水果分类的方法的研究综述.docVIP

水果分类的方法的研究综述 　　摘 要 　　水果种类非常繁多，我国目前有59科694种，其中盛产的栽培果树300多种，计1万多个品种。因此水果的分类检测十分必要。传统的水果分类方法主要依靠人工方法，近年来由于人力成本的增加，该方法极大降低成本效益。因此需要一种能自动化检测分类水果的设备。运用机器视觉技术能够有效的对水果进行分类检测。本文力求提供一份完备的关于水果分类的综述。 　　【关键词】机器学习分类检测图像处理水果分类 　　1 前言 　　水果的营养非常丰富而且还有很多功效。例如：水果的纤维质为果胶物质有益排便，而且纤维成分还可以促进身体的代谢功能。水果可以增加人体的排泄和代谢，因此有益瘦身。水果主要供给的营养素是维生素，其中以维生素C和维生素A最为丰富。例外，水果中还含有天然色素，能有效预防癌症。但是对于水果的检测、分类和分级，实现水果的最大的经济价值非常重要。目前我们的水果的后期处理都是靠人工分拣，这就不可避免地出现各种问题，例如工人的长时间的单调重复工作使他们疲劳从而导致检测的准确率降低，例外工人对分类标准的不同理解也会使分类的准确率大大降低。因此水果分类的自动化是提高工人工作效率、提高分类准确率以及促进水果的业现代化的迫切需要。 　　2 分类方法 　　Keshavarzpour et al. ，他们认为形状不仅是用来评估苹果等级的重要指标也是衡量苹果营养价值的重要指标，因此他们提出了一种基于小波矩的苹果形状分类方法。首先利用图像的规矩阵对图像进行归一化处理，从而获得缩放和平移不变量。这一步的处理应该同时也得到了尺度和平移处理过后的归一化图像，接着利用具有旋转不变性的小波变换提取相应的特征，配合聚类分析算法完成苹果外形的分类。他们发现由于小波矩可以同时提供时间域和频率域，所以比泽尔尼克矩或者傅里叶描述的方法效果更好。在他们的实验中正常的果形、轻度畸形和严重畸形的分类精度分别是86.21%、85.82%、90.81%。 　　Dong et al.提出了一种基于计算机视觉和模式识别的关于?夜?的自动分类方法。?夜?的类型虽然很多而且十分相似，但是不同的类型的?夜?的特征还是有一些细微的差别。他们收集了140个样品图像，其中包括7种常见的种类。每幅图像通过颜色阀值标记、颜色过滤和区域识别等处理后，提取出15个特征，包括均值、标准差、颜色特征以及纹理特征（熵和能量）。然后，他们采用了K近邻分类算法、人工神经网络和线性判别分析等分类算法对提取的特征进行分类。实验结果的准确率介于89.0%和99.0%。 　　许丽建针对传统的基于像素特征的草莓成熟程度检测方法中，颜色特征相似干扰带来的识别不准确的弊端，提出一种颜色差值分类算法进行草莓成熟程度检测。利用多尺度图像增强处理方法对草莓图像进行增强处理，通过颜色差值分类方法对草莓成熟程度进行分类，从而确定草莓成熟程度。实验结果表明，这种草莓成熟程度检测方式，能够提高草莓成熟程度检测的准确率，准确率达到91.8%。 　　Zhang et al.提出一种基于多类内核支持向量机的高准确率并且分类速度很快的分类器。首先，他们通过数码相机获取水果图像，接着将每副图像的背景去除。然后对图像进行特征提取，主要提取每副图像的颜色直方图、纹理特征和形状特征，并构成一个特征空间。再利用主成分分析（PCA）算法来对特征空间进行降维。最后构建三种多类支持向量机（Winner-Takes-All SVM，Max-Wins-Voting SVM，Directed Acyclic Graph SVM），并且选择三种内核，即线性内核、齐次多项式内核和高斯径向基核分别构造分类器。实验结果表明Max-Wins-Voting支持向量机与高斯径向基相结合时达到最佳的精度88.2%。 　　王履程等针对目前传统的枸杞分级主要采用人工方法，费时费力且效率不高的缺点，提出了一种基于机器视觉技术对枸杞进行自动分类的方法。采用数字图像处理技术对枸杞图像进行了预处理、分割，从而提取枸杞的色泽、大小及形状等特征参数。用K-means算法对特征进行聚类，得到枸杞相应等级的基准；根据聚类分析得到的基准采用最小距离分类器对枸杞进行分级。针对680个枸杞样本进行分类测试，色泽分类准确性达到99.76%，大小分类准确性达到100%，耗时为0.0014s。 　　卜锡滨等采用近红外光谱分析法对不同种类的苹果样品进行分类，并提出一种基于非相关判别转换的苹果近红外光谱定性分析新方法。在实验过程中他们分别采用主成分分析、Fisher判别分析和非相关判别转换三种方法对苹果光谱数据进行特征提取，并使用K-近邻分类算法建立三种苹果分类识别模型，最后使用“留一”交叉验证法进行模型检验。通过实验他们得出结论：使用非相关判别转换方法建立的模型正确识别率优