一種新型的水果分類系統(tǒng)設計

胡 靜， 羅宜元， 寧建紅

(上海電機學院 電子信息學院，上海 200240)

一種新型的水果分類系統(tǒng)設計

胡 靜， 羅宜元， 寧建紅

(上海電機學院 電子信息學院，上海 200240)

在圖像處理、特征提取等技術的基礎上，設計了一種水果等級分類系統(tǒng)，提出了一種新型的距離分類器。通過提取出水果的顏色、形狀和大小3個最具代表性的外在品質(zhì)特征，作為距離分類器的輸入。仿真結果表明，該方法實時性好，分類準確率高，可滿足水果深加工生產(chǎn)的需要。

距離分類器； 圖像處理； 特征提取； 外在品質(zhì)特征

水果產(chǎn)業(yè)是近年來我國發(fā)展較為快速的一個農(nóng)產(chǎn)品產(chǎn)業(yè)，但由于國內(nèi)水果的深加工技術較為落后，故大大影響了水果產(chǎn)業(yè)在世界市場上的出口量。隨著計算機圖像處理、模式識別等技術的不斷成熟和發(fā)展，作為水果深加工的最重要環(huán)節(jié)——水果分類正逐步由機器替代人工方式完成。為提高機器分級系統(tǒng)的質(zhì)量與水平，國內(nèi)外學者做了大量的研究，如文獻[1]中根據(jù)蘋果的表面質(zhì)量狀況，包括蘋果的像素灰度值、紋理特征等，利用神經(jīng)網(wǎng)絡對蘋果進行兩種類型的分級。文獻[2]中通過機器視覺等技術對蘋果進行了分級研究。國內(nèi)的研究主要集中在高等院校內(nèi)進行[5-10]，文獻[5]中提取了水果的顏色、形狀以及紋理3個特征，利用單個神經(jīng)網(wǎng)絡對其進行等級分類，取得了一定的成果。

本文設計了一種新型的距離分類器，建立了水果等級分類系統(tǒng)。該系統(tǒng)以最具代表性的水果外在品質(zhì)作為分級依據(jù)，且采用了與以往研究不同的水果圖像采集方式，利用3個攝像頭同時從3個不同角度提取水果的顏色、形狀和大小3個外在特征，再利用設計好的距離分類器進行分級。實驗結果表明，該方法具有較好的實時性，水果分組效果較好。

1 系統(tǒng)工作原理

本文設計了一種水果等級分類系統(tǒng)，利用該系統(tǒng)進行水果分類處理可分為3個階段： ① 采集水果的原始圖像，并進行圖像增強處理；② 提取水果的3個外在品質(zhì)特征，即提取水果的顏色、形狀和大小3個最具代表性的特征；③ 利用設計好的距離分類器進行水果的等級分類。系統(tǒng)工作原理圖如圖1所示。

如圖可見，3個攝像頭同時采集水果的原始圖像，并通過3臺計算機分別對圖像進行細化處理和特征提取；然后，將提取的特征值作為距離分類器的輸入值，經(jīng)過計算比較，得出水果等級的最終判別結果。

圖1 系統(tǒng)工作原理圖Fig.1 System principle

2 系統(tǒng)設計

2.1圖像采集與處理

對獲得的原始圖像進行銳化操作，再對其求反及補色處理；然后，利用邊緣檢測來分割圖像，其基本思想如下： 先檢測圖像中的邊緣點，按照某種策略將邊沿點連接成輪廓，從而構成分割區(qū)域。目前，常用的邊緣檢測算子有4種[11-13]： Canny、Prewitt、、Roberts和Sobel邊緣檢測算子。本文以蘋果為例，分別采用這4種算子對蘋果的原始圖像進行了邊緣分割，效果如圖2所示。

圖2 4種邊緣分割算子分割效果比較圖Fig.2 Comparison of four edge detection algorithms

由圖可見，經(jīng)Sobel算子和Prewitt算子檢測得到的物體輪廓較為清晰，故本文采用了效果最好的Sobel算子作為圖像邊緣檢測算子，為之后的形狀檢測，即計算蘋果形狀的橫縱比做準備。

2.2圖像特征提取

2.2.1 水果的顏色特征 攝像頭采集的圖像一般采用RGB顏色空間，但是，RGB顏色空間對光照變化非常敏感。由于HIS(Hue-Saturation-Intensity)系統(tǒng)直接采用顏色特性意義上的色調(diào)、亮度和飽和度來描述每種顏色,比較符合人類對顏色的理解，故本系統(tǒng)把RGB顏色空間轉換為HSI空間，采用H分量作為水果的顏色特征，

H=

(1)

式中，R、G、B為紅、綠、藍3色的亮度。

2.2.2 水果的形狀特征 系統(tǒng)將水果的形狀特征定義為水果圖像中的最大橫、縱軸之比，即

l=最大橫軸/最大縱軸

(2)

先將水果的原始圖像轉換為灰度圖像，通過灰度圖像的直方圖閾值分割，計算該圖像的最大橫軸和最大縱軸之比。l值越接近1，表明該水果形狀越規(guī)則。

2.2.3 水果的面積特征 定義為水果圖像的面積值。具體做法如下： 先對水果圖像進行二值化處理；然后，對水果區(qū)域內(nèi)(白色區(qū)域)的所有像素點進行求和計算，其結果即為水果的面積值。在實驗的計算過程中，筆者發(fā)現(xiàn)底板的顏色對面積的大小有一定的影響，故在實驗中，系統(tǒng)采用了不同顏色的底板進行了比較。結果顯示： 在外部環(huán)境不變的情況下，采用黑色底板能夠極大地減小底板對水果面積的影響，故在采集水果圖像時，配備了黑色底板。

2.3距離分類器

在實際問題中，常把一種模式矢量的統(tǒng)計平均值作為該模式的標準模式，然后，將待識別樣本與此標準模式作比較。由于距離度量函數(shù)的選擇對分類效果的影響很大，而在許多情況下歐氏距離便于分析與計算，故最常用的還是歐氏距離及其等價的距離度量函數(shù)。但是，歐式距離存在著分類時所產(chǎn)生的隔離度不夠高的問題。按照Fisher準則，分類函數(shù)應使類間偏差最大、類內(nèi)偏差最小，即隔離度應盡可能的高[14-15]。相應地，在距離函數(shù)分類中，標準樣本與同類樣本距離越近、與非同類樣本距離越大，表示該距離度量函數(shù)意義下的分類效果越好。因此，本文提出一種新型的距離度量函數(shù)——均衡誤差函數(shù)，以達到提高隔離度的目的。

定義距離度量函數(shù)：

(3)

此外，令距離隔離度函數(shù)為

(4)

式中，E(d(x,y))為標準樣本y與整個樣本空間中所有樣本距離的均值；E(d(xω,y))為標準樣本y與樣本空間只屬于ω類的所有樣本xω距離的均值。

顯然，f(d(x,y))越大，分類效果就越好。可以證明，當模式空間足夠大，且呈均勻分布時，本文所提出的距離函數(shù)隔離度要比歐式距離函數(shù)的隔離度大。這是由于通過引入均衡誤差系數(shù)wi，使各維特征向量引起的平均誤差相等，而模式特征中不穩(wěn)定的部分受到了抑制，同時突出了穩(wěn)定部分，從而提高了分類性能。

在本文所設計的系統(tǒng)中，距離分類器將任意一個蘋果樣本與標準蘋果樣本進行樣本間的距離測量，同時，設置一個判定閾值k，若測得的距離小于或等于k，則認為該蘋果為同類樣本，否則，為非同類樣本，以此來判斷蘋果的種類。本系統(tǒng)設置k=0.001。

同時，由于本系統(tǒng)是采用3個攝像頭同時采集圖像，3臺電腦同時進行圖像處理、特征提取，以及距離分類；最后，需要將3臺電腦的結果綜合在一起，采取多數(shù)投票方法來確定最終的分類結果。這種將多個距離分類器綜合起來最終得出水果的最有效等級的方法，其效果要比使用單個距離分類器得到的分類等級效果好得多。

3 實驗結果與分析

為檢驗本文所提出的水果等級分類系統(tǒng)在水果等級分類中的效果，以蘋果為實驗對象進行實驗。由于只是驗證實驗，故蘋果的等級暫時分為“優(yōu)質(zhì)”與“較差”兩種。實驗中，每個蘋果分別采集3幅圖像，樣本總數(shù)總計為330幅，取其中15、30、45、60幅分別統(tǒng)計、計算它們的平均值，作為其模式的標準樣本；另外，180幅圖像作為測試樣本。本文實驗分兩次進行： 第1次實驗，測試樣本與標準樣本一致；第2次實驗，測試樣本與標準樣本不一致。分別記錄利用歐式距離分類器與本文提出的均衡誤差距離分類器的分類正確率，得到的實驗結果如表1所示。

由表1可見，當標準樣本與測試樣本一致時，兩類分類器的分類準確率都較高；而當測試樣本與標準樣本不一致時，本文提出的均衡誤差距離分類器的分類效果較好，且隨著標準樣本數(shù)的增加，分類效果越好。由此可見，利用本文提出的均衡誤差距離分類器使水果等級分類系統(tǒng)的魯棒性和分級準確率都較好。

表1 實驗結果Tab.1 Experiment results

4 結 語

本文設計了一個水果等級分類系統(tǒng)，通過采集水果的顏色、形狀和大小3個最具代表性的外在品質(zhì)特征，作為距離分類器的輸入數(shù)據(jù)，最后由距離分類器輸出水果等級的結果。距離分類器的設計充分考慮了計算簡單、隔離度大的兩個因素。本文設計的水果等級分類系統(tǒng)具有整體過程簡單、計算量小、計算過程較短、系統(tǒng)實時性較高的特點。但是，作為水果深加工的一個完整過程，僅有外在品質(zhì)，而不考慮內(nèi)在特質(zhì)是不夠的，因此，外在品質(zhì)加上內(nèi)在品質(zhì)的水果等級分類系統(tǒng)將是下一步的研究方向。

[1] Kavdir I，Guyer D E.Apple sorting using artificial neural networks and spectral imaging[J].Transactions of the ASAE,2002，45(6)： 1995-2005.

[2] Rehkugler G,Throop J.Apple sorting with machine vision[J].Transaction of the ASAE,1986,29(5)： 1388-1397.

[3] Nalcano K.Application of neural networks to the color grading of apples[J].Computers and Electronics in Agriculture，1997,18(2/3)： 105-116.

[4] Pitie F,Kokaram A C,Dahyot R.Automated colour grading using colour distribution transfer[J].Computer Vision and Image Understanding,2007,107(1/2)： 123-137.

[5] 呂秋霞.張景鴻.基于神經(jīng)網(wǎng)絡的水果自動分類系統(tǒng)設計[J].安徽農(nóng)業(yè)科學,2009,37(35)： 17392-17394,17439.

[6] 葛紀帥,趙春江，黃文倩，等.基于智能稱重的水果分級生產(chǎn)線設計[J].農(nóng)機化研究,2012,34(1)： 126-130.

[7] 毛華先,莫建燦，方連發(fā)，等.水果品質(zhì)智能化實時檢測和分級系統(tǒng)研究[J].農(nóng)機化研究,2010,32(10)： 95-97.

[8] 饒秀琴,應義斌.水果按表面顏色分級的方法[J].浙江大學學報： 工學版,2009,34(5)： 869-871.

[9] 畢衛(wèi)紅、付興虎、王魁榮，等.水果品質(zhì)近紅外檢測技術的研究現(xiàn)狀與發(fā)展[J].激光與光電子學進展，2006,43(4)： 3-7.

[10] 周曉蓉，楊堅，蒙必勝，等.5BF-3型水果分級機性能影響因素的試驗研究[J].農(nóng)機化研究,2007,26(2)： 134-145.

[11] 王艷玲.一種改進的Sobel邊緣檢測和細化算法[J].桂林師范高等專科學校學報，2011，25(2): 152-154.

[12] 王耀文,于海勛,姚博，等.基于Canny檢測算法實現(xiàn)的目標跟蹤[J].電子設計工程，2012,20(3)： 149-152.

[13] 項力領,劉智,齊冀，等.圖像去噪的混合濾波方法[J].吉林大學學報： 信息科學版，2013,31(3)： 266-271.

[14] 文喬農(nóng),萬遂人,徐雙.Fisher準則和正則化水平集方法分割噪聲圖像[J].計算機研究與發(fā)展,2012,49(6)： 1339-1347.

[15] 張宇萍.基于Fisher準則的二次線性特征提取[J].西安工業(yè)大學學報,2007,27(5)： 460-463.

Design of a Fruit Classification System

HUJing,LUOYiyuan，NINGJianhong

(School of Electronic Information Engineering, Shanghai Dianji University, Shanghai 200240, China)

This paper presents the design of a distance classifier, and builds a fruit level classification system based on image processing and feature extraction. Three representative surface quality conditions for apple obtained from images are used as input to a distance classifier. Simulation results show that the system has good real-time performance and high rate of classified accuracy. It can meet practical needs for deep processing of fruits.

distance classifier； image processing； feature extraction； surface quality

2014 - 07 - 16

國家自然科學基金項目資助(61402280)

胡 靜(1964-)，女，副教授，博士，主要研究方向為智能信息處理與網(wǎng)絡工程，E-mail： hujing@sdju.edu.cn

2095 - 0020(2014)06 -0343 - 04

TP 391.41；TS 255.35

A