基于计算机视觉的芒果检测与分级研究

《基于计算机视觉的芒果检测与分级研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、2015年10月农机化研究第10期基于计算机视觉的芒果检测与分级研究李国进，董第永，陈双(广西大学电气工程学院，南宁530004)摘要:针对目前芒果的外观品质分级主要采取人工方法所存在的不足，提出了一种基于计算机视觉和极限学习机神经网络(ELM)模型的芒果分级方法。首先，利用图像处理方法对拍摄的芒果图像进行预处理;然后，根据芒果的外观特征提取芒果面积、等效椭圆长短轴之比、H分量均值和缺陷面积所占百分比4个特征参数，作为模型的输入向量，并以芒果的3个等级级别为模型输出向量。在模型的建立过程中，采用粒子群优化算法(PSO)对ELM随机

2、给定的输入权值矩阵和隐层阈值进行寻优，最后以实验获得的数据对模型进行训练和测试。结果表明:使用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM、传统的BP和SVM相比，具有更高的分级精度，为水果的等级分级提供了一种新的方法。关键词:芒果;计算机视觉;检测;分级中图分类号:S662．9;TP183文献标识码:A文章编号:1003－188X(2015)10－0013－06DOI:10.13427/j.cnki.njyi.2015.10.003方法，但这两种方法在训练过程中均容易陷入局部最0引言小。ELM是最近几年提出的一

3、种新的神经网络方法，芒果在我国水果产业中占有很大比重，其采后的它与传统的神经网络相比具有结构简单、学习速度商品化处理，既能增强其市场竞争力，又能提高经济快、参数容易调整且不易陷入局部最小等优点，而且效益，而分级是商品化处理的重要环节。芒果的分级可应用于分类方面，所以本文尝试将该方法运用到芒［5］主要是依据芒果的外部品质和内部品质进行，外部品果的模式分级上来。考虑到在实际应用过程中，质包括形状、大小、颜色和表面缺陷等。目前，国内外ELM的输入权值矩阵和隐层阈值是随机给定的，可能芒果的外观等级分级主要是采用人的肉眼和经验进导致预测精度

4、及泛化性能下降，所以在建模过程中，行判别，分级结果受人的主观因素的影响较大，且存考虑采用粒子群优化算法对其输入权值矩阵和隐层在着视觉疲劳、速度慢、精度低和人为损伤严重等问阈值进行寻优，以提高模型分级精度和泛化性能，使［1］题，导致无法满足市场的需求，影响经济效益。其能有效地应用在芒果的等级分级上。随着计算机视觉技术的不断成熟，在水果的外观1芒果图像预处理品质检测分级上也逐渐得到了应用，它主要是根据采集得到的水果图像提取水果的大小、形状、颜色和表计算机视觉信息的处理主要有3个阶段，分别为面缺陷等外部品质特征，利用相应的模式分级技术来

5、图像的基本处理、图像特征提取和图像模式识别。芒实现芒果外观的分级。为此，研究基于计算机视觉的果的图像基本处理过程如图1所示。本文采用睿鸿/芒果外观品质分级方法，可以解决芒果的商品化处理ＲuiHoge(1ＲH1005D)照相机拍摄实验所用图片，每个［2－4］自动等级分类问题。芒果拍摄2幅图像(正反面)，图片以BMP格式存储;神经网络方法已经在模式分级技术上得到广泛再使用正方形3×3的模板对图像进行中值滤波，并应用，具有很强的容错性、自学习、自组织及自适应能对滤波后的图像做进一步的处理，如图2所示。将图力，能够模拟复杂的非线性映射。目

6、前，在模式分级像的ＲGB彩色空间图转化为HSI彩色空间图，对I分上使用的比较多的神经网络方法有传统的BP、SVM量灰度图进行阈值分割(包括整个芒果表面以及表面缺陷的分割)。如图2(c)是芒果的亮度图像，其灰度收稿日期:2014－10－30分布图为图2(d)。根据灰度图确定芒果整果图像的基金项目:广西自然科学基金项目(2014GXNSFAA118380)灰度阈值及缺陷的灰度阈值，再利用阈值分割方法对作者简介:李国进(1964－)，男，湖南新邵人，副教授。它们进行分割，分割结果如图2(e)和图2(f)所示。通讯作者:董第永(1986－

7、)，男，广西兴业人，硕士研究生，(E－mail)dongdiyong@126．com。最后，对分割后的图像采用灰度线性变化法进行增·13·2015年10月农机化研究第10期强，更有利于下一步的图像特征提取。图1芒果图像预处理流程图图2芒果的各种处理图像L_W=a/b(4)2芒果的外观品质特征参数提取2．2芒果颜色特征的提取芒果的外观特征主要有形状、颜色、表面缺陷等，芒果的颜色在一定程度上代表其成熟度，因为影响芒果的外观品质有果实偏小、果实不正、缺陷斑HSI彩色空间比ＲGB彩色空间更符合人的视觉特性，点大而多、果皮颜色暗淡等。不同品

8、种的芒果其特有而色调H决定着颜色的本质特征，所以本文采用HSI的大小形状特征及成熟时的表面颜色会存在一定的彩色空间中的色调H分量来描述芒果的颜色特征。差异。所以，本文提取芒果的大小、形状、颜色和缺陷芒果的H分量图如图2(b)所示，结果以芒果图像的面