摘要
苹果分级销售可以提高它的商品价值属性。根据苹果分级标准，外部品质特征是重要内容。利用机器视觉可以进行苹果的外部特征进行无损检测，为了提高分级准确性，对红富士苹果的果径大小、颜色和纹理这三个苹果分级的重要特征的提取方法进行优化，结合缺陷和果形特征进行综合分级。主要研究内容如下: (1)提出了圆形邻域LBP算子与部分灰度压缩扩阶共生矩阵融合的的苹果纹理提取方法。灰度共生矩阵可以识别图像中的变化幅度、相邻间隔、灰度方向，但是受光照影响较大。结合圆形邻域LBP算子的光照不变性以及可以获得任意数目的邻域像素点和任意半径的圆形模式这样的优势进行方法融合，对部分灰度信息作灰度级压缩和灰度矩阵扩阶处理，对剩余灰度级部分保持原灰度级不变，并选取优势方向上的特征均值作为最终结果，获得更加准确地苹果图像纹理特征。 (2)提出了基于阈值分割的实际果径大小计算方法。通过距离与像素点表示的实际大小关系方程，获得所需的分割阂值。接着采用阈值分割法对像素直径进行线性函数拟合，得到实际的果径大小，与整体线性拟合相比提高了准确性。(3)提出了预分析阈值区域的红色分量提取算法。不同环境影响颜色分量提取，HSV颜色模型中的H分量上的红色提取阈值不能自适应，本文提出预分析H分量上的红色分割阈值方法。首先对部分采集图像进行手动红色区域标定，统计标定区域的颜色阈值区域，获得最高频的颜色阈值区域，作为本文红色提取阈值区域，相对于传统HSV红色阈值特征提取提高了准确性。 (4)结合缺陷和果形特征，运用判别树和基于粒子群优化的SVM模型进行决策融合分级。最后在此基础上，利用C#、OpenCV和MySQL技术进行了系统架构设计、数据库设计、算法模块化封装和用户交互界面设计，实现了红富士苹果分级系统搭建。
NETL