亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于支持向量機的無核白葡萄串分級系統(tǒng)設(shè)計與測試

        2021-11-17 13:29:56李澤平郭俊先李雪蓮張亮亮
        食品與機械 2021年10期
        關(guān)鍵詞:像素點灰度葡萄

        李澤平 郭俊先 郭 陽 李雪蓮 張亮亮 黃 華

        (1.新疆農(nóng)業(yè)大學機電工程學院,新疆 烏魯木齊 830052;2.新疆農(nóng)業(yè)大學數(shù)理學院,新疆 烏魯木齊 830052)

        無核白葡萄作為新疆吐魯番地區(qū)的主栽品種,在農(nóng)業(yè)經(jīng)濟發(fā)展中占重要地位[1]。長期以來,無核白葡萄上市前品質(zhì)等級主要依靠人工檢測和分級,速度慢、效率低且主觀性強,偏差較大,不利于其精確有效的分級[2-3]。隨著計算機技術(shù)的快速發(fā)展,機器視覺技術(shù)在農(nóng)產(chǎn)品檢測中的應(yīng)用越來越廣泛,徐瑩瑩[4]運用圖像處理方法預(yù)處理甜瓜圖像,采用角點提取判斷瓜蒂區(qū),并通過大津算法分割不同區(qū)域,建立了支持向量機模式識別算法,其識別準確率達92.2%。Peng等[5]以蘋果、香蕉、柑橘、梨、楊桃和火龍果為研究對象,采用機器視覺技術(shù)進行分類。汪威等[6]提出了一種基于機器視覺的去柄鮮香菇智能分級方法,并設(shè)計了一套自動分級系統(tǒng)。因此,機器視覺技術(shù)在農(nóng)產(chǎn)品檢測方面技術(shù)相對成熟,同時也是葡萄外部品質(zhì)檢測的有效手段。

        目前,國內(nèi)外相關(guān)學者主要依據(jù)葡萄果粒大小的識別和顏色分級葡萄。羅陸鋒等[7]提出了一種基于輪廓分析的雙串疊貼葡萄目標識別方法。李俊偉等[8]運用機器視覺技術(shù),預(yù)測與分級新疆無核白、紅提單粒葡萄的質(zhì)量和果徑大小,預(yù)測決定系數(shù)分別達0.980,0.945,準確度達85%以上。肖壯等[9]采用梯度分割法有效地截取果粒輪廓并去除邊緣輪廓中的干擾弧段,利用隨機最小二乘橢圓檢測的方法提取果粒尺寸,實現(xiàn)了對整串紅提的分級,分級正確率為90.48%。Li等[10]利用邊緣檢測對紅提輪廓完成兩次分割,最終分級準確率為90%。陳英等[11]設(shè)計了一套基于計算機視覺的葡萄檢測分級系統(tǒng),采用投影面積法和果軸方向投影曲線計算果穗大小和形狀參數(shù),其準確率分別為90.0%,88.3%。以上研究均只針對單粒葡萄的某些特征不能代表整串果粒,隨機性太大,正確率不高;或者只是單獨地進行顏色分級和大小形狀分級試驗,未將顏色特征和大小形狀特征綜合考量。

        文章擬采用機器視覺與圖像技術(shù),通過圖像處理技術(shù)完成圖像預(yù)處理及二值化操作,提取無核白葡萄串分級特征,通過支持向量機算法實現(xiàn)無核白葡萄串分級;并設(shè)計實現(xiàn)人機交互界面與分級算法模塊,以期實現(xiàn)對整串無核白葡萄進行檢測分級,旨在為鮮葡萄檢測分級提供依據(jù)。

        1 無核白葡萄串分級系統(tǒng)

        1.1 分級系統(tǒng)組成

        無核白葡萄串分級系統(tǒng)分為硬件和軟件兩部分,硬件部分完成數(shù)據(jù)采集工作,由無核白葡萄串圖像采集系統(tǒng)組成(圖1)。

        1.光源控制器 2.LED光源 3.鋁型材框架 4.鏡頭 5.攝像機 6.電腦 7.圖像采集卡(內(nèi)置主機箱中)

        自制的采集平臺外形尺寸為48 cm×43 cm×170 cm。用黑色幕布將整個平臺全部遮擋,圖像采集系統(tǒng)包括相機(丹麥JAI公司AT-200CL型3CCD面陣攝像機)、鏡頭(日本NIKON公司LM35CLS型鏡頭)以及圖像采集卡、光源、計算機等硬件組成。

        軟件部分完成數(shù)據(jù)分析和處理工作,由python語言開發(fā),采用Tkinter圖形界面模塊主要可以完成圖像輸入、預(yù)處理、二值化、圖像分級以及參數(shù)輸出等功能。其中圖像處理部分調(diào)用OpenCV圖形圖像處理函數(shù)庫完成。

        軟件開發(fā)環(huán)境為Windows10系統(tǒng);CPU主頻:3.0 GHz 及以上;內(nèi)存頻率:1 333 MHz;內(nèi)存容量:8 GB;Python2.7;Pycharm 2017;OpenCV3.3;Tkinter框架等。軟件設(shè)計流程圖如圖2所示。

        圖2 軟件設(shè)計流程圖

        1.2 分級樣本

        選用烏魯木齊市北園春市場所售無核白鮮葡萄共100串,于1 ℃冰柜冷藏。參照無核白葡萄國家標準GB/T 19970—2005和行業(yè)標準NY/T 704—2003,將無核白葡萄串主要分為3個等級:優(yōu)等品、一等品和二等品(見表1)。結(jié)合機器視覺系統(tǒng)的特點,確定無核白葡萄串的分級主要通過顏色、果形等完成。分級過程中,為使無核白葡萄串分級更有意義,對表面無明顯缺陷或無明顯破損的無核白葡萄串樣本進行分級。

        表1 無核白葡萄串分級要求

        1.3 尺寸標定

        為了更準確地分級無核白葡萄串,實現(xiàn)采集圖像的像素尺寸與無核白葡萄串的真實尺寸之間的轉(zhuǎn)換,需要尺寸標定。尺寸標定時,在與被測樣品相同的條件下,使用有標準刻度的測量尺,通過圖像處理技術(shù)獲得圖像的標準長度和相應(yīng)長度所覆蓋的像素數(shù),從而獲得與像素系數(shù)相對應(yīng)的真實長度。

        2 圖像處理分析及特征參數(shù)提取

        2.1 圖像預(yù)處理

        利用硬件部分的圖像采集系統(tǒng)完成對無核白葡萄串圖像獲取后,需對原始圖像進行圖像預(yù)處理,以消除圖像中的無關(guān)信息,降低圖像噪聲,以便于后續(xù)圖像特征參數(shù)的識別和提取。

        2.1.1 高斯濾波 灰度化處理原始圖像,隨后進行圖像去噪處理,即對圖像過濾。目的是更加具體地提取圖像特征,進而去除數(shù)字化圖像中的噪聲成分。而與均值濾波器相比,高斯濾波器具有更柔和的平滑效果和更好的邊緣保持能力,因此,選用高斯濾波器。高斯濾波是通過調(diào)用Opencv的庫函數(shù)來實現(xiàn)圖像預(yù)處理[12],高斯濾波后的無核白葡萄串圖像如圖3(b)所示。

        2.1.2 邊緣檢測 邊緣檢測的目的是提取目標[13]。目前較常見的邊緣檢測算法有Roberts算子和Sobel算子,其中Roberts算子是根據(jù)某一點上對角線相反的兩個像素值之間的差值,然后根據(jù)差值的變化幅度和趨勢完成邊緣檢測,其運算精度高但不平滑,噪聲對邊緣檢測效果有一定影響。而Sobel算子是根據(jù)某點周圍的灰色加權(quán)差值是否存在極值來檢測邊緣。Sobel算子可以對圖像中的噪聲起到一定的平滑作用。因此,采用Sobel算子進行邊緣檢測[14],其效果如圖3(c)所示。

        2.1.3 輪廓檢測 使用Canny算子提取目標輪廓。在得到邊緣檢測的響應(yīng)后,統(tǒng)計邊緣檢測后的所有輪廓編碼序列,求出每一個輪廓的矩形左上角坐標(x,y)和矩形的寬(w)、高(h),得到圖像外輪廓的最小外接矩形,其結(jié)果如圖3(d)所示。

        圖3 圖像預(yù)處理效果圖

        2.2 圖像二值化結(jié)果對比

        圖像二值化是將圖像上的像素灰度值設(shè)置為0或255,即整個圖像呈現(xiàn)出清晰的黑白效果從而便于圖像的下一步處理[15],其函數(shù)表達式為:

        (1)

        式中:

        T——閾值。

        二值化的關(guān)鍵在于閾值的選擇,使用3種二值化方法對比得出最佳的無核白葡萄串圖像分割效果。

        2.2.1 大津法 大津法(Otsu)是一種確定圖像二值化分割閾值的算法,Otsu法根據(jù)圖像的灰度特征,將圖像分成目標和背景兩部分。如果目標和背景之間的類間方差較大,則目標與背景的差別較大,反之則說明兩者之間的差異較小[16]。為了使二值化效果最好,必須使類間方差最大化。其分割效果如圖4(a)所示,具體實現(xiàn)過程為:

        若灰度為i的像素點個數(shù)為pi,則總像素點個數(shù)為

        (2)

        灰度為i的像素點個數(shù)占總像素點個數(shù)的比例為

        (3)

        目標與背景的像素點個數(shù)占總像素點個數(shù)的比例分別為

        (4)

        (5)

        目標與背景的加權(quán)平均灰度分別為

        (6)

        (7)

        整個圖像的加權(quán)平均灰度為

        μ=ω0×μ0+ω1×μ1,

        (8)

        類間方差

        G=ω0×(μ0-μ)2μ0+ω1×(μ1-μ)2,

        (9)

        將式(8)代入式(9)得:

        G=ω0×ω1×(μ0-μ1)2,

        (10)

        式中:

        M、N——圖像裁剪后的長度和寬度(其值分別為460,350),像素點;

        T——目標和背景的分割閾值(范圍為0~255);

        G——類間方差;

        ω0——目標像素點占圖像總像素點的比例;

        μ0——加權(quán)平均灰度;

        ω1——背景像素點占圖像總像素點的比例;

        μ1——加權(quán)平均灰度;

        μ——圖像的加權(quán)平均灰度。

        2.2.2 自適應(yīng)閾值法 實際處理過程中,某一個固定的閾值在圖像的不同區(qū)域的分割效果不同。為了解決這一問題,需要將閾值取一個可以隨圖像區(qū)域位置變化的函數(shù)值,即自適應(yīng)閾值[17]。自適應(yīng)閾值是利用OpenCV中的一個函數(shù)對所選區(qū)域的像素加權(quán)平均,經(jīng)測試,選取的maxvalue為160,blockSize為25,C為10,分割效果比較明顯。分割效果如圖4(b)所示。

        2.2.3 固定閾值法 固定閾值法對圖像檢測是一種最為簡單的圖像二值化處理方法,主要是對輸入單通道矩陣逐像素閾值分割,但通常固定閾值法的單一閾值很難滿足現(xiàn)實中圖像的降噪需求,選取THRESH_BINARY函數(shù)來實現(xiàn)固定閾值法,即

        (10)

        式中:

        maxval——設(shè)定的最大值;

        arc(x,y)——待處理的無核白葡萄串圖像;

        thresh——分割閾值。

        最終選取的數(shù)值為:maxval=255,thresh=130,此時分割效果較為明顯,分割效果如圖4(c)所示。

        圖4 圖像二值化對比圖

        從提取無核白葡萄串圖像信息的效果上看,自適應(yīng)閾值法和固定閾值法的圖像目標與背景混雜在一起,無明顯的閾值分界,而大津法對圖像二值化的效果要優(yōu)于自適應(yīng)閾值法和固定閾值法,因此選用大津法對圖像進行二值化處理。

        2.3 特征提取

        文章提取了葡萄目標區(qū)域的面積、周長、外接矩長和寬以及3個顏色通道的平均灰度[18]。

        (1)面積:采用像素統(tǒng)計法,并按式(12)計算無核白葡萄串的真實面積。

        (12)

        式中:

        S——無核白葡萄串的真實面積;

        Pr——無核白葡萄串的像素數(shù);

        Sr——二值化圖像的實際面積;

        P——二值化圖像的像素數(shù)。

        (2)周長:通過計算目標區(qū)域邊界上的像素點數(shù)量進行計算。先計算兩個像素之間的距離,然后將所有像素的距離相加即得無核白葡萄的周長。

        (3)長和寬:無核白葡萄的最小外接矩形與無核白葡萄4個方向的切點即無核白葡萄圖像的上、下、左、右4個邊界點,分別計算左、右和上、下的距離即可得到無核白葡萄的長度和寬度。

        (4)顏色特征:用RGB分量直接表示。

        3 基于SVM的無核白葡萄串分級

        3.1 無核白鮮葡萄串SVM分級模型構(gòu)建

        SVM是基于統(tǒng)計學原理的一種分類識別方法,可有效解決線性及非線性、分類及預(yù)測問題。其原理是基于統(tǒng)計學習理論的二類分類方法[19]。給定訓練樣本集:

        D={(xi,yi),i=1,2,…,l}xi∈Rd。

        (13)

        每個樣本屬于y={+1,-1}中的一類,訓練樣本集由超平面線性可分,則分類器的超平面方程為

        ωxi+b=0,

        (14)

        式中:

        xi——訓練向量;

        ω——法向量;

        b——超平面的偏移。

        由于無核白葡萄串分類是一個多分類問題,所以應(yīng)構(gòu)造一個多類分類器對無核白葡萄串進行分級,而在python中,使用最為廣泛的是sklearn模塊。無核白葡萄串分級時,先加載待分級樣本,利用樣本庫特征參數(shù)得到最優(yōu)適應(yīng)度下的懲罰因子c和核參數(shù)值g,然后訓練模塊對樣本庫訓練學習并得到分類器模型,測試模塊對待分級樣本分類。

        分類時,調(diào)用sklearn模塊,提取無核白葡萄串的顏色、輪廓及幾何特征作為數(shù)據(jù)集。使用200幅樣本訓練SVM分級模型,選取不同的核函數(shù)訓練,采取交叉驗證的方式得到懲罰因子c和核參數(shù)值g的最優(yōu)解,參數(shù)coef()、d均取默認值。訓練模塊對訓練集訓練學習并得到分類器模型,最后對測試集樣本進行分類[20],其訓練結(jié)果如表2所示,其中全特征由顏色、輪廓及幾何特征共同組成使用。

        由表2可知,當SVM模型的核函數(shù)為RBF核函數(shù)或Polynomial Kernel函數(shù)時,顏色矩的特征優(yōu)于Sigmoid核函數(shù)的。使用其他特征,當SVM模型的核函數(shù)為Polynomial Kernel核函數(shù)時,測試集、訓練集準確率遠優(yōu)于其他函數(shù)的,且特征為全特征時所得到的SVM模型最優(yōu),此時訓練集準確率為97.85%,測試集準確率為95.81%,模型的魯棒性最佳,其參數(shù)值為Bestc=2.00,Bestg=0.24,coef()=0,d=3。

        表2 SVM模型訓練結(jié)果

        3.2 基于SVM的無核白葡萄串分級軟件

        基于SVM算法的原理,使用python調(diào)用OpenCV圖像處理庫,自行開發(fā)無核白葡萄串分級軟件如5圖所示,該界面主要分為4個區(qū)域,分別是無核白葡萄串識別區(qū)、圖像預(yù)處理區(qū)、算法效果展示區(qū)與無核白葡萄串分級區(qū)。

        圖5 軟件界面

        實際應(yīng)用中,用戶只需依照窗口提示點擊登錄,程序會自動調(diào)出圖像處理界面,點擊加載圖像按鈕,加載需要分類的無核白葡萄串圖像,點擊分級按鈕,程序自動計算處理并給出SVM分類結(jié)果圖像,同時窗口顯示每種特征的具體數(shù)值,人機交互界面友好,使用方便。

        4 系統(tǒng)試驗測試

        為驗證基于SVM的無核白葡萄串分級系統(tǒng)的準確性,重新拍攝100幅無核白葡萄串圖像測試,測試結(jié)果見表3。

        由表3可知,基于SVM的無核白葡萄串分級系統(tǒng)對無核白葡萄串的分級準確率可達96%,其主要原因是分級時,無核白葡萄串顏色特征定義的范圍較為廣泛,如果顏色特征能夠相對更具體,識別準確率將>96%。

        表3 基于SVM的無核白葡萄串分級測試結(jié)果

        5 結(jié)論

        針對無核白鮮葡萄串分級問題,提出了一種由Python語言開發(fā),采用Tkinter圖形界面的基于SVM無核白鮮葡萄串分級系統(tǒng)。該系統(tǒng)可以實現(xiàn)葡萄串圖像采集、圖像預(yù)處理及二值化;葡萄串分級準確率達96%。但試驗中鮮葡萄串分級于水平面進行,容易對穗形造成影響,不利于后期特征提取,因此在后續(xù)研究中將考慮將鮮葡萄串懸掛式采集圖像,進行無核白鮮葡萄串分級。

        猜你喜歡
        像素點灰度葡萄
        采用改進導重法的拓撲結(jié)構(gòu)灰度單元過濾技術(shù)
        基于灰度拉伸的圖像水位識別方法研究
        葡萄熟了
        當葡萄成熟時
        女報(2020年10期)2020-11-23 01:42:42
        基于canvas的前端數(shù)據(jù)加密
        基于最大加權(quán)投影求解的彩色圖像灰度化對比度保留算法
        自動化學報(2017年5期)2017-05-14 06:20:56
        基于逐像素點深度卷積網(wǎng)絡(luò)分割模型的上皮和間質(zhì)組織分割
        基于灰度線性建模的亞像素圖像抖動量計算
        小青蛙報(2016年2期)2016-10-15 05:05:56
        基于Node-Cell結(jié)構(gòu)的HEVC幀內(nèi)編碼
        久热香蕉精品视频在线播放| 一边做一边喷17p亚洲乱妇50p| 性一交一乱一乱一视频| 一区一级三级在线观看 | 婷婷综合缴情亚洲| 九九久久精品大片| 亚洲捆绑女优一区二区三区| 偷看农村妇女牲交| 乱人伦中文字幕成人网站在线| 97超级碰碰碰久久久观看| 国产护士一区二区三区| 精品国产乱码久久久久久婷婷| 欧美性xxxx狂欢老少配| 男人天堂AV在线麻豆| 女同恋性吃奶舌吻完整版| 好吊妞无缓冲视频观看 | 娇柔白嫩呻吟人妻尤物| 国产亚洲精品免费专线视频| 国产裸体美女永久免费无遮挡| 国产乱妇乱子在线视频| 色偷偷女人的天堂亚洲网| 99久久精品人妻少妇一| 亚洲精品久久区二区三区蜜桃臀| 国产一级特黄无码免费视频| 青青草伊人视频在线观看| 国产一级一级内射视频| 亚洲av日韩专区在线观看| 久久男人av资源网站无码| 一个人午夜观看在线中文字幕| 国产乱人偷精品人妻a片| 精品久久无码中文字幕| 久久久精品亚洲懂色av| 公厕偷拍一区二区三区四区五区| 天天天天躁天天爱天天碰| 亚洲精品成人av观看| 尤物蜜桃视频一区二区三区| 乱码丰满人妻一二三区| 国产精品欧美日韩在线一区| 亚洲国产线茬精品成av | 男人的精品天堂一区二区在线观看 | 欧美性巨大╳╳╳╳╳高跟鞋|