基于图像的多指标融合的苹果分级技术研究

摘要

随着农业自动化程度的提高和人们对高生活质量的追求，苹果自动分级技术已成为苹果生产过程中提高效率和稳定质量的一种必要手段。红富士苹果作为国际和国内的主流品种之一，其自动分级技术具有重要的应用价值。目前，已有的红富士苹果自动分级技术主要针对其某一单项特征进行处理。然而，单项特征并不能准确的反映苹果的综合品质。因此，本文采用计算机视觉、模式识别等技术，针对业界实际使用的主要指标，进行了多指标融合的无接触式红富士苹果自动分级技术研究和实践。 本文设计并实现了基于图像的多指标融合的苹果分级软件系统。该系统处理流程按顺序包括图像采集、图像预处理、表面多特征提取以及基于SVM的多特征融合的苹果分级共4个步骤。图像采集阶段对每个苹果拍摄得到一幅顶视图像和三幅不同部位的侧视图像，作为系统输入。在图像预处理阶段，首先使用同态滤波消除图像光照不均问题，并对灰度范围进行调整；然后提出一种改进的开运算算法，实现图像前景的苹果部分的精确分割。在表面多特征提取阶段，参考实际生产中常用的颜色、纹理和圆度指标，分别采用相应算法提取对应特征，包括：颜色方面通过对分割前景的H通道进行统计分析计算苹果的红色程度，纹理方面将共生矩阵应用于对纹理进行特征提取分析，圆度方面通过对顶视图轮廓与正圆的误差分析计算圆度误差。最后，设计了一种联合多特征信息下的高维特征表示向量。为了兼顾分类模型的学习和泛化能力，构建了基于一种改进的混合核函数支持向量机的非线性分类网络，实现苹果质量的三个等级的自动化分级。 实现所提算法，建立苹果分级软件系统，并进行了大量的实验。实验结果表明该分级系统准确性高、稳定性好，能够有效提高苹果分级的效率，降低人工分级的成本。

目录

第一个书签之前