基于机器视觉与神经网络的苹果分级系统研究.pdfVIP

摘要

苹果是我国重要的经济作物之一，产量位居世界前列，但未经分级的苹果在市

场中缺少竞争力，因此对苹果进行品质分级是提升商品价值的必然要求。现阶段我

国苹果分级的主要方式还是依靠人工分级和机械分级，但这两种分级方式工作效率

低，分级精度不高，因此需要引入自动化技术对苹果进行分级。本文以红富士苹果

为研究对象，提出结合机器视觉与神经网络的分级方法，旨在提高准确性和效率。

主要研究内容如下：

(1)对采集得到的苹果图像进行预处理。首先分析苹果的RGB颜色模型和HSI

颜色模型特征，并实现由RGB颜色模型向HSI颜色模型的转换，便于后续颜色特

征的提取。完成颜色模型转换之后，对苹果RGB颜色模型图像进行灰度化、滤波和

阈值分割处理。在图像阈值分割过程中，研究比较了全局阈值分割法、Otsu阈值分

割法和最大熵阈值分割法的效果，验证结果显示，全局阈值分割法能够生成更为完

整的分割图像，效果最佳。对于阈值分割过程中产生的噪音点，通过形态学腐蚀和

膨胀等操作进行去除，获得区域完整、边缘光滑的苹果二值图像，完成样本图像的

背景分割。最后，利用改进的Canny边缘检测算法，完成苹果边缘轮廓的提取。

(2)对苹果外部品质特征进行提取。利用区域生长算法对苹果异常区域进行标

记，利用mask模板将异常区域图像提取出来，并根据提取出的异常区域图像的灰度

共生矩阵参数的差异，区分出果萼、果梗或腐烂等缺陷。针对苹果的果径特征，分

别用最小外接矩形法和最小外接圆法得出苹果的最大横截面直径。对于果形特征的

选择和提取，利用边缘轮廓计算出苹果的纵横径比值和圆形度来进行描述。在对苹

果颜色特征进行提取时，首先分析出不同颜色的色度分布范围，然后根据色度范围

对苹果红色区域进行分割，并计算苹果红色部分的面积与苹果的总面积之比，得出

红色着色率。

(3)对苹果分级算法进行研究。首先对图像中提取到的苹果外部品质特征向量

进行归一化处理。介绍了支持向量机和BP神经网络两个算法模型的原理，并利用

蝙蝠算法对BP神经网络进行优化。通过试验验证支持向量机、BP神经网络和BA-

BP神经网络三种模型的分级准确率。试验结果显示，蝙蝠算法优化的BP神经网络

模型的分级效果最佳，准确率达到92.50%。

(4)通过MATLAB设计人机交互界面，搭建苹果综合分级系统。该系统可自定

义设置优化算法的训练参数，实现苹果图像的实时采集、分级和数量统计，并将分

级结果输出至综合分级系统界面。

关键词：机器视觉；图像处理；BP神经网络；蝙蝠算法；苹果综合分级系统

Abstract

Applesareoneoftheimportanteconomiccropsinourcountry,withproduction

rankingamongthetopintheworld.However,ungradedappleslackcompetitivenessinthe

market,thusgradingapplesforqualityisaninevitablerequirementtoenhancecommodity

value.Atpresent,themainmethodsofapplegradinginourcountrystillrelyonmanual

gradingandmechanicalgrading.However,bothofthesegradingmethodshavelow

efficiencyandaccuracy.Therefore,itisnecessarytointroduceautomationtechnologyfor

applegrading.ThisthesistakestheFujiappleastheresearchobjectandproposesagrading

methodcombiningmachinevisionandneuralnetworks,aimingtoimproveaccuracyand

efficie