吳佩 屠禮芬 彭祺

摘要：針對(duì)大小橢圓形狀擬合不能準(zhǔn)確識(shí)別較直香蕉的局限，提出一種與RGB分量模糊評(píng)判相結(jié)合的識(shí)別方法，實(shí)現(xiàn)了香蕉更準(zhǔn)確有效的識(shí)別。對(duì)香蕉進(jìn)行目標(biāo)特征提取，用大小橢圓進(jìn)行輪廓擬合，對(duì)于不能準(zhǔn)確識(shí)別的較直香蕉，再結(jié)合已建立的RGB模糊綜合評(píng)判模型進(jìn)行識(shí)別分類。實(shí)驗(yàn)結(jié)果表明，該方法識(shí)別準(zhǔn)確度較高。

關(guān)鍵詞：橢圓擬合；顏色識(shí)別；模糊數(shù)學(xué)；香蕉識(shí)別

DOIDOI：10.11907/rjdk.161062

中圖分類號(hào)：TP317.4

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2016）005-0191-02

0 引言

制約水果自動(dòng)化加工技術(shù)發(fā)展的關(guān)鍵問題在于對(duì)水果進(jìn)行有效的識(shí)別和分類。王水平等[1]提取水果圖像面積、色調(diào)及形狀特征參數(shù)組成特征矢量，利用支持向量機(jī)SVM分類器對(duì)水果進(jìn)行識(shí)別分類，但受光照影響，該方法不能準(zhǔn)確提取色調(diào)特征，從而降低了識(shí)別的準(zhǔn)確度。朱堅(jiān)民等[2]通過提取水果圖像的區(qū)域顏色和形狀建立參數(shù)數(shù)據(jù)庫來識(shí)別球形水果，但該方法僅針對(duì)球形水果進(jìn)行識(shí)別。香蕉形狀特殊，為非球形，大體成彎月形且彎曲程度不同，有彎、微彎、較直之分，從而對(duì)其進(jìn)行識(shí)別和分類的難度也較大。

傳統(tǒng)的形狀描述算法有曲線擬合、水平集、傅立葉描述子等。曲線擬合[3]對(duì)形狀邊緣描述較為精準(zhǔn)，但數(shù)據(jù)量較大，難以用數(shù)學(xué)公式表達(dá)。水平集[4]計(jì)算復(fù)雜度高，難以應(yīng)用到實(shí)際生產(chǎn)中。傅立葉描述子[5]針對(duì)封閉曲線，而香蕉二值化圖片受噪聲干擾局部有破損，在應(yīng)用中有一定局限性。本文提出的算法結(jié)合形狀和顏色特征對(duì)香蕉進(jìn)行識(shí)別，針對(duì)雙彎曲香蕉的形狀特征，應(yīng)用大小兩個(gè)橢圓對(duì)其形狀進(jìn)行擬合；對(duì)于較直的香蕉，再結(jié)合顏色RGB分量利用模糊數(shù)學(xué)原理對(duì)其進(jìn)行識(shí)別和分類，算法復(fù)雜度低，計(jì)算較快。

1 算法實(shí)現(xiàn)

1.1 大小橢圓形狀擬合

受生長(zhǎng)環(huán)境等多方面因素影響，香蕉的彎曲度不同，有彎、微彎、較直等如圖1（a）、圖1（b）所示。運(yùn)用基于開源發(fā)行的跨平臺(tái)計(jì)算機(jī)視覺庫OPENCV中的findContours函數(shù)，對(duì)預(yù)處理后的二值化圖像進(jìn)行輪廓搜索。輪廓檢索模式設(shè)置為CV_RETR_TREE，輪廓近似方法設(shè)置為CV_CHAIN_APPROX_SIMPLE。找到圖像中香蕉的輪廓后，為限定算法處理區(qū)域，尋找最小包圍矩形，運(yùn)用minAreaRect函數(shù)進(jìn)行處理。接下來對(duì)香蕉輪廓進(jìn)行初始化橢圓擬合，運(yùn)用函數(shù)fitEllipse進(jìn)行處理，可尋找出外切大橢圓擬合彎曲香蕉的下邊緣。

在外切大橢圓參數(shù)的基礎(chǔ)上構(gòu)造內(nèi)切小橢圓。因香蕉上下邊緣有同指向性，因此可令大小橢圓短軸與X軸的夾角不變，內(nèi)切小橢圓擬合上邊緣，內(nèi)切小橢圓不超出外切大橢圓范圍；內(nèi)切小橢圓圓心在外切大橢圓短軸直線上運(yùn)動(dòng)，直到內(nèi)切小橢圓擬合彎曲香蕉的上邊緣。如圖1（c）所示，大小橢圓形狀擬合方法對(duì)于彎和微彎的香蕉能夠準(zhǔn)確識(shí)別，但對(duì)于圖（d）

彎曲度不夠的較直香蕉失效，因此需結(jié)合香蕉顏色進(jìn)一步識(shí)別。

1.2 RGB模糊綜合評(píng)判模型

香蕉的顏色總類較少，一般分為綠色、黃色、黑色，分別對(duì)應(yīng)生、熟、壞3種情況。香蕉作為一種自然水果，顏色不會(huì)是純綠、純黃、純黑，對(duì)于不同個(gè)體的生香蕉，RGB分量按照不同的比例混合出細(xì)微差別的綠色，給香蕉顏色特征的精確描述帶來困難。另外當(dāng)香蕉處于生-熟過渡時(shí)，綠色的香蕉與綠色的黃瓜顏色近似，難以對(duì)RGB顏色閾值進(jìn)行有效區(qū)分，此時(shí)需要利用模糊數(shù)學(xué)的理論構(gòu)建一個(gè)FUZZY綜合評(píng)判模型來判斷是否為香蕉[6]。

2 算法處理過程及實(shí)現(xiàn)

程序算法流程如圖2所示。

應(yīng)用opencv中的CV_BGR2GRAY方法將彩色圖像灰度化，再用閾值法對(duì)灰度圖像二值化，接下來運(yùn)用findContours函數(shù)，對(duì)二值化圖像進(jìn)行輪廓搜索，然后應(yīng)用文本所述方法判斷是否為香蕉。為排除因香蕉彎曲度不夠而導(dǎo)致的形狀擬合失效，需用FUZZY綜合評(píng)判模型，綜合顏色判斷是否為香蕉。運(yùn)用單因素評(píng)判矩陣對(duì)3種不同類型的香蕉進(jìn)行綜合評(píng)判，結(jié)果如圖3所示?？梢钥闯?，3種不同類型的香蕉被正確標(biāo)識(shí)為黃香蕉、綠香蕉和黑香蕉，黃瓜雖然也為綠色，但被正確識(shí)別出為非香蕉。

3 結(jié)語

大小橢圓形狀擬合能快速準(zhǔn)確識(shí)別典型雙彎曲香蕉，降低了復(fù)雜度，但由于較直的香蕉不符合所建模型的參數(shù)而導(dǎo)致識(shí)別失效。本文結(jié)合RGB顏色分量利用模糊數(shù)學(xué)原理對(duì)形狀不夠典型的較直香蕉進(jìn)行識(shí)別，在一定程度上消除了大小橢圓擬合形狀識(shí)別香蕉的局限性。實(shí)驗(yàn)結(jié)果證明了本文方法的正確性和有效性。對(duì)顏色相似的目標(biāo)物體也能進(jìn)行有效區(qū)分，由于樣本有限，僅能針對(duì)綠色香蕉和黃瓜進(jìn)行區(qū)分，在后續(xù)工作中，準(zhǔn)備擴(kuò)充樣本實(shí)現(xiàn)單因素評(píng)判矩陣精細(xì)化。

參考文獻(xiàn)：

[1]王水平，唐振民，范春年，等.基于SVM的水果分類算法研究[J].武漢理工大學(xué)學(xué)報(bào)，2010（16）：44-47.

[2]朱堅(jiān)民，雷靜桃，翟東婷，等.基于灰關(guān)聯(lián)分析和模糊隸屬度匹配的球形水果自動(dòng)識(shí)別方法[J].儀器儀表學(xué)報(bào)，2012，33（8）：1826-1836.

[3]BRYER M，HAHN R，PESCHEL S，et al.Analying fruit shape in sweet cherry[J].Scientia Horticulturae，2002，96（1-4）：139-150.

[4]GUI JS，RAO XQ，YING YB.Fruit shape detection by level set[J].Journal of Zhejiang University-Science A，2007，8（8）：1232-1236.

[5]胡孟晗，董慶利，劉寶林，等.基于橢圓傅里葉描述子的香蕉形狀識(shí)別[J].浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，2014（1）：200-205.

[6]胡寶清.模糊數(shù)學(xué)理論基礎(chǔ)[M].武漢：武漢大學(xué)出版社，2004.

（責(zé)任編輯：孫 娟）