1、異物識(shí)別分揀系統(tǒng)是現(xiàn)代物流和生產(chǎn)線上非常重要組成部分，用來代替人工將混入正常物料中的異物檢測(cè)出來，極大提高了異物分揀的效率和穩(wěn)定性，對(duì)于提高產(chǎn)品品質(zhì)和企業(yè)競(jìng)爭(zhēng)力有著重要意義。高速在線異物識(shí)別分揀技術(shù)能夠廣泛的應(yīng)用到工農(nóng)業(yè)生產(chǎn)加工、醫(yī)藥、食品安全等領(lǐng)域，有著重要的實(shí)用意義。
　　 本文以煙草異物在線剔除系統(tǒng)為研究平臺(tái)，針對(duì)高速在線異物識(shí)別的難點(diǎn)，以提高識(shí)別率和降低誤識(shí)率為目的，深入研究了高速異物識(shí)別分揀的關(guān)鍵問題。論文首先進(jìn)行了異

2、物檢測(cè)方法的基礎(chǔ)性實(shí)驗(yàn)研究，設(shè)計(jì)了基于機(jī)器視覺的高速在線異物識(shí)別的系統(tǒng)結(jié)構(gòu)。研究了統(tǒng)計(jì)模式識(shí)別基本理論，提出了高速在線異物識(shí)別的模式識(shí)別模型。針對(duì)顏色與物料和背景接近的異物不易識(shí)別的現(xiàn)象，提出了基于單元整體特征的異物識(shí)別算法。深入研究了支持向量機(jī)原理，針對(duì)物料樣本有限和異物樣本復(fù)雜多樣難以采集的現(xiàn)象，提出了一類超球面支持向量機(jī)異物識(shí)別算法；提出了D-QDPSO優(yōu)化算法，進(jìn)行OC-SCM的求解，減小了誤識(shí)率。研究了高速異物識(shí)別中智能在線學(xué)

3、習(xí)技術(shù)，提出了異物識(shí)別智能在線學(xué)習(xí)模型，提出了記憶式在線學(xué)習(xí)和自適應(yīng)動(dòng)態(tài)閾值算法，針對(duì)線陣CCD的成像特點(diǎn)，提出了高速線陣CCD自學(xué)習(xí)和自適應(yīng)糾錯(cuò)機(jī)制。最后，將高速在線異物識(shí)別技術(shù)應(yīng)用于煙草異物的在線剔除系統(tǒng)中，實(shí)踐表明，煙草異物在線識(shí)別剔除系統(tǒng)滿足設(shè)計(jì)指標(biāo)，滿足自動(dòng)化生產(chǎn)要求。
　　 本文的創(chuàng)新點(diǎn)主要體現(xiàn)在以下幾個(gè)方面：
　　 ①針對(duì)像素點(diǎn)算法不能很好識(shí)別顏色與物料接近的異物這一難題，提出了單元整體識(shí)別算法。通過計(jì)算單

4、元灰度均勻性獲得單元新屬性，進(jìn)而對(duì)平滑異物得到較好的識(shí)別效果；對(duì)紋理性較強(qiáng)的異物，提出了FFT紋理識(shí)別算法；提出自適應(yīng)聚類單元識(shí)別算法，通過用少量的顏色特征表征整個(gè)單元。
　　 ②提出了適用于異物識(shí)別的一類超球面支持向量機(jī)算法，算法提出了離心系數(shù)ω，由于ω是固定值并可由支持向量求得，避免了求解a和R的繁瑣步驟，簡(jiǎn)化了求解過程；改進(jìn)的SMO算法根據(jù)Zoutendijk最速下降方向策略確定工作集，尋找最大收斂方向?qū)ψ鳛閮?yōu)化子集，實(shí)驗(yàn)

5、表明改進(jìn)后的算法比原SMO算法效率提高20％～30％，且在有限樣本情況下，識(shí)別率優(yōu)于正態(tài)擬合算法。
　　 ③結(jié)合量子粒子群優(yōu)化，針對(duì)OCSVM提出了D-QDPSO算法。算法在初始化粒子群時(shí)即可獲得最優(yōu)解附近位置，同時(shí)采用邊界點(diǎn)作為初始粒子，在最大范圍內(nèi)搜索避免了陷入局部最優(yōu)；根據(jù)每次迭代的群最優(yōu)gBest，由Zoutendijk策略求其引導(dǎo)粒子，加快了收斂速度。實(shí)驗(yàn)表明，D-QDPSO算法的運(yùn)算效率比標(biāo)準(zhǔn)粒子群算法提高2倍左右，

6、得到的支持向量個(gè)數(shù)比SMO算法更少，泛化性更高，得到的訓(xùn)練結(jié)果其誤識(shí)率更低。
　　 ④提出了記憶式在線學(xué)習(xí)和自適應(yīng)動(dòng)態(tài)閾值算法，通過計(jì)算一個(gè)時(shí)間段內(nèi)某色度出現(xiàn)幾率判斷該色度屬于異物還是非異物，并通過統(tǒng)計(jì)一個(gè)時(shí)間段內(nèi)獲得顏色的整體均值實(shí)時(shí)調(diào)整分類器的閾值，以適應(yīng)光源變化對(duì)采集圖像的影響。針對(duì)線陣CCD的成像特點(diǎn)，提出了高速線陣CCD自學(xué)習(xí)和自適應(yīng)糾錯(cuò)機(jī)制，在學(xué)習(xí)中了增加橫坐標(biāo)特征，并通過考察一個(gè)橫坐標(biāo)位置上的點(diǎn)是否長(zhǎng)時(shí)間沒有變化，