基于机器视觉的商品马铃薯质量与薯型分级方法

摘要

针对商品马铃薯混杂销售导致其商品价值降低，且人工分选费时费力，分级效率低下等问题，提出一种基于机器视觉的商品马铃薯质量与薯型分级方法。搭建了马铃薯图像采集装置采集马铃薯视频，从中等间隔截取马铃薯图像，对采集的马铃薯图像进行图像校正，再采用图像处理方法获取马铃薯二值化图像。根据马铃薯质量特征，对马铃薯二值化图像进行边缘检测，提取马铃薯轮廓坐标点并构建马铃薯三维模型，使用线性回归分析方法构建商品马铃薯体积预测模型，根据密度公式得到质量预测模型，实现商品马铃薯的质量分级。根据薯型特征，提取图像中马铃薯区域的最小外接矩形的长、宽、长宽比、马铃薯区域的面积、周长、圆形度、偏心率和凸度8个物理参数，并对其使用KMO检验与Bartlett检验判断主成分分析法的适用性，采用主成分分析法对物理参数矩阵进行降维，结合逻辑回归分析法，建立薯型分级预测模型，对商品马铃薯畸形分类检测；对大中小各40个的马铃薯样本进行质量分级试验，随机抽取50个的马铃薯样本进行薯型分级试验；体积预测模型分级正确率分别为95%、100%、95%；薯型分级预测模型分级正确率分别为92%和100%。研究表明，提出的机器视觉的商品马铃薯分级方法可用于商品马铃薯的质量与薯型的在线分级检测。

关键词

商品马铃薯 / 质量分级 / 薯型分级 / 主成分分析 / 在线检测