一种基于归一化色度直方图的水果按表面颜色分级方法
【技术领域】
[0001] 本发明涉及一种水果分级方法，尤其是涉及了一种基于归一化色度直方图的水果 按表面颜色分级方法。
【背景技术】
[0002] 水果的表面颜色往往影响人们的购买行为，如作为礼品的水果就要求表面颜色鲜 艳、同一包装内的水果表面颜色一致。对水果颜色进行检测和分级，是提高水果商品价值的 有效手段。
[0003] 水果表面颜色有时还与其内部品质相关。研宄表明，红葡萄含有丰富的钾、水杨 酸、铁、花色甙的蹂质，其中水杨酸可降低胆固醇，花色甙有助于供血，勒质酸稀释血液，所 以红葡萄可以预防心肌梗塞和中风。而绿葡萄仅含有钾、铁及维生素 C、B。因此，红葡萄营 养价值高；每100g红辣椒含有200mg维生素 C，是绿辣椒的2倍，红辣椒还富含胡萝卜素、 维生素 B、维牛素 E和叶酸，能增强免疫力。因此，红辣椒比绿辣椒价值高。
[0004] 水果表面的颜色是其重要的外观品质指标之一，与内部品质有着密切的关系。若 靠人的感官进行评定，缺乏客观性和准确性。
[0005] 在水果的表面颜色检测方面，已完成的工作主要有：
[0006] Tao 等人（Tao Y, Heinemann P H, et al. Machine vision for color inspection of potatoes and apples. Trans of the ASAE. 1995. 38(5) :1555-1561)研制成功了用于苹 果颜色检测的机器视觉系统，它可以区别黄色与绿色的"金帅苹果"。
[0007] Abdullah 等人（Abdullah M Z，Mohamad-Saleh J，Fathinul-Syahir A S， et al. Discrimination and classification of fresh-cut starfruits(Averrhoa carambola L. ) using automated machine vision system. Journal of Food Engineering, 2006, 76(4) :506-523)研制了用于金帅 starfruits ( -种海星状水果）表面 颜色和果形检测的机器视觉系统软件，该软件利用HIS颜色空间，采用线性判别函数和多 层神经网络进行检测水果的成熟、未成熟及过成熟状态，对200个样本的检测表明，线性判 别函数和多层神经网络的检测准确率分别为65. 3%和90. 5%。
[0008] Mendoza 等人（Mendoza F，De jmek P，AguiIera J M. Calibrated color measurements of agricultural foods using image analysis. Postharvest Biology and Technology, 2006, 41 (3) :285-295)分别研宄了 sRGB，HSV 和 L*a*b* 颜色模型在水果品质 检测计算机视觉的应用，结果表明，sRGB效率较高，但易受背景、水果表面曲率及散射影响， L*a*b*更适于在计算机视觉系统中用于水果表面颜色的检测。
[0009] 杨秀坤等人（杨秀坤，陈晓光.用遗传神经网络方法进行苹果颜色自动检测的研 宄.农业工程学报，1997,13 (2) :173-176)通过计算机视觉技术获取苹果的色度直方图并 提取其表面颜色特征，采用先进的遗传算法建立了一个多层前馈神经网络系统。
[0010] 李庆中（李庆中，张漫.基于遗传神经网络的苹果颜色实时分级方法.中国图象 图形学报（A辑），2000,5(9) :779-784)介绍了苹果颜色自动分级系统的硬件组成，确定了 苹果颜色特征的提取方法，利用遗传算法实现了多层前向神经网络识别器的学习设计，实 现了苹果颜色的实时分级，并通过实验验证了方法的有效性，试验结果表明，颜色分级识别 准确率在90%以上，分级一个苹果所用的时间为150ms。这种方法需先指定标准样本，采集 图像进行分析后，训练网络，当水果品种更换时，需重新进行网络训练，用户使用不便，品种 适应性较差。
[0011] 冯斌等人（冯斌，王懋华.基于颜色分形的水果计算机视觉分级技术.农业工程 学报.2002,18 (2) : 141-144)在利用水果表面分布的分形维数为特征对不同着色等级水果 进行分级时，采用了 HIS模型，利用各色度点的累计和空间分布特性。
[0012] 饶秀勤（饶秀勤，基于机器视觉的水果品质实时检测与分级生产线的关键技术研 宄，2007,浙江大学）采用HIS颜色模型、主成分分析方法和马氏距离法，实现了水果按表面 颜色分级。对800幅水果图像进行的分级结果表明，总的相对误差1. 75 %，能满足水果颜色 检测与分级的要求。
[0013] 赵杰文等（赵杰文等，基于支持向量机的缺陷红枣机器视觉识别.农业机械学报， 2008(03):第113-115+147页.）利用河北省沧州市金丝小枣作为研宄对象，采用支持向量 机识别干制后的缺陷枣。在HIS颜色空间中，提取H的均值和均方差作为红枣颜色特征值， 应用径向基核函数建立支持向量机识别模型；并确定当参数为C = 32, 〇 = 2时，识别的准 确率最高，达到96. 2%。
[0014] 由此，现有方法中一般要进行比较较多的建模工作才能实现对水果按表面颜色进 行分级，过程较为复杂。
【发明内容】
[0015] 为了克服现有技术在检测水果品质方面的不足，本发明的目的在于提出了一种基 于归一化色度直方图的水果按表面颜色分级方法，由归一化色度直方图按表面颜色分级， 避免了较多的建模工作，以简化分级过程。
[0016] 本发明采用的技术方案包括以下步骤：
[0017] 1)采集图像：从同一批次的水果中选取两个具有不同表面颜色的水果作为两个 样本水果，分别记为第一级水果Sl和第二级水果S2,通过机器视觉系统获取其各自的原始 数字图像，去除背景得到水果样本图像；
[0018] 2)计算归一化色度直方图向量：将水果样本图像转化为HIS色彩空间格式图像， 然后计算得到水果各自的归一化色度直方图向量P ;
[0019] 3)在同一张图上绘制两个样本水果的归一化色度直方图；
[0020] 4)设定水果分级的阈值：由上述得到的归一化色度直方图，将归一化色度直方图 的主峰起点色度值记为Τ1，将归一化色度直方图的主峰交叉点色度值记为Τ2,将归一化色 度直方图的主峰终点色度值记为Τ3 ;
[0021] 5)被测水果分级：将被测水果重复上述步骤1)~2)采集图像并计算得到所有被 测水果各自的归一化色度直方图向量Ρ，然后通过计算比较对所有被测水果进行分级。
[0022] 所述步骤3)绘制样本水果的归一化色度直方图具体为：以HIS色彩空间格式图像 的色度值为横轴，以归一化色度直方图向量P的值为纵轴，在同一个直角坐标图上分别绘 制得到两个样本水果的归一化色度直方图向量P得到一个归一化色度直方图；
[0023] 所述步骤5)由归一化色度直方图向量P进行计算比较的过程具体如下：将被测水 果的色度值在主峰起点色度值Tl和主峰交叉点色度值T2之间的归一化色度直方图向量P 的元素累加得到第一色度频度累加值M1，将被测水果的色度值在主峰交叉点色度值T2和 主峰终点色度值T3之间的归一化色度直方图向量P的元素累加得到第二色度频度累加值 M2 ;将M1>M2的水果分为第一级水果，将Ml < M2的水果分为第二级水果。
[0024] 所述的每个水果的归一化色度直方图向量P具体采用以下方式计算：由HIS色彩 空间格式图像计算其色度分量的直方图向量H，获得色度值在该水果的HIS色彩空间格式 图像中出现的次数，采用以下公式用直方图向量H乘以10