基于機器視覺的蘋果分級檢測算法研究.pdf

1、水果的產(chǎn)值可以通過產(chǎn)后處理和產(chǎn)后加工得到一定程度的提高，而產(chǎn)后提升水果價值的過程稱為果品的商品化處理，水果在產(chǎn)后的分級階段是果品商品化的重要環(huán)節(jié)，但目前我國的水果自動分級技術(shù)相對國外來說比較落后。國內(nèi)的水果分級方式主要有人工分級和機械分級，這兩種分級方式存在著很多不足:分級標準不穩(wěn)定，適應性不理想、容易損傷水果、分級效率低等。
　　近年來國內(nèi)開始研究基于機器視覺技術(shù)的水果自動分級方法，該方法主要是通過CCD相機采集目標圖像，然后利

2、用計算機分析等技術(shù)對水果圖像進行分析后得出綜合結(jié)論。使用該方法可以客觀、實時、無損害的對水果外部指標進行檢測分級。本文選用我國產(chǎn)量第一的蘋果作為分級目標，基于機器視覺技術(shù)進行蘋果分級檢測算法的研究，在算法中加入了一些較為新穎的圖像細節(jié)優(yōu)化處理，使得結(jié)果更加穩(wěn)定理想，并在Matlab平臺中進行算法的驗證分析。而且本文中的算法不僅適用于檢測一幅圖像中的單一目標，當一幅圖像中有多個蘋果目標時也可以進行識別處理，為將來研究蘋果分揀機器人或采摘機

3、器人提供前期的算法基礎(chǔ)支持，具有一定的應用研究價值。
　　本文的研究內(nèi)容主要有以下幾點:
　　(1)選擇適合拍攝蘋果的背景顏色，并完成圖像去噪、對比度增強等一系列的預處理。在圖像去噪階段，選用了自適應中值濾波和小波變換二者相聯(lián)合的濾波方法進行去噪處理，并使用PSNR標準對濾波效果進行去噪質(zhì)量評價。分析了幾種圖像增強變換方法，為了更大程度上的增加蘋果和背景之間的對比度，最后選用了對比度拉伸函數(shù)法進行增強處理。
　　(2)

4、圖像分割處理階段，在一維OTSU閾值分割法和二維OTSU法之間進行了分析對比，鑒于算法運行時間和分割效果等因素，選擇了一維OTSU閾值法進行蘋果與背景的分割處理。然后針對因照明背景不均勻而影響圖像分割效果這一問題，結(jié)合開運算的優(yōu)勢，引入top-hat變換的細節(jié)算法來優(yōu)化分割方法，使其更加通用化，并使用改進后的Canny算子識別出連續(xù)平滑的蘋果輪廓。
　　(3)對蘋果進行大小、形狀、紋理、顏色方面的特征提取，并進行相關(guān)分級數(shù)據(jù)統(tǒng)計。

5、在蘋果大小特征提取方面，綜合考慮各類方法的優(yōu)缺點，最后選用最大內(nèi)切圓法進行蘋果直徑的計算，便于進行大小的分級;在蘋果形狀特征方面，選用了圓度值的方法對蘋果的形狀特征進行描述分級;在蘋果紋理特征方面，利用基于中心矩的二階矩、三階矩、熵等描述子對其表面紋理進行度量;在蘋果顏色方面，將RGB彩色空間模型轉(zhuǎn)換成HSI模型，并且識別蘋果樣本圖像H分量的色彩像素點，通過計算蘋果紅色著色率的方法進行其表面顏色等級的劃分。實驗證明這幾種特征提取方法可行