臍橙表面缺陷的快速檢測方法研究.pdf

1、水果表面缺陷是決定水果價格最有力的因素之一，因為外部缺陷是對水果品質最直接的反映。國家標準對水果表面缺陷數(shù)量和面積大小有嚴格的規(guī)定。與水果的大小、顏色、形狀等外部質量指標相比，水果表面缺陷的快速識別一直是水果分級中最難，耗時最多、研究人員最感興趣的研究內容。多年來，研究人員做了大量的工作。
　　 本研究以臍橙為研究對象，利用RGB成像技術、可見近紅外高光譜成像技術及熒光高光譜成像技術，詳細地探討了臍橙表面11類型常見缺陷(包括薊

2、馬果、潰瘍果、裂傷果、炭疽病果、日灼果、藥傷果、風傷果、蟲傷果、介殼蟲果、異色條紋果和腐爛果)檢測理論以及兩種較為重要的缺陷潰瘍病和腐爛果均識別理論。解決了目前臍橙表面缺陷檢測的部分難題，所開發(fā)的臍橙表面缺陷檢測算法對下一步自動、快速、在線臍橙缺陷分級裝備研發(fā)奠定了重要的基礎。主要研究內容和研究結論如下：
　　 (1)提出了掩模法去背景的背景分割理論。利用構建的二值化掩模模板對臍橙圖像進行去背景，通過對靜態(tài)圖像和在線圖像背景去除

3、結果表明，背景去除率達到100％的同時，臍橙表面信息可以較好地保留。這為臍橙表面缺陷進一步有效提取奠定了基礎。
　　 (2)提出了一種新穎的臍橙表面亮度不均變換的照度-反射模型及單閾值快速水果缺陷分割算法?；诖肆炼茸兓Ｐ?，正常水果表面區(qū)域被提升為高亮區(qū)域，而水果表面的缺陷區(qū)域依然保持低灰度，這一變化克服了由于類球形水果表面亮度分布不均導致缺陷分割精度低的難題，這也為單閾值臍橙表面缺陷快速分割提供了可能。試驗表明，與邊緣亮度補

4、償算法相比，該理論可以對臍橙表面整體亮度進行變換，并且該亮度變換理論比B樣條曲面擬合理論處理一幅圖像速度超過30倍，基于此算法及單閾值分割理論對風傷果、薊馬果、介殼蟲果、裂傷果、炭疽病果、日灼果、潰瘍果、異色條紋果、蟲傷果、正常果和藥傷果等11類型共計6345個感興趣區(qū)域進行分割，獲得了93.8％分割精度。
　　 (3)通過對不同類型缺陷RGB圖像不同灰度值統(tǒng)計后獲得區(qū)分臍橙果梗與缺陷的算法?；谠摴胶吞岢龅拇髤^(qū)域及長區(qū)域去除

5、算法BER可以獲得100％的果梗識別率且不會受到其它缺陷類型的影響。由于該算法僅僅涉及兩次減法、一次乘法及一次除法，避免了復雜的模式識別理論，所以具有一定潛力應用于臍橙缺陷在線檢測。
　　 (4)本研究開發(fā)了臍橙表面缺陷檢測聯(lián)立算法，此算法主要有四個模塊構成，即背景分割模塊、亮度不均變化模塊、果梗識別模塊和果臍識別模塊。應用此算法針對11類1320幅樣本圖像識別結果表明，99.1％的缺陷果是被正確識別為缺陷果，98.3％的正常果

6、被正確識別為正常果。另外，通過調節(jié)不同的閾值可以滿足不同的用戶需求。
　　 (5)研究發(fā)現(xiàn)可見近紅外光譜區(qū)域的6個特征波長(630、691、769、786、810和875nm)或者3個特征波長(691、769和875nm)能被用于構建多光譜臍橙表面缺陷檢測系統(tǒng)。針對9種帶有不同表皮的橙子樣本，利用研究中所開發(fā)的雙波段比和主成分分析相結合的缺陷果檢測算法，獲得了最好93.7％的橙子正確識別率，并且假陽性率為0。與模式識別算法相比，

7、雙波段比圖像R875/691能有效地區(qū)分果梗和缺陷區(qū)域，因為模式識別理論增加了算法的復雜度。
　　 (6)搭建了熒光高光譜成像系統(tǒng)，采用該系統(tǒng)對臍橙早期腐爛缺陷進行了研究。利用最佳指數(shù)OIF理論獲得了識別腐爛果的最優(yōu)波段，即498.6nm和591.4nm，該方法克服了高光譜圖像數(shù)據(jù)量大和相鄰波段之間的強相關性等不足，實現(xiàn)了高維數(shù)據(jù)的降維，快速確定了特征波長。基于特征波長比圖像及雙閾值分割算法，獲得了整體100％的腐爛果識別率。同

8、時，該雙閾值理論較好地避免了梗傷缺陷的熒光效應對腐爛果檢測的影響，從而降低了系統(tǒng)及算法成本。
　　 (7)搭建了可見近紅外高光譜反射成像系統(tǒng)，采用該系統(tǒng)對臍橙潰瘍果識別進行了研究。研究獲得了用于潰瘍識別的7個關鍵波段(630、687、765、788、815、833和883nm)?；诖?個波段的第三主成分圖像和2個波段的波段比圖像Q687/630開發(fā)了多光譜潰瘍檢測算法。帶有11種類型共計275個獨立樣本用于檢測算法的可行性，獲