基于機器視覺的蘋果果梗-花萼與缺陷識別.pdf

1、蘋果是人們最常食用的水果之一，因其具有生態(tài)適應性強、果品營養(yǎng)價值高、儲藏性好及供應周期長等優(yōu)點，在許多國家大受歡迎。蘋果是我國重要的農(nóng)業(yè)經(jīng)濟作物，栽培面積廣泛，總產(chǎn)量居世界前列，但由于我國在蘋果產(chǎn)后處理技術的落后，采后爛果率高達25%以上，嚴重影響蘋果的經(jīng)濟效益。因此，提高蘋果自動分類及缺陷果的識別技術是十分必要的。目前，國內外利用機器視覺對蘋果的尺寸、形狀、顏色、內部品質等的自動檢測技術已相對成熟。但是，針對蘋果表面缺陷的檢測卻一直是

2、一個難題，這是因為果梗/花萼與蘋果表面缺陷具有相似灰度特征，極容易對缺陷檢測造成干擾。
　　本文主要研究內容為蘋果果梗、花萼及缺陷的識別。通過建立機器視覺系統(tǒng)采集蘋果圖像、對蘋果圖像進行預處理、目標區(qū)域分割、目標區(qū)域特征提取、分類器識別、算法優(yōu)化等步驟進行識別。主要工作包括：
　?。?）機器視覺檢測系統(tǒng)的組建。通過對圖像采集需要的相機、鏡頭、光源等進行了選型以及優(yōu)化調整設計，構建了一個完整的圖像采集系統(tǒng)。
　?。?）蘋

3、果圖像預處理。由于光照問題以及采集系統(tǒng)硬件問題等影響，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果圖像中高斯噪聲和椒鹽噪聲的效果。結果顯示，中值濾波法的效果最優(yōu)。
　?。?）蘋果圖像目標區(qū)域分割。針對單幅彩色蘋果圖像，首先在R分量圖中利用Otsu閾值分割法分割出目標區(qū)域的二值圖，之后采用Canny邊緣檢測算法提取蘋果圖像的邊緣，然后進行蘋果邊緣去除及孔洞填充法得到目標區(qū)

4、域，最后利用連通域標記法提取每個目標區(qū)域，并通過運算得到各個目標區(qū)域的彩色圖像。經(jīng)過對大量蘋果分割的效果可以看出，該方法能準確有效的分割出目標區(qū)域。
　?。?）提取目標區(qū)域特征值。特征值包括顏色特征6個(即R、G、B、H、S、I值)、紋理特征4個(即能量、對比度、相關性、熵)、幾何特征6個(即面積、圓形度、方差、最大值、最小值、梯度)，一共16個特征值。
　?。?）分類器選取。通過對最近鄰分類器（KNN）、BP神經(jīng)網(wǎng)絡、Ad

5、aBoost分類器、支持向量機（SVM）四種分類器進行比較，結果顯示，KNN、BP神經(jīng)網(wǎng)絡、AdaBoo st、S VM的分類正確率分別為85.87%、89.13%、93.48%、95.74%，可以看出SVM的識別效果最好。因此，選用SVM分類器作為蘋果果梗、花萼及缺陷識別算法中的分類器。
　?。?）蘋果果梗、花萼及缺陷識別算法優(yōu)化。針對蘋果果梗、花萼及缺陷識別算法中存在識別時間過長的問題，提出利用決策樹思想對其進行優(yōu)化。試驗結果