【摘要】本文以猴头菇为研究对象，以计算机视觉技术和图像处理技术为基础，对猴头菇进行无损检测和分级。采用灰度化、中值滤波、二值化、边缘提取等技术对图像进行预处理，提取了猴头菇面积、周长、颜色、径长、形状等特征参数。在此基础上，选取了猴头菇的颜色、大小、形状作为分级指标，通过猴头菇在这三个指标上的分布，确定并完善了猴头菇分级标准。通过单体图像分析技术得出猴头菇从采摘后至无食用价值这一周期内颜色、周长、面积、形状等特征参数的变化规律。在此基础上利用person相关性构建了这一周期内的重量预测模型，然后利用猴头菇的分级标准，在Fisher判别分析基础上构建了猴头菇的分级模型。

【关键词】猴头菇； 计算机视觉； 分级； 重量预测模型； MATLAB

目录

摘要

Abstract

1 前言-1

1.1 研究背景及意义-1

1.2 国内外研究现状-2

1.3 研究内容及技术流程图-2

1.3.1 研究内容-2

1.3.2 技术流程图-3

2 试验材料与方法-3

2.1 试验材料-3

2.2 仪器设备-3

2.2.1图像采集系统-3

2.2.2 其他仪器设备-4

2.2 试验方法-4

2.2.1 编号分级-4

2.2.2 图像采集-4

3 图像预处理及特征参数提取-5

3.1 图像读取-5

3.2 图像预处理-5

3.2.1 灰度化-5

3.2.2 降噪-5

3.2.3 二值化-5

3.2.4 边缘提取-6

3.2.5 原始图像预处理流程图-6

3.3 特征参数提取-7

3.3.1 颜色特征参数提取-7

3.3.2 大小特征参数提取-8

3.3.3 形状特征参数提取-8

4 结果与分析-9

4.1 猴头菇特征参数变化规律-9

4.1.1 颜色特征参数变化-9

4.1.2 周长、面积特征参数变化-10

4.1.3 形状特征参数变化规律-11

4.2 特征参数检测及分级的结果分析-11

4.2.1 颜色检测及分级的结果分析-12

4.2.2 大小检测及分级的结果分析-14

4.2.3 形状检测及分级的结果分析-16

4.3 猴头菇相关模型的建立-18

4.3.1 猴头菇重量预测模型的建立-18

4.3.2 基于费希尔（Fisher）判别的猴头菇分级模型-19

5 总结与展望-20

5.1 总结-20

5.2 展望-21

参考文献-22

致  谢-24