当前位置 —论文—写论文— 范文

图像相关论文范本,与硕士文致谢模板并非原文相关毕业设计论文

本论文是一篇图像相关毕业设计论文,关于硕士文致谢模板并非原文相关硕士学位毕业论文范文。免费优秀的关于图像及计算机及鸡蛋方面论文范文资料,适合图像论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。

#30340;现实意义.

1.2国内外研究概况

鲜蛋按照下列规定分为三等三级.等别规定如下:(1)一等蛋:每个蛋重在60克以上(2)二等蛋:每个蛋重在50克以上(3)三等蛋:每个蛋重在38克以上.级别规定如下:一级蛋:蛋壳清洁,坚硬,完整,气室深度0.5厘米以上者,不得超过10%,蛋白清明,质浓厚,胚胎无发育.二级蛋:蛋壳尚清洁,坚硬,完整,气室深度0.6厘米以上者,不得超过10%,蛋白略显明而质尚浓厚,蛋黄略显清明,但仍固定,胚胎无发育.三级蛋:蛋壳污壳者不得超过10%,气室深度0.8厘米的不得超过25%,蛋白清明,质稍稀薄,蛋黄显明而移动,胚胎微有发育.蛋内透光状况随其散黄程度而异轻度则呈不规则云雾状,重度则呈均匀一致的暗红色.贴壳蛋灯光透视在贴壳处可清晰看到蛋黄呈红影,称红贴蛋,若有微生物侵入,存放期再延长,贴壳处则为褐色或黑色,称贴壳蛋.若黑色面积占整个蛋黄面积二分之一以上,视为重度黑贴壳蛋.灯光透视是指在暗室中用手握住蛋体紧贴在照蛋器的光线洞口上,前后上下左右来回轻轻转动,靠光线的帮助看蛋壳有无裂纹,气室大小,蛋黄移动的影子,内容物的澄明度,蛋内异物,以及蛋壳内表面的霉斑,胚的发育等情况.在市场上无暗室和照蛋设备时,可用手电筒围上暗色纸筒(照蛋端直径稍小于蛋)进行鉴别.如有阳光也可以用纸筒对着阳光直接观察.鲜蛋——气室直径小于11毫米,整个蛋呈微红色,蛋黄略见阴影或无阴影,且位于中央,不移动,蛋壳无裂纹.——轻微的散黄蛋或贴壳蛋透视时透视时可见蛋黄上呈现血环,环中及边缘呈现少许血丝,蛋黄透光度增强而蛋黄周围有阴影,气室大于11毫米,蛋壳某一部位呈绿色或黑色:蛋黄部完整,散如云状,蛋壳膜内壁有霉点,蛋内有活动的阴影.黄,白混杂不清,呈均匀灰黄色,蛋全部或大部不透光,呈灰黑色,蛋壳及内部均有黑色或粉红色毫点,蛋壳某一部分呈黑色且占蛋黄面积的二分之一以上,有圆形黑影(胚胎).

将鲜蛋打开,将其内容物置于玻璃平皿或瓷碟上,观察蛋黄与蛋清的颜色,稠度,性状蛋黄,蛋清色泽分明,无异常颜色蛋黄颜色变浅,色泽分布不均匀,有较大的环状或网状血红色,蛋壳内壁有黄中带黑的粘痕或霉点,蛋清与蛋黄混杂蛋黄呈圆形凸起而完整,并带有韧性,蛋清浓厚,稀稠分明,系带粗白而有韧性,并紧贴蛋黄的两端.蛋黄扩大,扁平,蛋黄膜增厚发白,蛋清变得稀薄,蛋壳内壁有蛋黄的粘连痕迹,蛋清与蛋黄相混杂(蛋无异味).具有鲜蛋的正常气味,无异味有臭味,霉变味或其他不良气味Cho利用声学响应系统,进行检测蛋壳裂纹试验,测量蛋壳反应信号,使用多线回归分析研制了5变量模型用来鉴别破损蛋,破损蛋误检率为6%,蛋壳为4%,检测系统速率为5个/s,通过研究鸭蛋破损蛋壳和未破损蛋壳的声学特性,设计的鸭蛋破损系统,在500—6500Hz的频率为400—5500Hz的条件下,其蛋壳检测准确率为85%,损蛋壳检测准确率为90%.

1.2.4基于机器视觉的无损检测

机器视觉技术是计算机,光学,数学,信息论,模式识别,数学形态学,人工智能,CCD技术,数字图象处理等众多学科交叉综合的一门学科.

国内外很多学者对机器视觉在农产品检测中的应用进行了大量研究.刘燕德,乔振先(2002)利用数理统计与回归处理,深入研究了透射率与波长的相互关系,并进行了透射率与波长的光谱特性曲线分析,同时对透射率与储存时间的变化进行分析,再对透射率与鸡蛋新鲜度进行分析,得出在波长463nm处鸡蛋新鲜度具有良好分辨率,准确度达87.4%.孙明(2002)等人采用MATLAB软件开发平台来构造基于计算机视

图像相关论文范本觉的大米垩白检测算法.在对不同的大米图象处理基础上,完成了对大米垩白粒率和垩白参数垩白度的测定.实验中,对CCD摄象机所拍摄的真彩色图象进行灰度化处理,再对其滤波,通过灰度直方图统计,找出用双峰法阈值化处理的阈值,把大米区域从背景中分离出来,然后计算垩白度和垩白粒率.此方法利用MATLAB的图象处理算法函数,算法可靠,实现方便.谢立,王永强等人(2005)利用图象的灰度特征,对灰度直方图进行平滑,平滑方法包括曲线拟合法和插值法,以对半透明产品进行识别.他们通过在灰度曲线两个波谷间找到目标波峰,并与设定的阈值比较,即可完成目标的识别.

Shearen(1990)提出利用机器视觉对新鲜市售圆椒进行颜色分级的新方法.首先将圆椒置于透明管中,用彩色CCD摄象机从六个角度拍摄其彩色数字图象,然后读取图象的RGB值,通过与标准的RGB之间的运算关系得出图象的RGB值,再在色度坐标中与色调H相匹配,根据H值及其频率分布判断圆椒的颜色类别,正确率达96%.

1.2.5其他新检测技术

经过研究表明:超弱发光与生命活动过程密切相关,它是普遍存在于生物有机体内的一种极其微弱的光辐射,与否与发光强度有很大关系.

赵红霞等人(2004)使用超弱发光图象探测系统研究了鸡蛋在储藏期中的发光情况,发现不同鸡蛋的发光强度在第三天达到最大,随后出现振荡衰减,说明第三天鸡蛋活性最强,对鸡蛋延迟发光进行研究,发现普遍服从双曲衰减规律,这一点与生物光子的相干理论相一致.不同鸡蛋的超弱发光强度是不同的,这与鸡蛋生命活动的强弱有关,生命力越旺盛的鸡蛋发光也就越强.

1.3研究的内容和目标

每天对鸡蛋进行图形拍摄,观察拍摄到的图像发现,鸡蛋随着存放时间的增长,鸡蛋图形的红色部分与白色部分的比例减小,并且偏向一边,如前所述,鸡蛋随存放时间的增长,气室会逐渐变大,这和得到的图象是一致的,说明实验的准确性.因此,可以用其作为鉴别新鲜蛋与散黄蛋或贴壳蛋的指标.但是,直接算出气室面积与整个鸡蛋面积并不容易.为此,需要换种思路去思考.可将鸡蛋是否新鲜与颜色特征值联系起来,常见的颜色模型有RGB模型和HIS模型.但是思考鸡蛋气室之外的红色区域,可以想到RGB模型中的R分量.在鸡蛋中,红色区域面积越大,则R分量越大.因此,本研究可以采用RGB模型中的R分量作为图形特征.

此类研究的目标是探索用机器视觉检测技术来建立检测模型新方法.利用RGB模型中的R分量作为特征参数,虽然依据不是很充分,是一种试探性的做法,但对无损检测具有指导意义.鉴于软件利用MATLAB进行图像处理,在图像处理,分析与统计上的强大功能,但其用在鸡蛋无损检测上还不多见,因此本课题提出以MATLAB为工具,对进行检测的鸡蛋图像进行相关的图像处理,去处图像中不利的噪声,背景,再进行颜色特征值的提取,建立相关的检测模型,从而完成以下研究内容:

(1)实验拍摄鸡蛋图像,

(2)利用MATLAB软件进行图像处理,

(3)建立鸡蛋新鲜与否与所得特征值数据的联系,

(4)建立自动检测新鲜蛋与散黄蛋或贴壳蛋的识别模式.

1.4研究的总体方案

本试验的目标是对鸡蛋进行基于MATLAB的无损检测,所以本研究的方案如下:

(1)用CCD拍摄鸡蛋的图像,

(2)对鸡蛋图像进行预处理,以便建立鸡蛋的检测模型,

(3)提取鸡蛋的颜色特征值,即R,G,B值,并观察新鲜蛋和散黄蛋或贴壳蛋的差别,

(4)根据差别建立检测模型,并对鸡蛋进行检测.

2鸡蛋无损检测研究

2.1实验材料