基于神经网络与图像处理的板栗分级检测方法研究.pdfVIP

基于神经网络和图像处理的板栗分级检测方法研究 展 慧，李小昱，王 为，汪成龙，黄 懿，周 竹 （华中农业大学工程技术学院，湖北武汉 430070） 摘 要：为采用机器视觉技术对板栗进行分级检测，研究了基于BP 神经网络的板栗图像特征分级检测方法。试验以罗田板 栗为研究对象，对提取的颜色及纹理等 8 个特征值，通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利 用BP 神经网络方法建立板栗品质评判模型。从试验结果看，在图像信息主成分因子数为3，中间层节点数位12 时，建立 的模型最佳，模型训练时的回判率为 100%，预测时识别率达到了 91.67% 。研究结果表明基于机器视觉技术的板栗分级检 测方法是可行的。 关键词：板栗；机器视觉；神经网络；图像处理 中图分类号：TP391.41 0 引 言 板栗品质。 板栗果实营养丰富，具有香、甜、脆、糯等特点, 1 试验材料与图像获取 但剥壳、去衣较难，又不耐贮藏，极易长霉、生虫、 失水变干等，影响其品质。目前，评判板栗品质及对 1.1 试验材料 不合格粒的剔除主要靠肉眼观测和人工拣出，因此寻 试验样品为罗田板栗，依据国家行业标准感官检 找一种便捷、快速检测板栗品质的方法具有重要的现 验法（GH/T 1029--2002），，将其分为3 个等级。1 级 实意义。 板栗表面颜色均匀一致、有光泽；2 级板栗颜色不均匀， 计算机视觉技术用于农产品品质检测具有潜在的 有块状斑点产生；3 级板栗表皮颜色暗晦、发黑，多为 应用价值和很好的发展前景，国内外学者研究主要集 霉粒果。 中在对谷物、水果、干果等的品质检测，Reyer Z 等 （1996）利用计算机视觉对梨的表面损伤进行检测， 但是对梨表面的损伤检测准确率较低，只达 65%左右 [ ] [ ] 1 2 。刘禾和汪懋华 (1995-1998)等以苹果为研究对象， 建立了一套适用于苹果品质检测的机器视觉系统，提 (a) 1 级板栗 (b) 2 级板栗 (c) 3 级板栗 出了通过图像信息处理检测苹果的果面缺陷的方法。 [3] 图1 板栗原始图像 Tom Pearson (1996)研制了用于开心果污点检测的机 器视觉系统，取得良好效果。成芳、应义斌（2004 ） Fig.1 Original images of three grades of chestnut 研究了基于颜色特征的稻种霉变检测算法，分别用区 1.2 机器视觉硬件平台 域法、整体法和树状结构法对各品种稻种进行分类， 根据实验要求，自行构建了基于机器视觉技术的 对正常稻种、轻度霉变稻种、重度霉变稻种的识别准 板栗分级检测系统。该系统由计算机、实验箱、摄像 [ ] 确率分别为92%、95%、83% 4 。但有关机器视觉技术在 头、图像采集卡等部件构成。摄像头由德国Baseler 公 板栗品质检测方面的研究尚无报道。 司生产，型号为 scA1390-17fc、镜头型号为M1214-MP 该文研究板栗图像的处理方法，确定合适的主成 和图像采集卡型号为Meteor2-1394 。 分因子数，建立相应的识别模式，为机器视觉技术在 1.3 板栗图像采集及预处理 板栗品质检测中的应用提供依据，以准确、快速判别 1.3.1 图像