基于機(jī)器視覺(jué)的蘋(píng)果果梗-花萼與缺陷識(shí)別.pdf

1、蘋(píng)果是人們最常食用的水果之一，因其具有生態(tài)適應(yīng)性強(qiáng)、果品營(yíng)養(yǎng)價(jià)值高、儲(chǔ)藏性好及供應(yīng)周期長(zhǎng)等優(yōu)點(diǎn)，在許多國(guó)家大受歡迎。蘋(píng)果是我國(guó)重要的農(nóng)業(yè)經(jīng)濟(jì)作物，栽培面積廣泛，總產(chǎn)量居世界前列，但由于我國(guó)在蘋(píng)果產(chǎn)后處理技術(shù)的落后，采后爛果率高達(dá)25%以上，嚴(yán)重影響蘋(píng)果的經(jīng)濟(jì)效益。因此，提高蘋(píng)果自動(dòng)分類(lèi)及缺陷果的識(shí)別技術(shù)是十分必要的。目前，國(guó)內(nèi)外利用機(jī)器視覺(jué)對(duì)蘋(píng)果的尺寸、形狀、顏色、內(nèi)部品質(zhì)等的自動(dòng)檢測(cè)技術(shù)已相對(duì)成熟。但是，針對(duì)蘋(píng)果表面缺陷的檢測(cè)卻一直是

2、一個(gè)難題，這是因?yàn)楣?花萼與蘋(píng)果表面缺陷具有相似灰度特征，極容易對(duì)缺陷檢測(cè)造成干擾。
　　本文主要研究?jī)?nèi)容為蘋(píng)果果梗、花萼及缺陷的識(shí)別。通過(guò)建立機(jī)器視覺(jué)系統(tǒng)采集蘋(píng)果圖像、對(duì)蘋(píng)果圖像進(jìn)行預(yù)處理、目標(biāo)區(qū)域分割、目標(biāo)區(qū)域特征提取、分類(lèi)器識(shí)別、算法優(yōu)化等步驟進(jìn)行識(shí)別。主要工作包括：
　?。?）機(jī)器視覺(jué)檢測(cè)系統(tǒng)的組建。通過(guò)對(duì)圖像采集需要的相機(jī)、鏡頭、光源等進(jìn)行了選型以及優(yōu)化調(diào)整設(shè)計(jì)，構(gòu)建了一個(gè)完整的圖像采集系統(tǒng)。
　?。?）蘋(píng)

3、果圖像預(yù)處理。由于光照問(wèn)題以及采集系統(tǒng)硬件問(wèn)題等影響，采集的圖像含有噪聲，將影響圖像的分割、提取等后期處理。本文比較了均值濾波法、高斯濾波法和中值濾波法去除蘋(píng)果圖像中高斯噪聲和椒鹽噪聲的效果。結(jié)果顯示，中值濾波法的效果最優(yōu)。
　　（3）蘋(píng)果圖像目標(biāo)區(qū)域分割。針對(duì)單幅彩色蘋(píng)果圖像，首先在R分量圖中利用Otsu閾值分割法分割出目標(biāo)區(qū)域的二值圖，之后采用Canny邊緣檢測(cè)算法提取蘋(píng)果圖像的邊緣，然后進(jìn)行蘋(píng)果邊緣去除及孔洞填充法得到目標(biāo)區(qū)

4、域，最后利用連通域標(biāo)記法提取每個(gè)目標(biāo)區(qū)域，并通過(guò)運(yùn)算得到各個(gè)目標(biāo)區(qū)域的彩色圖像。經(jīng)過(guò)對(duì)大量蘋(píng)果分割的效果可以看出，該方法能準(zhǔn)確有效的分割出目標(biāo)區(qū)域。
　　（4）提取目標(biāo)區(qū)域特征值。特征值包括顏色特征6個(gè)(即R、G、B、H、S、I值)、紋理特征4個(gè)(即能量、對(duì)比度、相關(guān)性、熵)、幾何特征6個(gè)(即面積、圓形度、方差、最大值、最小值、梯度)，一共16個(gè)特征值。
　?。?）分類(lèi)器選取。通過(guò)對(duì)最近鄰分類(lèi)器（KNN）、BP神經(jīng)網(wǎng)絡(luò)、Ad

5、aBoost分類(lèi)器、支持向量機(jī)（SVM）四種分類(lèi)器進(jìn)行比較，結(jié)果顯示，KNN、BP神經(jīng)網(wǎng)絡(luò)、AdaBoo st、S VM的分類(lèi)正確率分別為85.87%、89.13%、93.48%、95.74%，可以看出SVM的識(shí)別效果最好。因此，選用SVM分類(lèi)器作為蘋(píng)果果梗、花萼及缺陷識(shí)別算法中的分類(lèi)器。
　　（6）蘋(píng)果果梗、花萼及缺陷識(shí)別算法優(yōu)化。針對(duì)蘋(píng)果果梗、花萼及缺陷識(shí)別算法中存在識(shí)別時(shí)間過(guò)長(zhǎng)的問(wèn)題，提出利用決策樹(shù)思想對(duì)其進(jìn)行優(yōu)化。試驗(yàn)結(jié)果