目錄
前言
課題背景和意義
實現(xiàn)技術(shù)思路
一、?硬幣檢測方法
1.1?規(guī)格、變形監(jiān)測
1.2?變色檢測
二、?數(shù)據(jù)集
三、實驗及結(jié)果分析
3.1?實驗環(huán)境搭建
3.2?模型訓(xùn)練
最后
前言
? ? ??大四是整個大學(xué)期間最忙碌的時光,一邊要忙著備考或?qū)嵙?xí)為畢業(yè)后面臨的就業(yè)升學(xué)做準(zhǔn)備,一邊要為畢業(yè)設(shè)計耗費大量精力。近幾年各個學(xué)校要求的畢設(shè)項目越來越難,有不少課題是研究生級別難度的,對本科同學(xué)來說是充滿挑戰(zhàn)。為幫助大家順利通過和節(jié)省時間與精力投入到更重要的就業(yè)和考試中去,學(xué)長分享優(yōu)質(zhì)的選題經(jīng)驗和畢設(shè)項目與技術(shù)思路。
??對畢設(shè)有任何疑問都可以問學(xué)長哦!
?? ?選題指導(dǎo):
? ? ? ? 最新最全計算機專業(yè)畢設(shè)選題精選推薦匯總
? ? ? ??大家好,這里是海浪學(xué)長畢設(shè)專題,本次分享的課題是
? ? ? ???基于機器學(xué)習(xí)的硬幣檢測識別系統(tǒng)
課題背景和意義
? ? ? ?在許多應(yīng)用場景中，如自動售貨機、自助收銀系統(tǒng)和貨幣處理等，準(zhǔn)確地檢測和識別硬幣是至關(guān)重要的任務(wù)。在自動售貨機和自助收銀系統(tǒng)中，硬幣檢測識別系統(tǒng)可以幫助自動識別不同面額的硬幣，實現(xiàn)自動計算和找零，提高交易的效率和準(zhǔn)確性。在貨幣處理和銀行業(yè)務(wù)中，系統(tǒng)可以用于硬幣分類和計數(shù)，加快現(xiàn)金處理的速度和精度。此外，該系統(tǒng)還可以在貨幣流通監(jiān)控和反假幣識別中發(fā)揮重要作用。
實現(xiàn)技術(shù)思路
一、?硬幣檢測方法
1.1?規(guī)格、變形監(jiān)測
? ? ? ?雙峰法是一種簡單的圖像二值化方法，用于計算分割閾值。它基于灰度圖像的灰度直方圖，通過計算直方圖中雙峰之間的最小值來確定二值化的閾值。在最理想的情況下，灰度直方圖呈現(xiàn)出明顯的雙峰分布，其中兩個峰頂對應(yīng)的灰度值分別為Zi和Zj。此時，最佳的二值化閾值即位于(Zi, Zj)區(qū)域內(nèi)最低點對應(yīng)的灰度值。雙峰法通常適用于前景和背景之間有明顯差異，并且在直方圖中它們的分布區(qū)域沒有重疊的圖像。
? ? ? ?數(shù)學(xué)形態(tài)學(xué)是圖像分析的一個分支，其原理是利用非線性算子對目標(biāo)形態(tài)進行操作。相比基于卷積的線性算子，數(shù)學(xué)形態(tài)學(xué)在很大程度上表現(xiàn)更出色。形態(tài)學(xué)運算經(jīng)常被用于圖像分析的預(yù)處理階段，模糊圖像中目標(biāo)邊緣的增強，以及前景和背景的分割等任務(wù)。
? ? ? ?在二值圖像中，假設(shè)目標(biāo)區(qū)域為黑色像素，而白色像素為背景。形態(tài)學(xué)操作Ψ(X)是由圖像X和結(jié)構(gòu)元素B之間的運算定義的。結(jié)構(gòu)元素B是一個關(guān)于局部原點O的鄰域，可以采用不同形狀的結(jié)構(gòu)元素，如圖中所示。形態(tài)學(xué)操作Ψ(X)實際上是使用結(jié)構(gòu)元素B規(guī)律地掃描整個圖像，將處理后的結(jié)果保存到輸出圖像的當(dāng)前像素位置。
? ? ? ?膨脹和腐蝕是形態(tài)學(xué)變換的兩個基本操作。通過這兩個基本變換，可以衍生出開運算、閉運算和形狀分解等更多的形態(tài)學(xué)運算。膨脹和腐蝕并不可逆，即在對圖像進行一次膨脹操作后，再進行一次膨脹操作得到的圖像與原始圖像不同。開運算和閉運算是膨脹和腐蝕的結(jié)合使用，先腐蝕后膨脹的操作稱為開運算，通常用于消除圖像中的細(xì)小部分。相反地，先膨脹后腐蝕的操作稱為閉運算，通常用于連接相鄰區(qū)域，填補圖像中的小孔洞。
相關(guān)代碼示例：?
# 讀取圖像
image = cv2.imread("image.jpg", 0) # 以灰度模式讀取圖像
# 定義結(jié)構(gòu)元素（內(nèi)核）
kernel = np.ones((5, 5), np.uint8) # 5x5的正方形結(jié)構(gòu)元素
# 膨脹操作
dilated = cv2.dilate(image, kernel, iterations=1)
# 腐蝕操作
eroded = cv2.erode(image, kernel, iterations=1)
# 開運算
opening = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernel)
# 閉運算
closing = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernel)
# 顯示結(jié)果圖像
cv2.imshow("Original", image)
cv2.imshow("Dilated", dilated)
cv2.imshow("Eroded", eroded)
cv2.imshow("Opening", opening)1.2?變色檢測
? ? ? ?顏色空間，也稱為彩色模型，是計算機系統(tǒng)中用于表示現(xiàn)實世界各種顏色的模型。它通過一種量化標(biāo)準(zhǔn)來描述和分析計算機圖像中的顏色信息。顏色空間本質(zhì)上是坐標(biāo)系統(tǒng)和子空間的描述。常用的顏色空間包括RGB、CMYK、CIE-Lab和HSV等。
? ? ? ?HSV顏色模型中，色調(diào)分量呈圓形，不同的數(shù)值大小代表不同的顏色。飽和度分量通過圓錐的寬度來表示，越接近臨界值1，顏色的純度越高。當(dāng)飽和度為0時，顏色變?yōu)榘咨蚝谏?。明度分量通過圓錐的高度來表示，當(dāng)明度為0時，顏色為黑色，當(dāng)明度為1時，顏色為白色。
相關(guān)代碼示例：
# 讀取圖像
image = cv2.imread("image.jpg") # 讀取圖像
# 將圖像轉(zhuǎn)換為HSV顏色空間
hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
# 獲取圖像的高度和寬度
height, width, _ = image.shape
# 創(chuàng)建一個空白圖像用于顯示HSV顏色模型
hsv_color_model = np.zeros((height, width, 3), dtype=np.uint8)
# 遍歷圖像的每個像素
for y in range(height):
for x in range(width):
# 獲取當(dāng)前像素的HSV值
hue = hsv_image[y, x, 0]
saturation = hsv_image[y, x, 1]
value = hsv_image[y, x, 2]
# 計算在HSV顏色模型中的坐標(biāo)
radius = int(saturation * width / 2)
angle = int(hue * 360 / 180)
x_model = int(radius * np.cos(np.deg2rad(angle))) + width // 2
y_model = int(radius * np.sin(np.deg2rad(angle))) + height // 2
# 設(shè)置HSV顏色模型中的像素值
hsv_color_model[y_model, x_model, :] = [hue, saturation, value]
# 將HSV顏色模型轉(zhuǎn)換回BGR顏色空間
bgr_color_model = cv2.cvtColor(hsv_color_model, cv2.COLOR_HSV2BGR)
# 顯示原始圖像和HSV顏色模型圖像
cv2.imshow("Original", image)二、?數(shù)據(jù)集
? ? ? ?在通過硬幣圖像采集設(shè)備獲取的圖像中，不同幣種的硬幣在尺寸大小上有所不同，因此它們在圖像中的位置也會有所變化。因此，在進行后續(xù)的硬幣檢測和缺陷識別之前，首先需要從圖像中提取完整的硬幣目標(biāo)。對采集到的圖像進行矩形區(qū)域的裁剪，該矩形區(qū)域包含了所有可能出現(xiàn)硬幣的位置。由于硬幣正面在正背光照射下的圖像由同一臺相機采集，因此正面和反面圖像的矩形裁剪區(qū)域位置相同。
相關(guān)代碼示例：
# 讀取圖像
image = cv2.imread("image.jpg")
# 定義矩形區(qū)域的位置和大小
x = 100 # 矩形左上角的x坐標(biāo)
y = 100 # 矩形左上角的y坐標(biāo)
width = 400 # 矩形的寬度
height = 300 # 矩形的高度
# 裁剪矩形區(qū)域
cropped_image = image[y:y+height, x:x+width]
# 顯示裁剪后的圖像
cv2.imshow("Cropped Image", cropped_image)
cv2.waitKey(0)
cv2.destroyAllWindows()三、實驗及結(jié)果分析
3.1?實驗環(huán)境搭建
? ? ? ?開發(fā)環(huán)境中使用的CPU是AMD的1800X 3.6GHz，配備了兩根8GB頻率為3000MHz的海盜船內(nèi)存條。在這樣的配置下，硬幣檢測的運行速度能夠達(dá)到毫秒級別。對于正常合格的硬幣，平均檢測速度為20ms，而對于缺陷區(qū)域較大的硬幣，平均檢測速度為100ms。經(jīng)過測試，平均檢測速度為50ms，這已經(jīng)滿足了實時檢測的要求。綜上所述，該開發(fā)環(huán)境能夠在合理的時間內(nèi)進行硬幣檢測。
3.2?模型訓(xùn)練
? ? ? ?硬幣圖像處理的流程包括從采集圖像中提取硬幣目標(biāo)的步驟。首先，通過矩形區(qū)域裁剪將包含所有可能硬幣位置的區(qū)域提取出來。然后，通過觀察和統(tǒng)計硬幣的灰度直方圖，利用雙峰法計算二值化的分割閾值，將正常區(qū)域和缺陷區(qū)域分離。接下來，利用形態(tài)學(xué)操作測量硬幣的厚度，并進行硬幣的變色檢測。最后，對檢測到的缺陷種類進行整合，并對硬幣圖像中相應(yīng)的區(qū)域進行標(biāo)注和劃分，以進一步的分析和處理。
相關(guān)代碼示例：
# 讀取圖像
image = cv2.imread("image.jpg", 0) # 以灰度模式讀取圖像
# 定義矩形區(qū)域的位置和大小
x = 100 # 矩形左上角的x坐標(biāo)
y = 100 # 矩形左上角的y坐標(biāo)
width = 400 # 矩形的寬度
height = 300 # 矩形的高度
# 裁剪矩形區(qū)域
cropped_image = image[y:y+height, x:x+width]
# 計算二值化的分割閾值
histogram = cv2.calcHist([cropped_image], [0], None, [256], [0, 256])
histogram = np.squeeze(histogram)
peaks, _ = cv2.findPeaks(histogram, minDistance=20, minProminence=50)
threshold = int(np.mean(peaks))
# 對圖像進行二值化處理
_, binary_image = cv2.threshold(cropped_image, threshold, 255, cv2.THRESH_BINARY_INV)
?? ? ? ?硬幣在正面光照條件下，磨損或污漬等缺陷區(qū)域與正常硬幣表面的像素值差異較大。通過觀察和統(tǒng)計不同硬幣的灰度直方圖，可以將缺陷區(qū)域與正常區(qū)域近似劃分為兩個峰頂。因此，考慮使用雙峰法來計算二值化的分割閾值。另外，可以運用形態(tài)學(xué)操作測量硬幣的厚度，并通過對硬幣圖像顏色空間的轉(zhuǎn)換完成硬幣的變色檢測。最后，對檢測到的缺陷種類進行整合，并在硬幣圖像上標(biāo)注和劃分相應(yīng)的區(qū)域。
? ? ? ?系統(tǒng)對硬幣的合格檢測準(zhǔn)確率達(dá)到了99.8%，對各類缺陷識別的準(zhǔn)確率均達(dá)到90%以上，平均檢測速度在50ms左右，能夠滿足實時檢測的要求。?
最后
我是海浪學(xué)長,創(chuàng)作不易,歡迎點贊、關(guān)注、收藏。文章來源：http://www.zghlxwxcb.cn/news/detail-829339.html
畢設(shè)幫助，疑難解答，歡迎打擾！文章來源地址http://www.zghlxwxcb.cn/news/detail-829339.html
到了這里，關(guān)于畢業(yè)設(shè)計：基于機器學(xué)習(xí)的硬幣檢測識別系統(tǒng) 人工智能 YOLO 計算機視覺的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
