臍橙表面缺陷的快速檢測(cè)方法研究.pdf

1、水果表面缺陷是決定水果價(jià)格最有力的因素之一，因?yàn)橥獠咳毕菔菍?duì)水果品質(zhì)最直接的反映。國(guó)家標(biāo)準(zhǔn)對(duì)水果表面缺陷數(shù)量和面積大小有嚴(yán)格的規(guī)定。與水果的大小、顏色、形狀等外部質(zhì)量指標(biāo)相比，水果表面缺陷的快速識(shí)別一直是水果分級(jí)中最難，耗時(shí)最多、研究人員最感興趣的研究?jī)?nèi)容。多年來(lái)，研究人員做了大量的工作。
　　 本研究以臍橙為研究對(duì)象，利用RGB成像技術(shù)、可見(jiàn)近紅外高光譜成像技術(shù)及熒光高光譜成像技術(shù)，詳細(xì)地探討了臍橙表面11類型常見(jiàn)缺陷(包括薊

2、馬果、潰瘍果、裂傷果、炭疽病果、日灼果、藥傷果、風(fēng)傷果、蟲(chóng)傷果、介殼蟲(chóng)果、異色條紋果和腐爛果)檢測(cè)理論以及兩種較為重要的缺陷潰瘍病和腐爛果均識(shí)別理論。解決了目前臍橙表面缺陷檢測(cè)的部分難題，所開(kāi)發(fā)的臍橙表面缺陷檢測(cè)算法對(duì)下一步自動(dòng)、快速、在線臍橙缺陷分級(jí)裝備研發(fā)奠定了重要的基礎(chǔ)。主要研究?jī)?nèi)容和研究結(jié)論如下：
　　 (1)提出了掩模法去背景的背景分割理論。利用構(gòu)建的二值化掩模模板對(duì)臍橙圖像進(jìn)行去背景，通過(guò)對(duì)靜態(tài)圖像和在線圖像背景去除

3、結(jié)果表明，背景去除率達(dá)到100％的同時(shí)，臍橙表面信息可以較好地保留。這為臍橙表面缺陷進(jìn)一步有效提取奠定了基礎(chǔ)。
　　 (2)提出了一種新穎的臍橙表面亮度不均變換的照度-反射模型及單閾值快速水果缺陷分割算法。基于此亮度變化模型，正常水果表面區(qū)域被提升為高亮區(qū)域，而水果表面的缺陷區(qū)域依然保持低灰度，這一變化克服了由于類球形水果表面亮度分布不均導(dǎo)致缺陷分割精度低的難題，這也為單閾值臍橙表面缺陷快速分割提供了可能。試驗(yàn)表明，與邊緣亮度補(bǔ)

4、償算法相比，該理論可以對(duì)臍橙表面整體亮度進(jìn)行變換，并且該亮度變換理論比B樣條曲面擬合理論處理一幅圖像速度超過(guò)30倍，基于此算法及單閾值分割理論對(duì)風(fēng)傷果、薊馬果、介殼蟲(chóng)果、裂傷果、炭疽病果、日灼果、潰瘍果、異色條紋果、蟲(chóng)傷果、正常果和藥傷果等11類型共計(jì)6345個(gè)感興趣區(qū)域進(jìn)行分割，獲得了93.8％分割精度。
　　 (3)通過(guò)對(duì)不同類型缺陷RGB圖像不同灰度值統(tǒng)計(jì)后獲得區(qū)分臍橙果梗與缺陷的算法?；谠摴胶吞岢龅拇髤^(qū)域及長(zhǎng)區(qū)域去除

5、算法BER可以獲得100％的果梗識(shí)別率且不會(huì)受到其它缺陷類型的影響。由于該算法僅僅涉及兩次減法、一次乘法及一次除法，避免了復(fù)雜的模式識(shí)別理論，所以具有一定潛力應(yīng)用于臍橙缺陷在線檢測(cè)。
　　 (4)本研究開(kāi)發(fā)了臍橙表面缺陷檢測(cè)聯(lián)立算法，此算法主要有四個(gè)模塊構(gòu)成，即背景分割模塊、亮度不均變化模塊、果梗識(shí)別模塊和果臍識(shí)別模塊。應(yīng)用此算法針對(duì)11類1320幅樣本圖像識(shí)別結(jié)果表明，99.1％的缺陷果是被正確識(shí)別為缺陷果，98.3％的正常果

6、被正確識(shí)別為正常果。另外，通過(guò)調(diào)節(jié)不同的閾值可以滿足不同的用戶需求。
　　 (5)研究發(fā)現(xiàn)可見(jiàn)近紅外光譜區(qū)域的6個(gè)特征波長(zhǎng)(630、691、769、786、810和875nm)或者3個(gè)特征波長(zhǎng)(691、769和875nm)能被用于構(gòu)建多光譜臍橙表面缺陷檢測(cè)系統(tǒng)。針對(duì)9種帶有不同表皮的橙子樣本，利用研究中所開(kāi)發(fā)的雙波段比和主成分分析相結(jié)合的缺陷果檢測(cè)算法，獲得了最好93.7％的橙子正確識(shí)別率，并且假陽(yáng)性率為0。與模式識(shí)別算法相比，

7、雙波段比圖像R875/691能有效地區(qū)分果梗和缺陷區(qū)域，因?yàn)槟Ｊ阶R(shí)別理論增加了算法的復(fù)雜度。
　　 (6)搭建了熒光高光譜成像系統(tǒng)，采用該系統(tǒng)對(duì)臍橙早期腐爛缺陷進(jìn)行了研究。利用最佳指數(shù)OIF理論獲得了識(shí)別腐爛果的最優(yōu)波段，即498.6nm和591.4nm，該方法克服了高光譜圖像數(shù)據(jù)量大和相鄰波段之間的強(qiáng)相關(guān)性等不足，實(shí)現(xiàn)了高維數(shù)據(jù)的降維，快速確定了特征波長(zhǎng)?；谔卣鞑ㄩL(zhǎng)比圖像及雙閾值分割算法，獲得了整體100％的腐爛果識(shí)別率。同

8、時(shí)，該雙閾值理論較好地避免了梗傷缺陷的熒光效應(yīng)對(duì)腐爛果檢測(cè)的影響，從而降低了系統(tǒng)及算法成本。
　　 (7)搭建了可見(jiàn)近紅外高光譜反射成像系統(tǒng)，采用該系統(tǒng)對(duì)臍橙潰瘍果識(shí)別進(jìn)行了研究。研究獲得了用于潰瘍識(shí)別的7個(gè)關(guān)鍵波段(630、687、765、788、815、833和883nm)?；诖?個(gè)波段的第三主成分圖像和2個(gè)波段的波段比圖像Q687/630開(kāi)發(fā)了多光譜潰瘍檢測(cè)算法。帶有11種類型共計(jì)275個(gè)獨(dú)立樣本用于檢測(cè)算法的可行性，獲