一種基于歸一化色度直方圖的水果按表面顏色分級方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種水果分級方法,尤其是涉及了一種基于歸一化色度直方圖的水果 按表面顏色分級方法。
【背景技術(shù)】
[0002] 水果的表面顏色往往影響人們的購買行為,如作為禮品的水果就要求表面顏色鮮 艷、同一包裝內(nèi)的水果表面顏色一致。對水果顏色進行檢測和分級,是提高水果商品價值的 有效手段。
[0003] 水果表面顏色有時還與其內(nèi)部品質(zhì)相關(guān)。研宄表明,紅葡萄含有豐富的鉀、水楊 酸、鐵、花色甙的蹂質(zhì),其中水楊酸可降低膽固醇,花色甙有助于供血,勒質(zhì)酸稀釋血液,所 以紅葡萄可以預(yù)防心肌梗塞和中風(fēng)。而綠葡萄僅含有鉀、鐵及維生素 C、B。因此,紅葡萄營 養(yǎng)價值高;每100g紅辣椒含有200mg維生素 C,是綠辣椒的2倍,紅辣椒還富含胡蘿卜素、 維生素 B、維牛素 E和葉酸,能增強免疫力。因此,紅辣椒比綠辣椒價值高。
[0004] 水果表面的顏色是其重要的外觀品質(zhì)指標(biāo)之一,與內(nèi)部品質(zhì)有著密切的關(guān)系。若 靠人的感官進行評定,缺乏客觀性和準(zhǔn)確性。
[0005] 在水果的表面顏色檢測方面,已完成的工作主要有:
[0006] Tao 等人(Tao Y, Heinemann P H, et al. Machine vision for color inspection of potatoes and apples. Trans of the ASAE. 1995. 38(5) :1555-1561)研制成功了用于蘋 果顏色檢測的機器視覺系統(tǒng),它可以區(qū)別黃色與綠色的"金帥蘋果"。
[0007] Abdullah 等人(Abdullah M Z,Mohamad-Saleh J,F(xiàn)athinul-Syahir A S, et al. Discrimination and classification of fresh-cut starfruits(Averrhoa carambola L. ) using automated machine vision system. Journal of Food Engineering, 2006, 76(4) :506-523)研制了用于金帥 starfruits ( -種海星狀水果)表面 顏色和果形檢測的機器視覺系統(tǒng)軟件,該軟件利用HIS顏色空間,采用線性判別函數(shù)和多 層神經(jīng)網(wǎng)絡(luò)進行檢測水果的成熟、未成熟及過成熟狀態(tài),對200個樣本的檢測表明,線性判 別函數(shù)和多層神經(jīng)網(wǎng)絡(luò)的檢測準(zhǔn)確率分別為65. 3%和90. 5%。
[0008] Mendoza 等人(Mendoza F,De jmek P,AguiIera J M. Calibrated color measurements of agricultural foods using image analysis. Postharvest Biology and Technology, 2006, 41 (3) :285-295)分別研宄了 sRGB,HSV 和 L*a*b* 顏色模型在水果品質(zhì) 檢測計算機視覺的應(yīng)用,結(jié)果表明,sRGB效率較高,但易受背景、水果表面曲率及散射影響, L*a*b*更適于在計算機視覺系統(tǒng)中用于水果表面顏色的檢測。
[0009] 楊秀坤等人(楊秀坤,陳曉光.用遺傳神經(jīng)網(wǎng)絡(luò)方法進行蘋果顏色自動檢測的研 宄.農(nóng)業(yè)工程學(xué)報,1997,13 (2) :173-176)通過計算機視覺技術(shù)獲取蘋果的色度直方圖并 提取其表面顏色特征,采用先進的遺傳算法建立了一個多層前饋神經(jīng)網(wǎng)絡(luò)系統(tǒng)。
[0010] 李慶中(李慶中,張漫.基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋果顏色實時分級方法.中國圖象 圖形學(xué)報(A輯),2000,5(9) :779-784)介紹了蘋果顏色自動分級系統(tǒng)的硬件組成,確定了 蘋果顏色特征的提取方法,利用遺傳算法實現(xiàn)了多層前向神經(jīng)網(wǎng)絡(luò)識別器的學(xué)習(xí)設(shè)計,實 現(xiàn)了蘋果顏色的實時分級,并通過實驗驗證了方法的有效性,試驗結(jié)果表明,顏色分級識別 準(zhǔn)確率在90%以上,分級一個蘋果所用的時間為150ms。這種方法需先指定標(biāo)準(zhǔn)樣本,采集 圖像進行分析后,訓(xùn)練網(wǎng)絡(luò),當(dāng)水果品種更換時,需重新進行網(wǎng)絡(luò)訓(xùn)練,用戶使用不便,品種 適應(yīng)性較差。
[0011] 馮斌等人(馮斌,王懋華.基于顏色分形的水果計算機視覺分級技術(shù).農(nóng)業(yè)工程 學(xué)報.2002,18 (2) : 141-144)在利用水果表面分布的分形維數(shù)為特征對不同著色等級水果 進行分級時,采用了 HIS模型,利用各色度點的累計和空間分布特性。
[0012] 饒秀勤(饒秀勤,基于機器視覺的水果品質(zhì)實時檢測與分級生產(chǎn)線的關(guān)鍵技術(shù)研 宄,2007,浙江大學(xué))采用HIS顏色模型、主成分分析方法和馬氏距離法,實現(xiàn)了水果按表面 顏色分級。對800幅水果圖像進行的分級結(jié)果表明,總的相對誤差1. 75 %,能滿足水果顏色 檢測與分級的要求。
[0013] 趙杰文等(趙杰文等,基于支持向量機的缺陷紅棗機器視覺識別.農(nóng)業(yè)機械學(xué)報, 2008(03):第113-115+147頁.)利用河北省滄州市金絲小棗作為研宄對象,采用支持向量 機識別干制后的缺陷棗。在HIS顏色空間中,提取H的均值和均方差作為紅棗顏色特征值, 應(yīng)用徑向基核函數(shù)建立支持向量機識別模型;并確定當(dāng)參數(shù)為C = 32, 〇 = 2時,識別的準(zhǔn) 確率最高,達(dá)到96. 2%。
[0014] 由此,現(xiàn)有方法中一般要進行比較較多的建模工作才能實現(xiàn)對水果按表面顏色進 行分級,過程較為復(fù)雜。
【發(fā)明內(nèi)容】
[0015] 為了克服現(xiàn)有技術(shù)在檢測水果品質(zhì)方面的不足,本發(fā)明的目的在于提出了一種基 于歸一化色度直方圖的水果按表面顏色分級方法,由歸一化色度直方圖按表面顏色分級, 避免了較多的建模工作,以簡化分級過程。
[0016] 本發(fā)明采用的技術(shù)方案包括以下步驟:
[0017] 1)采集圖像:從同一批次的水果中選取兩個具有不同表面顏色的水果作為兩個 樣本水果,分別記為第一級水果Sl和第二級水果S2,通過機器視覺系統(tǒng)獲取其各自的原始 數(shù)字圖像,去除背景得到水果樣本圖像;
[0018] 2)計算歸一化色度直方圖向量:將水果樣本圖像轉(zhuǎn)化為HIS色彩空間格式圖像, 然后計算得到水果各自的歸一化色度直方圖向量P ;
[0019] 3)在同一張圖上繪制兩個樣本水果的歸一化色度直方圖;
[0020] 4)設(shè)定水果分級的閾值:由上述得到的歸一化色度直方圖,將歸一化色度直方圖 的主峰起點色度值記為Τ1,將歸一化色度直方圖的主峰交叉點色度值記為Τ2,將歸一化色 度直方圖的主峰終點色度值記為Τ3 ;
[0021] 5)被測水果分級:將被測水果重復(fù)上述步驟1)~2)采集圖像并計算得到所有被 測水果各自的歸一化色度直方圖向量Ρ,然后通過計算比較對所有被測水果進行分級。
[0022] 所述步驟3)繪制樣本水果的歸一化色度直方圖具體為:以HIS色彩空間格式圖像 的色度值為橫軸,以歸一化色度直方圖向量P的值為縱軸,在同一個直角坐標(biāo)圖上分別繪 制得到兩個樣本水果的歸一化色度直方圖向量P得到一個歸一化色度直方圖;
[0023] 所述步驟5)由歸一化色度直方圖向量P進行計算比較的過程具體如下:將被測水 果的色度值在主峰起點色度值Tl和主峰交叉點色度值T2之間的歸一化色度直方圖向量P 的元素累加得到第一色度頻度累加值M1,將被測水果的色度值在主峰交叉點色度值T2和 主峰終點色度值T3之間的歸一化色度直方圖向量P的元素累加得到第二色度頻度累加值 M2 ;將M1>M2的水果分為第一級水果,將Ml < M2的水果分為第二級水果。
[0024] 所述的每個水果的歸一化色度直方圖向量P具體采用以下方式計算:由HIS色彩 空間格式圖像計算其色度分量的直方圖向量H,獲得色度值在該水果的HIS色彩空間格式 圖像中出現(xiàn)的次數(shù),采用以下公式用直方圖向量H乘以10