基于机器视觉技术的蔬菜新鲜度检测研究+源代码(2)
基于机器视觉技术的蔬菜新鲜度检测研究
引言：蔬菜是人们日常饮食中必不可少的食物之一，是一种绿色食品。蔬菜含有大量的文生素和矿物质。新鲜的蔬菜可以为我们提供更多的营养物质，因此蔬菜新鲜度检测对于蔬菜系统的研究有着重要的意义。
1绪论
1.1研究背景
我国是一个农业大国，蔬菜是我国重要的贸易组成部分。近年来，我国蔬菜贸易额呈连年增长趋势。2015年，我国蔬菜出口量与出口额均有增加，出口量为1018.72万吨，出口额为132.67亿美元，较2014年分别增长4.37%和6.15%。 2016年，我国农产品进出口总额为1845.6亿美元，同比减少1.6%。其中，出口总额729.9亿美元，同比增长3.3%；进口总额1115.7亿美元，同比减少4.5%；蔬菜方面：1-12月，出口总额为147.2亿美元，同比增长了11.0%；进口总额5.3亿美元，同比增长2.0%；贸易顺差141.9亿美元，同比增加11.5%。
随着人们的自身健康的重视与生活水平的提高，对蔬菜品质的要求越来越严格，然而，目前国内并没有大批量，快速准确的检测软件，传统的蔬菜新鲜度主要依靠人体自身的视觉，嗅觉等感知器官，具有较强的主观性，因此检测者必须拥有长期的实践经验，但却不能避免工作效率低，主观性严重等缺点，而机器视觉技术的飞速发展使得无损检测蔬菜新鲜程度成为了现实，人们可以借助计算机软件依据叶片的特征量有效地解决上述问题。因此研究这样一个蔬菜新鲜度检测算法是很有必要的事情。
1.3研究的主要内容
本实验以菠菜作为研究对象进行新鲜度检测方法研究，主要工作有：
(1)图像进行预处理，本次实验中使用了最大类间方差法、迭代选择阈值法与区域生长三种图像分割方法，在光照均匀，复杂背景的情况下，最大类间方差法与迭代选择阈值法都存在过分割结果，并且不能将前景与背景区分开。原始区域生长存在分割不完全的现象，图像边缘存在毛刺，经过形态学处理后图像分割完全，无噪声点，能有效区分前景与背景。
(2)特征提取，针对分割后的原始图像，提取包括面积、周长、致密性、长轴、短轴等五种形状、RGB颜色模型中的红色分量R、绿色分量G、蓝色分量B，HSI颜模型中的色调分量H、饱和度分量S、亮度分量I这优尔种颜色特征、局部二进制模式纹理特征，GIST特征等13种特征作为之后的识别参考。
(3)针对颜色分量+libsvm，形状分量+ libsvm，LBP+libsvm，GIST+libsvm，卷积神经网络等算法构建出不同的识别模型，得到相应的识别率。通过对比，得到LBP+libsvm的识别模型识别准确率最高，正面叶片识别准确率为81.432%，背面叶片识别准确率为82.311%。
(4)界面设计实现了对输入菠菜图片的新鲜度监测，达到了最初设计的毕业设计课题目标。
上一篇：基于专利地图的中国除草剂行业研究