基于计算机视觉的番茄损伤自动检测与分类研究

详细内容

摘 要:为了提高番茄损伤检测与分类的准确率和效率,综合运用计算机视觉技术、BP算法、人工神经网络技术,实现番茄损伤的自动检测与分类。首先,通过计算机视觉系统获取番茄图像,利用图像处理去除噪声、图像分割、图像增强等多种基本图像处理的方法对番茄损伤图像进行了处理,综合运用并行和串行区域分割技术进行番茄表面缺陷区域检测。其次,对番茄图像进行了特征分析,通过提取三种特征包括8个特征参数,采用改进的BP算法训练的多层前向人工神经网络对番茄的损伤进行分类。该文中缺陷检测方法和特征提取方法的采用,使该计算机视觉系统节省了时间,提高了精度。

试验证明番茄损伤检测和分类的准确率不低于90%。 关键词:计算机视觉; BP算法;番茄;损伤;分类; 果蔬产品品质检测与分级,是流通和加工过程中的一个重要环节,其检测与分级水平不仅直接关系到人民的健康,而且还是国际、国内农果蔬产品市场竞争的重要因素[1]。目前,国内外果蔬产品的产后处理主要是对果蔬产品的形状、尺寸、成熟度进行自动检测[2-4]。而缺陷检测靠人工进行检测,用人的肉眼判别,判别结果受人主观因素的影响很大,且存在着精度低,视觉易疲劳, 速度缓慢等致命问题,给果蔬产品的销售和出口带来很大的困难。

在1985年,R.R.Wolfe[5]等人就提出了采用黑白摄像头基于苹果图像灰度的缺陷检测方法,在 2002年,Laykin S[6]等人提出了番茄损伤分类的算法, 应义斌等人[7]提出了黄花梨果面缺陷检测方法,何东健等人[8]进行了果实缺陷面积的计算机视觉测定研究。果蔬产品的表面缺陷是影响其等级的重要因素之一,并且果蔬产品的表面缺陷检测是品质检测中的一大难题,所以说果蔬产品表面缺陷检测尤其重要,缺陷检测更有意义。 中华人民共和国番茄国家标准中,规定了番茄的缺陷种类[9]。番茄表面缺陷主要是碰压伤、裂伤、疤痕、日伤、雹伤、冻伤、腐烂、虫伤、皱缩、空腔等许多种。其中, 碰压伤和裂伤最为普遍,对西红柿的检测和分级影响比较大,所以本论文对这两种伤进行检测和分类。