- 研究背景及意义
水果分拣在水果生产运输过程中非常必要。目前来看,传统农业中的水果分拣工作主要依赖人工，但是该方式工作量大、效率低和速度慢，而且若想单纯依靠人工提高分拣速度，反而会增加生产成本,影响水果在市场上的竞争力。然而今天，机器视觉技术得到了较大程度的发展，特别是在工业和农业生产方面已经逐渐展现出取代人工进行高危、高强度、重复繁杂工作的趋势。这主要取决于机器视觉所表现出的特有优势。机器视觉技术不仅为工业生产线增加了视觉非接触式传感器，从侧面提升了生产的柔性，而且通过对目标图像的分析可以在非接触方式下获得想要的生产数据。
为了实现水果的高效分拣本研究计划对分拣系统中视觉识别的方法和应用进行概括总结，分析其采取的必要性。针对某种水果的分拣过程进行分拣系统的功能和流程进行分析，并设计分拣系统的模块和结构。
采用基于视觉识别的分拣系统，提高了水果分拣的效率和准确率，确保了分拣过程中的柔性与无疲劳性，也提高了水果生产效率和普及了水果分类标准。在电商行业的高速发展下减轻人工劳动力负担 ，降低分拣成本，增加了工人的收入，提高了水果的市场竞争力。
- 国内的现状研究
- 关于基于机器视觉的分级系统研究
赵小霞[1]等介绍了水果自动分级系统总体设计,并从机器视觉模块和水果图像处理等两方面介绍了系统的视觉模块,最后基于图像处理和PLC控制技术实现了水果自动分级功能。预计系统最高精度为98%。 伍光绪[2]采用数字图像处理技术,通过领域平均法和中值法对采集图像进行平滑处理,对受到噪声污染的图像进行修复，并运用大小、周长、成熟度等重要分级特征参数对血橙进行有效的分级，研究了基于计算机视觉的血橙无损检测与分类的方法。朱丹[3]等将机器视觉技术引入到了苹果分拣机的图像识别系统设计上,通过对苹果图像的采集、处理、轮廓特征提取与计算,利用确定好的分拣等级自动实现了苹果的等级分类,再由自动控制系统将不同等级的苹果分拣到指定位置,从而实现了苹果分拣的自动化。
王干[4]等设计了一套由输送系统、视觉系统和分拣系统组成的基于机器视觉的脐橙采后田间分级系统,该系统能检测脐橙的大小、表面缺陷数量及缺陷面积,并根据分级标准对水果进行自动分级。预计可将误差降低至3%-7%左右适合脐橙的田间分级检验。童旭[5]以常见的水果,苹果和梨为研究对象,对其进行图像预处理、特征提取和优化后,建立了基于不同核函数的支持向量机水果缺陷识别系统和基于粒子群优化BP神经网络的无瑕疵水果表面品质自动识别系统。李建利[6]对果蔬实时检测称重分级技术进行了研究,找出了果蔬实时检测称重分级的实现途径,并研究就设计了智能果蔬实时检测称重分级系统。
我国学者已基于不同的视觉模块与分拣模块，采用不同的图像识别等技术，通过对水果相应的参数进行提取与采集，建立了自动识别分级系统，根据分级系统实现水果低误差，高精度分拣。
- 关于视觉识别的分拣技术的研究
张力超[7]在水果分拣领域,以红富士和红元帅苹果作为研究对象,提出线性核和RBF核组合,分别建立了两种苹果的分类模型及红富士苹果的分级模型，给出一种确定苹果中心坐标的改进霍夫圆检测算法,并结合改进的张正友标定算法,实现苹果目标的机械手抓取定位。但改进的Hough变换圆检测方法虽更加精确,然而运算效率不高,不适合对高分辨率图像进行处理。刘宏文[8]利用机器视觉和深度学习技术、张正友标定法及多种算子进行边缘检测，并提出一种基于卷积神经网络的深度学习方法, 能对水果位置进行精确检测和对苹果种类进行快速分类，在模型和参数调节最优的情况下,取得了92%的分类准确率。
董腾[9]等以托盘传送装置为水果硬件部分,配合CCD面阵工业相机获取图像并传送，在程序中进行预处理、特征提取，使用空域滤波技术，同时使用图像增强技术增强了图像模糊的边缘部分，也对单目相机引导机器人抓取的位姿计算工作进行了研究,通过使用张正友标定法进行了相机的手眼标定,计算出了水果的准确世界坐标,为机械手抓取分拣做好准备。将提取的特征值作为输入通过神经网络分类,预计分拣正确率在98%左右[10]。
Yudong Zhang[11]提出了一种基于多类核支持向量机（kSVM）的水果分类方法。用数码相机采集水果图像，分割合并算法去除图像的背景，提取水果图像的颜色直方图、纹理和形状特征组成特征空间，使得分类精度达到88.2%。Zhang Baohua[12]等研究了利用三维重建和非接触测量方法进行苹果体积和重量估计的计算机视觉系统。高度信息可以提高预测性能，可以替代传统的苹果果实体积和重量的非接触测量方法[13]。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
