(100.26.179.251) 您好!臺灣時間:2021/04/21 21:06
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林晋億
研究生(外文):Jin-Yi Lin
論文名稱:全彩機械視覺於咖啡生豆檢測之研究
論文名稱(外文):Research of green coffee seeds classification using colour machine vision.
指導教授:林慶煌林慶煌引用關係
指導教授(外文):Ching-Huang Lin
學位類別:碩士
校院名稱:國立雲林科技大學
系所名稱:電子與光電工程研究所碩士班
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2013
畢業學年度:101
語文別:中文
論文頁數:66
中文關鍵詞:類神經網路影像處理色彩平面
外文關鍵詞:artificial neural networkimage processingcolor plane
相關次數:
  • 被引用被引用:6
  • 點閱點閱:3322
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:181
  • 收藏至我的研究室書目清單書目收藏:1
本論文主要探討在白光光源下利用彩色攝影機辨識咖啡顏色與外型,並判斷其品質之優劣。利用影像處理技術獲得樣本在各色彩平面與影像形態學上的參數,找出待測物之間影響值最明顯之參數。最後運用選擇器結合倒傳遞類神經網路建立咖啡豆優劣之判別系統。
不同色標下包括 (RGB),(HSV)﹐(HSI),(HSL)取出最佳顏色分類參數系統,建立達到能將顏色訊號判別提取之選擇器,再運用影像形態學方法擷取周長、面積、離質心長軸、離質心短軸、圓滑率、掃描器高峰出現次數、掃描器低峰出現次數等參數作為類神經系統特性參數,選用倒傳遞類神經學習的方式達成判斷形狀差異。
顏色判別部分在實驗組上可達到100%的成功率,倒傳遞類神經訓練網路在實驗對照組上目前有98.3%的辨識成功率,實驗結果證明可以利用影像處理模式達到高準確辨別率的咖啡豆優劣判別。
In order to classify the quality of coffee seeds, the thesis mainly discusses the system parameters collected then using color camera to recognize the color and the shape of coffee under the wavelength of white light. To obtain the parameters of samples we use image processing technology on image morphology. Finding out these parameters which have the biggest impact between these analytes. By means of combining selectors with back propagation artificial neural network, we construct a discrimination system to classify the qualiy of coffee seeds.
Sketching the best color classification parameters system by using different chromaticity to coordinates such as (RGB), (HSV), (HSI), (HSL). Setting up a selector which can identify and collect color signals. Collecting parameters such as circumference, area and major axis from the center of mass.Minor axis from the center of mass, sleek rate, the number of selectors’ peak and bottom by using image morphology.Then using the method of learning back-propagation artificial neural network to classify the difference of shape.
The part of color identification can achieve 100% success rate in experiment group. Artificial neural training network have 98.3% of identification success rate in experiment control group. Based on the analysis of experimental results, we could prove image processing mode which has a high accurate identification rate to classify the quality of coffee seeds. Therefore, the identification method of this system can set up parameters of screening and other functions automatic to distinguish the quality of coffee seeds.
中文摘要 i
ABSTRACT ii
誌謝 iii

目錄 iv

表目錄 vi
圖目錄 vii
一緒論 1
1.1前言 1
1.2 研究目的 1
1.3論文架構 2
二、文獻探討 2
2.1咖啡豆品質定義 2
2.1.1咖啡豆品種 4
2.1.2 咖啡生豆的特性與採收 5
2.2彩色空間 6
2.2.1RGB色彩模型(RGB color model) 6
2.2.2HSI色彩模型 7
2.2.3HSV色彩模型 8
2.2.4HSL色彩模型 9
2.2.5 RGB轉換色彩與亮度公式 9
2.3光與視覺 11
2.3.1色彩學 12
2.3.2配色函數 13
2.3.3 XYZ 表色系統 14
2.3.4均等色度圖 15
2.4影像處理之應用 17
2.4.1影像處理之基本原理 17
2.4.2 空間影像特徵表示 18
2.4.3輪廓 18
2.4.4長條圖 19
2.4.5統計平均值 20
2.4.6 點處理運算 21
2.5影像處理系統於農產品上之文獻探討 22
2.6類神經網路 23
2.6.1類神經元數學模型 24
2.6.2 類神經網路架構 26
2.6.3類神經學習方式 26
2.6.4 倒傳遞類神經網路 27
三、 材料與方法 29
3.1 研究設備 29
3.2實驗樣本 33
3.3實驗方法 34
四、結果與討論 37
4.1 顏色影像處理之分析 37
4.1.1 影像處理之結果 37
4.1.2樣本強度各色彩平面之灰度平均值 39
4.1.3樣本在各色彩平面上灰階強度結果分析 44
4.1.4二值化面積分布比 44
4.2咖啡豆外型辨識優劣 47
4.2.1神經元擷取方法 47
4.2.2神經元資料彙集 56
4.3 倒傳遞類神經學習 58
4.3.1網路參數設定 58
4.3.2網路訓練結果 58
4.3.3 網路分析結果 61
4.3.4 網路輸出整數化 62
五、結論與未來展望 63
5.1結論 63
5.2未來展望 63
參考文獻 65
[1]田口 護-黃薇嬪譯,2004,咖啡大全,初版,積木文化。
[2]黃信瑋,2011,多光譜技術在稻米檢測系統之應用,國立雲林科技大學,碩士論文。
[3]王立威,2012,近紅外線稻米檢測系統之研究,國立雲林科技大學,碩士論文。
[4]陳冠霖,2010,機器視覺應用於蜜蜂幼蟲的辨識研究,國立嘉義大學,碩士論文。
[5]陳昱林,2009,應用機器視覺於PCB 板絕緣膠膜之氣泡檢測,朝陽科技大學,碩士論文。
[6]柯明川,2003,精選咖啡:成為咖啡專家的第一本書,初版,上旗文化。
[7]大田 登-陳鴻興,陳詩涵譯,2007,色彩工程學:理論與應用,色彩工學.第二版,全華圖書。
[8]楊清富,李芳繁,1994,”應用機器視覺進行番茄顏色分級之研究” 農業機械學刊,第3卷,第一期,頁15-29。
[9]謝志誠,林勁助,1994,”以類神經網路技術做青椒形狀及大小之分級” 農業機械學刊,第3卷,第三期,頁15-27。
[10]張文宏,陳世銘,1993,”以機器視覺引導機器人”第40卷,第四期,頁65-76
[11]溫惠雯。1996。”糙米品質檢測系統之研製”。碩士論文,興大農機所。
[12] 李芳繁。1990。”以影像處理量測檸檬之幾何性質”。農業工程學報第36卷第三期,頁36-42
[13]郭興嘉,吳立仁,張允豪,1999年。”類神經網路應用於影像處理魷魚分級之研究” 農業機械期刊,第8卷,第一期,頁25-38。
[14]江介倫,鄭克聲。2004。”類神經網路分類法之探討及其於衛星影像分類之應用” 農業工程學報第50卷,第一期,頁24-34。

[15] 羅華強,2005,類神經網路-MATLAB 的應用,初版,高立,台北。
[16] 葉怡成,2001,應用類神經網路,初版,儒林圖書公司,台北。
[17]蕭子健、王智昱、儲昭偉,2004,虛擬儀控程式設計LabVIEW 7X,初版,高立,臺北。
[18]張斐章,張麗秋,黃浩倫。2004,類神經網路理論與實務,初版(二刷),東華,台北。
[19] 木內雄二,1993,影像感測器基礎及應用,初版,全華,臺北。
[20] Qing Yao, Ying feng Zhou, Jiangning Wang,2010, An Automatic Segmentation Algorithm for Touching Rice Grains Images,IEEE International Conference on Audio, Language and Image Processing,pp.802-805.
[21] Bo Zhang,2010, Computer Vision vs. Human Vision,9th IEEE International Conference on Cognitive Informatics,pp.3.
[22] Wuni xu, Lanxiang Zhong, Dingyuan Wang,2010,Image Processing Based on Seamless Integration Technology Between Lab VIEW And MATLAB,IEEE International Conference on Information, Networking and Automation,V1-219-V1-223.
[23]成芳,應義斌,2004,染交水稻種子特徵特性視覺檢驗分析與圖像信息庫的建立,中國水稻科學,18(5),頁461-465。
[24]潘順益,方文聘,2012,利用手臂資訊增強之手勢辨識方法,第八屆ICDC數位內容國際學術演討會,論文編號86。
[25]連國珍,2004,數位影像處理,三版一刷,儒林圖書公司,台北。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔