基于機(jī)器視覺與BA-BP 的蘋果分級系統(tǒng)研究

摘要：為實(shí)現(xiàn)水果的精確分級，以蘋果為分揀對象，設(shè)計(jì)了基于機(jī)器視覺與BA-BP的蘋果分級系統(tǒng)。首先，對實(shí)時采集的蘋果圖像進(jìn)行預(yù)處理，得到輪廓圖像，采用改進(jìn)的Canny邊緣檢測算法提取蘋果輪廓，使用最小外接圓法、顏色模型轉(zhuǎn)換和灰度共生矩陣等方法提取蘋果果徑、色澤度、圓形度和紋理特征；其次，對采集的訓(xùn)練組數(shù)據(jù)進(jìn)行濾波和歸一化處理，將處理好的數(shù)據(jù)輸入到BP神經(jīng)網(wǎng)絡(luò)模型中，再利用蝙蝠算法對BP網(wǎng)絡(luò)模型進(jìn)行優(yōu)化，完成網(wǎng)絡(luò)模型的訓(xùn)練；最后，將測試組數(shù)據(jù)分別輸入到完成訓(xùn)練的BA-BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)和BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)中。結(jié)果表明，BA-BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)識別準(zhǔn)確率達(dá)到96%，性能明顯優(yōu)于BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)，平均分級時間在1.25 s以內(nèi)。因此，該系統(tǒng)滿足實(shí)際生產(chǎn)中對于蘋果分級的需求，有助于實(shí)現(xiàn)對于蘋果品級的準(zhǔn)確識別。

關(guān)鍵詞：水果分級；機(jī)器視覺；蝙蝠算法；BP神經(jīng)網(wǎng)絡(luò)

doi：10.13304/j.nykjdb.2023.0506

中圖分類號：TP273；S126 文獻(xiàn)標(biāo)志碼：A 文章編號：10080864（2024）11011709

蘋果是我國重要的經(jīng)濟(jì)作物，產(chǎn)量位居世界前列，但未經(jīng)分級的蘋果在市場中缺少競爭力，因此，對蘋果進(jìn)行分級是提升商品價值的必然要求。目前，蘋果的分級主要依據(jù)外觀指標(biāo)進(jìn)行。外觀指標(biāo)的分級方法包括人工分級、機(jī)械分級和機(jī)器視覺分級。人工分級存在勞動強(qiáng)度大、成本高和效率低等問題。機(jī)械分級主要包括輥軸分選法和滾筒式分選法，雖然效率高，但易損傷蘋果表皮，分級精度受限制。相比之下，機(jī)器視覺分級方法通過圖像處理獲得蘋果的大小、顏色、形狀、缺陷等特征信息，具有較高效率和客觀性。近年來，利用機(jī)器視覺對農(nóng)產(chǎn)品進(jìn)行分級的研究非常廣泛。例如，李龍等[1]通過機(jī)器視覺檢測系統(tǒng)獲取蘋果紋理特征和邊緣梯度特征，建立支持向量機(jī)分類模型，成功解決了蘋果缺陷檢測中的果梗、花萼和傷痕的分類問題，早中期傷痕模型判別正確率達(dá)到97%，后期傷痕判別正確率為96%，總體算法的正確率為95%。Abdullah等[2]構(gòu)建了基于機(jī)器視覺的楊桃水果外表顏色和果形的檢測識別系統(tǒng)，使用多層神經(jīng)網(wǎng)絡(luò)檢測方法的正確率高達(dá)90.5%，明顯優(yōu)于線性判別函數(shù)檢測方法的正確率65.3%。

隨著智能化技術(shù)的迅速發(fā)展和智慧升級的不斷推進(jìn)，越來越多的研究開始利用人工智能中的優(yōu)化算法對神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，這些優(yōu)化算法包括粒子群優(yōu)化算法、螢火蟲算法、海鷗算法、蝙蝠算法等[34]。蝙蝠算法是模擬自然界中蝙蝠利用聲吶回聲定位檢測獵物、躲避障礙物的生物學(xué)特性來建立數(shù)學(xué)模型，具有結(jié)構(gòu)簡單、搜索能力強(qiáng)、收斂速度快等優(yōu)點(diǎn)，是一種基于群體智能提出的啟發(fā)式搜索算法，能有效搜索全局得到最優(yōu)解[4]，更適合于訓(xùn)練神經(jīng)網(wǎng)絡(luò)。本研究擬使用蝙蝠算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化。

為充分描述蘋果的外部特征，本研究通過機(jī)器視覺檢測系統(tǒng)獲取蘋果的大小、形狀、顏色、紋理多項(xiàng)特征，建立多特征融合分級模型，使用BABP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，并使用蝙蝠算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，識別準(zhǔn)確率達(dá)到96%，平均分級時間在1.25 s以內(nèi)，滿足實(shí)際生產(chǎn)中對于蘋果分級的需求，有助于實(shí)現(xiàn)對于蘋果品級的準(zhǔn)確識別。

1 材料與方法

1.1 系統(tǒng)總體結(jié)構(gòu)

1.1.1 系統(tǒng)硬件設(shè)計(jì) 利用CCD工業(yè)相機(jī)（WPGS130，華谷動力）、PC 機(jī)（游匣G16，戴爾）、傳送帶、環(huán)形光源和遮光板搭建水果分級平臺，如圖1所示。

1.1.2 系統(tǒng)軟件設(shè)計(jì) 經(jīng)CCD 工業(yè)相機(jī)采集的圖像經(jīng)過灰度化、平滑濾波、形態(tài)學(xué)處理、閾值分割、邊緣檢測和顏色模型轉(zhuǎn)換后，提取蘋果特征參數(shù)，可將得到的特征數(shù)據(jù)輸入到訓(xùn)練好的BA-BP神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行分級。系統(tǒng)軟件流程如圖2所示。

1.2 樣本選取

本研究選取600個來自山東煙臺的紅富士蘋果作為樣本，其中500個蘋果作為初始訓(xùn)練樣本，100個蘋果作為測試樣本，根據(jù)表1所示蘋果分級標(biāo)準(zhǔn)人工利用游標(biāo)卡尺測量尺寸，其他特征參數(shù)通過肉眼觀察外觀進(jìn)行判別，將600個蘋果樣本分為一等果、二等果、三等果和等外果，確保后續(xù)驗(yàn)證過程中結(jié)果的可靠性。

1.3 圖像處理方法

1.3.1 圖像預(yù)處理方法 通過MATLAB 軟件對圖像進(jìn)行背景分割，利用掩膜法去除圖像中的背景信息，只保留蘋果樣本的圖像。隨后，將圖像從RGB顏色模型轉(zhuǎn)換為HSI顏色模型，然后進(jìn)行灰度處理、雙邊濾波和圖像閾值分割等操作。但此時，閾值分割后的圖像邊緣輪廓并不夠平滑，存在部分噪音和空洞干擾，因此需要進(jìn)行形態(tài)學(xué)腐蝕和膨脹操作[5]，以消除圖片中存在的干擾。

1.3.2 改進(jìn)的Canny邊緣檢測方法 在圖像預(yù)處理完成后，需要提取蘋果的邊緣輪廓。主要包括4個步驟：雙邊濾波卷積平滑圖像，計(jì)算每個像素點(diǎn)的梯度方向和強(qiáng)度，應(yīng)用非極大值抑制消除雜散響應(yīng)，使用最大類間方差法確定邊緣閾值[6]。

1.4 蘋果特征參數(shù)提取

1.4.1 果徑特征提取 果徑大小是蘋果的重要外部特征之一，一般采用最大橫截面直徑來表示，使用最小外接圓法對果徑長度進(jìn)行計(jì)算[7]。

經(jīng)過邊緣檢測的蘋果圖像的質(zhì)心可以近似表示為最小外接圓的圓心，蘋果的質(zhì)心采用邊緣像素坐標(biāo)的一階矩表示，公式如下。