基于机器视觉的番茄成熟度颜色判别
发布时间：2019-11-07 21:27
【摘要】：提出一种颜色分析方法用于新鲜番茄分类,以GB 8852—88标准为参考,定义番茄成熟度的分类标准(在研究中将其分成四类:完熟、成熟、半熟、绿熟),将采集到的番茄RGB图像,去除背景后,滤波去噪,转换成HIS颜色模型和HSV颜色模型。通过Matlab编程获取R、G、B、H、S、V、I各颜色分量的均值,运用SPSS软件进行判别筛选组合特征分量,运用Matlab进行判别分析。分析结果显示,绿熟番茄在3种不同判别函数下训练集与验证集判别率均达到了100.00%;半熟番茄训练集判别率最高为94.74%,同时验证集判别率最高达到100%;成熟番茄训练集与验证集判别率最低,分别为76.67%和70.00%;完熟番茄训练集与验证集最高均为90.00%。总体上实现了不同成熟度番茄的判别分类。
【图文】：
。１．２机器视觉系统图像采集系统主要由工业相机（ｐｏｉｎｔｇｒａｙＦＬ２Ｇ－１３Ｓ２Ｃ－Ｃ，ＰｏｉｎｔＧｒｅｙ，Ｃａｎａｄａ）、镜头（ＨＦ６Ｍ－２，ＳｐａｃｅｃｏｍＣＣＴＶ，Ｊａｐａｎ）主要获取加工番茄表面的颜色特征信息、ＬＥＤ面光源等组成。考虑到后续图像数据处理的问题，将采集的图像信息通过图像采集卡（ＦｉｒｅＰＲＯ１３９４ｂＰＣＩ－ｅ，ＰｏｉｎｔＧｒｅｙ，Ｃａｎａｄａ）传输到计算机，计算机用于试验数据的存储和处理，系统整体构架图见图１。图１系统整体架构图Ｆｉｇｕｒｅ１Ｔｈｅａｒｃｈｉｔｅｃｔｕｒｅｄｉａｇｒａｍｏｆｅｎｔｉｒｅｔｙｓｙｓｔｅｍ１．３颜色模型颜色模型主要有ＨＳＶ、ＲＧＢ、ＨＳＩ、ＣＨＬ、ＬＡＢ、ＣＭＹ等。ＲＧＢ模型是数字图像处理的重要模型，计算机利用ＲＧＢ模型表示像素的颜色，其中Ｒ［０，２５５］，Ｇ［０，２５５］，Ｂ［０，２５５］。ＲＧＢ的分量与人对颜色的感知并没有直接的联系，这显然不适应人的视觉特点。ＨＩＳ颜色空间通常使用非常接近于人类对彩色感知的方法来定义彩色，是一种很直观的方法，用色调Ｈ、饱和度Ｓ、光强Ｉ３个参数来描述颜色特征，ＨＩＳ颜色模型对应于圆柱坐标系的双圆锥子集上。ＨＳＶ颜色模型的每一种颜色都是由色相Ｈ、饱和度Ｓ、色明度Ｖ３个参数来描述颜色特征，其是人类对色彩感知的最好的颜色模型，ＨＳＶ颜色模型对应于圆柱坐标系中的一个圆锥形子集。因此，在本研究中选取了ＨＳＶ、ＨＩＳ两种颜色模型。１．４图像处理及获取有用颜色特征分量运用Ｍａｔｌａｂ软
然后选取合适的单分量进行自由组合［１１］，运用ＳＰＳＳ软件进行判别筛选，最终筛选出来的有价值的组合特征分量有：（Ｒ－Ｇ）／（Ｇ－Ｂ）、（Ｒ＋Ｇ）／（Ｇ－Ｂ）、（Ｒ－Ｇ）／（Ｒ＋Ｇ）、Ｇ／Ｂ、Ｒ／Ｂ、Ｂ／Ｒ。这些特征分量被作为了线性判别函数的每一项，用来判别不同成熟阶段的番茄样本。不同成熟度番茄样本图像去背景后灰度图对比见图３。图２图像处理流程图Ｆｉｇｕｒｅ２Ｔｈｅｆｌｏｗｃｈａｒｔｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ图３不同成熟度番茄样本图像去背景后灰度图对比Ｆｉｇｕｒｅ３Ｔｈｅｇｒａｙｓｃａｌｅｃｏｎｔｒａｓｔｏｆｉｍａｇｅｂａｃｋｇｒｏｕｄｒｅｍｏｖａｌｏｆｄｉｆｆｅｒｅｎｔｍａｔｕｒｉｔｙｔｏｍａｔｏｓａｍｐｌｅ１．５数据分析方法对ＳＰＳＳ筛选出来的组合特征分量（Ｒ－Ｇ）／（Ｇ－Ｂ）、（Ｒ＋Ｇ）／（Ｇ－Ｂ）、（Ｒ－Ｇ）／（Ｒ＋Ｇ）、Ｇ／Ｂ、Ｒ／Ｂ、Ｂ／Ｒ，包括单分量特征分量Ｒ、Ｇ、Ｂ、Ｈ、Ｓ、Ｖ、Ｉ在内的，运用Ｍａｔｌａｂ进行数据预处理，例如平滑处理（或去噪）、标准变换和极差归一化变换等，本研究采用极差归一化处理特征分量均值原始数据，然后再利用Ｍａｔｌａｂ进行距离判别分析。数据的极差归一化处理［１２］，即将数据统一映射到［０，１］区间上。设ｐ维向量Ｘ＝（Ｘ１，Ｘ２，…，ＸＰ）的观测值矩阵为Ｘ＝ｘ１１ｘ１２…ｘ１ｐｘ２１ｘ２２…ｘ２ｐ………ｘｎ１ｘｎ２…ｘｎｐq縬纐膓，
本文编号：2557479
【图文】：
。１．２机器视觉系统图像采集系统主要由工业相机（ｐｏｉｎｔｇｒａｙＦＬ２Ｇ－１３Ｓ２Ｃ－Ｃ，ＰｏｉｎｔＧｒｅｙ，Ｃａｎａｄａ）、镜头（ＨＦ６Ｍ－２，ＳｐａｃｅｃｏｍＣＣＴＶ，Ｊａｐａｎ）主要获取加工番茄表面的颜色特征信息、ＬＥＤ面光源等组成。考虑到后续图像数据处理的问题，将采集的图像信息通过图像采集卡（ＦｉｒｅＰＲＯ１３９４ｂＰＣＩ－ｅ，ＰｏｉｎｔＧｒｅｙ，Ｃａｎａｄａ）传输到计算机，计算机用于试验数据的存储和处理，系统整体构架图见图１。图１系统整体架构图Ｆｉｇｕｒｅ１Ｔｈｅａｒｃｈｉｔｅｃｔｕｒｅｄｉａｇｒａｍｏｆｅｎｔｉｒｅｔｙｓｙｓｔｅｍ１．３颜色模型颜色模型主要有ＨＳＶ、ＲＧＢ、ＨＳＩ、ＣＨＬ、ＬＡＢ、ＣＭＹ等。ＲＧＢ模型是数字图像处理的重要模型，计算机利用ＲＧＢ模型表示像素的颜色，其中Ｒ［０，２５５］，Ｇ［０，２５５］，Ｂ［０，２５５］。ＲＧＢ的分量与人对颜色的感知并没有直接的联系，这显然不适应人的视觉特点。ＨＩＳ颜色空间通常使用非常接近于人类对彩色感知的方法来定义彩色，是一种很直观的方法，用色调Ｈ、饱和度Ｓ、光强Ｉ３个参数来描述颜色特征，ＨＩＳ颜色模型对应于圆柱坐标系的双圆锥子集上。ＨＳＶ颜色模型的每一种颜色都是由色相Ｈ、饱和度Ｓ、色明度Ｖ３个参数来描述颜色特征，其是人类对色彩感知的最好的颜色模型，ＨＳＶ颜色模型对应于圆柱坐标系中的一个圆锥形子集。因此，在本研究中选取了ＨＳＶ、ＨＩＳ两种颜色模型。１．４图像处理及获取有用颜色特征分量运用Ｍａｔｌａｂ软
然后选取合适的单分量进行自由组合［１１］，运用ＳＰＳＳ软件进行判别筛选，最终筛选出来的有价值的组合特征分量有：（Ｒ－Ｇ）／（Ｇ－Ｂ）、（Ｒ＋Ｇ）／（Ｇ－Ｂ）、（Ｒ－Ｇ）／（Ｒ＋Ｇ）、Ｇ／Ｂ、Ｒ／Ｂ、Ｂ／Ｒ。这些特征分量被作为了线性判别函数的每一项，用来判别不同成熟阶段的番茄样本。不同成熟度番茄样本图像去背景后灰度图对比见图３。图２图像处理流程图Ｆｉｇｕｒｅ２Ｔｈｅｆｌｏｗｃｈａｒｔｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ图３不同成熟度番茄样本图像去背景后灰度图对比Ｆｉｇｕｒｅ３Ｔｈｅｇｒａｙｓｃａｌｅｃｏｎｔｒａｓｔｏｆｉｍａｇｅｂａｃｋｇｒｏｕｄｒｅｍｏｖａｌｏｆｄｉｆｆｅｒｅｎｔｍａｔｕｒｉｔｙｔｏｍａｔｏｓａｍｐｌｅ１．５数据分析方法对ＳＰＳＳ筛选出来的组合特征分量（Ｒ－Ｇ）／（Ｇ－Ｂ）、（Ｒ＋Ｇ）／（Ｇ－Ｂ）、（Ｒ－Ｇ）／（Ｒ＋Ｇ）、Ｇ／Ｂ、Ｒ／Ｂ、Ｂ／Ｒ，包括单分量特征分量Ｒ、Ｇ、Ｂ、Ｈ、Ｓ、Ｖ、Ｉ在内的，运用Ｍａｔｌａｂ进行数据预处理，例如平滑处理（或去噪）、标准变换和极差归一化变换等，本研究采用极差归一化处理特征分量均值原始数据，然后再利用Ｍａｔｌａｂ进行距离判别分析。数据的极差归一化处理［１２］，即将数据统一映射到［０，１］区间上。设ｐ维向量Ｘ＝（Ｘ１，Ｘ２，…，ＸＰ）的观测值矩阵为Ｘ＝ｘ１１ｘ１２…ｘ１ｐｘ２１ｘ２２…ｘ２ｐ………ｘｎ１ｘｎ２…ｘｎｐq縬纐膓，
本文编号：2557479
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2557479.html
