（农业电气化与自动化专业论文）基于机器视觉和svm的花椒外观品质检测技术研究.pdf

摘要 摘要 花椒不仅是一种重要的烹饪调料，还具有广泛的药用价值。本文将机器视觉技术和支持 向量机引入到花椒颗粒闭眼率、椒籽率、果穗梗率和果皮率等外观品质评价指标的快速检测 中，避免了传统人眼感观检测存在的效率低、准确性著等缺陷。主要研究内容如下： 第一，开发了花椒外观品质机器视觉检测硬件系统。通过试验及分析，合理选择图像处 理器件，构建花椒外观品质机器视觉检测硬件系统，系统包括微机、c c d 摄像机、镜头、光 源、电机、托盘、光照箱、图像采集卡、单片机等。 第二，研究了基于机器视觉和s v m 的花椒外观品质检测算法。 花椒外观品质检测算法分为训练建模和预测分类两个部分，而图像处理算法是建模和预 测的基础。本课题针对本研究室前期的研究，对花椒外观品质检测图像处理算法进行了优化 和改进，解决了需要二次填充才能识别个体的问题；并首次把支持向量机方法引入到花椒固 有杂质预测分类中。 第三，开发了基于机器视觉和s v m 的花椒外观品质检测软件系统。 在v i s u a lc + + 6 0 平台完成了花椒外观品质检测软件系统，包括图像采集模块、图像处理 模块、特征提取模块、建模和预测模块以及硬件控制模块。 第四，花椒外观品质检测试验分析。 对收集的1 4 1 份花椒样品，随机选取1 0 0 份花椒样品作为建模样品集。分别采集每份样 品中果皮、闭眼、椒籽及果穗梗四类个体的图像并提取特征参数值作为训练集，利用l i b s v m 软件包训练建立s v m 花椒分类模型。将未参与建模的剩下的4 1 份样品作为预测集。采集其 图像，并通过图像处理提取个体特征参数，利用已建立的s v m 花椒分类模型自动预测得剑每 个个体的种类，统计出个体总数并计算花椒各项检测指标值。对预测集里的4 1 份花椒样品各 项检测指标值进行人眼感官评测，并与机器检测的结果进行对比比较，给出机器的误差及误 差率。结果表明：对椒籽、果穗梗识别误差率为9 0 9 、1 1 7 6 ，闭眼及果皮识别误差率分别 为5 0 、- 4 0 4 。 研究表明，基于机器视觉和s v m 的花椒外观品质检测技术是可行的，所开发的基于机器 视觉和s v m 的花椒外观品质检测硬件与软件系统运行基本正常，检测效果较好，为花椒的收 购、储藏、销售提供了快速、准确的外观品质检测新思路，具有较高的理论价值和实用价值。 关键词：机器视觉；支持向量机；花椒；外观品质；检测 a b s t r a ( 玎 a b s t r a c t p r i c k l ya s hi sn o to n l ya l li m p o r t a n tc o n d i m e n t ，a n da l s oh a saw i d er a n g eo fm e d i c i n a lv a l u e t h i sp a p e rf o c u s e do nr a p i dd e t e c t i o no ft h ea p p e a r a n c eq u a l i t ye v a l u a t i o no fp r i c k l ya s hb a s e do n t h em a c h i n ev i s i o nt e c h n o l o g ya n ds v m ，w h i c hi n c l u d e dt h ed e t e c t i o no fs e e dr a t e ，f r u i tc o a t c l o s i n gr a t e ，r a t eo fp e d u n c l e ，a n dr a t eo fs e e d c a s ea n da v o i d e du s i n gt r a d i t i o n a lm a n u a lm e t h o d w h i c he n c o u n t e r e dw i t hs o m ep r o b l e m ss u c ha sl o we f f i c i e n c ya n dp o o ra c c u r a c y t h em a i nc o n t e n t s a n dr e s u l t so ft h i sp a p e rw e r ea sf o l l o w s ： f i r s t l y , b u i l d i n gah a r d w a r es y s t e mf o rt h ed e t e c t i o no fp r i c k l ya s h sa p p e a r a n c eq u a l i t y o nt h e b a s i so fe x p e r i m e n t sa n da n a l y s i s ，c h o o s i n ga ni m a g ep r o c e s s o rr a t i o n a l l y , a n dc o n s t r u c t i n ga h a r d w a r es y s t e m , i n c l u d i n gc o m p u t e r , c c dc a m e r a ，l e n s ，l l g h r i n g ，m o t o r , t r a y , l i g h tb o x e s ，i m a g e a c q u i s i t i o nc a r d ，e t c s e c o n d l y , c a r r y i n go u tr e s e a r c ho nt h ed e t e c t i o na l g o r i t h mf o rp r i c k l ya s h sa p p e a r a n c eq u a l i t y b a s e do nm a c h i n ev i s i o na n ds v m t h ed e t e c t i o na l g o r i t h mo fp r i c k l ya s h sa p p e a r a n c eq u a l i t y i n c l u d e st w op a r t s ，a n di m a g ep r o c e s s i n ga l g o r i t h mi sf o u n d a t i o no fm o d e l i n ga n dp r e d i c t i n g i n a l l u s i o nt ot h ee a r l yr e s e a r c ho ft h el a b o r a t o r y , t h i sp a p e ro p t i m i z e sa n di m p r o v e st h ed e t e c t i o n a l g o r i t h mo fp r i c k l ya s h sa p p e a r a n c eq u a l i t y , f i g u r e so u taw a yf o ri d e n t i f y i n gs i n g l eu n i tw i t h o u t s e c o n df i l l i n g ，a n df o rt h ef i r s tt i m ei n t r o d u c e st h em e t h o do fs v mi n t ot h ep r e d i c t i n ga n d c l a s s i f y i n go fp r i c k l ya s h si n h e r e n ti m p u r i t y t h i r d l y , d e v e l p i n gas o f t w a r es y s t e mf o rt h ed e t e c t i o no fp r i c k l ya s h sa p p e a r a n c eq u a l i t yo nt h e b a s i so fm a c h i n ev i s i o na n ds v m c o m p l e t i n gt h es o f t w a r es y s t e mf o rt h ed e t e c t i o no fp r i c k l ya s h s a p p e a r a n c eq u a l i t yo n v i s u a lc + + 6 0p l a t f o r m ，i n c l u d i n g i m a g ea c q u i s i t i o nm o d u l e ，i m a g e p r o c e s s i n gm o d u l e ，f e a t u r er e c o g n i t i o nm o d u l e ，m o d e l i n ga n dp r e d i c t i n gm o d u l e ，a n dh a r d w a r e c o n t r o l i n gm o d u l e f o u r t h l y , a n a l y z i n gt h ee x p e r i m e n to ft h ed e t e c t i o no fp r i c k l ya s h sa p p e a r a n c eq u a l i t y r a n d o m s e l e c t i n g1 0 0p e p p e rs a m p l e sf r o mt h e1 4 1s a m p l e sa ss a m p l es e tf o rm o d e l i n g r e s p e c t i v e l y c o l l e c t i n gt h ei m a g eo fs e e d c a s e ，f r u i tc o a tc l o s i n g ，s e e d ，a n dp e d u n c l ef r o me a c hs a m p l e ，a n d p i c k i n gu pt h ef e a t u r ep a r a m e t e ra st r a i n i n gs e t ，a n de s t a b l i s h i n gp r i c k l ya s h sc l a s s i f i c a t i o nm o d e l o nt h eb a s i so fl i b s v ms o f t w a r ep a c k a g e s e l e c t i n gt h er e m a i n i n g4 1s a m p l e sa st h ep r e d i c t i o ns e t a c q u i r i n gt h ei m a g e sa n dp i c k i n gu pi n d i v i d u a lf e a t u r ep a r a m e t e rb yp r o c e s s i n gt h ei m a g e s t h e n a u t o m a t i c a l l yf o r e c a s t i n gt h ec a t e g o r yo fe a c hu n i t o nt h eb a s i so ft h ee s t a b l i s h e dp r i c k l ya s h s c l a s s i f i c a t i o nm o d e l ，a n dc o u n t i n gt h et o t a ln u m b e ra n dt h ev a l u eo fe a c hd e t e c t i o ni n d e x e v a l u a t i n g t h ev a l u eo f e a c hd e t e c t i o ni n d e xo f4 1s a m p l e so fp r e d i c t i n gs e tb yt h eu n a i d e de y e s ，a n dc a l c u l a t i n g t h ee r r o ra n de r r o rr a t eo fm a c h i n eb yc o m p a r i n gt h et w or e s u l t s t h er e s u l t ss h o wt h a tt h e i d e n t i f y i n ge r r o rr a t ei s9 0 9 f o rt h es e e d ，1 1 7 6 f o rt h ep e d u n c l e ，5 0 a n d - 4 0 4 f o rt h ef r u i t c o a tc l o s i n ga n dt h es e e d c a s er e s p e c t i v e l y t h er e s u l t ss h o w e dt h a tt h i sa p p r o a c hw a se f f i c i e n ta n dc r e d i b l e ，s oi tc o u l dh e l pt oe s t a b l i s h t h ee v a l u a t i o n s y s t e m o f a p p e a r a n c eq u a l i t y d e t e c t i o no f p r i c k l y a s h t h e o r e t i c a l l y a n d t e c h n o l o g i c a l l y k e yw o r d ：c o m p u t e rv i s i o n ；s v m ；p r i c k l ya s h ；a p p e a r a n c eq u a l i t y ；d e t e c t i o n l l 独创性声明 本人提交的学位论文是在导师指导下进行的研究工作及取得 的研究成果。论文中引用他人已经发表或出版过的研究成果，文中 已加了特别标注。对本研究及学位论文撰写曾做出贡献的老师、朋 友、同仁在文中作了明确说明并表示衷心感谢。 学位论文作者：楠锺尹 签字日期协邝年阳7 日 学位论文版权使用授权书 本学位论文作者完全了解西南大学有关保留、使用学位论文的规 定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘， 允许论文被查阅和借阅。本人授权西南大学研究生院( 筹) 可以将学 位论文的全部或部分内容编入有关数据库进行检索，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 l ( 保密的学位论文在解密后适用本授权书，本论文：回不保密，口 保密期限至年月止) 。 学位论文作者签名：枸镇宇 签字日期讪年月7 日 导师签名： 签字日期：- 2 7 日 第一币文献综述 第一章文献综述 1 1 花椒的价值和经济效益 花椒又称香椒、大花椒、椒、蜀椒，为芸香科植物花椒的果皮【l l 。花椒属植物的化学成分 主要有生物碱、酰胺、木脂素、香豆素、挥发油和脂肪酸掣2 1 ，花椒除了其果皮含有浓郁的香 气和麻味，可作为食用和日用香料外，其果实、根、茎、叶均可入药，因而得到广泛重视。 花椒是不可缺少的调味品，同时有着广泛的药用价值。药理研究显示小剂量的花椒能促进小 肠蠕动，并有轻度的利尿作用，大剂量的花椒则抑制胃肠蠕动，抑制尿的排泄。静脉注射花 椒提取物有降压作用，局部应用花椒有麻醉作用。花椒对肺炎双球菌、伤寒杆菌、炭疽杆菌、 溶血性链球菌等多种致病菌有明显的抑制作用，还能驱除肠道蛔虫。另外，花椒还能开腠理、 通血脉、坚齿发、耐寒凉，入肺散寒治咳嗽，入脾除湿，治风寒湿痹及水肿、寒痢，入肾补 火，治阳衰尿频及久痢等 5 1 。全世界的花椒属植物约有2 5 0 种，分布于亚洲、美洲、非洲及大 洋洲的热带和亚热带地区，我国约有4 5 种花椒属植物，十几个省市有大面积的种植，是世界 上花椒种植面积和产量最大的国家。通常只有花椒( z a n t h o x y l u mb u n g e a n u mm a x i m ) ) 3 乏花椒原 变种、野花椒( z a n t h o x y l u y ms i m u l a n s ) 、川陕花椒( z a n t h o x y l u mp i a s e z k i l lm a x i m ) 、竹叶花椒 ( z a n t h o x y l u ma r m a t u m ) 、青花椒( z a n t h o x y l u ms c h i n i f o l i u m ) 这五种花椒果皮才具有使用价值。 我们通常所说的花椒就特指这一类。重庆市已种植7 6 万亩花椒，其中江津区为5 0 万亩，挂 果2 4 万亩，主要品种是九叶青花椒，花椒产业已成为当地农业支柱产业f 5 叫。 1 2 支持向量机概述 1 2 1 支持向量机的原理 支持向量机( s u p p o r tv e c t o rm a c h i n e ，简称s v m ) 是一种基于统计学习理论的机器学习方 法，它是由b o s e r 、g u y o n 、v a p n i k 在c o l t 一9 21 - - 首次提出的，是近年来机器学习研究的一项重 大成果f 7 - 8 1 。支持向量机的基本思想是通过非线性变换将输入空间变换到一个高维空间，然后 在这个新空间中求取最优线性分类面，把要求的非线性问题变换成高维空间中线性可分问题。 具体的实现过程如图1 1 所示1 9 j 。 图1 - 1 支持向量机模型 f i g 1 - 1t h em o d e lo fs u p p o f lv e c t o rm a c h i n e 两南人学硕l j 学何论文 从图1 1 可以看出，它形式上类似神经网络，输出是中间结点的线性组合，每个中间节点 对应一个输入样本与一个支持向量的内积。支持向量机以训练误差作为优化问题的约束条件， 以置信范围值最小化作为优化目标，即s v m 是一种基于结构风险最小化准则的学习方法，其 推广能力明显优于一些传统的学习方法。传统的统计学习方法推广性较差【协1 3 】，研究表明， 支持向量机不但具有较强的逼近能力和泛化能力，而且算法简单，具有较好的“鲁棒性”， 能大大简化普通的分类和同归等问题。 1 2 2s v m 发展状况 1 9 9 2 年，支持向量机理论诞生以后，许多分析理论与算法思想犹如雨后春笋应运而生， 在短短的几年里，支持向量机就成为一个新的研究方向，同时融合统计学、函数分析、优化 理论和机器学习等不同领域的知识，由此形成一个全新的研究领域【1 4 】。1 9 9 8 年，m a n g a s a r i a n 1 5 l 对支持向量机的推广性能进行了研究；s m o l a 等【1 6 】对一般类的损失函数进行了探讨，同时在特 征空间中考究了岭回归，岭回归是正则化网络的特例；s c h o e l k o p f 等【1 7 】为分类与回归引荐了v 支持向量机算法，尔后又进一步深入研究该算法，相应的一些改进算法被应用在密度估计、 转导、贝叶斯点估计和序回归点学习等方面。1 9 9 9 年，p l a t t 墙j 将工作集的大小限定为2 ，提出 了序列最优化方法，在无须使用通用优化软件包的情况下，求解二次规划问题。2 0 0 0 年 b e n # o ”幢于梯度理论，提出了超参数优化方法。2 0 0 1 年，s c h o e l k o p f 等 2 0 l 为克服常规超平 面无法对单类样本正确分类的问题，提出了超球面的概念。2 0 0 3 年，为了多类问题的求解， j e r o n i m o 等【2 1 l 提出了多类支持向量机。 1 2 3s v m 的国内外研究现状 s v m 是一种通用的机器学习方法，是求解模式识别和函数估计问题的有效= 具，因此在 计算机视觉和模式识别中得剑了广泛的应用，在孤立手写字符识别2 2 1 、文本分类f 2 3 1 、人脸检 测【2 恸】、基囚分类、遥感图像分析、目标识别等问题上得到了一定的应用，并且取得了较好 的效果i 乃j 。 支持向量机可以作为生物信息分析技术工具，而且能在基因功能分类方面发挥自己特有 的优势。在国内，2 0 0 7 年，孟范静等【2 7 1 在总结二分类支持向量机应用的基础上，提出了利用 t 验证方法和w i l c o x o n 验证方法进行特征选取，以s v m 为分类器，针对基因微阵列癌症数据 进行分析的新方法；2 0 0 8 年，谷耀军纠2 8 l 使用线性支持向量机分类器实现了对有效特征基因 子集的分类，并且用急性白血病数据集和结肠癌数据集进行了实验，结果表明该方法识别效 果良好，适应性强。 由于具有良好的分类性能，支持向量机在机器视觉领域也备受推崇。在脸部识别、脸部 特征检测和脸部辨识等方面，经过专家和学者的试验表明，支持向量机算法优于其它传统方 法。2 0 0 3 年，王崇文掣2 9 】提出了基于隐马尔可夫模犁( h m m ) 和s v m 的指纹分类方法。该方 法采用f i n g e r c o d e 作为指纹的特征表述，首先用5 个伪二维h m m 进行类别初选，确定最可 能的两种指纹分类结果，再用相应的s v m 分类器做最终判决，取得了一定的实用价值；2 0 0 8 年，董李燕掣删提出了一种基于人脸局部特征和s v m 的表情识别方法，并取得了不错的效果； 2 0 0 9 年，王成波等【3 1 】利用s v m 与归一化相结合的方法对人脸和指纹进行了融合识别，实验 2 第一审文献绿述 结果表明该方法明显提高了人脸与指纹的融合识别的结果。 文本分类的任务是把文件中不同的文本分配到已存在的类中，支持向量机是这方面应用 的首选技术。目前，关于运用支持向量机进行文本分类的研究文献较多：d u m a i s 等【3 2 j 分别将 支持向量机和传统的分类方法一一进行文本分类对比试验，结果显示支持向量机效果最好。 在国内，2 0 0 9 年1 1 月，晋幼丽等p 3 l 利用一种基于s v m 和k - m e a n s 相结合的方法，实现了快 捷的文本分类；2 0 0 9 年3 月，赵培等刚利用改进的s v m 分类算法处理汉语语音识别结果文 本的分类问题，针对语音识别文本的特点简化了文本分类的预处理过程，调整支持向量机的 分类超平面，并且自动优化参数，结合实际的识别结果文本集测试了改进的s v m 性能，同时 实现了k n n 和贝叶斯分类算法，对3 种分类性能进行了评价。2 0 0 9 年，韩毅等 3 5 j 更是将s v m 应用到了w e b 文本分类中。 在手写字符识别领域，2 0 0 7 年，f c a m a s t r a 提出了一种草写体字符识别器，通过支持向 量机( s 旧和神经气体实现字符的分类【3 6 1 。在国内，2 0 0 2 年6 月，石繁槐等【3 7 l 将s v m 方法引 入小字符集脱机手写体汉字识别，并在小样本学习的情况下同最小距离法和多重相似度法的 识别率和识别时间作了比较，说明s v m 方法在小字符集脱机手写体汉字识别中的实用性；2 0 0 5 年，宁剃3 8 崃用s v m 技术进行了英文字符识别，这种方法具有识别速度快、正确率高的特点。 目前，语音识别就是让机器通过识别和理解过程把语音信号转变为相应的文本或命 令的高技术。语音识别是一门交叉学科，近二十年来，语音识别技术取得显著进步，已 经进入到工业、家电、通信、汽车电子、医疗、家庭服务、消费电子产品等各个领域。 2 0 0 6 年7 月，乔跃刚等【3 9 】将支持向量机引入汉语语音关键词识别系统中，根据关键词置信度 将关键词假想命中分为接受和拒识两类，从而提高了系统正确识别率。2 0 0 7 年3 月，黄石磊、 等【加j 讨论了语音识别中使用支持向量机对音子级置信度进行综合的方法，降低了传统识别方 法中的错误率；2 0 0 9 年，白静等【4 1 j 采用改进的m f c c 语音特征参数，用g a u s s i a n 核支持向量 机作为语音识别网络，对s v m 多类分类问题采用“一对一”分类算法，实现了一个汉语孤立 词非特定人中等词汇量的抗噪语音识别系统。 此外，s v m 还有很多其他的应用。2 0 0 4 年3 月，薛明尔等【4 2 】将s v m 算法应用于飞机图 像的分类上；2 0 0 6 年7 月，徐红敏等【4 3 】利j ；j 支持向量机多类分类算法，构建了湖泊水环境评 价模型，正确地对湖泊水环境质量进行了分类评价；2 0 0 8 年2 月，姜明辉掣删将s v m 应用 于商业银行的个人信用评估中，构建了个人信用评估g a s v m 模型；通过对g a 适应度函数 的设置米控制个人信用评估中给商业银行造成较大损失的“取伪”误判的发生；2 0 0 8 年2 月， 吴进军等【4 5 1 采用支持向量机方法实现了车牌字符识别；2 0 0 9 年1 月，陈特放等 4 6 j 提出了基于 小波分析和s v m 的主变流器故障诊断；2 0 0 9 年1 月，李军显等【4 7 1 在雷达目标识别算法中也 引入了s v m 方法；2 0 0 9 年2 月，苏怀智等【拈1 将s v m 理论用在了大坝安全预警模型研究中； 2 0 0 9 年9 月，全林等【4 9 】采用稳健的改进主成分分析与支持向量机( p c a - s v m ) 算法进行特征提 取，分析了中国股票市场的股票选择问题。 1 3 机器视觉和s v m 应用于农业工程领域的研究现状 2 0 0 6 年，陈全胜等【5 0 】在机器视觉技术定量描述茶叶的颜色特征的基础上，提出了一种新 的基丁s v m 的茶叶识别分类方法；2 0 0 7 年1 2 ：j ，陈月华等【5 l j 将s v m 应刚于小麦害虫的分类中； 3 p q 雨人掌帧i j 号：何论文 2 0 0 8 年赵杰文等【5 2 1 在h i s 颜色空间中，提取h 的均值和均方差作为红枣的颜色特征值，利用支 持向量机识别缺陷红枣，取得了显著的成效；2 0 0 8 年周平等【5 3 魄出了基于s v m 的鸭蛋破损检 测技术：2 0 0 8 年，吴迪等【剐利用支持向量机算法的红外光谱技术，研究了奶粉蛋白质含量的 快速检测，等等。 虽然支持向量机在理论上有很突出的优势，但与其理论研究相比，应用研究尚相对比较 滞后，其应用的范围和取得的效果同s v m 的优越性很不匹配，主要原因是算法的限制，即运 行效率低。因为标准s v m 运行要消耗大量的时间，并且随着训练样本数量的增加训练时间也 会增加，尤其对大量数据的处理更为棘手。现实当中所处理的问题一般数据量是非常大的， 所以在很多情况中受到约束。特别是在农业与生物科学研究领域，目前只有比较有限的实验 研究报道，且多属仿真和对比实验。国内关于支持向量机在农产品品质机器视觉检测方面的 研究和报道也处于刚刚起步阶段。 1 4 基于机器视觉花椒外观品质检测研究现状 中华人民共和国林业行业标准一花椒质量等级( l y t1 6 5 2 2 0 0 5 ) t 5 5 1 ，规定了干花椒的技术 检验方法和检验规则，适用于各类花椒品种的质量等级评定。传统花椒外观品质( 如同有杂质 的百分含量1 检测大多是靠人工感观评估，如眼观、手握、鼻嗅、口尝，效率低、缺乏准确性， 很难做到标准化和量化。 2 0 0 8 年1 月，杨飞等【5 6 铡用平板扫描仪、微机和打印机搭建了简易的硬件系统，对花椒外 观品质检测进行了初步研究，取得了一定的效果，但是存在快速检测能力弱、推广性能不强 等问题。而s v m 是解决上述问题的最佳方法之一，藉此背景，提出了基于机器视觉和s v m 的 花椒外观品质检测技术研究。 1 5 本章小结 本章介绍了花椒的食用、医用价值和经济效益，概述了支持向量机的原理、发展状况以 及国内外研究现状，最后结合国内机器视觉应用丁花椒外观品质检测状况，提出了本课题的 研究意义。 4 第章绪论 第二章绪论 2 1 研究目的 我国农业总体的落后以及自动化运用程度低，给花椒快速检测、分级带来很大困难，制 约了花椒生产企业的生产效率，严重影响了花椒产业的发展，因此如何快速有效检测花椒外 观品质已成该行业发展的当务之急。 机器视觉技术具有精度高、速度快、工作时间长、重复性好等优点，在农业上的研究和 应用已经越来越广泛。机器视觉技术可以极大程度的提高生产效率和生产自动化程度，是自 动化分级发展的必然趋势，因此在农产品品质检测领域有着广阔的应用前景。另外，在农产 品品质检测的研究中，快速、自动检测能力弱是目前存在的主要问题。产生这个问题的关键 原因是农产品品质检测的模式识别与分类模型不够准确，特别是其推广性能不强。因此，研 究应用新的快速、推广能力强的模式识别与分类技术显得尤为必要。而支持向量机是解决这 个关键问题的最佳方法之一，因为推广性能强正是其优势所在。藉此背景，提出了基于机器 视觉和s v m 的花椒外观品质检测技术研究。 2 2 研究内容 ( 1 ) 基于机器视觉和s v m 的花椒外观品质检测机理研究 分析花椒颗粒的外观形态、搭建机器视觉硬件装置并开发相应的预处理、分割、特征提 取等图像处理算法。对本研究室前期的算法做了优化和改进，采用一次填充取代了原有的二 次填充( 针对c a n n y 算子边缘检测后直接填充造成个体丢失的问题而提出的算法) ，提高了运行 效率。花椒中的固有杂质包括果皮、闭眼、椒籽及果穗梗四类，每个类别的特征参数都有较 大的区别。对四种类别分别选取一定数量的个体进行特征提取，然后通过l i b s v m 去训练生 成模型；最后就可以利用模犁预测剩下个体的种类，并评价花椒的等级指标。 ( 2 ) 构建花椒外观品质机器视觉检测硬件系统 通过试验及分析，合理选择图像处理器件，构建花椒外观品质机器视觉检测硬件系统， 系统包括微机、c c d 摄像机、镜头、光源、电机、托盘、光照箱、图像采集卡、单片机等。 ( 3 ) 基于机器视觉和s v m 的花椒外观品质检测算法研究 花椒外观品质检测算法分为训练建模和固有杂质预测分类两个部分，而图像处理算法是 建模和预测的基础。图像处理算法是在m a l r ia b 2 0 0 8 a 平台下完成，然后利用m a t l a b 与 v c 的接口编程，移植到v i s u a lc + + 6 0 环境中；训练建模和预测分类是利用l i b s v m 软件包 开发完成的。 ( 4 ) 开发花椒外观品质检测软件系统 基于w i n d o w x p 平台，在v i s u a lc + + 6 0 环境中开发用于花椒外观品质检测的软件系统。 通过v c 编写控制界面，并且利用m s c o m m 串行通讯控件实现上下位机通信。该软件系统对 花椒外观品质机器视觉检测硬件系统提供支持，将包括图像采集模块、图像处理模块、图像 分析模块、特征提取模块和硬什控制模块，能对单帧、多帧花椒图像进行单步、连续处理， 能实现花椒外观品质静态处理，并能满足动态处理和自动检测的要求。利用该系统，能自动 5 两南入学顾t j 学位论文 得到花椒外观品质的相关指标值，如椒籽率、闭眼率、果穗梗率、颗粒均匀度、色泽等，为 花椒快速、自动分级奠定基础。 基于机器视觉和s v m 算法的花椒外观品质检测系统测试 综合测试系统的运行稳定性、运行效率，进一步修正系统漏洞、完善相关的系统文档说明， 测试不同的输入，确保软件可以输出期望的结果，并能正确处理无效数据和异常情况，确保 应用程序在正常情况下和极限负载条件下均能够正常处理，并具有良好的扩展能力。 2 3 关键问题 本课题的关键问题主要有以下三个方面： ( 1 ) 将m a t l a b 语言开发的程序移植到v i s u a lc + + 6 0 环境中。m a t l a b 环境中开发源程序方 便快捷，代码相对简单。将其移植到v c 环境中，以便花椒外观品质自动检测系统的开发。 ( 2 ) 使用l i b s v m 进行花椒外观品质自动检测时参数c 与g 的选择。固有杂质分类检测 是利用u b s v m 软件包开发完成的，所以分类参数c 与g 的选取直接关系到自动检测的结果。 ( 3 ) 花椒外观品质快速检测系统的开发与设计。花椒外观品质快速检测系统包括了硬件的 设计以及软件的开发，如何有效合理的将二者结合起来，是本课题能否成功的关键。 2 4 可行性分析 本研究室杨飞等【5 6 】前期利用平板扫描仪、微机和打印机搭建了简易的硬件装置，开发了 基丁机器视觉的花椒外观品质检测系统，对花椒外观品质自动检测进行了初步研究，取得了 一定的成果。花椒颗粒的特征参数包括凹性率、椭圆度、面积等。其中果皮、闭眼、椒籽及 果穗梗四类个体的特征参数值又有较大的区别。面积( a r e a ) 是指二二值图象中花椒颗粒的区域 面积；凹性率( s o l i d i t y ) 定义为连通区域像素个数与连通区域最小凸多边形所围像素个数之 比值；椭圆度( e c c e n t r i c i t y ) 定义为与连通区域具有相同标准二阶中心矩的椭圆的离心率。 以果皮为例，其凹性率和椭圆度分别如图2 1 和图2 2 所示。 眵慧篓镀 图2 - 1 果皮凹性率示意图 f i g 2 - 1d i a g r a mo fs o l i d i t y 图2 2 果皮椭圆度示意图 h g 2 - 2d i a g r a m o fe c c e n t r i c i t y 试验和数据分析表明：对四种类别分别选取一定数量的个体进行特征提取，通过l i b s v m 去训练生成模型；然后就可以利用模型去预测剩下个体的种类。因此，将机器视觉技术和s v m 方法应用到花椒外观品质检测中是可行的。 6 第。：帚绪论 2 5 研究方案 2 5 1 具体实施方案 ( 1 ) 结合国内外相关研究基础、文献和花椒的外观形态，综合论证将机器视觉技术和s v m 算法应用于花椒外观品质检测的基础、原理、以及可行性。 ( 2 ) 收集全国各地花椒样品1 4 1 份。 ( 3 ) 从样品中随机选取1 0 0 份样品，并随机抽取一定数量的花椒，作为建模样品集。 ( 4 ) 用自行搭建的花椒外观品质机器视觉检测装置采集每份样品的样本图像信息( 提取特 征参数) ，建立样品原始图像数据信息。 ( 5 ) 分析花椒颗粒的外观形态、颜色特征，针对其特有的外观特征开发相应的预处理、分 割、特征提取等图像处理算法。 ( 6 ) 使用l i b s v m 软件包，将原始数据信息转化成l i b s v m 所需要的训练集格式，并通 过试验和数据分析确定花椒外观品质自动检测时的最佳参数。 ( 7 ) 剩下的4 1 份花椒样品作为预测集，人工目测其中各检测项目指标值。用自行开发的 花椒外观品质检测系统对其进行固有杂质检测并分类，得出每份样品固有杂质含量指标值， 最后对比人工目测的结果给出判别正确率、误判率和漏判率。 ( 8 ) 分析测试效果、对模型作相应改进，以提高系统稳定性、运行效率和模型的测试精度。 ( 9 ) 综合花椒外观品质指标对花椒质量进行综合评级。 2 5 2 技术路线 图2 3花椒外观品质检测技术路线图 f i g 2 - 3t e c h n o l o g yr o a d m a po f t h i ss t u d y 7 两南大学珂! l ：学位论文 花椒外观品质自动检测系统包括硬件系统和软件系统，按功能又可以划分为图像处理和 固有杂质分类检测两个部分。本课题在分析花椒颗粒的外观形态的基础上，针对其特有的外 观特征搭建了硬件装置光照箱。光照箱里面集成了摄像机、镜头、单片机、l e d 、电机等 等。利用m a t l a b 平台开发相应的预处理、边缘识别、分割、填充、特征提取等图像处理算 法，并且将其移植到v c 环境中。花椒中的固有杂质包括果皮、闭眼、椒籽及果穗梗四类，每 个类别的特征参数都有较大的区别，所以对四种类别分别选取一定数量的个体进行特征提取， 然后通过l i b s v m 去训练生成模型；最后就可以利用模型预测剩下个体的种类，得出每份样 品固有杂质含量指标值，并评价花椒的等级指标。 2 6 特色与创新之处 应用机器视觉技术和支持向量机方法对花椒进行外观品质自动检测的研究，国内外尚未 见有文献报道，本研究的创新点主要有以下两点： ( 1 ) 将支持向量机应用于花椒外观品质机器视觉快速检测中。 ( 2 ) 开发了基于机器视觉和s v m 的花椒外观品质检测硬件与软件系统。 2 7 本章小结 本章在详细了解机器视觉技术和s v m 方法的背景下，在深入学习机器视觉和s v m 应用现 状的基础上，结合国内花椒外观品质检测状况，论述了本课题“基于机器视觉和s v m 的花椒 外观品质检测技术研究”的研究目的，完成了课题可行性研究，详细说明了课题主要研究内 容，并分析了课题研究的关键问题。最后，结合技术路线图具体阐述了整个研究方案。 8 第三章基于机器视觉和s v m 的花椒外观r 5 1 l 质卡令测硬件系统 第三章基于机器视觉和s v m 的花椒外观品质检测硬件系统 3 1 花椒外观品质检测硬件系统 基于机器视觉的花椒外观品质检测硬件系统如图3 1 所示，由微机、c c d 摄像机、镜头、 光源、电机、托盘、光照箱、图像采集卡、单片机等组成。光源为图像采集提供充足均匀的 光照；托盘负责放置花椒；电机驱动托盘转动；单片机控制电机的开关、正反转以及光源的 开关；c c d 摄像机、镜头和图像采集卡负责图像采集：计算机选用p e n t i u m ( r ) i v2 9 3 g h z 品牌 机，负责进行整个系统的控制与图像处理。 翠亨t 图3 - 1 花椒外观品质检测硬件系统 f i g 3 - 1h a r d w a r es y s t e mo fp r i c k l ya s ha p p e a r a n c eq u a l i t yd e t e c t i o n 3 2 光照箱的原理和组成 图像采集在封闭的光照箱内进行，以排除包括自然光在内的各种杂光的干扰，在光照箱 内部装有支架系统，用于承载花椒托盘，以及调节托盘与摄像机的距离。 光照箱的没计主要应满足如_ 卜要求：光源性能稳定，具有较好的散射性；c c d 摄像机视 区内光照均匀，避免镜面反射；花椒成像的背景应一致，且与花椒图像有较大的对比度。光 照箱的顶部和底部涂有无闪烁白漆，使箱体内形成均匀漫反射空间，以及使谷物与背景产生 较高的对比度。除此之外，光照箱里面还应包括c c d 摄像机、镜头、光源、电机、托盘、单 片机等硬件。光源为图像采集提供充足均匀的光照；托盘负责放置花椒；电机驱动托盘转动， 以完成动态图像的采集；单片机控制电机的开关、正反转以及光源的开关；c c d 摄像机、镜 头负责图像采集。光照箱的外形图如图3 - 2 所示，内部图如图3 - 3 所示。 9 图3 - 2 光照箱外形实物固 f i 9 3 - 2p h y s l c a l m a p o fs h a p e o f l i g h t b o x 圈3 - 3 光照箱内部实物圈 f i 9 3 - 3p h y s i c a l m a p o f i n t e r i o r o f l i g h t b o x 第三章皋于机器视觉和s v m 的花椒外观5 & 质伶测硬件系统 3 3 摄像系统 摄像系统由c c d 传感器、光学镜头、云台等部分组成。目前工业检测中使用最广泛的是 c c d 系统。c c d 是一种将光信号转换成电荷信号的固体光电图像传感器。由于其轻巧、灵敏、 分辨率高、数字化性能好等突出优点，目前在各个行业得到了广泛应用。光学镜头则是一种 光学系统用来将被测物体成像于c c d 的光敏面上。摄像机的工作原理是通过照明系统提供的 光源，光学系统将被测物体成像于c c d 的光敏面上，c c d 将光敏面上接受着光信号转换为电 荷信号，再通过外部控制电路实现电荷的存贮、转移和检测。对于集成了数字处理功能的c c d 摄像机，则再通过a d d 转换得到数字化图像。将c c d 传感器和镜头及其固定防震元件集成装 在云台中，云台外面用坚固件进行固定，以防振动。云台受控制器控制，实现对摄像系统的 角度、距离等参数的调节f 5 7 l 。 3 3 1c c d 传感器 目前市面上工业像机大多基于c c d ( c h a r g ec o u p l e dd e v i c e ) 或c m o s ( c o m p l e m e n t a r y m e t a lo x i d es e m i c o n d u c t o r ) 传感器。c c d 是美国人b o y l e 发明的一种半导体光学器件，主要利 用电荷存储传送和读出方式进行工作，它是在一片光敏结晶硅基片上由一个个矩形的光电单 元组成线阵或面阵，每个光敏单元收集局部区域中产生的光电子，经过一定的积分时间，形 成与空间分布光强相对应的电荷信号并有序传送，实现光电转换、信息存储和延时等功能。 典型的c c d 像机由光学镜头、时序及同步信号发生器、垂直驱动器、模拟数字信号处理电路 组成，以电荷为信号( 其它器件常以电流或者电压为信号) ，成像器件通过光电转换形成电荷包， 然后在驱动脉冲的作用卜转移、放大输出图像信号。由于集光电转换及电荷存贮、电荷转移、 信号读取于一体，并且与真空管相比具有无灼伤、无滞后、低工作电压、低功耗、集成度高 等优点，因此在固体图像传感、信息存储和处理方面得到广泛应用，成为目前机器视觉最常 用的图像传感器。 c c d 的选择十分关键，直接影响到成像的质量。应综合考虑c c d 的主要性能参数在检测 系统中的作用和影响，以满足系统的要求并能充分发挥其优势。我们