机器视觉技术在农产品产后加工中的应用越来越广泛。本文利用机器视觉技术及基于多特征的决策树技术对脐橙水果表面的常见缺陷进行了分析。研究了各种常见水果表面缺陷的颜色特征、形状特征及纹理特征,采用基于多特征的决策树技术实现几种水果表面常见缺陷分类。并采用颜色特征实现了动态条件下的脐橙表面缺陷检测,主要研究内容和研究结果如下: 1、综述了国内外利用机器视觉技术在水果品质无损检测和自动分级的研究现状,特别阐述了国内外利用计算机视觉技术在水果外部缺陷检测的研究现状,并指出了国内外同类研究中所存在的问题。 2、建立并完善适合本课题的机器视觉系统。该系统包括图像采集卡、CCD摄像头、6支荧光灯及ADVANTECH INDUSTRIAL COMPTER 610工控机组成。 3、分析了水果表皮的R分量、G分量及B分量之间的比率关系并成功地用于缺陷区域提取。在本实验条件下,缺陷部分的R/B值小于2.0,R/G值小于1.5,正常水果表皮部分的R/B,R/G值则分别大于2.0、1.5。因此,R/B、R/G值可作为区分正常表皮与缺陷表面的依据。 4、利用图像的周边像素信息,对图像背景分割时产生的背景误判像素点及缺陷提取时产生的误判水果周边像素点进行了像素的信息恢复。实验显示,这两种算法都能很好的恢复图像的像素信息。并对算法进行了改进,改进前后算法的工作效率大大提高。 5、提取了缺陷的颜色特征、形状特征、纹理特征,对这些特征进行了定性分析,研究了这些特征对缺陷分类的影响。缺陷区域的颜色特征包括R、G、B、H、I、S、R/G、R/B、(R-G)/(R+G)、(G-B)/(G+B)、(B-R)/(B+R)、(2R-G-B)/4等特征,形状特征包括长度、宽度、长宽比、周长、面积、圆形度、缺陷个数、缺陷面积所占百分比等特征,缺陷的纹理特征包括熵、能量、对称性等特征。 6、选择了缺陷总个数(total)、缺陷面积所占百分比(percent)、R/G、长宽比(L/W)等四个特征作为决策树的决定性特征,根据信息增熵最大法构造决策树,应用此决策树对脐橙的裂果、腐烂、果梗、虫斑和溃疡五种缺陷进行分类,裂果,腐烂,果梗,虫斑和溃疡的分类准确率分别为86.7%、80.5%、100%、91.9%、100%,分类准确率均在80%以上。它们的误判准确率分别为89.7%、85.3%、80%、94.5%、98.3%。同时,进一步试验验证了该方法是可靠的。 7、利用颜色特征对动态条件下脐橙的表面缺陷进行检测。实验结果显示,正常水果和缺陷水果的检测准确率分别为92%和88%。分析了造成正常水果的误测和缺陷水果的误检的主要原因。从检测结果来看是可以让人接受的。