基于机器视觉的果肉多类型异物识别方法

被引:12
作者
全燕鸣
黎淑梅
成喜春
林子其
机构
[1] 华南理工大学机械与汽车工程学院
关键词
机器视觉; 果肉异物检测; HSI模型; 形态学边缘检测;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
该文基于机器视觉技术对果冻、罐头灌装前的多品种、多规格、湿态反光果肉进行多类型异物自动检测。根据果肉与异物的颜色和亮度差异大小,提出了对高饱和度彩色果肉采用基于HSI三分量独立性的彩色图像分割算法,对低饱和度彩色果肉采用以形态学边缘检测算法为核心的异物识别图像处理路线。然后采用图像分区,各区域独立计数判断有无异物的策略。对上述路线和策略,分别给出具体流程和算法,最后编程实现,并通过试验验证。试验结果表明,该方法能够有效地检测出多品种湿态块状果肉上的多类型异物,误检率小于5%,能满足实时生产检测准确性要求。
引用
收藏
页码:162 / 166
页数:5
相关论文
共 13 条
[1]  
一种复杂背景下皮棉中异性纤维特征快速提取算法(英文).[J].瞿鑫;丁天怀;.自动化学报.2010, 06
[2]   基于机器视觉的板栗分级检测方法 [J].
展慧 ;
李小昱 ;
王为 ;
汪成龙 ;
周竹 ;
黄懿 .
农业工程学报, 2010, 26 (04) :327-331
[3]   基于HSI三分量独立性木材缺陷图像分割 [J].
戴天虹 ;
王玉珏 ;
赵贝贝 .
机电产品开发与创新, 2009, 22 (06) :110-112
[4]   基于机器视觉的保健酒可见异物检测系统研究与开发 [J].
张辉 ;
王耀南 ;
周博文 ;
葛继 .
仪器仪表学报, 2009, 30 (05) :973-979
[5]   基于机器视觉的果料异物自动检测系统光源设计 [J].
全思博 ;
林子其 .
粮油加工, 2008, (08) :120-123
[6]   基于机器视觉的物料废料剔除系统 [J].
林子其 ;
全燕鸣 ;
全思博 ;
王中任 .
新技术新工艺, 2008, (06) :9-11+1
[7]   利用图像处理技术进行苹果外观质量检测 [J].
张峰 ;
张晓东 ;
赵冬玲 ;
严泰来 .
中国农业大学学报, 2006, (06) :96-99
[8]   最大类间方差法在图像处理中的应用 [J].
齐丽娜 ;
张博 ;
王战凯 .
无线电工程, 2006, (07) :25-26+44
[9]   机器视觉系统在桔瓣质量检测中的应用 [J].
蔡晋辉 ;
周泽魁 .
农业工程学报, 2004, (06) :129-132
[10]   柑橘成熟度机器视觉无损检测方法研究 [J].
应义斌 ;
饶秀勤 ;
马俊福 .
农业工程学报, 2004, (02) :144-147