊過程,能實現(xiàn)PC機和PLC最基本的通訊過程,理論上驗證了機械手分揀大豆種子的可行性。綜上所述,本課題的研究為種子篩選實現(xiàn)自動化、科學化提供了一系列的理論基礎和技術支持,克服了人工檢測費事費力的缺點,對種子實現(xiàn)高速、準確以及無損檢測具有一定的實際應用價值。
[Abstract]:In this paper, the seed sorting system was used as the research background, the soybean seed was used as the research object, VC6.0,Opencv and MATLAB were used as the research tools, from the pretreatment process of the soybean seed image, the edge extraction process, the segmentation of the adhesion bean seed. The shape feature component, color feature component, manipulator driving operation and the communication process between PC machine and PLC are deeply studied, which is of practical significance for machine vision screening of seeds. The results are as follows: 1. Soybean seeds were collected under light source and captured under ordinary incandescent lamp to obtain most of the characteristics of seed images. The background color selected in the experiment is white, so the reflection of the middle part of the seed is strong due to the vertical illumination of the light source. It is easy to mix the middle part and the background color together when extracting the object with the maximum class algorithm. Therefore, the image should be preprocessed. In this paper, two methods are used to study, one is to compress the gray value, the other is to extract the binarization of the three channels of BGN R. In order to analyze the color characteristics of the later stage, the method of tri-channel binarization is chosen. 2. In order to identify dried seeds, several algorithms for edge extraction of Roberts operator, Sobel operator, Prewitt operator and Canny operator were analyzed and compared. In the process of screening, it is inevitable to encounter the phenomenon of two or more seeds conglutinating each other, resulting in misjudgment. By using the method of corrosion to separate the conglutinated soybean seeds, the monospecific seeds were treated with the same number of expansions. The binary image obtained by this method basically maintains the shape feature of the original image, and has no effect on the extraction of other parameters such as area, perimeter and roundness in the future. The algorithm is used to solve the adhesion segmentation problem of soybean grains. 3. The characteristic components of 18 kinds of soybean seeds were defined and extracted. Not only the shape but also the color of FL were compared, which improved the recognition rate. The standard characteristic quantity is analyzed by mathematical processing software Minitab to determine whether it conforms to the normal distribution, and the deviation of 鹵20% for the definition of qualified seed according to the 3 蟽 interval is not in accordance with the normal distribution. This basically can screen out the unqualified bean seed. Finally, VC programming software was used to complete the preparation of seed sorting interface, and the identification of unqualified seeds was realized. 4. 4. The frequency conversion speed control of seed conveying device is realized by frequency converter, the driving device of manipulator is analyzed, the servo motor is driven by PLC high speed pulse, and the grasping action of manipulator to three positions of seed is simulated theoretically. The communication process between PC machine and PLC was studied. The basic communication process between PC machine and PLC was realized, and the feasibility of sorting soybean seeds by manipulator was verified theoretically. To sum up, the research of this subject provides a series of theoretical foundation and technical support for the realization of automation and scientific seed screening, overcomes the disadvantages of manual detection, and achieves high speed for seeds. Accurate and nondestructive testing has certain practical application value.
【學位授予單位】：天津科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：S63;TP391.41

【相似文獻】

相關期刊論文 前10條

1 孫海霞;張淑娟;薛建新;周靖博;;基于機器視覺和光譜技術水果分級的研究進展[J];農(nóng)機化研究;2014年01期

2 陳麗君;趙鳳芹;;基于機器視覺的變量機械系統(tǒng)的關鍵技術[J];農(nóng)機化研究;2005年06期

3 郭海針;馬俊龍;徐海剛;;基于機器視覺的農(nóng)業(yè)機械無人駕駛系統(tǒng)[J];農(nóng)機化研究;2009年06期

4 毛璐;趙春江;王開義;張水發(fā);;機器視覺在農(nóng)產(chǎn)品物流分級檢測中的應用[J];農(nóng)機化研究;2011年07期

5 馮世杰;王艷平;;基于機器視覺的溫室作物行間雜草的識別[J];信陽農(nóng)業(yè)高等�？茖W校學報;2012年02期

6 李謙;蔡曉華;;機器視覺在除草機器人中的應用[J];農(nóng)機化研究;2014年07期

7 黎萍,朱軍燕,劉燕德,嚴霖元;機器視覺在農(nóng)產(chǎn)品檢測與分級中的應用與展望[J];江西農(nóng)業(yè)大學學報;2005年05期

8 王靜娜;賀園園;陳雄飛;馮春貴;祝詩平;;機器視覺在農(nóng)產(chǎn)品品質(zhì)檢測和采收包裝中的應用[J];農(nóng)機化研究;2011年07期

9 王潤濤;張長利;房俊龍;王樹文;楊方;田磊;;基于機器視覺的大豆籽粒精選技術[J];農(nóng)業(yè)工程學報;2011年08期

10 黃星奕;錢媚;徐富斌;;基于機器視覺和近紅外光譜技術的杏干品質(zhì)無損檢測[J];農(nóng)業(yè)工程學報;2012年07期

相關會議論文 前10條

1 趙磊;董吉文;李金屏;;拓撲理論在機器視覺中的研究進展[A];全國第十五屆計算機科學與技術應用學術會議論文集[C];2003年

2 張彥東;;基于機器視覺的連接器裝配機床改造研究[A];首屆珠中江科協(xié)論壇論文集[C];2011年

3 蔡小秧;陳文楷;;機器視覺中的魯棒估計技術[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

4 劉雅舉;李娜;張莉;李東明;;機器視覺在藥用玻璃瓶質(zhì)量檢測中的研究[A];2007年河北省電子學會、河北省計算機學會、河北省自動化學會、河北省人工智能學會、河北省計算機輔助設計研究會、河北省軟件行業(yè)協(xié)會聯(lián)合學術年會論文集[C];2007年

5 吳慶華;代娜;黃俊敏;程志輝;何濤;;基于機器視覺的軸承二維尺寸檢測[A];第六屆全國信息獲取與處理學術會議論文集（1）[C];2008年

6 馬連峰;張秋菊;;基于機器視覺的彩色套印檢測技術研究[A];第十一屆全國包裝工程學術會議論文集（二）[C];2007年

7 金守峰;張慧;;面向機器視覺的織物緯斜檢測方法[A];全國先進制造技術高層論壇暨第九屆制造業(yè)自動化與信息化技術研討會論文集[C];2010年

8 管庶安;周龍;陳永強;廖明潮;;機器視覺在糧食品質(zhì)檢測中的應用研究[A];中國糧油學會第三屆學術年會論文選集（下冊）[C];2004年

9 張偉華;陳軍;連世江;賈海政;;機器視覺及其在農(nóng)業(yè)機械中的應用綜述[A];2007年中國農(nóng)業(yè)工程學會學術年會論文摘要集[C];2007年

10 沈?qū)殗?陳樹人;尹建軍;;基于機器視覺的棉田雜草精確定位研究[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

相關重要報紙文章 前10條

1 本報記者 李劍琦;機器視覺行業(yè)整合正熱 中國市場尚處萌芽期[N];機電商報;2005年

2 本報記者 董碧娟;解密機器視覺“第三只眼”[N];經(jīng)濟日報;2013年

3 本報記者 郭濤;機器視覺：為機器裝上“眼睛”和“大腦”[N];中國高新技術產(chǎn)業(yè)導報;2014年

4 張均;德國機器視覺傳感器市場前景好[N];中國貿(mào)易報;2007年

5 金剛;給機器一雙慧眼[N];計算機世界;2007年

6 朱廣菁;機器視覺怎樣“看”不合格產(chǎn)品[N];大眾科技報;2008年

7 宋昆;用機器視覺控制煙草質(zhì)量[N];計算機世界;2007年

8 張棟;西安光電子專業(yè)孵化器舉辦專業(yè)展覽會[N];中國高新技術產(chǎn)業(yè)導報;2007年

9 王遐;機器視覺:藥品包裝在線檢測系統(tǒng)開發(fā)成功[N];中國包裝報;2010年

10 點評人 高炎 黃牧青 劉笑一 李士杰 北京大學技術轉(zhuǎn)移中心;機器視覺輔助冬季道路狀況監(jiān)測[N];科技日報;2014年

相關博士學位論文 前10條

1 梁卓銳;機器視覺手勢交互的交互映射研究[D];華南理工大學;2015年

2 孟慶寬;基于機器視覺的農(nóng)業(yè)車輛—農(nóng)具組合導航系統(tǒng)路徑識別及控制方法研究[D];中國農(nóng)業(yè)大學;2014年

3 田明銳;基于機器視覺的散料裝車控制系統(tǒng)研究[D];長安大學;2016年

4 葛動元;面向精密制造與檢測的機器視覺及智能算法研究[D];華南理工大學;2013年

5 饒洪輝;基于機器視覺的作物對行噴藥控制系統(tǒng)研究[D];南京農(nóng)業(yè)大學;2006年

6 龔愛平;基于嵌入式機器視覺的信息采集與處理技術研究[D];浙江大學;2013年

7 陳麗君;基于機器視覺的變量噴霧控制系統(tǒng)研究[D];沈陽農(nóng)業(yè)大學;2009年

8 徐曉秋;機器視覺球面孔位快速精密測量系統(tǒng)的研究[D];四川大學;2006年

9 成芳;稻種質(zhì)量的機器視覺無損檢測研究[D];浙江大學;2004年

10 程洪;面向園藝應用的機器視覺目標辨識方法創(chuàng)新[D];中國農(nóng)業(yè)大學;2015年

相關碩士學位論文 前10條

1 冼志軍;錫膏印刷機誤差與錫膏印刷質(zhì)量檢測技術研究[D];華南理工大學;2015年

2 孫斌;基于FPGA的壓力表盤機器視覺研究與實現(xiàn)[D];昆明理工大學;2015年

3 許哲;基于機器視覺的快速測溫熱電偶焊接技術研究[D];河北聯(lián)合大學;2014年

4 李鵬;基于機器視覺的PCB工業(yè)在線檢測系統(tǒng)研究[D];昆明理工大學;2015年

5 佘燕玲;以用戶為中心的機器視覺手勢交互空間映射關系研究[D];華南理工大學;2015年

6 孫中國;基于機器視覺的面粉袋碼垛機器人研究[D];山東建筑大學;2015年

7 漆靜;基于機器視覺集裝箱吊具智能定位系統(tǒng)研究[D];西南交通大學;2015年

8 張文;基于機器視覺的通信裝備故障識別研究[D];西南交通大學;2015年

9 冉寶山;基于機器視覺的裝料系統(tǒng)試驗研究[D];長安大學;2015年

10 馮康;基于機器視覺的棉花識別與定位技術的研究[D];石河子大學;2015年

，

本文編號：2369056