基于机器视觉的板栗分级检测方法_展慧.pdf

第 26 卷 第 4 期 农 业 工 程 学 报 Vol.26 No.4 2010 年 4 月 Transactions of the CSAE Apr. 2010 327 基于机器视觉的板栗分级检测方法 展 慧，李小昱※，王 为，汪成龙，周 竹，黄 懿 （华中农业大学工学院，武汉 430070） 摘 要：为实现合格和缺陷板栗的分级，研究了 1 种基于 BP 神经网络与板栗图像特征的板栗分级方法。试验以罗田板 栗为研究对象，提取的颜色及纹理等 8 个特征值，通过主成分分析提取相应的主成分得分向量构成模式识别的输入。利 用 BP 神经网络方法建立了板栗分级模型。试验结果表明，在图像信息主成分因子数为 3，中间层节点数为 12 时，建立 的模型最佳，模型训练时的回判率为 100%，预测时识别率达到了 91.67%。研究结果表明基于机器视觉技术的针对缺陷 板栗分级检测方法是可行的。 关键词：农产品，神经网络，图像处理，板栗，机器视觉 doi：10.3969/j.issn.1002-6819.2010.04.056 中图分类号：TP391.41 文献标识码：A 文章编号：1002-6819(2010)-04-0327-05 展 慧，李小昱，王 为，等. 基于机器视觉的板栗分级检测方法[J]. 农业工程学报，2010，26(4)：327－331. Zhan Hui, Li Xiaoyu, Wang Wei, et al. Determination of chestnuts grading based on machine vision[J]. Transactions of the CSAE, 2010, 26(4): 327－331. (in Chinese with English abstract) 0 引 言? 板栗是中国传统的农副产品，素有“干果之王”的 美称。中国板栗年总产量达 46.98 万 t，占世界板栗总产 量的 60%，但板栗含水率较高（占 50%左右），极易霉烂、 失水，品质变劣[1]。 机器视觉技术是研究用计算机图像处理系统模拟人 的视觉系统从客观事物的图像中提取信息，进行处理与 理解，最终实现对目标事物的检测、测量和控制。随着 数字图像处理分析理论的完善、计算机速度的提高及硬 件成本的下降，国内外研究人员利用机器视觉技术开展 了农产品品质检测与分级的应用研究，主要有农产品大 小、形状、面积、颜色、表面损伤与缺陷检测等[2-10]。目 前，对板栗品质的检测研究还比较少，李小昱[11-12]等人开 展了基于近红外光谱技术的板栗含水率及霉变板栗的检 测方法研究，比较了多种光谱预处理方法所建 BP 神经网 络模型对板栗识别率的影响。方建军、刘仕良等[13] 利用 机器视觉技术对板栗进行大小分级，开发了一套基于机 器视觉的板栗实时分级系统，利用该系统提取板栗图像 的面积、最大直径等特征数据，采用神经网络分类器输 出待分类的板栗等级，可将板栗按照大小分成特大、大、 中、小 4 个等级。但尚无利用机器视觉技术开展缺陷板 栗检测方法的研究。 收稿日期：2009-06-22 修订日期：2010-03-08 基金项目：高等学校博士学科点专项科研基金（20090146110018） 作者简介：展慧（1982－），女，研究方向：智能化检测技术。武汉 华中 农业大学工学院，430070。Email: zhanhui459@163.com ※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：智能化检测技术。武汉 华中农 业大学工学院，430070。Email：lixiaoyu@ 王 为：中国农业工程学会高级会员（E041200139S） 该文采用机器视觉技术对合格板栗和缺陷板栗进行 分级检测，研究板栗图像处理方法，提取合适的特征参 数并建立相应的识别模型，以准确、快速实现板栗分级 检测，为机器视觉技术在板栗品质检测中的应用提供依 据。 1 试验材料与图像获取 1.1 试验材料 试验样品为湖北罗田板栗，购于湖北省武汉市徐东 万吨冷库，质量范围 9.04～14.92 g，所有样本依照行业 贮藏条件保存（温度 0～2℃，相对湿度 80%～90%），置 于 SPX 智能型生化培养箱（宁波江南仪器厂）。 试验前依据国家行业标准（GH/T 1029－2002）6.1.1 感官检验法，从中随机选出色泽好且着色均匀一致的 70 粒作为 1 级板栗；着色不均，有块状斑点的 70 粒作为 2 级板栗；暗晦、霉变的 70 粒为 3 级板栗。板栗原始图像 如图 1 所示。 a. 1 级板栗 b. 2 级板栗 c. 3 级板栗 图 1 板栗原始图像 Fig.1 Original images o