基于机器视觉的苹果大小自动分级方法

摘要介绍了采用机器视觉的苹果大小自动分级，利用CCD摄像机获取苹果的样本图像，应用MATLAB软件编程实现了对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理，参照苹果分级的国家标准完成了苹果自动分级。试验表明，此方法分级精度高，且速度快。•1分级系统构成及图像采集过程•2视觉检测样本图像处理•3自动分级•4结论1分级系统构成及图像采集过程1．1分级系统构成•分级系统主要由苹果输送翻转机构、机器视觉识别系统和分级机构组成，如图1所示。1．2图像采集过程•试验时，调节CCD摄像头的焦距和苹果输送翻转部分的速度，直到采集苹果图像清晰为止，锁定焦距和苹果输送翻转部分的速度。CCD摄像头采集苹果视频信号存储在数码录像带上。试验结束后，视频信号通过USB接口传输到微机，并以MPEG格式存储，称为视觉检测样本。2视觉检测样本图像处理•采用MATLAB图像处理工具箱对图像进行处理和分析。•具体过程是图像背景去除、二值化、图像平滑、特征量提取、图像标定和自动分级等。2．1背景去除•在获取的样本图像中，包括苹果、摩擦带和滚子等背景物体，因此首先应该将这部分背景去除。•imclearborder(X，CONN)函数，其功能是去除图像x中与图像边界相连通且比其周围物体明度高的部分。为此，可以通过选择CONN的值来选用4连通或是8连通(即CONN=4或CONN=8)。根据具体情况进行调整。这里选用8连通效果较好。实现背景去除可使用如下语句：Xl=imclearborder(X10，8)；去除背景后的图像如图2所示。2．2二值化•图像二值化处理是特征量提取所必需的。去除与边缘相连的背景物后，图像还是真彩色图像。为将图像变换成二值图像，应将图像变换成灰度图像。•实现彩色图像灰度化可使用如下语句：•x2=mat2gray(x1)：灰度图像如图3所示。•得到灰度图像后，选取合适的阈值对图像进行二值化处理。•通过二值化处理，使检测对象从复杂的图像背景中凸显出来。二值化图像如图4所示。2．3图像平滑•图像经二值化处理后不仅包括苹果目标，还残留一些干扰噪音(小斑点)。这些噪音直接影响检测的准确度，而图像的平滑处理就是消除噪音。•实现图像平滑处理可使用如下语句：•x4=medfilt2(x3，[10，10])：平滑处理图像如图5所示。2．4特征量提取•苹果在输送带上既有旋转运动又有平移运动，这两种运动的组合使苹果状态出现了不确定性。一般表现为3种形式，即侧倾、正立和倒立形式。当处于正立和倒立形式时，由苹果的生物特性决定其图像边缘近似圆形；当处于侧倾形式时，图像边缘呈不规则形状，反映苹果的形状差异，在对苹果进行大小分级时，一般按苹果直径进行分级。因此，对采集图像进行图像处理后，检测其边缘序列点集(xi，yi)，i=0,1，．．n-1，n•在得到检测图像后，需确定苹果直径的检测轴向，取垂直方向为轴向方向。这样，取垂直于轴向的最大苹果宽度即为苹果直径大小。但最大宽度的确定仍需搜索完成，即沿着轴向方向进行宽度检测，得到一系列苹果宽度，最后对其进行比较，确定最大值，这是进行苹果大小分级的特征量。2．5图像标定•在进行特征量提取后，得到苹果的直径值是像素坐标下的值。要进行苹果大小分级，还需对其值进行像素坐标和实际坐标的转化(即图像标定)。3自动分级3．1分级原理•利用图像标定比例对检测到的特征量进行转化，可以得到苹果的实际直径。苹果大小分级可以按照国家标准进行在GB1065-89中，关于苹果直径分级参数如表1所示。3．2分级结果分析•文中以红富士为研究对象，选取64个样本进行分级。视觉分级结果和人工分级结果见表2所示。•从表2可以看出：视觉分级结果与人工分级结果相一致的有60个，不一致的有4个，视觉分级的准确率可达93．75％4结论•1)构建了苹果视觉分级系统，通过试验获取了视觉分级的样本图像。•2)通过对样本图像的分析，编制了一套进行图像处理和特征量提取的MATLAB程序。•3)参照苹果分级的国家标准GB1065-89，实现了苹果的自动分级。•4)对视觉分级结果和人工分级结果进行比较分析，结果表明：视觉分级可以达到较高的分级精度，且分级速度快，不受人为因素的影响，便于实现自动化。谢谢