Thông tin tài liệu
BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HCM KHOA ĐÀO TẠO CHẤT LƯỢNG CAO ĐỒ ÁN TỐT NGHIỆP NGÀNH CÔNG NGHỆ KỸ THUẬT ĐIỀU KHIỂN-TỰ ĐỘNG HĨA NGHIÊN CỨU MƠ HÌNH HỆ THỐNG NHẬN DẠNG HẠT GẠO CHO MÁY PHÂN LOẠI CHẤT LƯỢNG GẠO DÙNG XỬ LÝ ẢNH GVHD: TS LÊ MỸ HÀ SVTH : HỒNG ĐÌNH MINH MSSV: 10118167 SKL 0 Tp Hồ Chí Minh, tháng năm 2016 an TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO CHẤT LƯỢNG CAO ĐỒ ÁN TỐT NGHIỆP Đề Tài: NGHIÊN CỨU MƠ HÌNH HỆ THỐNG NHẬN DẠNG HẠT GẠO CHO MÁY PHÂN LOẠI CHẤT LƯỢNG GẠO DÙNG KỸ THUẬT XỬ LÝ ẢNH SVTH: HỒNG ĐÌNH MINH MSSV: 10118167 Khóa : 2010-2014 Ngành: CNKT ĐIỀU KHIỂN-TỰ ĐỘNG HÓA GVHD: TS LÊ MỸ HÀ TP Hồ Chí Minh - 07/2016 an TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT THÀNH PHỐ HỒ CHÍ MINH KHOA ĐÀO TẠO CHẤT LƯỢNG CAO ĐỒ ÁN TỐT NGHIỆP Đề Tài: NGHIÊN CỨU MƠ HÌNH HỆ THỐNG NHẬN DẠNG HẠT GẠO CHO MÁY PHÂN LOẠI CHẤT LƯỢNG GẠO DÙNG KỸ THUẬT XỬ LÝ ẢNH SVTH: HỒNG ĐÌNH MINH MSSV: 10118167 Khóa : 2010-2014 Ngành: CNKT ĐIỀU KHIỂN-TỰ ĐỘNG HĨA GVHD: TS LÊ MỸ HÀ TP Hồ Chí Minh - 07/2016 an an CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc *** Tp Hồ Chí Minh, ngày… tháng… năm 20 NHIỆM VỤ ĐỒ ÁN TỐT NGHIỆP Họ tên sinh viên: Ngành: Giảng viên hướng dẫn: Ngày nhận đề tài: Hồng Đình Minh CNKT Điều Khiển-Tự Động Hóa TS Lê Mỹ Hà 29/2/2016 MSSV: 10118167 Lớp: 10118CLC ĐT: 0938811201 Ngày nộp đề tài: Tên đề tài: NGHIÊN CỨU MƠ HÌNH HỆ THỐNG NHẬN DẠNG HẠT GẠO CHO MÁY PHÂN LOẠI CHẤT LƯỢNG GẠO DÙNG KỸ THUẬT XỬ LÝ ẢNH Các số liệu, tài liệu ban đầ u: ……………………………………………………………… Nội dung thực đề tài: Sử dụng kỹ thuật xử lý ảnh để tìm theo dõi hạt gạo khơng đạt yêu cầu tiêu chuẩn kích thước màu sắc phần mềm Matlab Nghiên cứu chế tạo mơ hình sản phẩm có khả tách hạt gạo không đạt chất lượng Sản phẩm: Phần mềm mô (Chạy mô liệu thực) GIẢNG VIÊN HƯỚNG DẪN TRƯỞNG NGÀNH an CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc ******* PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN Họ tên sinh viên: Hồng Đình Minh MSSV: 10118167 Ngành: CNKT Điều Khiển-Tự Động Hóa Tên đề tài: Nghiên cứu mơ hình hệ thống nhận dạng hạt gạo cho máy phân loại chất lượng gạo dùng kỹ thuật xử lý ảnh Họ và tên Giáo viên hướng dẫn: TS Lê Mỹ Hà NHẬN XÉT Về nội dung đề tài & khối lượng thực hiện: Ưu điểm: Khuyế t điểm: Đề nghi ̣cho bảo vệ hay không? Đánh giá loại: Điểm:……………….(Bằng chữ: .) Tp Hồ Chí Minh, ngày tháng Giáo viên hướng dẫn (Ký & ghi rõ họ tên) an năm 20… CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự – Hạnh phúc ******* PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN Họ tên sinh viên: Hoàng Đình Minh MSSV: 10118167 Ngành: CNKT Điều Khiển-Tự Động Hóa Tên đề tài: Nghiên cứu mơ hình hệ thống nhận dạng hạt gạo cho máy phân loại chất lượng gạo dùng kỹ thuật xử lý ảnh Họ và tên Giáo viên phản biện: NHẬN XÉT Về nội dung đề tài & khối lượng thực hiện: Ưu điểm: Khuyế t điểm: Đề nghi ̣cho bảo vệ hay không? Đánh giá loại: Điểm:……………….(Bằng chữ: .) Tp Hồ Chí Minh, ngày tháng Giáo viên phản biện (Ký & ghi rõ họ tên) an năm 20… LỜI CẢM ƠN Đầu tiên em xin trân trọng cảm ơn Quý Thầy Cô, đặc biệt Thầy Cô Khoa Điện, Bộ Môn Điều Khiển Tự Động tâm huyết giảng dạy, truyền đạt cho em kiến thức, kinh nghiệm quý giá không học để làm nghề, quan trọng học để làm người Học để ý thức tâm nghề vị kỹ sư tương lai, học để ý thức trách nhiệm thân, gia đình xã hội Em xin nói lời biết ơn chân thành bày tỏ lòng mến thương sâu sắc đến Thầy Lê Mỹ Hà tận tình hướng dẫn, giúp đỡ cho em biết nhiều kiến thức suốt trình thực đồ án giúp em hồn thành đề tài giao cách tốt Em xin chân thành cảm ơn hỗ trợ giúp đỡ nhiệt tình q trình hồn thành đề tài tới Nguyễn Trần Minh Nguyệt tạo điều kiện thuận lợi cho em suốt q trình hồn thành đồ án Do thời gian nghiên cứu có hạn nên chắn luận văn khơng thể tránh khỏi thiếu sót Em mong nhận ý kiến đóng góp quý Thầy nhằm hồn thiện đề tài cho nhiều hướng phát triển tương lai Cuối cùng, em kính chúc q Thầy ln dồi sức khỏe gặt hái nhiều thành cơng q trình công tác giảng dạy Một lần em xin chân thành cảm ơn! Sv thực Hồng Đình Minh i an TĨM TẮT Các sản phẩm nơng nghiệp phần thiếu sống hàng ngày chúng ta, người Việt Nam lúa gạo không nguồn lương thực chủ yếu hàng ngày mà nguồn lương thực xuất đem lại lợi ích to lớn cho kinh tế Việt Nam, vấn đề quan tâm giá gạo xuất Việt Nam thị trường giới rẻ nước ta xuất gạo thơ, để góp phần nâng cao giá gạo xuất ta phải tách lọc hạt gạo không đạt tiêu chuẩn nhằm nâng cao chất lượng hạt gạo đạt tiêu chuẩn Đề tài nhằm nghiên cứu xây dựng mơ hình phát tách hạt gạo không đạt tiêu chuẩn kích thước màu sắc nhờ vào kỹ thuật xử lý ảnh, để tách hạt gạo không đạt tiêu chuẩn gồm bước chính: Trích xuất Frame video thời gian thực Xử lý Frame thời gian thực dùng kỹ thuật xử lý ảnh để đánh dấu theo dõi đối tượng khơng đạt tiêu chuẩn kích thước màu sắc Kết thu nhằm theo dõi tách đối tượng khơng đạt chuẩn kích thước, màu sắc dùng thiết bị khí để lọc đối tượng khơng đạt chuẩn Tính xác phương pháp thực nghiệm kiểm chứng với chế độ ánh sang thay đổi khác độ xác giải thuật cao, đạt 95% ii an ABSTRACT Agricultural products are an indispensable part of everyday life of our, with the people of Vietnam, the rice is not only a major source of daily food but also a source of food exports bring enormous benefits to the economy of Vietnam, but a concern is the price of Vietnam's rice export to the world market is very cheap, because our country exports raw rice Therefore to raise the price of Vietnam's rice export, we must isolate and filter substandard rice to raise rice quality standards Subject fall to modeling studies to detect and tracking objects rice substandard in size and color to depend image processing solution Without breaking stride in the search for significant contributions to the improvement of people’s life both socially and scientifically, computer vision has been recently enhanced its best features In the framework of this paper, a well-balanced combination of neural network tutorial and color space YCbCr from video in real to detect and tracking moving objects The method include two distinct steps: Extract frames from video in real time To handle frames in real time use image processing solution to detect and tracking objects substandard in size and color The results will detect and tracking objects substandard in size, color and use mechanical devices to filter out objects substandard in size, color The accuracy and the stability of this approach are verified by experiments in different conditions, environments, and intensities of light and the accuracy of the algorithm is high, attain 95% iii an 5.2 HƯỚNG PHÁT TRIỂN CHÍNH Từ mặt hạn chế để ứng dụng tốt nên cần hướng pháp triển sau: Nghiên cứu phát triển phần khí đáp ứng tốt việc loại bỏ đối tượng không đạt chuẩn thời gian thực Sử dụng camera có tốc độ lấy nét cao, tốc độ quay video với số khung hình cao Để tăng tốc độ xử lý thời gian thực tốt nên sử dụng ngôn ngữ C, dùng chip có tốc độ xử lý cao an 77 TÀI LIỆU THAM KHẢO [1] Scott Tan Yeh Ping, Chun Hui Weng, Boonping Lau, “Face detection through template matching and color segmentation” [2] L Fan and K.K Sung, “Face Detection and Pose Alignment Using Color, Shape and Texture Information”, Proc Visual Surveillance, 2000 [3] Diedrick Marius, Sumita Pennathur, and Klint Rose, “Face Detection Using Color Thresholding, and Eigenimage Template Matching” [4] Ths Nguyễn Xuân Vinh, Ths Lê Đình Lương (2010), “Ứng Dụng Xử Lý Ảnh Mạng Nơron Trong Phân Loại Gạo Trắng Thành Phẩm”, Trường Đại học Kỹ Thuật Công Nghệ, 2010 [5] Vũ Việt Hà (2009), “Tìm Hiểu Các Phép Tốn Hình Thái”, Trường Đại học Dân Lập Hải Phịng [6] Huỳnh Thái Hồng, “Hệ Thống Điều Khiển Thơng Minh”, Trường Đại học Bách Khoa TP.HCM [7] Hà Thiên Sơn (2008), “Nghiên Cứu Máy Phân Loại Cà Phê Bằng Màu Sắc”, Khoa Điện tử -Viễn Thông, Đại học Công Nghệ-Đại học Quốc Gia Hà Nội [8] PGS.TS Nguyễn Quang Hoan (2006), “Xử lý ảnh”, Học Viện Công Nghệ Bưu Chính Viễn Thơng [9] Jinman Kang, Isaac Cohen, G´erard Medioni, Chang Yuan, “Detection and Tracking of Moving Objects from a Moving Platform in Presence of Strong Parallax”, University of Southern California, CA 90089, USA, 2005 [10] Jorge Alberto Marcial Basilio, Gualberto Aguilar Torres, Gabriel Sanchez Pérez, L.Karina Toscano Medina, Héctor M.Pérez Meana, “Explicit Image Detection using YCbCr Space Color Model as Skin Detection” [11] Thu-Thao Nguyen, “Real-Time Face Detection And Tracking”, School of Electrical and Computer Engineering, 2012 an 78 PHỤ LỤC Code chương trình: Huấn luyện mạng nơtron clear all; close all; clc t = zeros(1,1000); tic nuy = 1; K = 46 ; %Emax = 0.688; Emax = 0.95; maxepoch = 50000; lamda = 1; n = 4; m = K+1; w1 = zeros (n,m); %n la hang, m = K+1 E = zeros (m); w1(:,1) = [0.8 ; 0.43 ; 0.439 ; 0.027 ]; matrannguong = -ones(1,K); % x = [-1,R,Dai,Rong]; x = [matrannguong ;0.182 0.178 0.222 0.221 0.158 0.163 0.194 0.159 0.179 0.189 0.174 0.186 0.173 0.157 0.171 0.151 0.172 0.154 0.167 0.147 0.188 0.209 0.185 0.186 0.229 0.141 0.141 0.138 0.155 0.178 0.190 0.178 0.164 0.170 0.163 0.168 0.153 0.163 0.161 0.226 0.143 0.174 0.180 0.107 0.193 0.154 ; 0.429 0.488 0.551 0.503 0.450 0.494 0.531 0.488 0.505 0.415 0.472 0.339 0.498 0.507 0.468 0.476 0.485 0.250 0.437 0.219 0.421 0.494 0.430 0.481 0.574 0.425 0.384 0.459 0.445 0.507 0.336 0.467 0.384 0.418 0.454 0.440 0.191 0.283 0.376 0.607 0.368 0.313 0.625 0.373 0.465 0.462 ; 0.06 0.0672 0.0953 0.0865 0.0547 0.0618 0.0798 0.0601 0.07 0.001 0.0631 0.0491 0.0664 0.0615 0.0616 0.0555 0.0638 0.0299 0.0565 0.0242 0.0613 0.0803 0.0612 0.0687 0.1025 0.0465 0.0418 0.0493 0.0534 0.0678 0.0485 0.0636 0.0489 0.0547 0.0572 0.0568 0.0221 0.0355 0.0465 0.107 0.0405 0.0418 0.0867 0.0288 0.0693 0.0553]; d = [0 1 1 1 1 1 1 1 0 1 1 0 1 0 1 0 0 1 1]; an 79 for i=1:maxepoch for k = 1:K net1 = w1(:,k)' * x(:,k); y1 = 1/(1+exp(-lamda*net1)); delta1 = (d(1,k)-y1)*lamda*y1*(1-y1); % tin hieu hc cua notron w1(:,k+1) = w1(:,k) + nuy*delta1*x(:,k); E(k+1) = E(k)+0.5*((d(1,k)-y1)^2); end if E(m) < Emax %hc cong thi thoat bang lenh break chuky = i; break; else E(1) = 0; w1(:,1) = w1(:,m); end end %plot(1:1:maxepoch,E); %plot(1:1:E,maxepoch); %title('Do Thi Sai so') W1 = w1(:,m); a = toc fprintf ( 1, 'Elapsed time is %12.10f seconds\n', a ); Trích xuất frame video thời gian thực Video = VideoReader('C:\Users\MINH HOANG\Desktop\test_1.mp4'); nFrames = Video.NumberOfFrames; for nFrames = 1:Video.NumberOfFrames; filename = strcat('M',num2str(nFrames),'.jpg'); I = read(Video, nFrames); imwrite(I,filename); %imshow(I,[]); %pause(0.1); End an 80 Xử lý khung ảnh video thời gian thực clear all; close all; clc t = zeros(1,1000); tic %tu M45 toi M95 a = imread('G:\minh\source\M95.jpg'); figure, imshow(a); B=rgb2gray(a); figure, imshow(B); C = im2double(B); X = medfilt2(C); BB= edge(X,'sobel'); BW2 = bwareaopen(BB, 18); se = strel('disk',1); bw2 = imclose(BW2,se); bw = imfill(bw2,'holes'); e = strel('disk',8); bw = imdilate(bw,se); bw = imfill(bw,'holes'); bw = imfill(bw,'holes'); bw = imerode(bw,se); CC = bwconncomp(bw,8); soluong = CC.NumObjects; an 81 CC1 = regionprops(bw,'Centroid', 'MajorAxisLength','MinorAxislength','Area','Orientation','BoundingBox'); zz = labelmatrix(CC); [D,T]=bwboundaries(bw,'noholes'); stats = regionprops(bw,'all'); for object = 1:length(stats) x1 = (stats(object).MinorAxisLength)/100; x2 = (stats(object).MajorAxisLength)/100; x3 = (stats(object).Area)/10000; bb = CC1(object).BoundingBox; bc = CC1(object).Centroid; lamda = 1; x = [-1; x1; x2; x3]; w1(:,1) = [0.8 ; 0.43 ; 0.439 ; 0.027 ]; net1 = 0.43*x1 + 0.439*x2 + 0.027*x3 - 0.8; y1(1,object) = 1/(1+exp(-lamda*net1)); end data1 = rgb2ycbcr(a); diff_im1 = data1(:,:,1); diff_im2 = data1(:,:,2); diff_im3 = data1(:,:,3); diff_im1 = medfilt2(diff_im1, [6 6]); diff_im2 = medfilt2(diff_im2, [6 6]); mask2 = 0.46; mask1 = 0.29; an 82 diff_im1 = im2bw(diff_im1,mask1); diff_im2 = im2bw(diff_im2,mask2); diff_im1 = bwareaopen(diff_im1,50); diff_im2 = bwareaopen(diff_im2,50); bw1 = bwlabel(diff_im1, 8); bw2 = bwlabel(diff_im2, 8); bw1 = ~bw1; bw2 = ~bw2; %drawnow stats1 = regionprops(bw1, 'BoundingBox', 'Centroid'); stats2 = regionprops(bw2, 'BoundingBox', 'Centroid'); idx1 = find(y1>0.4 & y10.4 & y1
Ngày đăng: 02/02/2023, 09:16
Xem thêm:
