搜索
（2014至2015学年度第1学期）课程名称：DSP技术及应用课程编号：7.677学生姓名：郭凯敏学号：131411052年级：硕1309任课教师:邓铭辉提交日期：2014年6月4日成绩：_________________________教师签字：_________________________开课---结课：第2周---第10周评阅日期：年月日基于DSP的果实自动识别系统郭凯敏东北农业大学电气与信息学院，哈尔滨150010摘要：针对果蔬菜摘机器人自主采摘技术存在的问题，提出了基于DSP的彩椒果实自动识别系统。该系统通过DSP的EMIF接口和EDMA接口完成数据的迁移和图像处理算法的运算，最终完成对果实的自动识别。本文在介绍该系统的组成的基础上，详细分析了DSP采集显示图像的原理。实验表明，该系统不但能够较快的识别出自然光下的成熟果实，满足自动收获的需要，还克服了传统的基于PC机和图像采集卡的图像处理系统体积大和扩展性差等缺点，具有良好的稳定性、实时性。关键词：DSP；图像处理；成熟果实；识别；0引言目前，我国果蔬菜摘机器人的智能水平较低，离实用化和商品化还有很大距离。存在的主要问题是采摘机械人作业效率低，果实的识别率和采摘率不高，损伤率较高。解决该问题的关键之一在于研究可靠性好、精度高的视觉识别技术，能够检测出所有成熟果实，并对其进行精确定位。传统的基于PC机的图像处理系统虽然可靠性、精度都很高，但因其体积与功耗的限制而不能在果蔬菜摘机器人自主采摘技术中应用。为了满足应用的要求，除了算法要可靠外，还要求识别设备足够小型，具有便携性以及可升级性。因此本研究提出基于DSP的彩椒果实识别系统。1系统硬件组成本系统主要有摄像头CCD，核心处理器TMS320DM642，存储器SDRAM，视频解码器TVP5150,视频编码器SAA7121,显示器等组成。系统结构原理框图如图1所示。系统工作流程如下：首先由CCD摄像机采集的视频数据流经视频解码芯片TVP5150解码后送到视频端口，存入FIFO存储器中，当数据满时产生直接访问存储器中断，将数据搬移到SDRAM中，系统可直接从SDRAM中取出图像数据进行处理。处理结果经视频编码芯片SAA7121送至显示器进行实时显示。显示器模拟视频信号DM642处理核心CCD摄像头视频解码器视频编码器数字视频数据IIC初始化控制字处理后的数字视频数据模拟视频信号图像数据存储器SDRAM2图像采集与显示在视频采集与显示任务中，程序首先将摄像头捕捉到的视频数据通过EDMA读入FIFO中，然后再将数据从FIFO中读到输入数据缓冲区，最后将输入缓冲区的数据放入显示缓冲区，通过液晶屏显示。DSP图像采集与PAL格式显示程序设计流程框图如图所示。图像采集的软件流程图如图2所示。EFMA模块初始化中断向量表初始化TP5150解码芯片初始化CLS初始化CHIP模块初始化SAA712编码芯片初始化将VideoPort0为解码器输出将VideoPort1为采集输入启动数据采集启动图像显示模块是否采集区已采集好同时显示区为空将图像数据从临时缓冲区送到显示缓冲区结束开始是否3成熟彩椒的识别3.1图像预处理在自然环境下采集到的彩椒果实图像，不可避免的受到了噪声干扰，将直接影响到果实的识别和分割，研究设计了对Y分量图进行滤波去噪。去噪采用窗口3×3的中值滤波，在去除噪声的同时，保护了图像的边缘。3.2阈值处理成熟的彩椒果实较其它的两个未成熟的果实以及叶子相比，所占面积小且颜色鲜亮,故适用于双峰二值法。3.3形态学处理由于光照等原因，二值化后的图像会产生孔洞，将对后续处理带来影响。为此，本文用形态学方法来消除孔洞。通过比较不同算子处理结果，最后采用进行连续的开运算及闭运算的处理，消除了孔洞和大部分颗粒噪声，同时保证了成熟彩椒的形状的完整。3.4边缘检测为了提取成熟彩椒的面积特征，对彩椒进行边缘检测，采用Canny算法。Canny算法作为评价其他边缘检测方法的好坏标准，错误率低、误差小，无重复回应，即便在包含噪声的图像中也能成功检测出目标物体边缘。3.5提取特征值经过大量的试验可知，成熟金枣果实图像上的直径为256，因此我们引用基于面积特征对彩椒果实图像加以进一步过滤。将像素和300以上的物体留下，其余当作噪声去掉。4DSP上实现为了验证整个方法的正确性及系统的实时性，将其在TI公司的TMS320DM642的开发板上进行了仿真。在TI公司的集成开发环境CCS3.3（CodeComposerStudio3.3）中将整个处理、识别流程用C语言编写实现。流程图如图所示图像采集完成预处理阈值分割形态学处理边缘检测特征值提取传送到临时缓冲区将结果传送到显示缓冲区根据上述流程编写程序得到的结果如图所示：图一5结论（1）构建以TMS320DM642为核心的橘子果实识别系统，采用预处理、二值化、形态学处理和基于面积特征提取特征值等图像处理方法，可以对所采集的橘子果实图像果实轮廓进行精确提取。(2)基于TMS320DM642橘子果实识别系统，每秒可以处理25帧图像，基本上满足实时处理的需求，为果蔬采摘机器人的技术开发打下良好的基础。