论文部分内容阅读
我国是农业大国,蔬菜、水果产业分别位居种植业中的第二、三大产业。利用机器视觉技术,自动化对蔬菜和水果的质量进行评价,可以提高果蔬分级的客观性,减轻从业人员的劳动强度,还可以提高果蔬商品化处理程度,促进我国果蔬的国际竞争力。本文工作主要围绕球形果蔬自动化分级技术的顺序展开,大致顺序为:果蔬图像库获取,图像预处理,特征提取,优化特征向量,分类器分级,经过这几个阶段的处理,球形果蔬的分级达到了预期目标。论文的主要工作与贡献如下:(1)构建了球形果蔬图像数据库,提出了一种球形果蔬图像感兴趣区域提取方法。为模拟机器视觉观测图像,设计了球形果蔬拍摄图像采集箱,采集到多类多级的球形果蔬图像,包括苹果、柿子、梨子、西红柿、天草柑,每类图像均有三个等级。因为采集到的图像目标对象尺寸太大、背景较多、质心未居中等特点,所以提出了一个球形果蔬图像预处理方案,方案主要是缩放尺寸、提轮廓找质心、最大限度截取目标区域的一系列预处理操作,最终构建了球形果蔬图像数据库。(2)针对提取球形果蔬纹理特征用于分级问题,提出了使用分块局部二值模式特征作为球形果蔬的纹理特征的分级方法。为减少局部二值模式特征维数,充分考虑维数约减和空间位置关系,将分块思想融入原始局部二值模式,得到分块局部二值模式纹理特征,它能有效避免纹理空间位置混乱,缩小特征向量的维数。在相同实验条件下,使用分块局部二值模式纹理特征比使用原始局部二值模式纹理特征对球形果蔬分级更加有效。(3)针对梯度方向直方图生成过程冗长的问题,提出了改进梯度方向直方图形状特征提取算法。在原始梯度方向直方图的基础上简化分单元的细节,提出了改进梯度方向直方图算法,它既保持了梯度方向直方图能描述图像局部形状、能抑制旋转及平移影响等优点,又使特征维数大大减少。在对球形果蔬分级的相同实验条件下,改进梯度方向直方图比原始梯度方向直方图分级准确率提高了。(4)针对单一特征描述图像内容片面的问题,提出了球形果蔬多特征组合的分级方法。针对多特征组合的特征权重分配,研究了支持向量机中手动分配特征权重和自适应分配特征权重,同时也研究了多层感知机中特征权重的优化。在支持向量机中,重点分析和讨论广义多核学习法,通过对比实验表明,广义多核学习方法下的自适应分配特征权重比手动分配特征权重更具智能性、高效性;在多层感知机中,选择生物地理学优化方法优化特征权重,以提取到的CMs、QSGLCM、IHOG降维组合特征作为多层感知机的输入,将生物地理学优化法优化特征权重与粒子群优化法优化特征权重做对比实验,实验结果表明,生物地理学优化多层感知机能获得较好的特征权重,能有效提高球形果蔬的分级准确率。本文通过横向、纵向对比实验,获得了最优的基于机器视觉的球形果蔬自动化分级方法,分级准确率达90%以上。