计算机视觉技术在水果分级中应用的研究进展

2020-02-25桑国珍

福建质量管理 2020年19期

桑国珍

(渭南师范学院计算机学院陕西渭南 714099)

一、前言

传统的水果分级是利用手工进行分级，依靠人的肉眼和经验进行判断，这种手工分级存在很多弊端，例如效率低下，速度慢，精度低而且人工成本高，直接影响了商品的成本等。势必无法满足市场的需求，影响了经济效益。在现今激烈的市场竞争环境下，这些水果采摘后的商品化处理，既能增强其市场竞争力，又能提高经济效益，而对水果进行分级是其中商品化处理中的重要环节。

二、计算机视觉技术在水果分级中的应用

计算机视觉试图建立能够从图像或者多维数据中获取“信息”的人工智能系统，需要多种相关的理论、技术和方法的支持，神经网络技术在农产品分级中的应用较为广泛、现概括如下：

(一)苹果分级

长期以来，我国的苹果分级主要采用人工进行分级，分级标准有很大的出入，标准很难把握，分级的效率低，无法适应规模化和产业化生产的要求。所以采用自动的分级方式被提出，李庆中等人早在文献中已提出基于遗传神经网络的苹果颜色实时分级方法，首先介绍了对苹果颜色进行自动分级的系统的硬件构成,然后确定了苹果颜色特征的提取方法,最后利用遗传算法实现了多层前向神经网络识别器的学习设计,从而实现了苹果颜色的实时分级，试验结果表明,颜色分级识别准确率到达90%以上,分级一个苹果所用的时间为150ms。另在李庆中在文献中在所报道的分级速度相对较快，通过多视觉、多光谱、光学成象以及机电技术的有机集成，提出了一种快速获取水果全视角图象的新方法，并完成了该系统的研制。目前有学者袁金丽等在文献中提出采用苹果颜色作为分级特征，利用神经网络建立分类器的分级方法采将计算机视觉技术引入到苹果进行自动分级研究中；龙满生提出采用苹果纹理作为分级特征，遗传神经神经网络进行自动分级。为了提高了苹果分级的精度，龙满生等人在文献中通过提取更多的特征，并设分类性能更优的分类器，利用机器视觉和人工神经网络两种技术,建立了苹果综合外观品质检测与分级系统,实现了对苹果正确分级,正确率可达到90.8%,与此同时还借助于遗传算法对神经网络进行设计,提高了其学习速度从而提高苹果分级的精度。

(二)芒果分级

目前，芒果分级主要是采用人的肉眼和经验进行判别，分级结果存在速度慢、精度低和人为损伤严重等不足，导致无法满足市场的需求，影响经济效益。随着计算机视觉技术的不断成熟，文献中报道，研究基于计算机视觉的芒果外观品质分级方法，可以解决芒果的商品化处理自动等级分类问题。文献中主要研究了在进行芒果分级过程中，用投影法进行图像处理窗口的确定、采用彩色图像矢量中值滤波法能够相对较好地去除图像采集过程噪声的干扰，同时，又克服了传统的将彩色图像经过处理再合成而产生原图像中不存在的颜色的缺点；通过使用改进的线性灰度变换进行图像增强以及用基于直方图的阈值法分割图像与背景。通过这一系列的图像低层处理方法能满足进一步芒果表面缺陷检测与分类的要求，从而高效地实现芒果分级。

在此研究基础上李国进等人，针对目前芒果的外观品质分级主要采取人工方法所存在的不足，提出了一种基于计算机视觉和极限学习机神经网络(ELM)模型的芒果分级方法。这种芒果分级方法首先是利用图像处理技术对拍摄到的芒果图像进行预处理；然后，根据芒果的外观特征提取芒果面积、等效椭圆长短轴之比、H分量均值和缺陷面积所占百分比4个特征参数，作为模型的输入向量，并以芒果的三个等级级别为模型输出向量。在模型的建立过程中，采用粒子群优化算法(PSO)对ELM随机给定的输入权值矩阵和隐层阈值进行寻优，最后以实验获得的数据对模型进行训练和测试。试验结果表明:使用粒子群算法优化后的极限学习机模型(PSOELM)与单纯的ELM、传统的BP和SVM相比，具有更高的分级精度，为水果的等级分级提供了一种新的方法。

(三)草莓分级

目前我国对草莓分级大部分采用人工分级，主要通过肉眼观测来判断等级。由于草莓大小不一，表面情况不同，单纯地靠肉眼判断分级效果不太好。而且在分级过程中容易将柔软脆弱的果实损伤，影响草莓的销售价格。近些年来，针对这些问题，国内外研究人员进行了相关研究曹其新等利用图像信息处理技术，研制出根据草莓的形状和尺寸进行分级的自动分选系统。日本学者Pepito M Bato等建立了检测草莓形状的三维形状测量实验台。Nagata M等研究了在OHTA色度空间下草莓收获机器人的水果分离与分级方法。

在现有研究的基础上，文献中，苟爽等人综合运用计算机视觉、神经网络等理论方法，建立了包括图像采集、图像分割、建立极坐标下草莓外形轮廓特征参数及颜色空间下成熟度特征参数的提取方法、模型识别各环节的草莓自动分级方法，并进行了实验验证。与人工分级结果相比，测试中准确度可达到90%。不过需要注意的是在实际操作过程中要保证图像采集时光照均匀、色温适中，使图像最大程度地反映草莓真实颜色，这样能提高判别结果的准确度。实验证明所提出方法的可行性和准确性。

(四)葡萄分级

我国鲜食葡萄产量居世界首位,然而由于采后处理、分选分级技术水平低,我国葡萄产品在国际市场上的竞争力较差,出口量很小。目前葡萄的分选分级主要由人工完成,效率低下且难以做到客观准确。葡萄是一种穗状水果,形状复杂,每穗果实包括相互堆积的多枚果粒,且果实柔软多汁，因此基于机器视觉进行葡萄分级具有一定的特殊性，目前国内鲜有报道在这方面的研究。文献中报道，陈英等人参考人工分级标准开发出一套葡萄实时检测和分级系统，此套系统包括驱动装置、输送机构、夹持机构、图像采集与处理系统和分级控制系统,将葡萄以悬挂方式连续输送，两个CD摄像机在外触发模式下实时采集葡萄的两面图像。采用计算机视觉技术，基于RGB色彩空间计算果面着色率,采用投影面积法和果轴方向投影曲线计算果穗大小和形状参数,进而实现葡萄外观品质分级。