趙嘉瑋

(武警甘肅省總隊(duì)，甘肅 蘭州 730000)

0 引言

我國(guó)是草莓生產(chǎn)和栽培面積最大的國(guó)家，針對(duì)草莓分類工作存在漏檢率高、精準(zhǔn)度低和草莓品相、顏色、飽滿度容易忽略的問(wèn)題，本研究在日本宮崎縣草莓上市標(biāo)準(zhǔn)的基礎(chǔ)上，結(jié)合草莓果實(shí)的周長(zhǎng)、面積、形狀、顏色、成熟度特征，對(duì)草莓等級(jí)進(jìn)行分類。

本研究對(duì)中國(guó)農(nóng)業(yè)網(wǎng)草莓?dāng)?shù)據(jù)和實(shí)拍補(bǔ)充的500張草莓實(shí)體圖進(jìn)行圖像預(yù)處理，并對(duì)預(yù)處理的圖像進(jìn)行目標(biāo)分割及特征提取，主要目的是提取形狀特征、顏色特征、成熟度特征。具體步驟分為3個(gè)部分。

首先，研究人員在Matlab中利用最小二乘法劃分目標(biāo)區(qū)域，調(diào)用bwperim函數(shù)計(jì)算周長(zhǎng)，利用像素點(diǎn)和計(jì)算有效面積，將圖像轉(zhuǎn)換為HSV坐標(biāo)化圖像后，調(diào)用HSV模型對(duì)顏色成熟度和飽和度進(jìn)行刻畫，利用傅里葉描繪子得到草莓形狀(飽滿度)，對(duì)提取到的各特征進(jìn)行加權(quán)，最終將草莓劃分為特等品、一等品、二等品、不合格4個(gè)等級(jí)。

其次，研究人員利用SVM算法對(duì)提取到的草莓特征值進(jìn)行逐類目標(biāo)特征訓(xùn)練，對(duì)目標(biāo)識(shí)別出的各類特征進(jìn)行分類打分，經(jīng)過(guò)加權(quán)算法最終劃分目標(biāo)等級(jí)。

最后，研究人員對(duì)成果進(jìn)行測(cè)試。研究人員采集新的草莓圖像，利用傳統(tǒng)的人工分類方式，對(duì)草莓進(jìn)行分類，將采集圖像輸入程序與人工分類進(jìn)行對(duì)比，驗(yàn)證分類的準(zhǔn)確性、魯棒性。

1 圖像預(yù)處理

圖像預(yù)處理包括圖像二值化、圖像HSV坐標(biāo)化圖像、圖像剪裁、目標(biāo)分割與剪裁[1]。

1.1 圖像二值化

研究人員在Matlab中調(diào)用rgb2hsv函數(shù)，將 RGB 的顏色轉(zhuǎn)換為HSV坐標(biāo)，即RGB的值轉(zhuǎn)化為對(duì)應(yīng)的明度、色調(diào)、飽和度坐標(biāo)；利用mat2gray函數(shù)實(shí)現(xiàn)圖像歸一化，即所有在矩陣中的值為1或0；最后研究人員利用im2bw函數(shù)設(shè)置閾值(本研究閾值設(shè)置為0.6)，將圖像轉(zhuǎn)變成二進(jìn)制圖像。

1.2 目標(biāo)分割與剪裁

本方法利用im2bw函數(shù)將圖像轉(zhuǎn)化為二進(jìn)制圖像，通過(guò)imclose進(jìn)行形態(tài)閉合，對(duì)相似像素點(diǎn)進(jìn)行取舍，確定目標(biāo)；然后利用imfill函數(shù)填充剛剛?cè)Χǖ哪繕?biāo)孔，使已確定像素目標(biāo)中包含背景，呈多孔目標(biāo)圖像，利用此函數(shù)對(duì)其進(jìn)行填充，使其成為一個(gè)完整閉合的圖像；最后再次調(diào)用imcrop函數(shù)進(jìn)行剪裁。

2 特征提取

2.1 周長(zhǎng)與面積的獲取

本方法獲取周長(zhǎng)和面積的方式是在Matlab中，通過(guò)bwperim函數(shù)計(jì)算周長(zhǎng)，通過(guò)像素點(diǎn)之和計(jì)算面積。圖像的預(yù)處理會(huì)使面積的計(jì)算更精確，尤其適用于不規(guī)則圖形面積的計(jì)算。

2.2 形狀特征的獲取

研究人員利用傅里葉描繪子對(duì)草莓形狀進(jìn)行定義[2]。封閉的草莓輪廓Ω={(xi，yi)，i=1，2，…，m}初始位置相同，研究人員可將其視為一個(gè)周期，利用傅里葉級(jí)數(shù)正弦波的形式展開(kāi)研究。草莓輪廓Ω在復(fù)平面上的參數(shù)方程為：c(t)=x(t)+jy(t)，t∈(0，2π]。曲線c(t)在(x，y)方向上的傅里葉：

(1)

曲線c(t)的傅里葉描述子為：

(2)

曲線受高頻噪聲影響，所以采用N個(gè)低頻橢圓傅里葉描述子描述草莓果形，即草莓形特征向量：FD=[FD1，F(xiàn)D2，…，F(xiàn)DN][3]。

2.3 基于HSV模型的顏色分析

HSV是一種直觀特性顏色模型，也叫六角椎體模型，是色調(diào)、飽和度、明度的綜合模型，用來(lái)反映所要表達(dá)事物的顏色、飽和度、成熟度的數(shù)據(jù)特征與特性[4]。

研究人員通過(guò)實(shí)驗(yàn)，首先對(duì)涉及變量進(jìn)行加權(quán)：將變量h劃分權(quán)重9，變量s劃分權(quán)重3，變量v劃分權(quán)重1；其次進(jìn)行12級(jí)量化；最后將0～2級(jí)記作Ⅰ(不合格)，3～5級(jí)記作Ⅱ(二等品類)，6～8級(jí)記作Ⅲ(一等品類)，9～11級(jí)記作Ⅳ(特等品類)。

3 SVM算法

SVM算法又被稱為支持向量機(jī)，是一種二分類的模型，修改后可用于多類別問(wèn)題的研究與分類。該算法主要解決線性與非線性兩大類問(wèn)題，為找到空間內(nèi)能夠?qū)⑺蟹诸悇澐值某矫?，使得所有本集合中的元素到這個(gè)超平面的距離最短，利用該算法對(duì)提取的特征值進(jìn)行訓(xùn)練，以達(dá)到對(duì)其他草莓進(jìn)行分類的效果。SVM算法本質(zhì)上是特征的訓(xùn)練和分類，屬于機(jī)器學(xué)習(xí)。

3.1 測(cè)試實(shí)驗(yàn)

研究人員將收集到的數(shù)據(jù)進(jìn)行置亂，隨后設(shè)置訓(xùn)練比，1.0為全訓(xùn)，本文設(shè)置為0.8，數(shù)據(jù)集中共有500張照片，400張用來(lái)訓(xùn)練，100張用來(lái)測(cè)試。

實(shí)驗(yàn)運(yùn)用SVM算法建立模型，首先確定核函數(shù)和懲罰參數(shù)，本文選用了網(wǎng)格搜索和交叉驗(yàn)證的方法，用網(wǎng)格搜索確定待定參數(shù)(г，C)的組合；再對(duì)組合進(jìn)行交叉驗(yàn)證來(lái)再次確認(rèn)[5]；最后取交叉驗(yàn)證正確率最高的參數(shù)作為模型參數(shù)訓(xùn)練整個(gè)SVM算法。測(cè)試結(jié)果如圖1和表1所示。

圖1 測(cè)試結(jié)果

表1 測(cè)試過(guò)程

由表1可知，特等品、一等品、二等品、不合格這4種草莓分級(jí)正確率分別為90%，78.57%，92.72%和76.19%，綜合正確率為84.37%，表明使用SVM進(jìn)行形狀分級(jí)是可行的。機(jī)器視覺(jué)和圖像處理運(yùn)行時(shí)間為58 m，表明該篩選方法具備實(shí)時(shí)性。

4 結(jié)語(yǔ)

本研究在SVM算法的基礎(chǔ)上，從周長(zhǎng)、面積、形狀、顏色、成熟度5個(gè)方面分別對(duì)草莓進(jìn)行相應(yīng)的評(píng)級(jí)處理，根據(jù)加權(quán)比重，制定4個(gè)等級(jí)的草莓分級(jí)，利用邏輯運(yùn)算關(guān)系串聯(lián)4個(gè)工作流程，建立一套草莓自動(dòng)分級(jí)系統(tǒng)。該分級(jí)系統(tǒng)分級(jí)速度快(平均處理時(shí)間50 ms)，參考因素全面，提高了人工分類的效率。利用該系統(tǒng)對(duì)100個(gè)草莓進(jìn)行分級(jí)測(cè)試試驗(yàn)，分級(jí)準(zhǔn)確率達(dá)到84.37%(分類錯(cuò)誤的草莓只出現(xiàn)在相鄰等級(jí)，沒(méi)有越級(jí)樣本)，共耗時(shí)58 ms，可以滿足草莓實(shí)時(shí)分級(jí)的需要。