水果分级与表面缺陷检测研究_李苏

采 用 统 计 等 方 法 对 对 象 进 行 识 别 。所 以 如 果 应 用 场 景 是 未 知
的水果，而且不能学习，也就是说没有人为的指定什么品质的
水果是一级品，什么品质的水果是二级时，那么宜采用聚类的
方 法 。如 果 能 够 人 为 的 给 出 水 果 的 品 质 的 标 准 就 宜 采 用 阈 值
－ 3954 －
据 不 同 的 水 果 确 定 不 同 的 缺 陷 程 度 标 准 。 由 此 ，需 要 找 到 一 个能够刻画不同水果缺陷程度的标准。 1.2 水 果 缺 陷 程 度 分量 的 选 取
要 准 确 地 刻 画 水 果 缺 陷 程 度 ，必 须 分 析 生 物 表 面 颜 色 的 分 布 特 征 ，并 变 换 至 多 种 彩 色 坐 标 系 ，从 中 挑 选 出 对 生 物 表 面 颜色聚集较紧密的彩色坐标分量。
(2)计算规范区域各点的缺陷程度，提取出程度大于阈值的 点，将此点变换到“数量-程度”空间中。缺陷部分如图 1 (b) 所 示，其中，缺陷程度的计算方法是首先采用高斯低通滤波，以减 少噪声的干扰，然后对 100× 100 区域中的水果部分进行阈值划 分，根据水果品种的不同，统计表面缺陷的颜色范围，在 YUV 坐标系中再次划分，并对缺陷部分进行定位。然后将定位后的 结果映射到“数量-程度”空间，再利用分类器对其进行划分。
2 水果分级
2.1 水 果 分 级 模 型 水果分级就是结合水果的大小与表面整体感观，来对水果
的等级进行划分，将大小均匀，表面视觉良好的分类为一个等 级。在特征的选择上宜采用反映水果大小与表面感官的特征。
常 用 的 分 类 方 法 有 线 性 分 类 算 法 、聚 类 算 法 等 模 式 识 别
的 方 法 ，在 不 同 的 应 用 场 景 中 各 方 法 的 适 应 度 是 不 同 的 。 在
1 水果表面缺陷检测
水果表面缺陷，往往反映在其表面色泽的突然变化上，因 此，水果表面缺陷检测就是通过图像模式识别的方法，从一批
水果中检测出表面在色泽外观上有问题的水果。 1.1 水 果 表 面 缺 陷 检测 模 型 的 建 立
对 表 面 缺 陷 的 量 化 表 示 是 缺 陷 检 测 的 前 提 ，只 有 量 化 了 水 果 表 面 的 缺 陷 程 度 ，才 能 将 表 面 缺 陷 不 符 合 要 求 的 水 果 检 测 出 来 。 水 果 缺 陷 从 视 觉 上 表 现 为 颜 色 的 变 化 上 ，人 类 对 水 果 的 主 观 认 识 是 非 常 准 确 的 ，例 如 当 选 择 苹 果 时 ，如 果 表 皮 出 现 一 块 深 色 块 ，主 观 就 会 认 为 是 缺 陷 ，而 且 还 能 根 据 缺 陷 范 围 的 大 小 判 断 缺 陷 的 程 度 ，但 是 在 选 择 不 同 种 类 的 水 果 时 所 判 断 的 标 准 是 不 同 的 ，比 如 香 蕉 表 皮 有 深 色 的 块 是 成 熟 的 表 现 ， 但是深色块分布范围过大时就判断为缺陷了。
Study on fruit classification and surface defect detection
LI Su, TAN Yong-long, YANG Mei-ying (School of Information Science and Engineering, Yunnan University, Kunming 650091, China)
水 果 表 面 缺 陷 检 测 模 型 中 的 水 果 缺 陷 程 度 分 量 ，必 须 根
收稿日期：2007-11-30 E-mail：suli@ 基金项目：云南省自然科学基金项目 (2005F0012M)。 作者简介：李甦 (1963－)，男，河南光山人，教授，研究方向为计算机信息处理、计算机视觉和图像处理等； 谭永龙 (1982－)，男，重庆人， 硕士研究生，研究方向为图像处理、数字信号处理和模式识别等； 杨美英 (1982－)，女，云南大理人，硕士研究生，研究方向为图像处理和模 式识别。
Abstract：Fruit grading and surface defect detection, is the foundation of the fruit automatic classification system. Size-evaluation metering space as the fruit categories model, Volume - Degree space as the fruit surface defect model are presented. Fruit’s characters will be mapped to the two space and then proceed pattern classification. Experiments show that the two spaces can be effective characterization fruit’s characteristics, classification its type and degree of surface defects accurately. Key words：image processing; pattern recognition; biological target identification; fruit detection; fruit classification; defect detection
立 水 果 分 级 模 型“大 小 - 评 价 测 光 值”空 间 作 为 分 级 标 准 ，如 图
2(d) 所 示 ，坐 标 系 以 水 果 大 小 作 为 横 坐 标 ，水 果 评 价 测 光 值 作
水果缺陷从视觉上表现为颜色的变化上人类对水果的主观认识是非常准确的例如当选择苹果时如果表皮出现一块深色块主观就会认为是缺陷而且还能根据缺陷范围的大小判断缺陷的程度但是在选择不同种类的水果时所判断的标准是不同的比如香蕉表皮有深色的块是成熟的表现但是深色块分布范围过大时就判断为缺陷了
第 29 卷 第 15 期 Vol. 29 No. 15
的方法直接对水果等级进行划分。
人 类 直 观 的 判 断 水 果 级 别 的 标 准 ，一 般 是 通 过 水 果 的 大
小 和 水 果 整 体 颜 色 的 感 觉 。 所 以 模 拟 人 类 的 思 维 ，我 们 选 择
利 用 水 果 大 小 和 评 价 测 光 值 作 为 水 果 分 级 的 依 据 。 为 此 ，建
水果表面缺陷检测步骤如图 1 所示。
缺陷程度
× 1Байду номын сангаас0pix
100pix (a)
图1
缺陷部分 0
(b)
水果表面缺陷检测模型
缺陷大小 (c)
(1) 将水果大小规范化到一个 100× 100 的区域，如图 1 (a) 所 示。规范化的目的是使不同大小不同形状的水果变化到一个统 一大小的区域，以便于对水果缺陷大小进行量化，水果区域与规 范大小面积比，选用类圆形物体与其外接矩形的面积比约为 3.14: 4，即是说在 100× 100 的区域水果约占 7 850 个像素点。规范化的 方法是：对所获取的单个水果图像进行缩放，达到 100× 100 像素 大小，这时可以存储缩放比例，为后续水果分级做准备。
根 据 人 类 主 观 对 水 果 缺 陷 的 判 断 ，水 果 表 面 缺 陷 检 测 的 模 型 ，应 该 包 含 水 果 缺 陷 程 度 与 缺 陷 大 小 的 分 量 ，建 立 水 果 表 面缺陷坐标系如图 1(c)所示，横坐标是水果缺陷的大小，纵坐 标 是 缺 陷 程 度 。 所 以 将 此 坐 标 系 称 为“数 量 - 程 度”坐 标 系 。
实际应用中，有时不知道样本会分为几类，或者没有已知样本
可供学习，这时就需要用到无监督的学习，聚类分析就是无监
督 学 习 常 用 的 方 法 。当 能 够 获 取 对 象 的 准 确 信 息 时 就 宜 采 用
确 定 的 结 构 化 的 方 法 ，如 果 很 难 获 取 对 象 的 准 确 信 息 就 可 以
(3) 设计线性分类器对“数量-程度”空间进行划分。利用 YUV 坐标系对图像的缺陷区域定位，通过改变 YUV 坐标系划 分 的 阈 值 范 围 分 割 出 缺 陷 部 分 区 域 ，然 后 统 计 缺 陷 部 分 的 颜 色 深 浅 程 度 与 缺 陷 数 量 ，标 注 于“数 量 - 程 度”空 间 中 。
计算机工程与设计
Computer Engineering and Design
2008 年 8 月 Aug. 2008
水果分级与表面缺陷检测研究
李 甦， 谭永龙， 杨美英 (云南大学 信息学院，云南 昆明 650091)
摘 要：水果分级与 表面缺陷检测，是 水果自动分级 检测系统的基础 。提出表征水 果类别的“大小-评 价测光值”空间模 型， 与表 征水果表面缺陷 程度的“数量-程 度”空间模型。将 水果的特征映射 到这两个特征空 间，然后进行模 式分类。实验结 果表 明，提 出的两个特征 空间能有效的表 征水果的特征，准确地划分水果 的类别与表面缺 陷程度。 关键 词：图像处理; 模式识别; 生物 目标识别; 水果 检测; 水果分 级; 缺陷检测 中图 法分类号：TP391 文献标 识码：A 文章编号：1000-7024 (2008) 15-3954-04
根据水果缺陷的程度与缺陷大小就能完全度量水果的缺 陷 ，将 水 果 的 缺 陷 与 大 小 的 特 征 提 取 出 来 标 注 于 水 果 表 面 缺 陷坐标系，如图 1(c)中的小叉所示，那么就能根据缺陷判定标 准 划 分 出 缺 陷 水 果 。 缺 陷 区 域 越 大 越 远 离 纵 轴 ，缺 陷 区 域 颜 色程度越深越远离横轴。
本 文 针 对 水 果 自 动 分 级 检 测 的 要 求 ，结 合 水 果 的 视 觉 特 性 ，利 用 水 果 目 标 表 面 颜 色 的 特 殊 性 [6]，经 过 大 量 统 计 实 验 总 结 出 在 不 同 彩 色 模 型 下 的 生 物 目 标 表 面 颜 色 分 布 规 律 ，提 出 了 描 述 水 果 等 级 的“大 小 - 评 价 测 光 值”空 间 模 型 ，以 及 水 果 大 小 和 评 价 测 光 值 的 获 取 与 变 换 的 方 法 ；提 出 了 描 述 水 果 表 面 缺 陷 的 大 小 与 程 度 的“数 量 - 程 度”空 间 模 型 ；利 用 图 像 处 理 [7-8] 与模式识别 [9-10] 等技术，提出了数量与程度两个分量的获取、 变 换 、表 达 等 方 法 。
0引言
水果自动分级检测，关键是恰当的选取水果的特征，使这 些 特 征 对 水 果 的 表 面 缺 陷 与 分 级 的 区 分 度 较 大 ，而 噪 声 的 干 扰 较 小 。水 果 分 级 与 水 果 表 面 缺 陷 检 测 是 水 果 识 别 系 统 的 核 心部分，目前国内外对水果分级检测的研究不少 ，但 [1-5] 是大多 是 提 出 某 种 图 像 处 理 或 者 颜 色 空 间 变 换 的 方 法 ，很 少 提 出 水 果 分 级 检 测 从 特 征 提 取 、对 象 表 达 到 对 象 划 分 的 整 体 模 型 。
根据文献 [6]，分析在各彩色坐标系中聚集较紧密的分量 我 们 可 以 发 现 ，各 彩 色 坐 标 系 的 亮 度 分 量 始 终 分 布 较 为 分 散 ， 如 YUV 坐标系中的 Y 分量。在生物表面识别中由于受到光 照 的 影 响 ，物 体 表 面 的 亮 度 由 于 光 照 的 原 因 可 能 变 化 比 较 大 ， 而 物 体 的 色 度 信 息 保 持 了 非 常 好 的 紧 凑 性 ，这 就 是 人 们 在 不 同 光 线 强 度 下 都 能 准 确 认 出 物 体 ，而 当 环 境 光 的 色 调 发 生 变 化 时 就 很 难 判 断 物 体 的 表 面 颜 色 的 原 因 。利 用 物 体 表 面 的 色 调就能很好地区分特定的物体。所以最终分别从 YUV 坐标 系中选取 V 分量，从 HSI 坐标系中选取 H 分量，形成 VH 坐标 系 ，作 为 度 量 生 物 表 面 颜 色 的 坐 标 系 。 1.3 水 果 表 面 缺 陷 检测 的 步 骤