基于机器视觉的烟叶梗茎检测与烟叶类型识别方法研究

视觉显著性论文 烟叶梗茎检测论文 颜色直方图论文 烟叶类型识别论文
论文详情
目前,烟草生产行业中很多工序仍是由人工操作来完成,费时、费力又费钱,烟叶梗茎检测和烟叶类型识别就是两个需要人工参与的生产工序,其中烟叶梗茎检测是为了剔除打叶工序后烟叶中仍然残留的较粗的梗茎,烟叶类型识别是为了剔除正常烟叶中含有的未成熟烟叶、发霉的烟叶和掺杂的各种杂物等。基于机器视觉的烟叶梗茎检测与烟叶类型识别方法就是利用计算机视觉、机器学习和模式识别方法,实现烟叶梗茎自动检测和烟叶类型的自动识别,对其进行深入研究并将研究成果付诸于工程应用,能显著提高生产效率,节省成本。本文基于机器视觉的方法对烟叶梗茎自动检测和烟叶类型自动识别进行了深入研究,主要内容包括:(1)验证了利用红外热辐射特性进行烟叶梗茎检测的可行性,根据红外烟叶图像特点,将视觉显著性引入到烟叶梗茎的分割中,提出了一种基于视觉显著性直方图的红外烟叶梗茎分割方法;给出了烟叶梗茎检测的判别准则,并通过实验验证了基于视觉显著性直方图的红外烟叶梗茎检测算法的有效性;进一步对分割后的图像进行分析和计算,实现了行业通用打叶指标自动计算;(2)研究了基于颜色和纹理的烟叶特征提取方法,提出了基于颜色纹理两次耦合的烟叶特征提取方法;将该特征提取方法与稀疏表示相结合,设计了一种基于稀疏表示的烟叶类型识别方法;进一步考虑了识别错误代价问题,提出了基于颜色二值向量描述的分层识别方法,获得了较好的识别效果;(3)设计了一套烟叶梗茎检测和烟叶类型识别系统。给出了完整的系统框架和功能模块,并基于C++设计了烟叶梗茎检测和烟叶类型识别软件,将提出的烟叶梗茎检测和烟叶类型识别算法作了合理的优化后应用到系统中以满足工程应用的需求。
摘要第3-4页
Abstract第4页
1 绪论第7-12页
    1.1 研究背景与意义第7-8页
    1.2 国内外研究现状第8-10页
        1.2.1 烟叶质量及烟叶分级方面的研究第9页
        1.2.2 打叶后烟叶检测方面的研究第9页
        1.2.3 烟草异物剔除方面的研究现状第9-10页
    1.3 本文的研究内容与组织结构第10-12页
        1.3.1 本文的主要研究内容第10-11页
        1.3.2 本文的组织结构第11-12页
2 基于显著性直方图的红外梗茎图像检测第12-40页
    2.1 引言第12页
    2.2 利用红外热辐射图像进行烟叶梗茎分割的可行性第12-14页
        2.2.1 工业应用的可行性第12页
        2.2.2 红外烟叶梗茎图像算法分割的可行性第12-14页
    2.3 一种基于显著性直方图的红外烟叶梗茎图像检测算法第14-30页
        2.3.1 现有视觉显著性方法分析第15-20页
        2.3.2 现有图像分割方法分析第20-23页
        2.3.3 基于显著性直方图的红外烟叶梗茎图像分割第23-27页
        2.3.4 烟叶梗茎的检测第27-30页
    2.4 实验结果与分析第30-39页
        2.4.1 显著图实验对比与结果分析第30-33页
        2.4.2 烟叶梗茎图像分割实验对比与结果分析第33-39页
        2.4.3 窗口参数对基于显著性直方图红外分割算法的影响第39页
    2.5 本章小结第39-40页
3 基于多特征融合烟叶类型识别研究第40-59页
    3.1 引言第40页
    3.2 烟叶特征提取方法第40-49页
        3.2.1 烟叶颜色特征提取第40-45页
        3.2.2 烟叶纹理特征提取第45-48页
        3.2.3 烟叶颜色和纹理特征联合特征提取第48-49页
    3.3 一种基于稀疏表示的烟叶类型识别方法第49-53页
        3.3.1 稀疏表示概述第49-50页
        3.3.2 基于稀疏表示的烟叶类型识别第50-51页
        3.3.3 实验结果与分析第51-53页
    3.4 一种基于分层的烟叶类型识别方法第53-57页
        3.4.1 基于分层的烟叶类型识别方法第54-56页
        3.4.2 二值向量描述度量的引入第56-57页
        3.4.3 实验结果与分析第57页
    3.5 本章小结第57-59页
4 系统设计与实现第59-65页
    4.1 系统框架概述第59-60页
    4.2 系统功能模块介绍第60-61页
    4.3 系统软件平台及软件设计第61页
    4.4 系统界面设计第61-63页
    4.5 本章小结第63-65页
5 结论第65-67页
    5.1 论文的主要工作及贡献第65-66页
    5.2 展望第66-67页
致谢第67-68页
参考文献第68-72页
论文购买
论文编号ABS2462435,这篇论文共72页
会员购买按0.30元/页下载,共需支付21.6
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付36
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656