第3期羅山等 基于機器視覺的石榴品質(zhì)自動分級方法1 1 7 D O I 1 0 1 3 7 3 3 j j c a m i s s n 2 0 9 5 5 5 5 3 2 0 2 3 0 3 0 1 7 基于機器視覺的石榴品質(zhì)自動分級方法 羅山1 侯俊濤2 鄭彬2 1 攀枝花學院電氣信息工程學院 四川攀枝花 6 1 7 0 0 0 2 攀枝花學院智能制造學院 四川攀枝花 6 1 7 0 0 0 摘要 采用人工檢測的石榴外觀品質(zhì)等級分級方法存在準確率和效率低的問題 提出一種基于機器視覺的石榴品質(zhì)分級 方法 首先 采用機器視覺系統(tǒng)采集石榴樣本圖像 進行去噪處理與獲取掩模圖像 其次 提取去噪圖像的紅 綠 藍分量 用藍色分量減去紅 綠色分量得到色差圖像 并對色差圖像進行閾值分割 然后 對分割圖像采用數(shù)學形態(tài)學處理獲得連 通的疑似缺陷區(qū)域的邊界 提取紋理特征并根據(jù)缺陷與非缺陷區(qū)域紋理特征的不同來標記缺陷區(qū)域 最后 將缺陷面積與 總面積之比和缺陷數(shù)目作為劃分等級的依據(jù) 對石榴品質(zhì)等級進行劃分 試驗結(jié)果表明 本方法總體分級準確率達到 9 2 9 能夠高效 準確地識別石榴表面缺陷并進行品質(zhì)分級 為實現(xiàn)自動分級的產(chǎn)業(yè)化提供思路 關(guān)鍵詞 機器視覺 石榴 品質(zhì)分級 表面缺陷 色差分量 中圖分類號 S 6 6 5 4 T P 3 9 1 4 1 文獻標識碼 A 文章編號 2 0 9 5 5 5 5 3 2 0 2 3 0 3 0 1 1 7 0 6 羅山 侯俊濤 鄭彬 基于機器視覺的石榴品質(zhì)自動分級方法 J 中國農(nóng)機化學報 2 0 2 3 4 4 3 1 1 7 1 2 2 L u o S h a n H o u J u n t a o Z h e n g B i n A u t o m a t i c g r a d i n g m e t h o d o f p o m e g r a n a t e q u a l i t y b a s e d o n m a c h i n e v i s i o n J J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n 2 0 2 3 4 4 3 1 1 7 1 2 2 收稿日期 2 0 2 2年1月3日 修回日期 2 0 2 2年5月2 4日 基金項目 攀枝花市指導性科技計劃項目 2 0 1 9 Z D N 2 第一作者 羅山 男 1 9 7 9年生 四川樂至人 碩士 講師 研究方向為圖像處理與機器視覺 E m a i l 4 0 7 2 3 7 8 6 1 q q c o m Automaticgradingmethodofpomegranatequalitybasedonmachinevision LuoShan1 HouJuntao2 ZhengBin2 1 SchoolofElectricalandInformationEngineering PanzhihuaUniversity Panzhihua 6 1 7 0 0 0 China 2 SchoolofIntelligentManufacturing PanzhihuaUniversity Panzhihua 6 1 7 0 0 0 China Abstract T h e m e t h o d o f g r a d i n g p o m e g r a n a t e a p p e a r a n c e q u a l i t y b y m a n u a l i n s p e c t i o n h a s l o w a c c u r a c y a n d e f f i c i e n c y A p o m e g r a n a t e q u a l i t y c l a s s i f i c a t i o n m e t h o d b a s e d o n m a c h i n e v i s i o n i s p r o p o s e d F i r s t l y t h e p o m e g r a n a t e s a m p l e i m a g e i s c o l l e c t e d b y m a c h i n e v i s i o n s y s t e m d e n o i s e d a n d t h e m a s k i m a g e i s o b t a i n e d S e c o n d l y t h e r e d g r e e n a n d b l u e c o m p o n e n t s o f t h e d e n o i s e d i m a g e a r e e x t r a c t e d t h e r e d a n d g r e e n c o m p o n e n t s a r e s u b t r a c t e d f r o m t h e b l u e c o m p o n e n t t o o b t a i n t h e c o l o r d i f f e r e n c e i m a g e a n d t h e c o l o r d i f f e r e n c e i m a g e i s s e g m e n t e d b y t h r e s h o l d T h e n t h e b o u n d a r y o f t h e c o n n e c t e d s u s p e c t e d d e f e c t r e g i o n i s o b t a i n e d b y m a t h e m a t i c a l m o r p h o l o g y p r o c e s s i n g t h e t e x t u r e f e a t u r e s a r e e x t r a c t e d a n d t h e d e f e c t r e g i o n i s m a r k e d a c c o r d i n g t o t h e d i f f e r e n t t e x t u r e f e a t u r e s o f t h e d e f e c t a n d n o n d e f e c t r e g i o n F i n a l l y t h e r a t i o o f d e f e c t a r e a t o t o t a l a r e a a n d t h e n u m b e r o f d e f e c t s a r e u s e d a s t h e b a s i s f o r g r a d i n g a n d t h e q u a l i t y g r a d e o f p o m e g r a n a t e i s d i v i d e d T h e e x p e r i m e n t a l r e s u l t s s h o w t h a t t h e o v e r a l l c l a s s i f i c a t i o n a c c u r a c y o f t h i s m e t h o d i s 9 2 9 w h i c h c a n e f f e c t i v e l y a n d a c c u r a t e l y i d e n t i f y t h e s u r f a c e d e f e c t s o f p o m e g r a n a t e a n d c l a s s i f y t h e q u a l i t y a n d w h i c h p r o v i d e s a n i d e a f o r t h e i n d u s t r i a l i z a t i o n o f a u t o m a t i c c l a s s i f i c a t i o n Keywords m a c h i n e v i s i o n p o m e g r a n a t e q u a l i t y g r a d i n g s u r f a c e d e f e c t c o l o r d i f f e r e n c e c o m p o n e n t 0 引言 石榴在生長 采摘 運輸和貯藏的過程中 會受到 外部環(huán)境和自身因素等多方面的影響 導致石榴表面 出現(xiàn)疤痕 孔洞 裂痕等多種類型的缺陷 嚴重影響石 榴的品質(zhì) 造成巨大的經(jīng)濟損失 1 目前大多采用人 工檢測的方式對石榴品質(zhì)進行分級 而人工檢測存在 高成本 低效率的缺點 不利于提高石榴產(chǎn)業(yè)的經(jīng)濟 第4 4卷 第3期 2 0 2 3年3月 中國農(nóng)機化學報 J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n V o l 4 4 N o 3 M a r 2 0 2 3 1 1 8 中國農(nóng)機化學報2 0 2 3年 效益 近年來 基于機器視覺的表面缺陷檢測及品質(zhì)分 級技術(shù)在工農(nóng)業(yè)方面的應用愈加廣泛 提出了諸多方 法 項輝宇等 2 提出一種基于H a l c o n的蘋果品質(zhì)視 覺檢測算法 張慶怡等 3 提出一種蘋果在線分級系 統(tǒng) 能夠精準地對蘋果進行等級分類 但由于算法流程 復雜 無法達到快速分級的目的 劉忠超等 4 利用 P L C控制器和機器視覺技術(shù)開發(fā)了基于面積的分級 系統(tǒng) 并對獼猴桃大小進行自動分級 李澤平等 5 設 計了一種基于支持向量機的無核白葡萄串分級系統(tǒng) 孫進等 6 利用機器視覺和C A N總線技術(shù)設計了分類 器對玉米種粒在線分級 何進榮等 7 利用多卷積神經(jīng) 網(wǎng)絡融合D X N e t模型對蘋果外觀品質(zhì)進行有效分級 該方法提高了分級準確率 K u m a等 8 運用圖像處理 和機器學習技術(shù)實現(xiàn)水果和蔬菜質(zhì)量的自動高效 分級 目前 機器視覺分級技術(shù)應用在水果方面較多 但 對石榴品質(zhì)分級的研究很缺乏 因此 本文考慮石榴 質(zhì)量等級標準和外觀特征 基于機器視覺技術(shù)和圖像 處理與分析算法開發(fā)出一種基于機器視覺的石榴品質(zhì) 分級系統(tǒng) 并通過試驗驗證方法的可行性 1 試驗設備和材料 為保證試驗的嚴謹性和隨機性 試驗石榴樣本采 用突尼斯軟籽石榴 產(chǎn)地為攀枝花 于2 0 2 1年1 0月1 3 日在攀枝花市九附六市場隨機采購 兼?zhèn)涓鞣N品質(zhì)等 級的石榴樣本 系統(tǒng)設備主要包括工業(yè)相機 鏡頭 L E D光源以及光源控制器 圖像采集卡 計算機 其 中 圖像采集設備參數(shù)如表1所示 采集裝置如圖1 所示 表1 采集裝置參數(shù) T a b 1 A c q u i s i t i o n d e v i c e p a r a m e t e r s 參數(shù)數(shù)值 型號 相機型號M E R 5 0 0 1 4 G C 數(shù)據(jù)接口G i v E V i s i o n 分辨率 p i x e l p i x e l 2 5 9 2 1 9 4 4 幀率 f p s 1 4 像元尺寸 m m 2 2 2 2 傳感器1 2 5 C O M S 黑白 彩色彩色 A D 1 2 b i t 光學接口C 從石榴的花萼 果梗以及兩個側(cè)面 9 共四個方向 采集圖像 通過圖像采集卡將樣本圖像傳輸?shù)接嬎銠C 中 采用H a l c o n軟件進行處理與分析 輸出品質(zhì)分級 結(jié)果 試驗流程如圖2所示 圖1 圖像采集裝置 F i g 1 I m a g e a c q u i s i t i o n d e v i c e 圖2 試驗流程 F i g 2 T e s t p r o c e d u r e 2 樣本圖像處理與分析 2 1 圖像去噪與掩模圖像獲取 采集到的樣本圖像攜帶有較多的噪聲 為提高圖 像質(zhì)量 改善分級效果 需要對圖像進行去噪處理 常 用的濾波方法有均值濾波 高斯濾波 中值濾波 1 0 等 考慮到石榴表皮具有類似于椒鹽噪聲和脈沖噪聲的斑 點 而中值濾波對椒鹽噪聲和脈沖噪聲有良好的去除 能力 因此采用中值濾波對石榴圖像進行去噪 中值 濾波運算如式 1 所示 Med x1 x2 xn xn 12 n為奇數(shù) xn2 1 xn2 2n為偶數(shù) 1 式中 n 濾波模板內(nèi)像素個數(shù) xi 模板內(nèi)第i個像素灰度值 i 1 2 n 由于背景與石榴色差和背景亮度差異明顯 因此 可以將經(jīng)過中值濾波后的圖像直接進行彩色二值化處 理 從而得到石榴樣本的掩膜圖像 掩膜圖像所占像素 點數(shù)即為該方向上的石榴總面積數(shù) 用于后續(xù)的缺陷 面積計算 掩膜圖像獲取結(jié)果如圖3所示 a 樣本圖像 b 掩膜圖像 圖3 掩膜圖像獲取結(jié)果 F i g 3 M a s k i m a g e a c q u i s i t i o n r e s u l t s 第3期羅山等 基于機器視覺的石榴品質(zhì)自動分級方法1 1 9 2 2 色差分量獲取與圖像分割 通過采集裝置得到的樣本圖像為R G B圖像 含有 較豐富的色彩信息 在經(jīng)過去噪處理后 受石榴成熟度 影響 石榴果皮存在大量的紅色分量 R 和綠色分量 G 信息 1 1 這些信息會對后續(xù)的缺陷識別造成不利 的影響 導致品質(zhì)等級分級不準確 為去除R G分量 的影響 本文提取出去噪圖像中的R G B分量 將三 個分量經(jīng)過多次數(shù)學運算試驗 最終用藍色分量 B 減去R G分量得到色差圖像 如式 2 所示 K B R G 2 中值濾波去噪圖像和色差圖像效果如圖4所示 可以看出 去除干擾顏色影響后的圖像中缺陷區(qū)域灰 度均勻 與非缺陷區(qū)域灰度差異明顯 有利于提高后續(xù) 的缺陷分割和品質(zhì)分級的準確性 a 去噪圖像 b R分量圖像 c G分量圖像 d B分量圖像 e 色差圖像 圖4 顏色分量提取 F i g 4 C o l o r c o m p o n e n t e x t r a c t i o n 為獲得缺陷特征信息 需要將目標區(qū)域從圖像中 分割出來 考慮色差圖像中缺陷區(qū)域與非缺陷區(qū)域的 灰度對比差異明顯 因此采用常用的O t s u閾值分割算 法 1 2 1 3 對圖像進行分割 其基本原理是利用閾值將圖 像分為前景和背景兩個區(qū)域 設兩個區(qū)域的像素個數(shù) 比例分別為W0和W1 平均灰度值分別為Q0和Q1 前 景與背景的類間方差為G 表達式如式 3 所示 G W0W1 Q0Q1 2 3 采用遍歷的方法使G值取得最大值 將此時對應 的閾值T作為圖像分割的最佳閾值 再對圖像進行二 值化處理 其像素值與閾值的函數(shù)關(guān)系如式 4 所示 f x y 2 5 5f x y T 0f x y T 4 分割出的結(jié)果視為疑似缺陷區(qū)域 包括缺陷區(qū)域 和非缺陷區(qū)域 為獲得更佳的視覺效果 用紅色填充疑 似缺陷區(qū)域 代替經(jīng)典的黑白二值化圖像中的白色目 標區(qū)域 分割效果如圖5所示 a 樣本圖像 b 分割結(jié)果 圖5 閾值分割 F i g 5 T h r e s h o l d s e g m e n t a t i o n 2 3 數(shù)學形態(tài)學處理 從圖5可以看出 分割結(jié)果中存在疑似缺陷區(qū)域 不連通的問題 不利于缺陷的特征提取和識別 因此對 分割后的圖像采用形態(tài)學處理以連通疑似缺陷區(qū)域 閉運算具有填充小孔洞的能力 并且運算簡單 因此采 用閉運算對分割圖像進行處理 閉運算是對圖像先進 行膨脹操作 再進行腐蝕操作 運算過程可用式 5 表示 X S X S S 5 式中 X 圖像 S 結(jié)構(gòu)元素 閉運算結(jié)果如圖6所示 用紅色標記缺陷區(qū)域邊 界 綠色標記非缺陷區(qū)域邊界 可見 疑似缺陷區(qū)域邊 界更加平滑 有利于后續(xù)的缺陷參數(shù)計算 圖6 形態(tài)學處理結(jié)果 F i g 6 M o r p h o l o g i c a l p r o c e s s i n g r e s u l t s 2 4 外接矩形處理與缺陷參數(shù)計算 以疑似缺陷區(qū)域為中心 在原圖中用紅色與綠色 分別標記出缺陷區(qū)域與非缺陷區(qū)域的最小外接矩形 用于后續(xù)的缺陷區(qū)域參數(shù)計算和品質(zhì)自動分級 標記 區(qū)域如圖7所示 圖7 疑似缺陷區(qū)域標記 F i g 7 S u s p e c t e d d e f e c t a r e a m a r k i n g 果梗和花萼是石榴的生理特征 容易造成缺陷識 別錯誤 品質(zhì)等級錯誤劃分等問題 此外光照不均勻等 因素也會對分級結(jié)果造成不利影響 因此需要排除這 些因素的干擾 由于果梗和花萼區(qū)域以及灰度不均勻 1 2 0 中國農(nóng)機化學報2 0 2 3年 區(qū)域具有與缺陷不同的紋理特征 1 4 因此 采用灰度 共生矩陣來提取紋理特征以消除非缺陷區(qū)域的干擾 灰度共生矩陣描述的紋理特征包括圖像的能量 相關(guān) 性 逆差距 局部均勻性 對比度等 本文利用灰度共 生矩陣計算能量 ASM 相關(guān)性 COR 逆差距 IDM 和對比度 CON 四個特征參數(shù) 從而將缺陷與 非缺陷區(qū)域進行篩選區(qū)分 計算公式 1 5 如式 6 式 1 2 所示 ASM g1 g2 p g1 g2 2 6 COR g1 g2 g1g2p g1 g2 x y x y 7 IDM g1 g2 p g1 g2 1 g1 g2 2 8 CON k k2 g1 g2 p g1 g2 9 x g1 g1 g2 p g1 g2 y g2 g2 g1 p g1 g2 1 0 x 2 g1 g1 x 2 g1 g2 p g1 g2 y 2 g2 g2 y 2 g1 g2 p g1 g2 1 1 k g1 g2 1 2 式中 g1 g2 圖中任意一點 x y 及偏離它的另 一點 x a y b 組成的點對的灰 度值 p g1 g2 g1 g2 值的概率 特征值計算結(jié)果如圖8所示 可以看出缺陷區(qū)域 與非缺陷區(qū)域紋理特征值的差異 a 缺陷區(qū)域特征值 b 非缺陷區(qū)域特征值 圖8 紋理特征值 F i g 8 T e x t u r e f e a t u r e v a l u e 根據(jù)疑似缺陷區(qū)域特征值的不同設置多項閾值進 行篩選 最終去除非缺陷區(qū)域的標記 得到標記的缺陷 區(qū)域 圖9為處理前后的對比 由于部分石榴果梗和花萼區(qū)域與缺陷區(qū)域區(qū)分度 較低 因此存在部分樣本無法徹底去除果梗和花萼帶 來的干擾 導致標記缺陷的準確率降低 再采用人工標 記作為準確標記數(shù) 計算本文方法標記結(jié)果的準確率 對1 4 0個石榴樣本圖像標記缺陷的準確率如表2所 示 由于石榴側(cè)面區(qū)域無法一次采集完整 共采集兩 次以獲得完整的側(cè)面 a 去除非缺陷區(qū)域前 b 去除非缺陷區(qū)域后 圖9 去除非缺陷區(qū)域前后對比 F i g 9 C o m p a r i s o n b e f o r e a n d a f t e r r e m o v i n g n o n d e f e c t i v e a r e a s 表2 石榴表面缺陷區(qū)域標記結(jié)果 T a b 2 M a r k i n g r e s u l t s o f p o m e g r a n a t e s u r f a c e d e f e c t a r e a 樣本類別樣本圖像數(shù) 個本文方法標記圖像數(shù) 個準確率 側(cè)面方向區(qū)域圖像2 8 0 2 6 8 9 5 7 果梗方向區(qū)域圖像1 4 0 1 2 6 9 0 0 花萼方向區(qū)域圖像1 4 0 1 2 1 8 7 1 總計5 6 0 5 1 5 9 1 9 圖1 0給出一部分其他樣本的缺陷標記結(jié)果 a 樣本圖像 b 缺陷區(qū)域標記 圖10 缺陷標記結(jié)果 F i g 1 0 D e f e c t m a r k i n g r e s u l t s 第3期羅山等 基于機器視覺的石榴品質(zhì)自動分級方法1 2 1 3 品質(zhì)分級結(jié)果與分析 本文以林業(yè)行業(yè)標準 1 6 發(fā)布的石榴質(zhì)量等級標 準作為參考和依據(jù)進行品質(zhì)等級劃分 采用缺陷數(shù)目 缺陷區(qū)域像素數(shù)與總像素數(shù)之比作為品質(zhì)分級的依 據(jù) 利用前述的缺陷標記結(jié)果 設兩個側(cè)面區(qū)域像素 個數(shù)為S1 果梗區(qū)域像素個數(shù)為S2 花萼區(qū)域像素個 數(shù)為S3 側(cè)面缺陷區(qū)域像素個數(shù)為Q1 果梗缺陷區(qū)域 像素個數(shù)為Q2 花萼缺陷區(qū)域像素個數(shù)為Q3 缺陷面 積與總面積之比為R 由此得到計算缺陷區(qū)域占石榴 表皮總面積的比例的公式 1 3 側(cè)面 果梗 花萼區(qū)域 像素個數(shù)均由前述的二值化掩膜處理得到 缺陷面積指 經(jīng)過缺陷區(qū)域篩選后的矩形所包含的經(jīng)過數(shù)學形態(tài)學 處理的缺陷區(qū)域像素點數(shù)目 如圖6中的紅色封閉區(qū)域 包含的像素點個數(shù) 并非指矩形區(qū)域的像素點個數(shù) R Q1 Q2 Q3S 1 S2 S3 1 0 0 1 3 由于行業(yè)標準中并無機器視覺的石榴品質(zhì)劃分標 準 因此本文將試驗結(jié)果與行業(yè)標準經(jīng)過多次實驗對 比 得到機器視覺的石榴品質(zhì)分級標準 如表3所示 表3 石榴品質(zhì)等級劃分標準 T a b 3 G r a d i n g s t a n d a r d o f p o m e g r a n a t e q u a l i t y 等級缺陷面積S c m 2缺陷數(shù)目 個缺陷面積所占比例R 特級果0 0 0 一級果0 S 2 3 2 0 2 3 2R 3 2 5 在系統(tǒng)進行分級時 必須同時依據(jù)缺陷面積占比 和缺陷數(shù)目兩個指標進行劃分 當樣本滿足其中一個 條件 不滿足另一個條件時 降低一個等級 等級劃分 流程如圖1 1所示 對1 4 0個石榴樣本進行分級后 采用人工分級作 為準確標準 通過本文方法分級結(jié)果求得分級準確率 如表4所示 特級 一級 二級等級劃分準確率分別為 9 4 4 9 4 2 8 8 2 總體分級準確率為9 2 9 特級果的等級劃分精確性最好 一級果其次 二級果劃 分效果最差 部分特級果 一級果因為花萼 果梗區(qū)域 被誤認為缺陷 導致在等級劃分時被降低一個品質(zhì)等 級 造成特級果 一級果準確率下降 部分二級果 如 日灼果果面無較大缺陷 導致系統(tǒng)將其劃分為特級 與 人工劃分存在一定差異 試驗石榴樣本均為隨機選 取 品質(zhì)等級自動劃分與人工劃分結(jié)果基本一致 證實 了該自動分級方法的可行性 但由于試驗的石榴存在 較多病斑和花紋且新鮮度低 造成偽缺陷增加 導致分 級誤判 分級準確率下降 圖11 品質(zhì)分級流程圖 F i g 1 1 Q u a l i t y g r a d i n g f l o w c h a r t 表4 石榴品質(zhì)等級劃分結(jié)果 T a b 4 P o m e g r a n a t e q u a l i t y g r a d i n g r e s u l t s 等級人工分級數(shù) 個本文方法準確分級數(shù) 個準確率 特級3 6 3 4 9 4 4 一級7 0 6 6 9 4 2 二級3 4 3 0 8 8 2 總計1 4 0 1 3 0 9 2 9 為進一步驗證本文方法的可行性 將文獻 1 7 1 9 的 方法與本文方法性能進行對比 采用相同的石榴樣本 進行試驗 評估指標包括分級準確率與算法執(zhí)行時間 如表5所示 表5 不同方法性能對比 T a b 5 P e r f o r m a n c e c o m p a r i s o n o f d i f f e r e n t m e t h o d s 分級方法準確率 算法時間 s 百幅 1 文獻 1 7 9 0 7 7 0 6 文獻 1 8 8 6 4 5 2 1 文獻 1 9 8 3 5 4 2 9 本文方法9 2 9 4 5 1 由表5可知 本文方法相較于文獻 1 7 1 9 的方法 具有更高的準確率 達到優(yōu)秀標準 算法速度也有大幅 度提高 時間上最高節(jié)省了2 5 5 s 百幅 雖然在速度 上略低于文獻 1 9 的方法 但在準確率上提高了9 4個 百分點 更符合現(xiàn)代農(nóng)業(yè)高效率 高準確率的要求 4 結(jié)論 1 針對石榴表面顏色豐富的特性 根據(jù)石榴外表 皮缺陷數(shù)目和面積采用機器視覺與圖像處理技術(shù)對石 榴品質(zhì)進行自動分級 對石榴樣本圖像進行預處理 獲取色差圖像 采用最大類間方差法對色差圖像進行 1 2 2 中國農(nóng)機化學報2 0 2 3年 閾值分割 采用數(shù)學形態(tài)學處理獲得連通的疑似缺陷 區(qū)域的邊界 計算缺陷紋理特征參數(shù) 根據(jù)缺陷與非缺 陷區(qū)域特征參數(shù)的不同來標記缺陷區(qū)域 將缺陷面積 與總面積之比和缺陷數(shù)目作為劃分等級的依據(jù) 并依 據(jù)行業(yè)標準確定石榴品質(zhì)等級劃分標準 將等級分為 特級 一級和二級三個層次 2 提出石榴品質(zhì)等級劃分標準 同時依據(jù)缺陷面 積占比和缺陷數(shù)目兩個指標進行等級劃分 通過對大 量樣本進行分級試驗 分別計算出各層次的分級準確 率 總體分級準確率達到9 2 以上 平均一百幅樣本 圖像識別時間約為4 5 1 s 性能得到提高 對隨機選 取的石榴樣本進行人工分級與自動分級試驗 品質(zhì)分 級結(jié)果基本一致 證實了本自動分級方法的可行性 3 通過采用不同方法進行對比試驗 分別計算出 分級準確率與運行時間進行對比分析 本文方法的分 級準確率最高 達到9 2 9 算法運行速度也有大幅 度提高 時間上最高節(jié)省了2 5 5 s 百幅 能滿足現(xiàn)代 農(nóng)業(yè)高效率 高準確率的需求 本文方法為機器視覺 在農(nóng)產(chǎn)品質(zhì)量檢測的實際應用方面提供了新的方法 但對于病斑較多且新鮮度低的石榴自動分級準確率的 提高是需要進一步研究的課題 參 考 文 獻 1 楊雪梅 馮立娟 唐海霞 等 不同包裝方式對冷藏后期 魯青1號 石榴貨架期品質(zhì)的影響 J 山東農(nóng)業(yè)科學 2 0 2 1 1 0 1 2 8 1 3 5 2 項輝宇 薛真 冷崇杰 等 基于H a l c o n的蘋果品質(zhì)視覺 檢測試驗研究 J 食品與機械 2 0 1 6 3 2 1 0 1 2 3 1 2 6 3 張慶怡 顧寶興 姬長英 等 蘋果在線分級系統(tǒng)設計與試 驗 J 華南農(nóng)業(yè)大學學報 2 0 1 7 3 8 4 1 1 7 1 2 4 Z h a n g Q i n g y i G u B a o x i n g J i C h a n g y i n e t a l D e s i g n a n d e x p e r i m e n t o f a n o n l i n e g r a d i n g s y s t e m f o r a p p l e J J o u r n a l o f S o u t h C h i n a A g r i c u l t u r a l U n i v e r s i t y 2 0 1 7 3 8 4 1 1 7 1 2 4 4 劉忠超 蓋曉華 基于機器視覺和P L C的獼猴桃分級控制 系統(tǒng)設計 J 中國農(nóng)機化學報 2 0 2 0 4 1 1 1 3 1 1 3 5 L i u Z h o n g c h a o G a i X i a o h u a D e s i g n o f k i w i f r u i t g r a d i n g c o n t r o l s y s t e m b a s e d o n m a c h i n e v i s i o n a n d P L C J J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n 2 0 2 0 4 1 1 1 3 1 1 3 5 5 李澤平 郭俊先 郭陽 等 基于支持向量機的無核白葡萄 串分級系統(tǒng)設計與測試 J 食品與機械 2 0 2 1 3 7 1 0 1 0 6 1 1 1 2 4 6 6 孫進 張洋 王寧 等 融合機器視覺和C A N總線的玉米 種粒分類器設計與試驗 J 中國農(nóng)機化學報 2 0 2 0 4 1 8 8 1 8 9 1 2 0 S u n J i n Z h a n g Y a n g W a n g N i n g e t a l D e s i g n a n d e x p e r i m e n t o f c o r n s e e d s c l a s s i f i e r b a s e d o n m a c h i n e v i s i o n a n d C A N b u s J J o u r n a l o f C h i n e s e A g r i c u l t u r a l M e c h a n i z a t i o n 2 0 2 0 4 1 8 8 1 8 9 1 2 0 7 何進榮 石延新 劉斌 基于D X N e t模型的富士蘋果外部 品質(zhì)分級方法研究 J 農(nóng)業(yè)機械學報 2 0 2 1 5 2 7 3 7 9 3 8 5 H e J i n r o n g S h i Y a n x i n L i u B i n E x t e r n a l q u a l i t y g r a d i n g m e t h o d o f f u j i a p p l e b a s e d o n d e e p l e a r n i n g J T r a n s a c t i o n s o f t h e C h i n e s e S o c i e t y f o r A g r i c u l t u r a l M a c h i n e r y 2 0 2 1 5 2 7 3 7 9 3 8 5 8 K u m a M K P P a r k a v i A Q u a l i t y g r a d i n g o f t h e f r u i t s a n d v e g e t a b l e s u s i n g i m a g e p r o c e s s i n g t e c h n i q u e s a n d m a c h i n e l e a r n i n g A r e v i e w J A d v a n c e s i n C o m m u n i c a t i o n S y s t e m s a n d N e t w o r k s 2 0 2 0 4 7 7 4 8 6 9 張琛 房勝 王風云 等 基于機器學習的免套袋蘋果缺陷 分級 J 河南農(nóng)業(yè)科學 2 0 1 9 4 8 4 1 5 4 1 6 0 1 0 M o m i n M A R a h m a n M T S u l t a n a M S e t a l G e o m e t r y b a s e d m a s s g r a d i n g o f m a n g o f r u i t s u s i n g i m a g e p r o c e s s i n g J I n f o r m a t i o n P r o c e s s i n g i n A g r i c u l t u r e 2 0 1 7 4 2 1 1 1 1 M e n d o z a F D e j m e k P A g u i l e r a J M C a l i b r a t e d c o l o r m e a s u r e m e n t s o f a g r i c u l t u r a l f o o d s u s i n g i m a g e a n a l y s i s J P o s t h a r v e s t B i o l o g y T e c h n o l o g y 2 0 0 6 4 1 3 2 8 5 2 9 5 1 2 牛晗 伍希志 基于大津算法連通域的松果多目標識別定 位 J 江蘇農(nóng)業(yè)科學 2 0 2 1 4 9 1 5 1 9 3 1 9 8 1 3 李德新 基于O t s u閾值的M S I不連續(xù)破損邊緣提取 J 計算機仿真 2 0 2 0 3 7 9 3 5 8 3 6 2 L i D e x i n E d g e e x t r a c t i o n o f d i s c o n t i n u o u s d a m a g e i n m u l t i s c e n e i m a g e b a s e d o n O t s u t h r e s h o l d J C o m p u t e r S i m u l a t i o n 2 0 2 0 3 7 9 3 5 8 3 6 2 1 4 D u C J S u n D W R e c e n t d e v e l o p m e n t s i n t h e a p p l i c a t i o n s o f i m a g e p r o c e s s i n g t e c h n i q u e s f o r f o o d q u a l i t y e v a l u a t i o n J T r e n d s i n f o o d s c i e n c e t e c h n o l o g y 2 0 0 4 1 5 5 2 3 0 2 4 9 1 5 陳天華 數(shù)字圖像處理及應用 M 北京 清華大學出版 社 2 0 1 9 1 6 L Y T 2 1 3 5 2 0 1 8 石榴質(zhì)量等級 S 1 7 辛華健 計算機視覺在芒果品質(zhì)檢測中的應用研究 J 農(nóng)機化研究 2 0 1 9 4 1 9 1 9 0 1 9 3 1 8 石瑞瑤 田有文 賴興濤 等 基于機器視覺的蘋果品質(zhì)在 線分級檢測 J 中國農(nóng)業(yè)科技導報 2 0 1 8 2 0 3 8 0 8 6 S h i R u i y a o T i a n Y o u w e n L a i X i n g t a o e t a l D e v e l o p m e n t o f a p p l e i n t e l l i g e n t o n l i n e i n s p e c t i o n a n d c l a s s i f i c a t i o n s y s t e m b a s e d o n m a c h i n e v i s i o n J J o u r n a l o f A g r i c u l t u r a l S c i e n c e a n d T e c h n o l o g y 2 0 1 8 2 0 3 8 0 8 6 1 9 高輝 馬國峰 劉偉杰 基于機器視覺的蘋果缺陷快速檢 測方法研究 J 食品與機械 2 0 2 0 3 6 1 0 1 2 5 1 2 9 1 4 8 G a o H u i M a G u o f e n g L i u W e i j i e R e s e a r c h o n a r a p i d d e t e c t i o n o f a p p l e d e f e c t s b a s e d o n m e c h a n i c a l v i s i o n J F o o d a n d M a c h i n e r y 2 0 2 0 3 6 1 0 1 2 5 1 2 9 1 4 8