基于机器视觉的果大小自动分级方法基于机器视觉的苹果大小自动分级方法.ppt

基于机器视觉的苹果大小自动分级方法 农机化研究2008年 江旺 摘 要 介绍了采用机器视觉的苹果大小自动分级，利用CCD摄像机获取苹果的样本图像，应用MATLAB软件编程实现了对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理，参照苹果分级的国家标准完成了苹果自动分级。 试验表明，此方法分级精度高，且速度快。 1 分级系统构成及图像采集过程 2 视觉检测样本图像处理 3 自动分级 4 结论 1 分级系统构成及图像采集过程 1．1 分级系统构成 分级系统主要由苹果输送翻转机构、机器视觉识别系统和分级机构组成，如图1所示。 1．2 图像采集过程 试验时，调节CCD摄像头的焦距和苹果输送翻转部分的速度，直到采集苹果图像清晰为止，锁定焦距和苹果输送翻转部分的速度。CCD摄像头采集苹果视频信号存储在数码录像带上。试验结束后，视频信号通过USB接口传输到微机，并以MPEG格式存储，称为视觉检测样本。 2 视觉检测样本图像处理 采用MATLAB图像处理工具箱对图像进行处理和分析。 具体过程是图像背景去除、二值化、图像平滑、特征量提取、图像标定和自动分级等 。 2．1 背景去除 在获取的样本图像中，包括苹果、摩擦带和滚子等背景物体，因此首先应该将这部分背景去除。 imclearborder(X，CONN)函数，其功能是去除图像x中与图像边界相连通且比其周围物体明度高的部分。为此，可以通过选择CONN的值来选用4连通或是8连通(即CONN=4或CONN=8)。根据具体情况进行调整。这里选用8连通效果较好 。实现背景去除可使用如下语句： Xl= imclearborder(X10，8)； 去除背景后的图像如图2所示。 2．2 二值化 图像二值化处理是特征量提取所必需的。去除与边缘相连的背景物后，图像还是真彩色图像。为将图像变换成二值图像，应将图像变换成灰度图像。 实现彩色图像灰度化可使用如下语句： x2=mat2gray(x1)： 灰度图像如图3所示。 得到灰度图像后，选取合适的阈值对图像进行二值化处理。 通过二值化处理，使检测对象从复杂的图像背景中凸显出来。 二值化图像如图4所示。 2．3 图像平滑 图像经二值化处理后不仅包括苹果目标，还残留一些干扰噪音(小斑点)。这些噪音直接影响检测的准确度，而图像的平滑处理就是消除噪音。 实现图像平滑处理可使用如下语句： x4= medfilt2(x3，[10，10])： 平滑处理图像如图5所示。 2．4 特征量提取 苹果在输送带上既有旋转运动又有平移运动，这两种运动的组合使苹果状态出现了不确定性。一般表现为3种形式，即侧倾、正立和倒立形式。当处于正立和倒立形式时，由苹果的生物特性决定其图像边缘近似圆形；当处于侧倾形式时，图像边缘呈不规则形状，反映苹果的形状差异，在对苹果进行大小分级时，一般按苹果直径进行分级 。因此，对采集图像进行图像处理后，检测其边缘序列点集(xi，yi)，i=0,1，．． n-1，n 在得到检测图像后，需确定苹果直径的检测轴向，取垂直方向为轴向方向。这样，取垂直于轴向的最大苹果宽度即为苹果直径大小。但最大宽度的确定仍需搜索完成，即沿着轴向方向进行宽度检测，得到一系列苹果宽度，最后对其进行比较，确定最大值，这是进行苹果大小分级的特征量。 2．5 图像标定 在进行特征量提取后，得到苹果的直径值是像素坐标下的值。要进行苹果大小分级，还需对其值进行像素坐标和实际坐标的转化(即图像标定)。 3 自动分级3．1分级原理 利用图像标定比例对检测到的特征量进行转化，可以得到苹果的实际直径。苹果大小分级可以按照国家标准进行在GB1065-89中，关于苹果直径分级参数如表1所示。 3．2 分级结果分析 文中以红富士为研究对象，选取64个样本进行分级。视觉分级结果和人工分级结果见表2所示。 从表2可以看出：视觉分级结果与人工分级结果相一致的有60个，不一致的有4个，视觉分级的准确率可达93．75％ 4 结论 1)构建了苹果视觉分级系统，通过试验获取了视觉分级的样本图像。 2)通过对样本图像的分析，编制了一套进行图像处理和特征量提取的MATLAB程序。 3)参照苹果分级的国家标准GB1065-89，实现了苹果的自动分级。 4)对视觉分级结果和人工分级结果进行比较分析，结果表明：视觉分级可以达到较高的分级精度，且分级速度快，不受人为因素的影响，便于实现自动化。 谢谢 * *