专利名称:水果按表面颜色分级的方法
技术领域:
本发明涉及一种将水果按表面颜色分级的方法。
背景技术:
在众多的品质属性中,颜色可能是构成大多数园艺产品感官品质的最重要属性,它往往给人们第一印象。某种农产品即使其内部品质再好,也可能会因为其颜色不吸引人而不受欢迎。因此,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。
果品的颜色除受其表面性质影响外,内源色素的不同,通过吸收或反射不同种类和数量的光也影响产品的颜色。
水果的色素以溶解性能不同可分为脂溶性色素(如叶绿素和类胡萝卜素)及水溶性色素(如花青素)。从化学结构类型可区分为吡哆色素、多烯色素、酚类色素、醌酮色素以及其它类别的色素。
水果表面颜色还在一定程度上反映了水果的内部品质。研究表明,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。
此外,消费者在购买水果时,还会根据其消费目的选择不同的水果。例如,作为礼品的水果就要求表面颜色鲜艳。特别是春节期间,鲜红的颜色代表吉祥,因此,红色的水果更受欢迎。
由此可见,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。
在水果的表面颜色检测方面,已完成的工作主要有 Tao等人(Tao Y,Heinemann P H,et al.Machine vision for color inspection ofpotatoes and apples.Trans ofthe 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”。
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(一种海星状水果)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%。
Mendoza等人(Mendoza F,Dejmek P,Aguilera J M.Calibrated colormeasurements of agricultural foods using image analysis.Postharvest Biology andTechnology,2006,41(3)285-295)分别研究了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。
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究.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。
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。
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。
以住的研究一般根据直方图进行颜色分级研究。直方图能反映水果表面颜色公布的统计特征,但不能反映表面各点的位置信息,而在机器视觉系统上,图像上各点代表的实际面积不尽一致,因此,仅利用直方图对水果进行颜色分级可能会带来较大的误差。
发明内容
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供一种基于面积加权直方图的水果按表面颜色分级方法,以提高水果按表面颜色分级的精度。
本发明采用的技术方案是 ①采集图像分别选取红色水果样本和橙色水果样本组成红色水果样本组和橙色水果样本组,然后分别送入机器视觉系统,记录其数字图像,对记录的图像去除背景,得到水果样本图像。
②计算面积加权直方图将每一幅水果样本图像转化为HIS格式,分别计算其H分量的面积加权直方图 式中 Ph——H分量值为h的水果表面积值, S(i,j)——像素点(i,j)所代表的实际表面积, f(i,j)——像素点(i,j)的H分量值, T(x)——转换函数,当x=0,T(x)=1,否则T(x)=0, 将在一定范围内的Ph值以文本方式记录水果样本直方图文件中。
③主成分分析对水果样本直方图文件进行主成分分析,将主成分按方差贡献率由大到小排列,并逐个累计排在前面的主成分的累计方差贡献率,当累计方差贡献率要大于85%时,停止累计,记这些主成分的总数为K。
④计算样本中心点分别按式(2)计算红色水果样本组和橙色水果样本组的样本中心点,得到2个样本组的主成分中心点;
——第i个主成分分量中心点, Fi——样本的第i个主成分分量, K——主成分总数。
⑤分级按(3)式分别计算样本到红色水果样本组和橙色水果样本组的样本中心点的马氏(Mahalanobis)距离DMR和DMY,如果DMR<DMY,则将待测对象判断为红色水果,否则为橙色水果; 式中 DM——样本到某一个样本中心点的马氏距离, Fi——待测对象第i个主成分分量,
——第i个主成分分量中心点, K——主成分总数。
本发明具有的有益效果是水果表面颜色直方图按面积加权的方式进行,可以克服水果图像上各点代表的实际面积不尽一致的问题,提高水果按表面颜色分级的精度。可以准确地将水果按表面颜色分级。
图1是红色水果样本的图像; 图2是橙色水果样本的图像; 图3是红色水果样本的HIS面积加权直方图; 图4是橙色水果样本的HIS面积加权直方图; 图5是前2个主成分的方差贡献率及累计方差贡献率; 图6是实施例的分级结果。
具体实施例方式 分别选取40只红色脐橙样本和40只橙色脐橙样本,组成红色水果样本组和橙色水果样本组。然后分别送入机器视觉系统,记录其数字图像,去除背景,分别得到如图1和图2所示数字图像,对每一个水果重复10次,共得到800幅水果图像。
计算面积加权直方图。将每一幅水果样本图像转化为HIS格式,通过计算分别计算得到如图3和图4所示的H分量面积加权直方图 式中 Ph——H分量值为h的水果表面积值, S(i,j)——像素点(i,j)所代表的实际表面积,按中国发明专利ZL200410089198.1,授权日2006年2月22日,用于球形对象表面积实时计算的球带法所提出的方法计算, f(i,j)——像素点(i,j)的H分量值, T(x)——转换函数,当x=0,T(x)=1,否则T(x)=0。
将在P1-P60以文本方式记录水果样本直方图文件中,该文件记录的数据为800行60列。
主成分分析。用matlab软件的PRINCOMP函数对水果样本直方图文件进行主成分分析。将主成分按方差贡献率由大到小排列,得到如图5所示的方差贡献率及累计方差贡献率,图5中前2个主成分的已大于85%时,则主成分的总数为K=2。
计算样本中心点。分别按式(2)计算红色水果样本组和橙色水果样本组的样本中心点,得到2个样本组的主成分中心点。
——第i个主成分分量中心点, Fi——样本的第i个主成分分量, K——主成分总数。
分级。按(3)式分别计算样本到红色水果样本组和橙色水果样本组的样本中心点的马氏(Mahalanobis)距离DMR和DMY,如果DMR<DMY,则将待测对象判断为红色水果,否则为橙色水果。
式中 DM——样本到某一个样本中心点的马氏距离, Fi——待测对象第i个主成分分量,
——第i个主成分分量中心点, K——主成分总数。
分级的结果如图6所示。红色样本有6次被误判为橙色水果,而橙色样本有8次被误判为红色水果,总相对误差1.75%。
权利要求
1.一种将水果按表面颜色分级的方法,其特征在于该方法的步骤如下
①采集图像分别选取红色水果样本和橙色水果样本组成红色水果样本组和橙色水果样本组,然后分别送入机器视觉系统,记录其数字图像,对记录的图像去除背景,得到水果样本图像;
②计算面积加权直方图将每一幅水果样本图像转化为HIS格式,分别计算其H分量的面积加权直方图
式中
Ph——H分量值为h的水果表面积值,
S(i,j)——像素点(i,j)所代表的实际表面积,
f(i,j)——像素点(i,j)的H分量值,
T(x)——转换函数,当x=0,T(x)=1,否则T(x)=0,
将在一定范围内的Ph值以文本方式记录水果样本直方图文件中;
③主成分分析对水果样本直方图文件进行主成分分析,将主成分按方差贡献率由大到小排列,并逐个累计排在前面的主成分的累计方差贡献率,当累计方差贡献率要大于85%时,停止累计,记这些主成分的总数为K;
④计算样本中心点分别按式(2)计算红色水果样本组和橙色水果样本组的样本中心点,得到2个样本组的主成分中心点;
——第i个主成分分量中心点,
Fi——样本的第i个主成分分量,
K——主成分总数;
⑤分级按(3)式分别计算样本到红色水果样本组和橙色水果样本组的样本中心点的马氏(Mahalanobis)距离DMR和DMY,如果DMR<DMY,则将待测对象判断为红色水果,否则为橙色水果。
式中
DM——样本到某一个样本中心点的马氏距离,
Fi——待测对象第i个主成分分量,
——第i个主成分分量中心点,
K——主成分总数。
全文摘要
本发明公开了一种将水果按表面颜色分级的方法。分别选取红色水果样本和橙色水果样本组成红色水果样本组和橙色水果样本组,获取去除背景的水果样本图像,计算水果样本图像的H分量面积加权直方图并进行主成分分析,选取方差贡献率较在K的前个主成分,使累计方差贡献率大于85%时,分别计算红色水果样本组和橙色水果样本组的样本中心点,得到2个样本组的主成分中心点,分别计算样本到红色水果样本组和橙色水果样本组的样本中心点的马氏(Mahalanobis)距离DMR和DMY,如果DMR<DMY,则将待测对象判断为红色水果,否则为橙色水果。本发明克服水果图像上各点代表的实际面积不尽一致的问题,提高水果按表面颜色分级的精度,可准确地将水果按表面颜色分级。
文档编号G06K9/46GK101125333SQ20071007141
公开日2008年2月20日 申请日期2007年9月24日 优先权日2007年9月24日
发明者应义斌, 饶秀勤, 蒋焕煜, 王剑平 申请人:浙江大学