1、長期以來，我國籽棉收購以感官檢驗為主，檢驗結(jié)果易受人為因素影響。為了加快收獲前棉花檢驗儀器化的步伐，本文提出基于機器視覺和多元回歸的收獲前棉花品級棉田抽樣分級的思想，用數(shù)碼相機拍攝黑背景下收獲前四瓣棉花圖像并完成了以下三方面的研究工作(文中約定：棉花與鈴殼總稱為棉鈴殼)： 1．圖像分割。中值濾波、灰度變換以及數(shù)學形態(tài)學處理是常用的圖像增強技術(shù)，主要解決由于不充足或不均勻的光線引起的噪聲、圖像對比度差等問題。在本實驗中，首先，從黑

2、背景棉花圖像中提取棉鈴殼二值模板，使背景置零。方法是：用最小閾值將原始灰度圖二值化，并提取棉鈴殼中心區(qū)域模板；用0tsu閾值將形態(tài)學高帽增強灰度圖二值化，并提取棉鈴殼邊界區(qū)域模板；將中心區(qū)域模板與邊界區(qū)域模板相加，得到棉鈴殼二值總模板。其次，從背景置零的棉鈴殼灰度圖中提取棉花模板，使背景置零。方法是：用0tsu閾值將低帽增強灰度圖二值化，得到棉花與鈴殼分割的二值圖；大尺寸開啟剪去鈴殼，并用剩下的對象個數(shù)判斷棉花之間的連通性：(1)對于多

3、連通的低品級棉花，從大尺寸開啟前的二值圖中依次提取若干區(qū)域(1～4個)的棉花模板；(2)對于單連通的高品級棉花，用0tsu閾值將原始灰度圖重新二值化，并提取最大區(qū)域的棉花模板。 2．特征提取。統(tǒng)計學中的求和、均值和標準差可以用于提取棉花的尺寸和顏色參數(shù)，本實驗依據(jù)棉花收購國家文字標準，基于機器視覺提取了以下特征參數(shù)：棉鈴殼二值模板面積參數(shù)；棉花二值模板面積參數(shù)；棉鈴殼黃色((R+G)/2-B)面積參數(shù)；棉鈴殼灰度均值和標準差；棉

4、花灰度均值和標準差。 3．建立分級模型。首先，設定模型的自變量為：棉花與鈴殼的面積之比，記作x1；棉鈴殼黃色面積與棉鈴殼總面積之比，記作x2；棉花灰度均值，記作x 3；棉花灰度標準差，記作x4；棉鈴殼灰度均值，記作x5；棉鈴殼灰度標準差，記作x6；因變量為收獲前棉花品級，記作y。接下來，將全部樣本分為二部分，用訓練樣本建立了二元線性回歸分級模型：y=3．859-0.254·x1+11.595·x2，模型的R<'2>=0.755，