基于計算機視覺的柑橘品質(zhì)分級技術(shù)研究.pdf

1、柑橘等水果的品質(zhì)分級是其采摘后到上市銷售前的一個重要環(huán)節(jié)。我國的水果分級大多采用人工方式，不能保證柑橘的分級處理的效果。因此，研究應(yīng)用計算機視覺技術(shù)實現(xiàn)對柑橘進行品質(zhì)的自動檢測和分級具有重要意義。
　　 本文以蘇州東山柑橘為研究對象，在對柑橘圖像預(yù)處理的基礎(chǔ)上，重點研究了應(yīng)用計算機視覺技術(shù)實現(xiàn)柑橘品質(zhì)分級的技術(shù)流程和具體實現(xiàn)方法，包括柑橘對象和特征值提取方法、分級算法等。本文的主要研究成果體現(xiàn)在：
　　 (1)針對柑橘圖

2、像的特點，在分析邊緣檢測的幾種微分算子的基礎(chǔ)上，設(shè)計了基于Canny算子的柑橘圖像分割方法。在此基礎(chǔ)上，結(jié)合人的視覺特點，設(shè)計了基于HIS模型的顏色特征描述方法以及基于傅立葉描述子的柑橘形狀特征描述方法。實驗表明，采用Canny算子具有信噪比大、檢測精度高和計算量小等優(yōu)點；HIS模型更符合人眼視覺，基于傅立葉描述子的柑橘形狀特征值便于形狀的分類識別。
　　 (2)針對分析傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法迭代次數(shù)多，計算復(fù)雜等問題，設(shè)計了優(yōu)化

3、的BP神經(jīng)網(wǎng)絡(luò)算法參數(shù)，將顏色和形狀特征值作為輸入，將柑橘分為優(yōu)等、一等、二等及等外四個等級。實驗結(jié)果表明分級正確率達到95％。
　　 (3)設(shè)計了一種基于Gabor小波紋理特征提取和PCA融合的SVM柑橘分級方法。該方法首先用Gabor小波變換生成基函數(shù)，并提取出方向和尺度因子對紋理特征進行描述；然后采用PCA方法對特征降維，形成優(yōu)化的紋理特征值；在此基礎(chǔ)上，通過SVM算法對柑橘進行了分類。實驗證明：將空域下基于BP神經(jīng)網(wǎng)絡(luò)算