首页 > 文献资料
-
基于CNN的冬虫夏草智能化分拣系统研究
目的:冬虫夏草收购中常常混有相似物种的伪品或不同等级的冬虫夏草,针对市场上由人工分拣带来的效率低、错误率高等问题,结合图像处理技术和深度学习方法,本研究设计了一套冬虫夏草智能化分拣系统,并对冬虫夏草的识别分拣算法进行了深入研究.方法:通过工业摄像头获取分拣时冬虫夏草及其相似物种的多角度图像,搭建了卷积神经网络CNN的识别模型,以拣选出掺入的非冬虫夏草物种,通过人工蜂群算法ABC(Artificial Bee Colony)优化学习速率,并将识别为冬虫夏草的品种通过Canny边缘检测算法和Hu矩得到冬虫夏草大小以及虫体所占比例,结合冬虫夏草质量来进行等级划分.结果:通过实验验证,该分拣系统可以实现对冬虫夏草及伪品的准确识别和快速分拣,识别正确率可达94%,分拣正确率达94.9%.结论:设计的基于CNN的冬虫夏草智能化分拣系统能够更加准确和高效的完成对冬虫夏草的有效识别分拣.
-
一种改进的Canny边缘检测算法
针对经典Canny边缘检测算法的一些问题,提出一种既具有较好的抗噪声能力又能自适应提取较多边缘细节改进的Canny边缘检测算法.该算法思想是先进行图像的预处理,包括基于模糊数学方法去除背景噪声的干扰,利用中值滤波和高斯平滑滤波去除图像中的随机噪声.然后,通过差分方法获得图像中各像素点的梯度矢量和梯度幅值,采用非极大值抑制方法获得极值点.后,基于大熵自动获取阈值,根据极值点图像和阈值得到边缘图像,使用边缘跟踪算法将不连续的边缘连接起来,并去除孤立噪声点.实验结果表明:改进算法所获得的边缘图像平均提高8dB,与传统方法相比,可获得更加连续的边缘和更少的噪声点.