運動水果的形狀描述方法與在線檢測技術(shù).pdf

1、果形是評價水果品質(zhì)的重要特征之一。然而，由于自然形態(tài)差異大，水果形狀的準確描述十分困難。目前形狀描述方法存在執(zhí)行復雜，對水果姿態(tài)要求嚴格，檢測不全面等問題，不能滿足高速分級過程中水果姿態(tài)多變情況下果形的描述。
　　本文以蘋果為主要研究對象，分別從二維和三維圖像方面研究了水果形狀的描述方法。研究了不同品種蘋果的形狀特征和單一品種不同等級蘋果的形狀特征的檢測方法;構(gòu)建了基于3相機的視覺檢測系統(tǒng)，實現(xiàn)了姿態(tài)多變的運動水果的形狀快速準確描

2、述，確保姿態(tài)多變情況下水果形狀判別的一致性。
　　本文的主要研究內(nèi)容、結(jié)果、結(jié)論如下:
　　(1)提出了一種FOFS背景分割與目標提取方法。針對水果顏色、大小、缺陷以及光照等多種因素變化導致OTSU等傳統(tǒng)圖像分割方法不能準確分割水果圖像的問題，通過彩色圖像的顏色分量融合、形態(tài)學開運算消噪、空間濾波去除鋸齒狀邊界和自動閾值分割等步驟，準確地提取了目標。采用該方法對280幅蘋果圖像處理的結(jié)果表明:203幅圖像分割偏差小于1％，占

3、總量的72.50％;70幅圖像分割偏差在1％～2％，占總量的25％;7幅圖像偏差大于2％，占總量的2.50％;最大分割偏差為2.83％。結(jié)果表明，F(xiàn)OFS方法提取的目標偏差小于2.83％，邊界光滑，具有良好的光照適應性，并可以較好地消除顏色、姿態(tài)、大小以及缺陷和果?；ㄝ鄬λ麍D像背景分割的影響。
　　(2)提出了形心距離差指標的水果三維形狀描述方法。針對水果二維形狀描述方法只考慮水果的一個成像平面，形狀描述不全面，精度差的問題，采

4、用結(jié)構(gòu)光三維成像技術(shù)采集水果的三維點云圖像，根據(jù)形心距離差描述水果形狀，對480幅三維點云圖像進行處理的結(jié)果表明，對于具有端正果形的各品種蘋果，形心距離差的描述方法可以100％區(qū)分細長形、近細長形、方圓形3種形狀。結(jié)果表明，形心距離差三維形狀描述方法可以描述水果細長形、近細長形、方圓形3種形狀特征。
　　(3)提出了對稱指數(shù)、方形度、輪廓不平度、輪廓峭度、離心率等形狀描述指標量，改進了傅里葉描述子、小波描述予以及各種矩的形狀描述子

5、。針對傳統(tǒng)的形狀特征量計算偏差大，不準確等問題，在對比分析了傳統(tǒng)的描述方法的基礎上，提出和改進了形狀描述指標，對200個姿態(tài)多變的運動水果10次的形狀檢測試驗證明，采用對稱指數(shù)Os的離散度閾值區(qū)分形狀端正果和畸變果的準確率達80.15％，采用改進的Zernike矩Z2-0閾值區(qū)分的準確率達66％以上;對440幅蘋果圖像處理的結(jié)果表明，采用Zernike矩Z3-1檢測圓柱果和球形果的準確率達83.75％;對34組圓柱形和58組類球形，采用

6、小波矩W3-8-1判定的準確率達93.10％。結(jié)果表明，對稱指數(shù)Os、改進的Zernike矩、小波矩等形狀描述子對檢測水果形狀具有一定的可行性。
　　(4)提出了采用Zernike矩Z3-1和小波矩W3-8-1的閾值區(qū)分圓柱形果和類球形果的方法。針對目前形狀檢測主要關(guān)注的是單品種不同等級形狀特征的描述，而不同品種的水果形狀特征描述問題很少學者研究，本文以11個品種的蘋果為研究對象，對比分析了244個形狀描述指標，包括圓形度、占有率

7、、對稱指數(shù)、方形度、輪廓不平度、輪廓峭度、離心率、圓度、圓形比、內(nèi)外接圓半徑比，以及傅里葉描述子、小波描述子、Hu矩描述子、Zernike矩描述子和小波矩描述子。對440幅蘋果圖像處理的結(jié)果表明，采用Zernike矩Z3-1檢測圓柱果和球形果的準確率達83.75％;對34組圓柱形和58組類球形，采用小波矩W3-8-1判定的準確率達93.10％。而采用多元線性回歸模型，其判斷準確率最高為56.52％。結(jié)果表明，采用Zernike矩Z3-1

8、指標和小波矩W3-8-1指標的固定閾值對圓柱形和球形有一定的判別力，且比采用多元線性回歸建立的模型分類準確率高，計算復雜度低。
　　(5)提出了采用Zernike矩Z2-0的閾值判定多姿態(tài)水果形狀是否端正，以及采用離心率Ec、圓形度C4、對稱指數(shù)Os、Zernike矩Z5-3輔助判定特定姿態(tài)的水果形狀是否端正的方法。針對目前形狀描述方法主要研究的是特定姿態(tài)的水果形狀，而多姿態(tài)的水果形狀很少關(guān)注的問題，本文以采集于山東棲霞果園的29

9、個富士蘋果和36個喬納金蘋果為實驗對象，根據(jù)形狀人工將它們分成3個等級，對每個蘋果采集了8幅不同姿態(tài)的圖像。對比分析了244個形狀描述指標，包括圓形度、占有率、對稱指數(shù)、方形度、輪廓不平度、輪廓峭度、離心率、圓度、圓形比、內(nèi)外接圓半徑比，以及傅里葉描述子、小波描述子、Hu矩描述子、Zernike矩描述子和小波矩描述子。對520幅蘋果圖像處理的結(jié)果表明，采用Zernike矩Z2-0的閾值判別多姿態(tài)水果果形是否端正，對富士蘋果和喬納金蘋果檢

10、測的準確率分別為67.24％和43.06％，而采用6種特征指標通過多元線性回歸建立的線性模型判別，其對富士蘋果和喬納金蘋果檢測的準確率分別為11.21％和30.90％;果軸傾斜姿態(tài)，采用離心率Ec的閾值判別，其檢測準確率對于富士蘋果和喬納金蘋果分別為87.93％和79.17％。采用圓形度C4的閾值判別，其檢測準確率對于富士蘋果和喬納金蘋果分別為81.03％和65.28％。果軸豎直姿態(tài)，采用離心率Ec的閾值判別，其檢測準確率對于富士蘋果和

11、喬納金蘋果分別為67.24％和59.72％。采用圓形度C4的閾值判別，其檢測準確率對于富士蘋果和喬納金蘋果分別為65.52％和59.72％。果軸水平姿態(tài)，采用Zernike矩Z5-3的閾值判別，其檢測準確率對于富士蘋果和喬納金蘋果分別為70.69％和52.08％。采用對稱指數(shù)Os的閾值判別，其檢測準確率對于富士蘋果和喬納金蘋果分別為73.28％和59.03％。結(jié)果說明，根據(jù)Zernike矩Z2-0的閾值對多姿態(tài)蘋果果形是否端正的判別有一

12、定的可行性，且比采用多元線性回歸建立的模型分類準確率高，計算復雜度低。在果軸豎直或者傾斜時，采用離心率Ec或者圓形度C4判別會更為準確;果軸水平時，采用Zernike矩Z5-3和對稱指數(shù)Os對水果形狀會更為準確。
　　(6)設計了基于3相機的視覺系統(tǒng)，提出了采用Zernike矩Z2-0的閾值以及圓形度C4和對稱指數(shù)Os的離散度閾值判定姿態(tài)多變運動水果的形狀是否端正的方法。針對目前形狀檢測主要研究靜止的固定姿態(tài)的水果，而姿態(tài)多變運動

13、水果的形狀檢測一直是個難點。本文以水果市場購買的大小規(guī)格為90mm，80mm，70mm的三種紅富士蘋果為研究對象，對5個端正果，8個形變果，50次在線檢測的1950幅圖像處理的結(jié)果表明，采用Zernike矩Z2-0的閾值判別姿態(tài)多變運動水果的形狀是否端正，5個形狀端正果中有3個50次測試的檢測結(jié)果都為端正果，其余2個50次均為錯判;8個形變果中有5個50次測試的檢測結(jié)果都為形變果，其余為部分錯判。采用C4和Os的離散度判別，當C4的離散

14、度小于10％時，判斷其形狀端正;當C4的離散度大于10％時，Os的離散度小于20％的判斷其形狀端正，該判定方法可以完全區(qū)分樣本形狀是否端正。進一步的驗證實驗，對100個端正果和100個形變果，10次在線檢測的18000幅圖像處理結(jié)果表明，采用3相機水果形狀檢測系統(tǒng)，設置采集一個工位的蘋果3幅圖像，根據(jù)這3幅圖像的Zernike矩Z2-0的平均值的閾值判別水果形狀，準確率約66％，平均每個蘋果的檢測時間約0.2063秒。設置采集一個蘋果3