我国是一个人口大国,但是人均耕地面积却远远低于世界平均水平,农业产值很低,提高农业产品产后处理水平是增加农业产值的主要方法之一。对果品进行自动检测和分级可以大大提高农业产值。我国的果品分级一般是手工进行的,费时、生产效率不高,主观性强,不能保证果品的品质。因此迫切需要开发一套先进的自动分级系统。本文就是在这样的背景下,以番茄为研究对象,利用计算机视觉技术进行了番茄的品质识别与分类技术的研究。针对番茄的外部品质,主要涉及表面缺陷、颜色、形状和大小等四个特征,主要研究工作如下: (1)建立了图像采集的硬件系统。图像采集的硬件系统包括PC机,NI公司PCI/PXI-1411图像采集卡及自制照明箱。照明箱内壁喷有哑光白漆,内装有Panasonic WV-CP240/G彩色摄像头,40W环形荧光灯和升级载物台。通过大量实验研究,选择环形荧光灯作为光源,选择白色作为背景,有效克服了番茄的镜面反射,可以得到有利于后续处理的图像;并发现在G分量上,两峰间距离最大,所以选择G分量确定阈值。建立了一套适合番茄等果品识别与分类的计算机视觉硬件系统。 (2)研究了图像处理窗口确定、图像二值化、图像噪声去除、图像分割、图像增强、图像边缘提取等多种图像低层处理算法。为提高处理速度,首先确定了处理窗口,继而对图像二值化、图像噪声去除、图像分割、图像增强、图像边缘提取等算法进行了研究,得到了适合番茄快速分级的低层算法。 (3)建立了用遗传算法训练的多层前馈神经网络,对番茄进行成熟度和果形判别,并与用BP训练神经网络进行了比较,得出:遗传算法无论是训练次数,还是准确度都优于BP算法。提出利用圆度、果径变化和比值特征等三个参数来描述番茄的形状。采用最大横径处面积估算番茄重量的方法,测试精度达99%。利用颜色模型HIS进行颜色分级来判别成熟度。 (4)软件部分采用虚拟仪器开发平台Labview及NI公司图像处理软件包IMAQ Vision进行开发。软件采用模块化设计,包括文件模块、图像采集模块、图像低层处理模块、特征提取模块、网络训练模块和分级模块。软件界面友好,操作简单,易于维护。试验证明:该系统测试速度快,准确率高。