计算机视觉对苹果脆片质量分级
摘要：运用计算机视觉技术建立苹果脆片半成品和成品的外部品质无损分级技术。首先根据实际需求将苹果脆片分别分为五个级别和三个级别。脆片经图像采集和图像处理后，提取大小、形状、颜色、纹理四方面特征，构建并比较Fisher线性判别、偏最小二乘法判别分析、支持向量机(SVM)的建模效果，选取最佳分级模型。进一步采用连续投影算法筛选最佳特征参数。研究结果表明，SVM模型分级效果最好，其中，对半成品和成品五个级别区分的预测准确率分别为94.0%和91.6%，基于最佳特征参数的预测准确率分别为92.0%和91.6%。对半成品和成品三个级别区分的预测准确率分别为94.0%和94.7%，基于最佳特征参数的预测准确率分别为92.0%和91.3%。该研究为苹果脆片的计算机视觉自动分级提供了技术支持。
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 材料与方法3
1.1 试验材料 4
1.2 试验方法 4
1.2.1 人工分级 4
1.2.2 计算机视觉装置的搭建5
1.2.3 图像采集5
1.2.4 图像处理6
1.2.5 图像特征提取8
1.2.6 数据标准化9
1.2.7 特征参数筛选10
1.2.8 建模与预测10
2 结果与分析10
2.1 数据标准化方法的比较11
2.2 五个级别的苹果脆片半成品和成品的分级结果11
2.2.1 三种分级模型的构建与比较11
2.2.2 基于SPA参数筛选结果14
2.2.3 特征参数筛选后基于最佳模型的分级结果15
2.2.4 特征参数筛选前后基于最佳模型的分级结果比较16
2.3 三个级别的苹果脆片半成品和成品的分级结果17
2.3.1 三种分级模型的构建与比较17
2.3.2 基于SPA参数筛选结果19
2.3.3 特征参数筛选后基于最佳模型的分级结果20
2.3.4 特征参
*好棒文|www.hbsrm.com +Q: %3^5`1^9`1^6^0`7^2#
数筛选前后基于最佳模型的分级结果比较21
3讨论 21
3.1 特征参数的标准化与筛选21
3.2 五个级别和三个级别的苹果脆片半成品和成品分级结果比较21
3.3 SVM模型的优势21
3.4 计算机视觉技术的展望22
致谢22
参考文献22
基于计算机视觉对苹果脆片质量分级
引言
苹果具有很高的营养价值，富含糖类、矿物质、膳食纤维和VC等，对控制体重以及预防心脑血管等疾病有一定的作用[1]，是大宗生鲜水果之一。我国苹果年产量占世界总产量的1/3，是世界最大的苹果生产国[2]。从苹果的消费及深加工方面来看，目前我国鲜食苹果消费还占主导地位，而在欧美苹果消费市场中，用作鲜食、果蔬汁及罐头、冷冻及干制的苹果分别占总消费的39%、46%、10%及2%。由此可见，我国苹果深加工业有待发展，需进一步研发苹果深精加工制品，以增加产品多样性，提高苹果带来的经济效益[3]。
苹果脆片是苹果深精加工制品之一，在国内市场出现较少。初期的苹果脆片加工技术主要是利用真空油炸工艺，但油炸食品带来的健康问题使得油炸苹果脆片并未受到消费者的青睐。因此，变温压差膨化干燥技术、真空冷冻干燥技术、微波真空干燥技术等一系列非油炸苹果脆片干燥加工技术应运而生[4]。非油炸的苹果脆片保留了苹果的营养成分和生鲜风味，而且口感酥脆，形态饱满，符合消费者和市场低脂肪高纤维素、绿色天然、便于携带和贮存的要求，因而受到消费者的认可和市场的关注[57]。
由于苹果脆片个体之间的差异及加工技术的影响，苹果脆片品质也存在大小、形状、颜色、纹理等方面的差异。因此，为了提高产品的质量，实现产品质量的标准化，同时以质论价，让消费者不再为挑选满意的产品而费时费力，并将经营者的利益最大化，对苹果脆片的质量进行分级是未来市场的必然需求。
目前，传统的果蔬质量分级的方法有：人工分级和机器分级。人工分级方法完全依靠人的视觉，将产品按其颜色、大小等进行分级。不但费时，而且易受人的主观因素影响，如疲劳、光线等，分级效率低，难以准确执行分级标准。机器分级方法主要借助机械判断装置，产品在运动的过程中易产生破损，机械损伤很大。可以看出，这些传统的分级方法存在耗时、费力、价格昂贵、人为误差、机械损伤等缺陷，无法满足市场的要求。因此，急需一种快速、准确、无损并且能够让加工更有效率、更经济的新型技术。而计算机视觉作为一种无损检测方法，已经证明可以达到这个目的[8]。
计算机视觉利用图像传感器代替人眼获取目标图像，然后将图像信息转换成数字信息，结合模式识别等数据处理方法，最终达到分析和做出结论的目的。计算机视觉具有快速、使用简便、制样少等优势，一次可以对大小、形状、颜色、纹理等多个指标进行检测，已广泛应用于果蔬的品质的分级和检测，包括苹果、橙子、浆果、香蕉、枣、黄瓜等[9]。
目前，国内外基于计算机视觉技术对果蔬品质进行分级和检测的研究很多。应义斌[11]提出通过提取物体边界信息来检测水果尺寸的方法，所得最大横径尺寸与实际最大横径的相关系数为0.96。Tao等[10]利用前10个傅里叶系数来代替马铃薯的形状，其准确率为89.2%。Zheng和Lu[11]基于分形分析和CIELab参数，采用SVM将芒果分为不同等级，准确率为100%。Shearer等[12]提出将RGB颜色模型转化为HIS模型，并利用RGB构造8个色调变量，依据颜色和损伤实现青椒分级的方法。Mendoza等[13]研究了sRGB、HSV和L*a*b*三种颜色模型在水果品质检测方法的应用。Haralick等[14]提出空间灰度级依存法，基于二阶联合条件概率密度函数的估计以提取统计纹理特征值。DonisGonzález等[15]通过评估计算机视觉的图像中颜色、纹理和几何特征来分类栗子，整体的分类准确率为89.6%。卢军等[16]提取柑橘图像的颜色矩特征及均值、方差、平滑度等纹理特征来表示柑橘颜色和纹理等方面的差异，准确率为80%。但是将计算机视觉系统运用于果蔬脆片等深加工产品的例子还很少。因此，研究计算机视觉技术对果蔬脆片的质量分级技术，以实现果蔬脆片质量自动无损分级的意义重大。
在苹果脆片生产过程中，生产厂家常常采购苹果脆片半成品进行加工，干燥生产苹果脆片成品。因此，苹果脆片半成品的质量直接影响成品的质量。本试验以苹果脆片半成品和成品为研究对象，利用计算机视觉技术获取苹果脆片半成品和成品的图像，经图像处理后提取与脆片外观品质有关的信息，确立脆片形状、大小、颜色和纹理特征的参数，分别采用Fishier线性判别器、偏最小二乘法判别分析（Partial Least Squares Discriminant Analysis, PLSDA）、支持向量机（Support Vector Machine, SVM）三种判别模型建立分级模型，形成对苹果脆片外部品质无损分级的技术，为苹果脆片的工业生产中质量的自动化分级提供技术支持。
1 材料与方法
1.1 试验材料
目录
摘要1
关键词1
Abstract1
Key words1
引言1
1 材料与方法3
1.1 试验材料 4
1.2 试验方法 4
1.2.1 人工分级 4
1.2.2 计算机视觉装置的搭建5
1.2.3 图像采集5
1.2.4 图像处理6
1.2.5 图像特征提取8
1.2.6 数据标准化9
1.2.7 特征参数筛选10
1.2.8 建模与预测10
2 结果与分析10
2.1 数据标准化方法的比较11
2.2 五个级别的苹果脆片半成品和成品的分级结果11
2.2.1 三种分级模型的构建与比较11
2.2.2 基于SPA参数筛选结果14
2.2.3 特征参数筛选后基于最佳模型的分级结果15
2.2.4 特征参数筛选前后基于最佳模型的分级结果比较16
2.3 三个级别的苹果脆片半成品和成品的分级结果17
2.3.1 三种分级模型的构建与比较17
2.3.2 基于SPA参数筛选结果19
2.3.3 特征参数筛选后基于最佳模型的分级结果20
2.3.4 特征参
*好棒文|www.hbsrm.com +Q: %3^5`1^9`1^6^0`7^2#
数筛选前后基于最佳模型的分级结果比较21
3讨论 21
3.1 特征参数的标准化与筛选21
3.2 五个级别和三个级别的苹果脆片半成品和成品分级结果比较21
3.3 SVM模型的优势21
3.4 计算机视觉技术的展望22
致谢22
参考文献22
基于计算机视觉对苹果脆片质量分级
引言
苹果具有很高的营养价值，富含糖类、矿物质、膳食纤维和VC等，对控制体重以及预防心脑血管等疾病有一定的作用[1]，是大宗生鲜水果之一。我国苹果年产量占世界总产量的1/3，是世界最大的苹果生产国[2]。从苹果的消费及深加工方面来看，目前我国鲜食苹果消费还占主导地位，而在欧美苹果消费市场中，用作鲜食、果蔬汁及罐头、冷冻及干制的苹果分别占总消费的39%、46%、10%及2%。由此可见，我国苹果深加工业有待发展，需进一步研发苹果深精加工制品，以增加产品多样性，提高苹果带来的经济效益[3]。
苹果脆片是苹果深精加工制品之一，在国内市场出现较少。初期的苹果脆片加工技术主要是利用真空油炸工艺，但油炸食品带来的健康问题使得油炸苹果脆片并未受到消费者的青睐。因此，变温压差膨化干燥技术、真空冷冻干燥技术、微波真空干燥技术等一系列非油炸苹果脆片干燥加工技术应运而生[4]。非油炸的苹果脆片保留了苹果的营养成分和生鲜风味，而且口感酥脆，形态饱满，符合消费者和市场低脂肪高纤维素、绿色天然、便于携带和贮存的要求，因而受到消费者的认可和市场的关注[57]。
由于苹果脆片个体之间的差异及加工技术的影响，苹果脆片品质也存在大小、形状、颜色、纹理等方面的差异。因此，为了提高产品的质量，实现产品质量的标准化，同时以质论价，让消费者不再为挑选满意的产品而费时费力，并将经营者的利益最大化，对苹果脆片的质量进行分级是未来市场的必然需求。
目前，传统的果蔬质量分级的方法有：人工分级和机器分级。人工分级方法完全依靠人的视觉，将产品按其颜色、大小等进行分级。不但费时，而且易受人的主观因素影响，如疲劳、光线等，分级效率低，难以准确执行分级标准。机器分级方法主要借助机械判断装置，产品在运动的过程中易产生破损，机械损伤很大。可以看出，这些传统的分级方法存在耗时、费力、价格昂贵、人为误差、机械损伤等缺陷，无法满足市场的要求。因此，急需一种快速、准确、无损并且能够让加工更有效率、更经济的新型技术。而计算机视觉作为一种无损检测方法，已经证明可以达到这个目的[8]。
计算机视觉利用图像传感器代替人眼获取目标图像，然后将图像信息转换成数字信息，结合模式识别等数据处理方法，最终达到分析和做出结论的目的。计算机视觉具有快速、使用简便、制样少等优势，一次可以对大小、形状、颜色、纹理等多个指标进行检测，已广泛应用于果蔬的品质的分级和检测，包括苹果、橙子、浆果、香蕉、枣、黄瓜等[9]。
目前，国内外基于计算机视觉技术对果蔬品质进行分级和检测的研究很多。应义斌[11]提出通过提取物体边界信息来检测水果尺寸的方法，所得最大横径尺寸与实际最大横径的相关系数为0.96。Tao等[10]利用前10个傅里叶系数来代替马铃薯的形状，其准确率为89.2%。Zheng和Lu[11]基于分形分析和CIELab参数，采用SVM将芒果分为不同等级，准确率为100%。Shearer等[12]提出将RGB颜色模型转化为HIS模型，并利用RGB构造8个色调变量，依据颜色和损伤实现青椒分级的方法。Mendoza等[13]研究了sRGB、HSV和L*a*b*三种颜色模型在水果品质检测方法的应用。Haralick等[14]提出空间灰度级依存法，基于二阶联合条件概率密度函数的估计以提取统计纹理特征值。DonisGonzález等[15]通过评估计算机视觉的图像中颜色、纹理和几何特征来分类栗子，整体的分类准确率为89.6%。卢军等[16]提取柑橘图像的颜色矩特征及均值、方差、平滑度等纹理特征来表示柑橘颜色和纹理等方面的差异，准确率为80%。但是将计算机视觉系统运用于果蔬脆片等深加工产品的例子还很少。因此，研究计算机视觉技术对果蔬脆片的质量分级技术，以实现果蔬脆片质量自动无损分级的意义重大。
在苹果脆片生产过程中，生产厂家常常采购苹果脆片半成品进行加工，干燥生产苹果脆片成品。因此，苹果脆片半成品的质量直接影响成品的质量。本试验以苹果脆片半成品和成品为研究对象，利用计算机视觉技术获取苹果脆片半成品和成品的图像，经图像处理后提取与脆片外观品质有关的信息，确立脆片形状、大小、颜色和纹理特征的参数，分别采用Fishier线性判别器、偏最小二乘法判别分析（Partial Least Squares Discriminant Analysis, PLSDA）、支持向量机（Support Vector Machine, SVM）三种判别模型建立分级模型，形成对苹果脆片外部品质无损分级的技术，为苹果脆片的工业生产中质量的自动化分级提供技术支持。
1 材料与方法
1.1 试验材料
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/swgc/spzlyaq/256.html
