基于流形学习算法的马铃薯机械损伤机器视觉检测方法.docx

基于流形学习算法的马铃薯机械损伤机器视觉检测方法汪成龙 1，李小昱 1※，武振中 1，周 竹 2，冯耀泽 1（1. 华中农业大学工学院，武汉 43007； 2. 浙江农林大学信息工程学院，临安 311300）摘 要：针对马铃薯表面芽眼和凹凸不平的影响，使之马铃薯机械损伤难以检测的问题，该文提出了一种基于流 形学习算法的马铃薯机械损伤检测方法。首先利用马铃薯图像的显著图分割出马铃薯区域，然后利用主成分分析（principal component analysis，PCA）、等距映射（isometric mapping，Isomap）和局部线性嵌入（locally-linear embedding，LLE）3 种流形学习方法提取马铃薯区域图像特征参数，然后分别建立基于 3 种流形特征的支持向量 机（support vector machine，SVM）分类模型 PCA-SVM、Isomap-SVM 和 LLE-SVM，利用网格搜索法（grid search）、 遗传算法（genetic algorithm，GA）以及粒子群算法（particle swarm optimization，PSO）3 种模型参数优化方法， 优化支持向量机模型的惩罚参数 c 和 RBF 核参数 g，以建立最优分类模型，最后比较 3 种分类模型的识别效果， 确定最优分类模型。研究结果表明，PCA-SVM 分类模型对训练集识别率为 100%，测试集识别率为 100%； Isomap-SVM 分类模型对训练集识别率为 100%，测试集识别率为 91.7%；LLE-SVM 分类模型对训练集识别率为 100%，测试集识别率为 91.7%，表明 PCA、Isomap 和 LLE 3 种流形学习方法用于马铃薯机械损伤检测是可行的， 其中 PCA-SVM 分类模型检测效果最优。关键词：机器视觉，识别，算法，流形学习，机械损伤，马铃薯doi：10.3969/j.issn.1002-6819.2014.01.031中图分类号：TP391.41文献标志码：A文章编号：1002-6819(2014)-01-0245-08汪成龙，李小昱，武振中，等. 基于流形学习算法的马铃薯机械损伤机器视觉检测方法[J]. 农业工程学报，2014， 30(1)：245－252.Wang Chenglong, Li Xiaoyu, Wu Zhenzhong, et al. Machine vision detecting potato mechanical damage based on manifold learning algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(1): 245－252. (in Chinese with English abstract)[12]0引言检测马铃薯薯形，取得了较好的效果，但两者均基于机器视觉的农产品表面缺陷检测和分级 方法国内外已有广泛研究[1-3]。水果方面，应义斌等 先后提出了傅里叶变换、区域增长法和最小外接矩 形法检测黄花梨的果形、表面缺陷面积和大小[4-6]， 并建立了基于机器视觉的黄花品质检测系统和水 果实时分级系统[7-8]，随后又提出了一种水果表面亮 度不均校正算法，利用单阈值灰度分割法正确率达 到 97%[9]。马铃薯方面，高晓阳等提出了基于不变 矩的马 铃薯 形检测 方法 ，薯形 分选 准确率 为 96%[10]；郝敏等利用 Zernike 矩进行马铃薯薯形检 测，薯形良 好和畸形的 检测准确率 达 93% 和 100%[11]，随后又提出边界点矩特征傅里叶描述子收稿日期：2013-07-25修订日期：2013-11-15 基金项目：国家自然科学基金项目；湖北省自然科学基金 重点项目（2011CDA033） 作者简介：汪成龙（1986－），男，湖北荆州人，研究方向为智能化检 测技术。武汉 华中农业大学工学院，430070。 Email：mailto:181817906@181817906@※通信作者：李小昱（1953－），女，教授，博士生导师，中国农业工 程学会高级会员（E041200068S），研究方向为智能化检测技术。武汉 华 中农业大学工学院，430070。Email：mailto:lixiaoyu@lixiaoyu@未对马铃薯表面缺陷作相应研究。本课题组前期也进行了马铃薯外部品质相关研究，李小昱等以马铃 薯缺陷面积为特征研究了马铃薯表面缺陷的机器 视觉检测方法