（模式识别与智能系统专业论文）基于dsp机器视觉的水果外形分级技术研究.pdf

k - n a n ji n gu n i v e r s i t yo f a e r o n a u t i c sa n da s t r o n a u t i c s t h eg r a d u a t es c h o o l c o l l e g eo f a u t o m a t i o na n de n g i n e e r i n g l i l ll li ii ii l111 y 1811 r e s e a r c ho nt h es h a p e g r a d i n g o ff r u i t b a s e do nd s pm a c h i n ev i s i o n a t h e s i si n p a t t e r nr e c o g n i t i o na n di n t e l l i g e n ts y s t e m l i u y a n g l o n g a d v i s e db y p r o f e s s o rw a n gc o n g q i n g s u b m i t t e di np a r t i a lf u l f i l l m e n t o ft h er e q u i r e m e n t s f o rt h ed e g r e eo f m a s t e ro fe n g i n e e r i n g j a n u a r y ，2 0 1 0 8删5一吣0 承诺书 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进 行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外， 本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所 涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标 明。 本人授权南京航空航天大学可以有权保留送交论文的复印件，允许 论文被查阅和借阅，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、缩印或其他复制手段保存论文。 ( 保密的学位论文在解密后适用本承诺书) 作者签名： 垒：) ! 缉蔓 日 期：2 1 1 1 ：垒：! 垦 一 。 一 南京航空航天大学硕士学位论文 摘要 我国是世界第一水果生产大国，但是由于分级设备与技术的落后使得我国农产品产后处理 水平太低，致使国产水果的外观质量较差，缺乏市场竞争力。近年来，国外基于d s p 机器视觉 的水果分级系统已经开始了商业化应用，而我国这方面的研究仍处于起步阶段。鉴于此，本文 对基于d s p 机器视觉的水果外形分级技术展开了研究。 首先，对基于d s p 机器视觉的水果分级系统方案设计做了描述，着重研究了系统的软硬件 设计，以及图像处理过程中大流量图像数据分配、传输问题。 其次，对实际分级生产线上的水果图像分割问题进行了研究。分别利用状态法、最小误差 法、迭代法和最大类间方差法等最优阈值选取方法进行了分割实验并对结果进行了对比分析。 对分割后的水果图像进行轮廓跟踪得到了水果边界，为后续的水果果形识别分类做了准备。 然后，研究了水果大小、颜色的动态分级问题。利用水果自身对称性来检测果轴方向，有 效地克服了水果运动带来的果梗和花萼识别困难继而导致果轴方向无法确定的问题。对于颜色 分级，对h s i 彩色模型的稳定性进行了分析，利用色度值h 来分析水果表面颜色组成情况。 最后，重点研究了水果果形分类识别问题。对归一化后的水果半径序列进行小波变换提取 小波描述子来描述果形，分析了不同小波基、不同数目系数点重建水果边界的匹配率。运用核 主成分分析( k p c a ) 对果形特征参数进行了降维分析和处理，最后利用动态最近邻聚类算法 设计r b f 神经网络作为果形分类器进行了分级实验。将小波描述子与常用的傅里叶描述子方法 进行了对比，实验表明小波描述子是一种有效地描述水果果形的方法。 本文的研究对于提高我国果品商品化处理水平和能力都具有十分重要的意义。 关键词：d s p ，水果分级，图像处理，小波变换，小波描述子，核主成分分析，r b f 神经网络 基于d s p 机器视觉的水果外形分级技术研究 a bs t r a c t c h i n ai st h el a r g e s tp r o d u c e ro ff r u i ti nt h ew o r l d h o w e v e r , t h eb a c k w a r d n e s so ft h eg r a d i n g e q u i p m e n ta n dt e c h n o l o g yr e s u l t si nl o wl e v e lo fp o s t - n a t a lt r e a t m e n tt oa g r i c u l t u r a lp r o d u c t s ，w h i c h r e s u l t st h ea p p e a r a n c eo fp o o rq u a l i t ya n dl a c ko fm a r k e tc o m p e t i t i v e n e s so f d o m e s t i cf r u i t i nr e c e n t y e a r s ，g r a d i n gs y s t e mb a s e do nd s pm a c h i n ev i s i o nh a sa l r e a d ys t a r t e dc o m m e r c i a la p p l i c a t i o n s a b r o a d ，b u td o m e s t i cr e s e a r c hi n t h i sa r e ai ss t i l la ta l le a r l ys t a g e i nv i e wo ft h i s ，t h ef r u i ts h a p e g r a d i n gb a s e do nd s pm a c h i n ev i s i o ni ss t u d i e di nt h i sp a p e r f i r s t l y , t h ed e s i g no fd s p - b a s e df r u i tg r a d i n gs y s t e mi ss u r v e y e d t h i sp a p e rm a i n l ys t u d i e s s y s t e m ss o f t w a r e a n dh a r d w a r ea n ds o l v e st h ep r o b l e mo fl a r g ef l o wd a t ad i s t r i b u t i o na n d t r a n s m i s s i o ni nt h ei m a g e p r o c e s s i n g s e c o n d l y , t h ei m a g es e g m e n t a t i o no nt h ea c t u a lf r u i tg r a d i n gl i n ei ss t u d i e d i ti sp u tf o r w a r d d i f f e r e n tt h r e s h o l dm e t h o d s ，i n c l u d i n gt h es t a t em e t h o d ，t h em i n i m u me r r o rm e t h o d ，i t e r a t i v em e t h o d ， t h em a x i m u mv a r i a n c em e t h o d s e g m e n t a t i o ne x p e r i m e n t sa l ec a r r i e do u ta n dt h er e s u l t sa r e c o m p a r e da n da n a l y z e d f r u i tb o u n d a r yi se x t r a c t e du s i n gc o n t o u rt r a c k i n gf r o mt h es e g m e n t e df r u i t i m a g e t h e n , t h ed y n a m i cg r a d i n go ff r u i ts i z ea n dc o l o ri ss t u d i e d t h i sp a p e rd e t e c t sf r u i ta x i su s i n g t h ef r u i ts y m m e t r yt os o l v et h ep r o b l e mt h a tt h ef r u i ta x i sc a n tb ed e t e c t e dd u et ot h ei d e n t i f i c a t i o n d i f f i c u l t yo fs t e ma n dc a l y xc a u s e db yf r u i tm o v e m e n t f o rc o l o rg r a d i n g , t h es t a b i l i t yo ft h eh s ii s s t u d i e d , a n dt h ec o l o rc o m p o s i t i o no ft h ef r u i ts u r f a c ei sa n a l y z e du s i n gh v a l u e s a tl a s t , t h i sp a p e rm a i n l ys t u d i e st h ef r u i ts h a p ec l a s s i f i c a t i o n w a v e l e td e s c r i p t o ri se x t r a c t e dt o d e s c r i b et h ef r u i ts h a p ef r o mw a v e l e tt r a n s f o r mo ft h en o r m a l i z e df r u i tr a d i u ss e q u e n c e m a t c h i n g r a t e so fd i f f e r e n tw a v e l e ta n dd i f f e r e n tn u m b e ro fc o e f f i c i e n t sa r ca n a l y z e do nt h er e c o n s t r u c t i o no f t h ef r u i tb o r d e r t h ed i m e n s i o n so fs h a p ef e a t u r ea r er e d u c e du s i n gk e r n e lp r i n c i p a lc o m p o n e n t a n a l y s i s ( z e c a ) f i n a l l y , d y n a m i cn e a r e s tn e i g h b o r - c l u s t e r i n ga l g o r i t h mi su s e dt om a k et h er a d i a l b a s i sf u n c t i o n ( 1 m f ) n e u r a ln e t w o r ka sf r u i ts h a p ec l a s s i f i e r e x p e r i m e n t sb e t w e e nw a v e l e td e s c r i p t o r a n df o u r i e rd e s c r i p t o ra 他c o m p a r e d t h er e s u l t ss h o wt h a tt h ew a v e l e td e s c r i p t o ri se f f e c t i v et o d e s c r i b et h ef r u i ts h a p e t h i ss t u d yi so f g r e a ts i g n i f i c a n c et oi m p r o v et h ec o m m e r c i a l i z a t i o nl e v e lo f d o m e s t i cf r u i t 1 ( e yw o r d s ：d s p , f r u i tg r a d i n g i m a g ep r o c e s s i n g , w a v e l e tt r a n s f o r m , w a v e l e td e s c r i p t o r , p r i n c i p a l c o m p o n e n ta n a j y s i s , r a d i a lb a s i sf u n c t i o nn e t w o r k 一 南京航空航天大学硕士学位论文 目录 第一章绪论。l 1 1 课题研究背景及意义1 1 2 国内外水果分级研究现状分析2 1 2 1 分级设备的研究应用现状。2 1 2 2 国外水果分级技术研究现状3 1 2 3 国内水果分级技术研究现状4 1 3d s p 数字信号处理技术5 1 4 课题主要研究内容。6 第二章基于d s p 机器视觉的水果分级系统方案设计8 2 1 引言8 2 2d s p 介绍一8 2 2 1d s p 芯片特点8 2 2 2t m s 3 2 0d m 6 4 2 芯片特点。1 0 2 3 水果分级系统方案设计1 3 2 3 1 基于图像采集卡的传统水果分级系统1 3 2 3 2 基于d s p 机器视觉的水果分级系统1 3 2 4 基于s e e d v p m 6 4 2 的实时图像处理系统1 6 2 4 1s e e d v p m 6 4 2 开发板介绍。1 7 2 4 2 水果分级实时图像处理系统结构1 8 2 5 系统软件开发2l 2 5 1c c s 集成开发环境。2 1 2 5 2 系统仿真及软件调试2 3 2 6 本章小结2 3 第三章水果图像的预处理2 4 3 1 引言2 4 3 2 水果图像的平滑去噪2 4 3 2 1 邻域均值法2 4 3 2 2 中值滤波2 5 3 3 水果图像背景分割2 6 i l l 基于d s p 机器视觉的水果外形分级技术研究 i v 3 3 1 基于阈值的图像分割。2 6 3 3 2 几种阈值选取方法的比较3 l 3 4 水果边界提取3 2 3 4 1 像素点的连接性3 2 3 4 2 轮廓跟踪。3 3 3 5 本章小结3 4 第四章水果大小和颜色的动态分级3 5 4 1 引言3 5 4 2 水果的动态分级3 5 4 3 水果大小的动态分级3 6 4 3 1 水果大小检测方法3 6 4 3 2 水果果轴方向的检测3 8 4 3 3 实验结果分析3 9 4 4 水果颜色模型的选取4 0 4 4 1 颜色模型4 0 4 4 2 颜色模型的稳定性分析4 3 4 5 水果颜色的动态分级4 4 4 5 1 水果表面颜色组成分析4 4 4 5 2 水果表面着色面积的计算4 5 4 5 3 实验结果分析4 7 4 5 本章小结4 7 第五章水果果形特征提取和分类识别算法研究4 8 5 1 引言4 8 5 2 小波变换基本理论4 8 5 2 1 连续小波变换4 9 5 2 2 离散小波变换5 0 5 3 轮廓小波描述子5l 5 3 1 多分辨率分析划及小波描述子5 1 5 3 2 几种小波函数5 3 5 4 基于小波描述子的果形特征提取5 4 5 4 1 半径序列的计算及归一化5 4 5 4 2 提取果形小波描述子5 5 南京航空航天大学硕士学位论文 5 4 3 果形特征的降维计算5 6 5 5 基于r b f 神经网络的果形分类识别。5 8 5 5 1r b f 神经网络的结构和原理。5 8 5 5 2 基于动态最近邻聚类的r b f 网络的训练5 9 5 5 3 水果果形分级实验分析6 l 5 6 本章小结6 3 第六章总结与展望6 4 6 1 论文工作总结6 4 6 2 今后展望6 5 参考文献6 6 j l 【谢7 ( 1 在学期间的研究成果及发表的学术论文。7 l v 基于d s p 机器视觉的水果外形分级技术研究 v i 图清单 图1 1 实时d s p 系统构成框图。5 图1 2 论文主要内容框架6 图2 1 三级流水线操作9 图2 2d m 6 4 2c p u 结构图。1 1 图2 3 基于d s p 机器视觉的水果分级系统示意图1 4 图2 4 输送装置。1 5 图2 5 摄像室。l5 图2 6 分级装置。1 6 图2 7s e e d m 6 4 2 功能框图l7 图2 8 水果实时图像处理系统框图1 8 图2 9 输入缓冲区更新示意图1 9 图2 1o 输出缓冲区更新示意图2 0 图2 1 1c c s 环境下系统软件开发流程2 2 图3 1 水果图像识别处理流程2 4 图3 2 中值滤波常用窗口形状2 5 图3 3 水果图像的平滑去噪。2 6 图3 4 状态法阈值选取一2 7 图3 5 状态法阈值分割2 7 图3 6 最小误差法阈值选取。2 8 图3 7 最小误差法阈值分割2 9 图3 8 迭代法阈值分割2 9 图3 9 最大类间方差法阈值分割3 l 图3 1 0 存在干扰时的状态法分割3 l 图3 1 l4 邻域及8 邻域示意图3 3 图3 1 2 轮廓跟踪示意图。3 3 图3 1 3 水果边界提取。3 4 图4 1 水果动态分级流程图。3 6 图4 2 最大果宽( 果轴) 法检测水果大小3 7 图4 3 果径法检测水果大小3 8 南京航空航天大学硕士学位论文 图4 4 对称性轴向检测示意图。3 9 图4 5 水果轴向检测3 9 图4 6r g b 模型立方体示意图4 l 图4 7h s i 模型示意图4 2 图4 9 红苹果的色度直方图。4 4 图4 1 0 黄苹果的色度直方图4 5 图4 1 l 对苹果按色度阈值进行分割4 5 图4 12 水果图像投影示意图4 6 图4 1 3 二维投影图像的恢复4 7 图5 1 小波函数的位移与伸缩。4 9 图5 2 小波变换的时频窗。5 0 图5 3 多分辨率分析的树形结构5 2 图5 4 半径序列计算示意图。5 5 图5 5 水果边界重建5 6 图5 6r b f 网络拓扑结构5 8 图5 7 各等级苹果典型形状6 l 图5 8 半径序列的傅里叶变换6 2 v n 基于d s p 机器视觉的水果外形分级技术研究 v i i i 表清单 表2 1u a r t 串口寄存器2 0 表2 2u a r t 串口寄存器( - - - 次寻址) 2 1 表2 3u a r t 串口波特率设置2 l 表4 1 苹果大小分级数据标准3 6 表4 2 苹果大小动态检测结果4 0 表4 3 红富士苹果颜色等级标准4 4 表4 4 苹果颜色动态分级结果。4 7 表5 1 不同小波基果形匹配误差。5 6 表5 2 降维后的部分样本数据。5 7 表5 3 小波描述子分类结果。6 2 表5 4 傅里叶描述子分类结果。6 2 ， 南京航空航天大学硕士学位论文 略写 d s p v l i w e d m a e m i f m c a s p m c b s p s d r a m c c s x d s c 、t d 吓 m r a p c a k p c a r b f 注释表 英文全称 d i g i t a ls i g n a lp r o c e s s o r v e 巧l o n gi n s t r u c t i o nw o r d e n h a n c e dd i r e c tm e m o r ya c c e s s e x t e m a lm e m o r yi n t e r f a c e m u l t i - e h a n n e lo f a u d i os e r i a lp o r t m u l t i - c h a n n e lb u f f e r e ds e r i a lp o r t s y n c h r o n o u sd y n a m i cr a m c o d ec o m p o s e rs t u d i o e x t e n d e dd e v e l o p m e n ts y s t e m c o n t i n u o u sw a v e l e tt r a n s f 0 1 1 1 1 d i s c r e t ew a v e l e tt r a n s f o r m m u l t i r e s o l u t i o na n a l y s i s p r i n c i p a lc o m p o n e n ta n a l y s i s k e m e lp r i n c i p a lc o m p o n e n t a n a l y s i s r a d i a lb a s i sf u n c t i o n 中文名称 数字信号处理器 甚长指令字 增强的直接存储器访问 外部存储器接口 多通道音频串口 多通道缓冲串口 同步动态存储器 集成开发环境 扩展开发系统 连续小波变换 离散小波变换 多分辨率分析 主成分分析 核主成分分析 径向基函数 i x ， 南京航空航天大学硕士学位论文 - - - - _ - _ _ _ _ - _ _ _ _ _ - - _ - - _ _ _ _ _ _ _ _ _ _ _ _ _ _ - - _ - _ _ _ - _ _ _ _ _ _ _ - _ - - _ _ _ _ - - - _ - _ - _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ - _ _ - - _ _ _ _ _ - _ _ _ _ _ _ _ _ _ _ _ - _ _ _ _ - - - _ _ - _ _ _ _ _ _ _ _ - - _ - _ _ - - _ - - - 一 第一章绪论 1 1 课题研究背景及意义 我国是个农业大国，果品产量居世界前列，果品种类十分丰富，水果和干果达5 0 余种，果 品种植面积比例较大，仅苹果一项种植面积约为4 0 0 万公顷【1 】。水果生产作为一项新兴产业， 在农业和农村经济发展中的地位已十分重要，在很多地区已成为农村经济的支柱产业。自1 9 9 3 年以来，我国一直保持着世界第一水果生产大国的地位，水果种植面积不断增加，产量持续增 长。根据中国农业信息网2 0 0 5 年发布的数据，2 0 0 4 年我国水果总产量已经达到1 5 2 4 3 万吨。 水果成为我国继粮食、蔬菜之后的第三大种植产品。 我国是水果生产大国，但并不是水果产业强国，国产商品水果在国际市场的表现与我国水 果第一生产大国的地位很不相称： 1 品质差：我国商品水果的品质在国际市场上同发达国家相比存在较大差距。由于我国水 果中优质果仅占总产量的4 0 左右，能达到礼品水果标准的产品只占5 左右，大量水果均为 中下等果，外观严重参差不齐，国际竞争力弱。 。 2 出口量小：世界各国平均有1 0 的水果参与世界贸易，而我国出口水果不到3 。2 0 0 4 年我国水果总产量达到1 5 2 4 3 万吨，而国家海关的统计表明，当年我国水果出口只有3 1 2 9 5 万 吨，出口量仅占2 。 3 价格低：2 0 0 2 年，我国水果出口价格为美国的4 0 、日本的2 0 。以香港市场为例， 我国生产的柑橘单价只有其他国家的l 4 。还有如西红柿，我国内地销往香港的平均到岸价格为 每公斤1 9 3 港元，美国为5 2 0 港元，日本为6 0 5 港元，而澳大利亚高达每公斤1 2 1 0 港元，差 距极大。 4 附加值低：美国农产品产后产值和采摘时自然产值是3 7 ：1 ，日本是2 2 ：1 ，我国只有0 5 ：1 。 造成这种局面的一个主要原因就是我国农产品产后处理水平太低。发达国家对即将上市的 水果要进行精选、分级、清洗、打蜡、防腐保鲜、精细包装等商品化处理，以提高附加值。而 我国由于检测与分选手段的落后，致使国产水果的外观质量较差，同一批水果中良莠不齐，大 小不一，缺乏市场竞争力。 水果分级是产后加工( 清洗、打蜡、分级、包装) 的关键环节，分级的核心是水果品质检 测，它包括外表和内部质量检测两部分。外表质量检测的关键参数是水果大小、颜色和形状等， 内部品质包括糖度、酸度及维生素等。水果在生长发育过程中受到外界多种因素的影响，即使 同一株树上的果实在外观、风味等品质方面的表现也不尽一致，从若干果园中采集的水果更是 大小混杂，良莠不齐。国外水果按大小、形状、颜色、表面缺陷等进行自动化分级和包装后， l 基于d s p 机器视觉的水果外形分级技术研究 其商品价值大大提高。而目前我国的大多数水果不经处理就直接通货上市，售价自然就很低。 上世纪9 0 年代初，我国相继引进和开发了按大小和重量分级的分级设备和涂蜡设备，近几 年国内也出现了基于机器视觉技术的水果分级设备，为我国水果出口奠定了基础。但是，进口 设备价格昂贵，少则数百万元，多则数千万元，一般企业难以负担。而国产设备由于技术投入 不够，与国外先进设备差距很大。近几年来，国外基于d s p 机器视觉的分级技术的商业化应用， 使得我国果品分级技术与国外的差距进一步拉大，如果不能及时跟上国外技术水平，我国的水 果出口将会遇到更大的困难，水果出口问题将会更加突出。因此，研究基于d s p 机器视觉的水 果分级技术、开发技术先进并适合我国果品商品化处理的分级设备，对提高我国果品商品化处 理水平和能力、缩小我国与发达国家的技术差距、提高我国果品在国际贸易中的竞争力和贸易 份额，具有十分重要的意义和广阔的应用前景。 1 2 国内外水果分级研究现状分析 1 2 1 分级设备的研究应用现状 人工分级目前是我国的主要分级方法。操作人员站在传送带的两侧，用眼睛观察传送带上 运动水果的外观特征，通过与人脑中的标准进行比较，从而挑出不合要求的水果，而好的水果 则由传送带带走。这种方法所用设备简单，但是需要大量的劳动力，劳动强度大，经济效益不 好。同时这种主观评定受到个人视力、颜色鉴别能力、情绪等因素的影响较大，效率低，分级 的精度也很差。因此这种分级方案难以满足现代化农业发展的要求。 机械分级主要是将水果由输送带或输送链传送到分级部件，通过分级部件上大小依次变化 的孔穴或直接通过输送带或输送链之间间距的变化，使大小不同的果品先后分离，以达到分级 的目的。与人工分级相比，机械分级具有速度较快，分级精度较高，对操作人员的素质要求较 低的特点，但容易使水果产生机械损伤。我国已生产过滚筒式分级机、三辊筒式分级机和条带 式分级机等机械分级设备，而且还进口了称重式分级机，但由于不能同时根据大小、形状、颜 色和缺陷进行分级，这些设备尽管能降低劳动强度、提高分级精度，但多数被弃之不用，而仍 采用人工分级。 近几年来，国外已经研制出基于d s p 机器视觉技术的水果大小、形状、颜色和表面缺陷等 分级设备。分级时，水果通过传送带传送到摄像室，摄像头将水果图像采集到计算机或d s p 内 部，然后再对图像进行处理，根据得到的结果来驱动分级执行机构，实现分级。国外已有研发 成功的基于d s p 系统的水果分级生产线，这种设备的特点是速度快、信息量大、功能多而且可 以定量测量、易实现自动化生产。此外，近几年来国内在基于计算机机器视觉的分级设备也有 所研究，但是都不成熟。 2 m a r c h a n t 等人【2 1 研制成功了一种根据尺寸对马铃薯进行分级的计算机视觉系统，配备有并 行处理器和数据采集处理卡，该系统每秒钟可以对4 0 个马铃薯进行分级，但分级精度还不能满 “ 足实际生产的需要。 w e n 等人【3 】建立了一个基于二维决策树的机器视觉系统，能检测苹果的大小、形状与缺陷 等品质。 2 表面颜色检测方面 t a o 等人1 4 l 研制了用于苹果颜色检测的机器视觉系统，它可以区别黄色与绿色的“金帅苹 果”。a b d u i l a h 等人【5 】研制了用于金帅( 一种海星状水果) 表面颜色和果形检测的机器视觉系统 软件，对2 0 0 个样本的检测表明，线性判别函数和多层神经网络的检测准确率分别为6 5 3 和 9 0 5 。 m e n d o z a 等人【6 1 分别研究了r g b 、h s v 和l a b 颜色模型在水果品质检测计算机视觉的应用， 结果表明，r g b 效率较高，但易受背景、水果表面曲率及散射影响，l a b 更适于在计算机视觉 系统中用于水果表面颜色的检测。 3 果形检测方面 w o l f e 7 1 利用在6 个正交方向上的环形h o u g h 变换和线性h o u g h 变换找到了胡椒的柄部和 花萼，从而确定了胡椒的方位，结果实测方位角和计算方位角的平均误差为8 1 0 ，所提出的双 梯度法和中轴技术为有效地进行胡椒的形状识别打下了基础。 v a r g h e s e 8 1 采用矩方法进行了苹果果形判别的研究，需要将苹果的果梗花萼轴人为定向，同 时还需要采集5 幅不同角度的图像，但判别准确性与苹果的旋转角度有关。 v a nd ev o o r e n 等人【9 1 用圆度、弯曲能量、球形度和偏心距等来描述蘑菇的形状特征。 l c e m a n s l l 0 1 系统地对圆度、矩形率、矩、惯性主轴、偏心率、矩不变因子等描述果形的性能进 行了分析，结果表明用常规的以区域为基础的信息( 如惯性主轴、矩等) 描述果形的方法不是精 确度不高就是对苹果的旋转、位移敏感性太强，适应性较差。 v a ne c kj 等人【1 1 1 开发了一种检测黄瓜长度和形状的方法，将黄瓜的轮廓压缩至中线，并利 用该中线来检测其长度、直径和形状。测试表明，图像分析方法可有效地检测黄瓜的形状，长 度检测的标准差为1 4m m ，优于手工测量的3 5m m 。 3 基于d s p 机器视觉的水果外形分级技术研究 m o r i m o t o 等人1 1 2 l 利用吸引子和分形维数等混沌学中的概念来定量描述西红柿的形状。d i n g 等人【1 3 】利用激光测距仪建立了一套获取柑橘三维表面信息的系统用来研究柑橘形状变化与不 同品种的关系，但是测量一个柑橘的三维信息需要4 分钟。 b e y e r 等人【1 4 j 采用图像方法和回归方法描述了草莓的果形。l a y k i n 等人【1 5 】利用傅立叶变换 提取西红柿圆度特征。i m o u 等人1 1 6 l 建立了检测草莓形状的三维形状测量实验台。 国外在利用机器视觉技术进行水果品质检测与分级方面已经取得了较大的进展，并有许多 成功的经验值得借鉴。以美国为例，在上世纪9 0 年代后期，已有实用化的基于机器视觉的水果 分级产品生产，为美国的水果产业带来了巨大的经济效益。 1 2 3 国内水果分级技术研究现状 国内的水果自动分级研究起步较晚，中国农业大学的刘禾和汪懋华较早开始研究苹果自动 分级的图像分割问题，浙江大学的应义斌等人对苹果、柑橘、黄花梨等水果进行了较深入的研 究，陈晓光、王江枫、张泰岭也进行了水果分级方面的研究。国内科研院所从事水果自动分级 研究的还不多，而且大多数国内学者在做水果品质静态检测的研究。 李庆中等【1 7 】在实数域分形盒维数计算方法的基础上，提出了双金字塔数据形式的盒维数快 速计算方法。对于待识别水果图像的可疑缺陷区，提出用5 个分形维数作为描述该区域粗糙度 和纹理方向性的特征参数，并用所提出的快速计算方法进行计算，然后利用人工神经网络( b p ) 作为分类器来区分水果表面的缺陷区和梗、萼凹陷区，识别的准确率为9 3 ，一个可疑缺陷区 的判别时间为4 7 m s 。李庆中等【1 8 】还介绍了苹果颜色自动分级系统的硬件组成。确定了苹果颜 色特征的提取方法，利用遗传算法实现了多层前馈神经网络识别器的学习设计，实现了苹果颜 色的实时分级，并通过实验验证了该方法的有效性。实验结果表明，颜色分级识别准确率在9 0 以上，分级一个苹果所用的时间为1 5 0 m s 。 张聪【1 9 】将非接触式的测量光幕用于高速连续的单个水果分级。测量光幕是由相互分离、相 对放置的发射器和收光器组成的。当物体进入光幕区域时，阻挡光线，通过控制器识别被阻挡 的首束光线的编号，然后依次由下往上计算被阻光线总数，直到最后被阻挡光线为止，累加数 值，从而得出物体的被测方向尺寸。 付峰、应义斌【2 0 1 针对图像采集过程中水果形状会产生失真的情况，研究了球体的大小、表 面颜色和图像采集位置等因素对球体图像灰度失真的影响，并分别建立了位于摄像视区中心的 球体图像的灰度校正模型和偏离摄像视区中心的球体图像的灰度校正模型，采用该模型在 m a t l a b 软件平台上构建了柑桔图像的灰度校正算法。应义斌1 2 1 】发现用傅立叶描述子的前4 个谐波分量的变化特性就能很好地代表水果的形状，用前1 5 个谐波分量来描述形状可以达到相 当高的精度，而且傅立叶描述子可以进行平移、旋转和缩放，并具有很强的水果外形重建功能。 4 南京航空航天大学硕士学位论文 冯斌1 2 2 】通过分析不同着色等级的水果，以各色度在水果表面分布的分形维数为特征进行分 级，该特征值不仅考虑了各色度点的累计特性，而且考虑了色度点的空间分布特性，使颜色分 级更符合实际情况，分级正确率为9 5 。 赵静纠2 3 】在综合分析果形的基础上，提出用半径指标、连续性指标等6 个特征参数表示果 形。首次将参考形状分析法用于果形判别，并利用人工神经网络对果形进行识别和分级。结果 表明，机器视觉与人工分级的平均一致率在9 3 以上。 综合以上我国学者的研究工作，研究针对的目标基本上是静态的，在研究中未考虑实际分 级中水果传输的动态特性，如运动目标的捕获、运动对水果图像的影响和相关的处理方法等。 特别是在图像处理的方法上，多数是延续经典静态图像的处理方法，对图像没有进行预处理工 作，或者是未作任何选择而对全图进行逐点扫描操作，浪费了许多操作时间，使得许多成果离 实际应用较远或者是很难向产业化生