浅析计算机视觉信息处理技术在苹果自动分级中的应用.docVIP

　浅析计算机视觉信息处理技术在苹果自动分级中的应用 　　1 新技术论述 　　1. 1 计算机视觉概念 　　计算机视觉是指利用摄像头替代人眼的技术，即用摄像头和计算机代替人眼对标的物进行辨别、信息追踪和质量检测等。其利用镜头采集的图形，将图形前处理后，使图形变得更突出清晰，突显需要的信息;然后，通过软件分析，根据设定的参数来判断图形信息。 　　1. 2 工作原理 　　采用计算机视觉技术的苹果自动分级系统的工作原理: 将苹果摆放适当的位置，镜头拍照，获取苹果初级图像; 将图像输送到计算机，利用计算机上的分析处理软件，进行图像前处理及特征( 大小、形状、颜色、缺陷) 提取，然后根据提取的图像信息综合分析确定苹果等级 　　分级增加难度。采集的图像需要经过处理才能提取其中的特征信息，只有图像清晰，才能突显目标图形。首先，对图像灰度处理，灰度处理后的图像某一个灰度值区间内有着更大的对比度; 然后，通过局部求平均值法或中值滤波法( 取局部邻域中的中间像素值)去噪，再将图像边缘锐化; 最后，进行伪彩色处理。经过前面几个步骤处理的图像清晰，需要提前特征信息突显，分级效果更好。 　　苹果分级过程中特征提取是决定分级效果的关键环节，等级的区分就是根据特征来确定，所以特征提取是否合理是决定分级正确率的最重要因素。 　　1. 2. 1 大小特征提取 　　提取苹果大小的特征量比较常用的有面积、线度等，以苹果的最大横切面直径作为特征量。在苹果图像中确定果心，以果心为圆点绕图形边缘旋转，旋转1周后得到最大值即为苹果的最大果径，再根据软件中设定的大小参量确定苹果的大小等级。 　　1. 2. 2 形状特征提取 　　苹果的形状是不规则的曲面，可用二维傅立叶动态变换对苹果的形状提取。苹果等级区分是可以微调的，不需要用傅立叶半径描述中的所有特征参量来分析，中故去除中间较小的特征分量，利于快速分析。研究发现，傅立叶前9 项分量基本可以复原图像中苹果的轮廓边缘，进而可以判断苹果的形状等级 　　1. 2. 3颜色特征提取 　　颜色是苹果等级区分的最直观视觉特征，在苹果外观分级时，颜色是最重要的影响因素。本文采用色饱和度模型与人类眼睛观察色彩的原理相似，以色饱和度模型的色度图像进行作为苹果颜色的分析，可以确保分级的正确率。 　　1. 2. 4 缺陷特征提取 　　苹果在生长和加工过程中经常受到一些损伤，造成苹果表皮缺陷的形成，直接影响苹果的外观，因此苹果缺陷也成为苹果等级区分的重要影响因素。由于苹果表面呈不规则的状态，无法从一个方面来进行缺陷的检测，也无法利用模型识别来评判苹果的等级，鉴定的难度比较高，不能达到等级区分的目的。因此，本文采用对整个苹果图像进行全方位的扫描，检查其左、右临界点及图像像素点，提取缺陷点，将图像中的缺陷点面积累计，就可得到全部缺陷的总面积，确定苹果等级缺陷影响指数，从而判断苹果等级。 　　2 应用的方式方法 　　苹果采摘后要进行后续检测、等级分离、清理、上蜡等工序。其中，苹果的分级是后续加工中的重要环节，而且等级分离是苹果争夺市场竞争力的关键影响因素之一。 　　引入计算机视觉的苹果自动分级系统由安装了定向装置的输送带、采集镜头、光照补充装置、图像输送装置、计算机及分析软件构成。工作原理: 将采摘下来的苹果置于输送带上，在输送的过程中，定向装置可以使苹果调整到适当的方向，利于后面采集图像;输送带输送苹果的过程中，由补光装置补充光照，镜头采集图像，输送装置将目标物图像传输到计算机上; 利用计算机中的图像分析软件，将图像处理好后，再根据事先设定的多个特征参数，综合分析处理，确定苹果的级别; 然后，发出指令，将苹果分配到相对应等级的输出口，完成苹果等级的划分。 　　3 效果和突破 　　国外从20 世纪90 年代已研发了利用机器视觉技术的分级系统，典型的有OSCARTM 型和MERLIN 型分级生产线，可以用于大多数水果的等级分离和品质测定。日本研究的计算机视觉检测设备，还增加颜色、损伤、纹理等多特征的分级特征，其分级速度可达8 000 个/ h。 　　我国在20 世纪末开始研究该项目，如农业大学研究的图像分割技术，利用光学反射特性的图像技术进行坏损检测，可以对坏损苹果进行检测。李庆中研究了苹果色泽提取分级方法，采用多层前馈网络识别器方法，可以基于苹果色泽的实时等级分离，试验的正确率都在90% 以上，消耗时间为0. 15s。2002 年，浙江大学成功地研发出动态检测等级分离生产线，该线主要由双锥式滚筒输送翻转系统、图像识别系统和等级分离系统3 部分构成，可以依据大小、形状、色彩、缺陷和表面光洁度进行检测，这是在原来基础上取得的重大突破。目前已研发出苹果内部无损检测技术，可将