基于图像特征融合的苹果在线分级方法 - Ingenta Connect.PDF

第 33 卷 第 1 期 农 业 工 程 学 报 Vol.33 No.1 2017 年 1 月 Transactions of the Chinese Society of Agricultural Engineering Jan. 2017 285 基于图像特征融合的苹果在线分级方法 黄 辰，费继友※ （大连交通大学机械工程学院，大连 116028 ） 摘 要：苹果在线分级是提升苹果商品化价值的重要环节，需要同时满足分级准确度和速度要求。为进一步提高苹果在 线分级效率，该文借助机器视觉技术动态采集苹果传输过程中的实时图像，提出改进的三层 Canny 边缘检测算法来提取 苹果轮廓以克服采集图像中的光线噪声影响，通过分析苹果分级指标，采用判别树对苹果的果径、缺陷面积、色泽等特 征进行初步分级判断，并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级， 最后，通过将两种分级判断结果进行决策融合来实现样本精确分级。同时，采取图像压缩和特征降维方法提高实时性。 试验结果表明，基于图像特征决策融合的苹果分级准确率可达到 95%，平均分级速率可达到 4 个/s 。研究结果为水果的 在线分级提供参考。 关键词：图像处理；支持向量机；机器视觉；苹果分级；决策融合；三层Canny；特征分析 doi ：10.11975/j.issn.1002-6819.2017.01.039 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2017)-01-0285-07 黄 辰，费继友. 基于图像特征融合的苹果在线分级方法[J]. 农业工程学报，2017 ，33(1) ：285 －291. doi ： 10.11975/j.issn.1002-6819.2017.01.039 Huang Chen, Fei Jiyou. Online apple grading based on decision fusion of image features[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(1): 285 －291. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2017.01.039 确率和检测速度提出更高要求。 0 引 言  目前，苹果的形态和果面等外观特征是划分苹果等 随着机器视觉技术的发展，近年来国内外研究人员 级的关键参考因素[17-20] ，借助采集图像提取苹果多个重 对图像处理在水果质量检测等方面取得深入进展[1-4] 。目 要特征，快速建立高效分级模型是提高苹果分级精度和 前，主要是按尺寸、颜色、形状以及表面缺陷等特征进 分级速度的有效途径。本文探讨了利用机器视觉技术采 行水果质量评估[5-10] 。朱坚民等[11]分析了颜色和形状特 集苹果图像的特征参数，通过分析苹果分级指标，采用 征，结合灰色关联分析和模糊隶属的方法，利用总匹配 决策融合方法将判别树（decision tree，DT ）的初步分级 度提高了水果识别的准确率。近期，机器学习的引入，大 结果和粒子群优化的支持向量机（support vector machine, 大提升了水果分级检测的自动化水平。例如，支持向量 SVM ）的分级模型相结合，实现苹果在线检测的精