農(nóng)業(yè)機械學論文開題報告

時間：2024-08-01 02:24:11 開題報告

農(nóng)業(yè)機械學論文開題報告范文

　　開題報告是畢業(yè)論文寫作的第一個任務(wù)，其作用是闡述論文選題依據(jù)，以下是小編搜集整理的農(nóng)業(yè)機械學論文開題報告范文，歡迎閱讀查看。

農(nóng)業(yè)機械學論文開題報告范文

　　論文題目：基于機器視覺南疆紅棗顏色分級方法研究

　　一、選題背景

　　我國加入WTO后農(nóng)業(yè)發(fā)展進入了對農(nóng)業(yè)和農(nóng)村經(jīng)濟結(jié)構(gòu)進行調(diào)整的新階段，以前農(nóng)業(yè)生產(chǎn)的主要是為了追求產(chǎn)量的增長，現(xiàn)階段主要是在保持總量不變的前提下突出質(zhì)量和效益，努力向高質(zhì)量、多元化的方向發(fā)展，爭取大規(guī)模地實現(xiàn)農(nóng)業(yè)產(chǎn)品的增值和轉(zhuǎn)化。隨著人們生活水平的不斷提高，人們更加關(guān)心的是農(nóng)產(chǎn)品品質(zhì)，價格是其次。農(nóng)產(chǎn)品品質(zhì)是中國農(nóng)業(yè)的一個重大課題，從古至今，我國農(nóng)產(chǎn)品加工檢測技術(shù)發(fā)展相對緩慢，特別是農(nóng)產(chǎn)品質(zhì)量檢測體系與質(zhì)量控制體系缺乏，使得市場上的農(nóng)產(chǎn)品魚目混珠，高品質(zhì)的綠色農(nóng)產(chǎn)品得不到相對高的增值。所以我國目前迫切需要對農(nóng)產(chǎn)品品質(zhì)進行檢測與產(chǎn)業(yè)化，提高農(nóng)產(chǎn)品品質(zhì)和安全性，提高我國農(nóng)業(yè)國際市場競爭力與綜合效益，推動農(nóng)業(yè)結(jié)構(gòu)調(diào)整。新疆南疆的紅棗種植面積大且種類繁多。近年來南疆地區(qū)紅棗存在著有數(shù)量沒質(zhì)量，結(jié)構(gòu)單一等問題導致優(yōu)質(zhì)優(yōu)良的紅棗價格提不上去，隨著人們生活水平的提高，對紅棗質(zhì)量的要求也越來越嚴格，而且南疆大部分紅棗采摘后就進行人工分級直接上市，導致紅棗的附加值沒有體現(xiàn)出來。南疆紅棗需要提高加工生產(chǎn)水平，改善檢測和分級手段，紅棗上市之前必須經(jīng)過商品化處理，例如：清洗、烘干、分選、分級、包裝，在傳輸過程和分選分級過程必須進行無損檢測。現(xiàn)階段紅棗分級技術(shù)多為國外廠家壟斷，所以研究紅棗的自動化分級是一個十分重要的課題[4]。紅棗的外部表面品質(zhì)是人眼最直接的感官質(zhì)量屬性。它不僅影響紅棗在市場上的銷售價格、消費者的喜好，而且影響紅棗的內(nèi)部品質(zhì)。紅棗的外部品質(zhì)通常是指大小、顏色、形狀、紋理以及視覺缺陷。靠人工檢測紅棗的外部品質(zhì)既費時又費力，并且勞動強度大。經(jīng)過十幾年的發(fā)展，計算機視覺系統(tǒng)已廣泛應(yīng)用在食品和農(nóng)產(chǎn)品自動檢測方面。現(xiàn)階段大多數(shù)南疆紅棗采用大小分級的方式，然而紅棗大小與其糖度、口感并沒有直接關(guān)系，很多小紅棗中也有糖度高、口感好的紅棗，所以對南疆地區(qū)的紅棗采用大小分級很不合理。紅棗顏色是紅棗外部品質(zhì)的一個重要指標，紅棗的顏色根據(jù)紅棗受光照時間和光照強度的不同而不同，受光照時間長的紅棗呈暗紅色，糖分積累高，受光照時間短的紅棗呈淡黃色，糖分積累少。所以對紅棗的顏色進行檢測和分級很有必要。紅棗當表面的破損、黑斑等缺陷占紅棗表面積一定比例時就屬于壞棗，應(yīng)當剔除。紋理也是紅棗外部品質(zhì)的重要特征，紋理多果肉少重量輕的紅棗屬于“皮皮棗”，在對紅棗分級前應(yīng)當首先將“皮皮棗”先挑出。

　　二、研究目的和意義

　　研究適合南疆紅棗的顏色、紋理和缺陷分級方法，并初步制定南疆紅棗分級標準。為實現(xiàn)在線檢測奠定理論基礎(chǔ)。

　　三、本文研究涉及的主要理論

　　計算機機器視覺技術(shù)是一種新興的檢測技術(shù)，近幾年來發(fā)展十分迅速。其研究應(yīng)用于農(nóng)業(yè)、工業(yè)、醫(yī)學、軍事等眾多領(lǐng)域。在20世紀70年代末機器視覺技術(shù)研究在農(nóng)業(yè)上成功應(yīng)用，主要是應(yīng)用于植物種類的鑒別、檢測、農(nóng)產(chǎn)品品質(zhì)分級等。隨著數(shù)字圖像處理技術(shù)和計算機硬件的快速發(fā)展，其在農(nóng)業(yè)上的研究應(yīng)用有了很大了進展[5]。由于計算機機器視覺系統(tǒng)可以快速地獲取豐富的信息，并且便于自動處理，所以機器視覺廣泛運用在農(nóng)產(chǎn)品品質(zhì)檢測和質(zhì)量控制領(lǐng)域。機器視覺通常是在一些不適合人工作業(yè)的危險環(huán)境或人工視覺無法滿足的場合，來代替人工視覺。在大批量工業(yè)生產(chǎn)中，人工檢測產(chǎn)品質(zhì)量效率低下且精度不高，分級質(zhì)量與檢驗員自身的技術(shù)水平也有很大的關(guān)系，相反機器視覺檢測可以大大提高生產(chǎn)效率和機器自動化程序。利用機器視覺技術(shù)對農(nóng)產(chǎn)品品質(zhì)分級檢測已經(jīng)是一種主流技術(shù)手段，無損、分級精度高、智能化程度高是其技術(shù)優(yōu)點。

　　一般情況下，CCD獲取的原始圖像即彩色圖像受到隨機干擾和各種條件限制，在視覺系統(tǒng)中使用之前需要對彩色圖像進行噪聲過濾和灰度校正等圖像預處理。機器視覺系統(tǒng)對圖像的預處理不需要考慮其降質(zhì)原因，只需要突出圖像中感興趣的某些特性，衰減不需要的特征，因此經(jīng)過預處理的輸出圖像不需要接近原圖像。這種圖像預處理方法稱為圖像增強。圖像增強算法可分成兩大類：空間域法和頻率域法。空域算法是直接對圖像灰度級做運算，空間域主要算法有中值濾波即取局部鄰域中的中間像素值法以及局部求平均值法等，它們能夠去除或減弱噪聲。頻率域法是把圖像當成一種二維信號，進行二維傅里葉變換使信號增強。基于頻域的算法是一種對圖像間接增強的算法，對圖像的變換系數(shù)值在某種變換域內(nèi)進行某種修正的算法。高通濾波法能夠增強邊緣等高頻信號，把模糊的圖片變得清晰;低通濾波法即只讓低頻信號通過，能夠去掉圖中的噪聲。空域的算法分為鄰域去噪算法和點運算算法。鄰域增強算法分為圖像銳化和平滑兩種。銳化便于突出物體的邊緣輪廓，用來進行目標識別。常用算法有高通濾波、統(tǒng)計差值法、梯度法、掩模匹配法算子等。平滑能夠用來消除圖像噪聲，但容易引起邊緣的模糊。常用算法有中值濾波和均值濾波。點運算算法包括直方圖修正、灰度級校正、灰度變換等，它們能夠擴展對比度、使圖像成像均勻，擴大圖像動態(tài)范圍。

　　空域是指組成圖像中所有像素的集合，空域圖像增強是以灰度映射作為變換基礎(chǔ)直接對圖像中的像素灰度值運算處理。空間域處理是在原圖像上直接進行數(shù)據(jù)計算。空域圖像增強主要包括直方圖均衡化和灰度變換處理。空域圖像增強應(yīng)用最頻繁的一種方法是直方圖均衡化，它能夠使得圖像處理后的灰度級近似于均勻分布，目的是使圖像達到增強的效果。但是它的缺點是其變換函數(shù)是累積分布函數(shù)，導致其處理后的圖像都是很相似的均勻直方圖，這使得直方圖均衡化的功能很難發(fā)揮出來。圖像的灰度級細節(jié)部分是通過改變灰度的動態(tài)范圍來達到圖像增強的效果，這就是灰度變換的原理。變換函數(shù)一般包括分段線性變換、線性變換、非線性變換。選擇具體的函數(shù)與圖像相應(yīng)的應(yīng)用場合和成像系統(tǒng)和有關(guān)。為了能夠?qū)D像的局部進行處理，產(chǎn)生了基于局部變換的圖像增強方法，如局部統(tǒng)計特性的噪聲去除方法、局部直方圖均衡化、對比度受限自適應(yīng)直方圖均衡化。它們能夠?qū)D像細節(jié)的部分達到很好的增強效果，但是圖像處理時間相對較長，算法運算量較大是它們共同的缺點，這就使得這些算法不是很適用于實時應(yīng)用處理系統(tǒng)中。這幾年，一類基于直方圖分割的算法越來越受到大家的廣泛關(guān)注，該算法雖然應(yīng)用到低照度圖像增強上，對圖像整體亮度的提高效果不明顯。但是它處理圖像的側(cè)重點在于處理后圖像的亮度保持上，使得處理后圖像更適合人眼特性觀察。

　　四、本文研究的主要內(nèi)容

　　1)南疆紅棗靜態(tài)圖片采集的條件選擇、方法選擇;

　　2)南疆紅棗顏色模型的選擇、顏色特征的提取和顏色分級標準的初步制定;

　　3)南疆紅棗紋理特征的提取，按紋理分級的初步標準制定;

　　4)南疆紅棗缺陷紅棗的定義、識別和檢測方法的研究。

　　五、寫作提綱

　　摘要3-4

　　Abstract4

　　第1章前言9-21

　　1.1研究目的和意義9-11

　　1.1.1南疆紅棗9-10

　　1.1.2南疆紅棗分級需求10-11

　　1.1.3機器視覺技術(shù)的優(yōu)越性11

　　1.2機器視覺在農(nóng)產(chǎn)品外部品質(zhì)檢測的研究現(xiàn)狀11-19

　　1.2.1國外研究現(xiàn)狀11-17

　　1.2.2國內(nèi)研究現(xiàn)狀17-19

　　1.3研究目標、內(nèi)容和方法19-20

　　1.3.1研究目標19

　　1.3.2研究內(nèi)容19

　　1.3.3研究方法19-20

　　1.3.4技術(shù)路線20

　　1.4小結(jié)20-21

　　第2章圖像預處理21-33

　　2.1圖像預處理21

　　2.2基于空間域的圖像增強方法21-28

　　2.2.1灰度變換22-25

　　2.2.2空域濾波25-27

　　2.2.3多圖像平均法27-28

　　2.3基于頻率域的圖像增強方法28-32

　　2.3.1低通濾波28-29

　　2.3.2高通濾波29-30

　　2.3.3帶通和帶阻濾波器30-31

　　2.3.4同態(tài)圖像濾波31-32

　　2.4小結(jié)32-33

　　第3章紅棗圖像分割方法的研究33-40

　　3.1灰度閾值分割法33-35

　　3.1.1全局閾值的確定方法33

　　3.1.2最大方差閾值法33-35

　　3.2邊緣檢測法35-39

　　3.2.1Sobel算子35-36

　　3.2.2Prewitt算子36-37

　　3.2.3Roberts算子37

　　3.2.4LaplacianofaGaussian(LoG)算子37-38

　　3.2.5零交叉算子38

　　3.2.6Canny算子38-39

　　3.3小結(jié)39-40

　　第4章紅棗缺陷檢測40-45

　　4.1紅棗圖像的采集40-41

　　4.2紅棗圖像的處理41-42

　　4.3紅棗圖像缺陷的分割42-43

　　4.4缺陷有無的判別43-44

　　4.4.1確定判斷依據(jù)43

　　4.4.2判斷結(jié)果43-44

　　4.5小結(jié)44-45

　　第5章紅棗紋理檢測45-53

　　5.1紋理特征的提取45-47

　　5.1.1基于統(tǒng)計分析的紋理識別方法研究45-47

　　5.2材料與方法47-48

　　5.3紅棗圖片采集48

　　5.4紅棗圖像預處理48

　　5.5BP人工神經(jīng)網(wǎng)絡(luò)顏色分級48-50

　　5.5.1BP神經(jīng)網(wǎng)絡(luò)簡介48-49

　　5.5.2BP神經(jīng)網(wǎng)絡(luò)的訓練學習49-50

　　5.6BP神經(jīng)網(wǎng)絡(luò)的紅棗紋理分級50-51

　　5.7紋理與水分試驗51-52

　　5.8小結(jié)52-53

　　第6章紅棗顏色檢測53-61

　　6.1顏色模型的確定53-55

　　6.1.1RGB顏色模型54

　　6.1.2HSI顏色模型54-55

　　6.1.3顏色模型轉(zhuǎn)換55

　　6.2顏色特征的提取55-57

　　6.2.1紅棗圖像采集56

　　6.2.2紅棗圖像背景分割56

　　6.2.3特征提取56-57

　　6.3RGB模型和HSI模型的紅棗顏色分級57-59

　　6.3.1實驗材料與方法57-58

　　6.3.2輸入層設(shè)計58

　　6.3.3輸出層設(shè)計58

　　6.3.4中間層設(shè)計與網(wǎng)絡(luò)訓練58

　　6.3.5分級結(jié)果58-59

　　6.4糖度與顏色的關(guān)系59-60

　　6.5小結(jié)60-61

　　第7章結(jié)論與展望61-63

　　7.1結(jié)論61-62

　　7.2展望62-63

　　附錄63-70

　　參考文獻70-75

　　致謝75-76

　　六、目前已經(jīng)閱讀的主要文獻

　　[1]張冬.基于機器視覺的紅棗分級檢測技術(shù)研究[D].寧夏大學,2008.

　　[2]賈文婷等.新疆南疆地區(qū)紅棗產(chǎn)業(yè)營銷現(xiàn)狀與戰(zhàn)略思考金新文[J].新疆農(nóng)墾經(jīng)濟,2014,01:37-39.

　　[3]周健華.紅棗分級機的設(shè)計及試驗研究[D].新疆農(nóng)業(yè)大學,2012.

　　[4]龐江偉,應(yīng)義斌.機器視覺在水果缺陷檢測中的研究現(xiàn)狀[J].農(nóng)機化研究,2006,09:47-49.

　　[5]趙曉霞.計算機視覺技術(shù)在農(nóng)業(yè)中的應(yīng)用[J].科技情報開發(fā)與經(jīng)濟,2004,04:124-126.

　　[6]Pathare,P.B.,Opara,U.L.,&Al-Said,F.A.(2013).Colourmeasurementandanalysisinfreshandprocessedfoods:Areview.FoodandBioprocessTechnology,6(1),36–60.

　　[7]Wu,D.,&Sun,D.W.(2013).Colourmeasurementsbycomputervisionforfoodqualitycontrol—Areview.TrendsinFoodScience&Technology,29(1),5–20.

　　[8]Zheng,C.X.,Sun,D.W.,&Zheng,L.Y.(2006).Recentdevelopmentsandapplicationsofimagefeaturesforfoodqualityevaluationandinspection—Areview.TrendsinmFoodScience&Technology,17(12),642–655.

　　[9]Leemans,V.,Magein,H.,&Destain,M.F.(2002).On-linefruitgradingaccordingtotheirexternalqualityusingmachinevision.BiosystemsEngineering,83(4),397–404.

　　[10]Kurita,M.(2006).Extractionmethodsofcolorandshapefeaturesfortomatograding.ShokubutsuKankyoKogaku,18(2),145–153.

　　[11]Blasco,J.,Aleixos,N.,Gomez-Sanchis,J.,&Molto,E.(2009).Recognitionandclassificationofexternalskindamageincitrusfruitsusingmultispectraldataandmorphologicalfeatures.BiosystemsEngineering,103(2),137–145.

　　[12]Blasco,J.,Cubero,S.,Gomez-Sanchis,J.,Mira,P.,&Molto,E.(2009).Developmentofamachinefortheautomaticsortingofpomegranate(Punicagranatum)arilsbasedoncomputervision.JournalofFoodEngineering,90(1),27–34.

　　[13]Cubero,S.,Aleixos,N.,Molto,E.,Gomez-Sanchis,J.,&Blasco,J.(2011).Advancesinmachinevisionapplicationsforautomaticinspectionandqualityevaluationoffruitsandvegetables(vol4,pg487,2011).FoodandBioprocessTechnology,4(5),829–830.

　　[14]Zou,X.B.,Zhao,J.W.,&Li,Y.X.(2007).Applecolorgradingbasedonorganizationfeatureparameters.PatternRecognitionLetters,28(15),2046–2053.

　　[15]Mendoza,F.,Dejmek,P.,&Aguilera,J.M.(2006).Calibratedcolormeasurementsofagriculturalfoodsusingimageanalysis.PostharvestBiologyandTechnology,41(3),285–295.

【農(nóng)業(yè)機械學論文開題報告】相關(guān)文章：