1、摘 要 介绍了采用机器视觉的苹果大小自动分级，利用CCD摄像机获取苹果的样本图像，应用MATLAB软件编程实现了对样本图像的背景去除、二值化、图像平滑、特征量提取和图像标定等处理，参照苹果分级的国家标准完成了苹果自动分级。 试验表明，此方法分级精度高，且速度快。 1 分级系统构成及图像采集过程 2 视觉检测样本图像处理 3 自动分级 4 结论1 分级系统构成及图像采集过程 11 分级系统构成 分级系统主要由苹果输送翻转机构、机器视觉识别系统和分级机构组成，如图1所示。12 图像采集过程 试验时，调节CCD摄像头的焦距和苹果输送翻转部分的速度，直到采集苹果图像清晰为止，锁定焦距和苹果输送翻转部分
2、的速度。CCD摄像头采集苹果视频信号存储在数码录像带上。试验结束后，视频信号通过USB接口传输到微机，并以MPEG格式存储，称为视觉检测样本。2 视觉检测样本图像处理 采用MATLAB图像处理工具箱对图像进行处理和分析。 具体过程是图像背景去除、二值化、图像平滑、特征量提取、图像标定和自动分级等 。21 背景去除 在获取的样本图像中，包括苹果、摩擦带和滚子等背景物体，因此首先应该将这部分背景去除。 imclearborder(X，CONN)函数，其功能是去除图像x中与图像边界相连通且比其周围物体明度高的部分。为此，可以通过选择CONN的值来选用4连通或是8连通(即CONN=4或CONN=8)。
3、根据具体情况进行调整。这里选用8连通效果较好 。实现背景去除可使用如下语句： Xl= imclearborder(X10，8)；去除背景后的图像如图2所示。22 二值化 图像二值化处理是特征量提取所必需的。去除与边缘相连的背景物后，图像还是真彩色图像。为将图像变换成二值图像，应将图像变换成灰度图像。 实现彩色图像灰度化可使用如下语句： x2=mat2gray(x1)：灰度图像如图3所示。 得到灰度图像后，选取合适的阈值对图像进行二值化处理。 通过二值化处理，使检测对象从复杂的图像背景中凸显出来。二值化图像如图4所示。23 图像平滑 图像经二值化处理后不仅包括苹果目标，还残留一些干扰噪音(小斑点
4、)。这些噪音直接影响检测的准确度，而图像的平滑处理就是消除噪音。 实现图像平滑处理可使用如下语句： x4= medfilt2(x3，10，10)：平滑处理图像如图5所示。24 特征量提取 苹果在输送带上既有旋转运动又有平移运动，这两种运动的组合使苹果状态出现了不确定性。一般表现为3种形式，即侧倾、正立和倒立形式。当处于正立和倒立形式时，由苹果的生物特性决定其图像边缘近似圆形；当处于侧倾形式时，图像边缘呈不规则形状，反映苹果的形状差异，在对苹果进行大小分级时，一般按苹果直径进行分级 。因此，对采集图像进行图像处理后，检测其边缘序列点集(xi，yi)，i=0,1， n-1，n 在得到检测图像后，需
5、确定苹果直径的检测轴向，取垂直方向为轴向方向。这样，取垂直于轴向的最大苹果宽度即为苹果直径大小。但最大宽度的确定仍需搜索完成，即沿着轴向方向进行宽度检测，得到一系列苹果宽度，最后对其进行比较，确定最大值，这是进行苹果大小分级的特征量。25 图像标定 在进行特征量提取后，得到苹果的直径值是像素坐标下的值。要进行苹果大小分级，还需对其值进行像素坐标和实际坐标的转化(即图像标定)。3 自动分级31分级原理 利用图像标定比例对检测到的特征量进行转化，可以得到苹果的实际直径。苹果大小分级可以按照国家标准进行在GB1065-89中，关于苹果直径分级参数如表1所示。32 分级结果分析 文中以红富士为研究对象，选取64个样本进行分级。视觉分级结果和人工分级结果见表2所示。 从表2可以看出：视觉分级结果与人工分级结果相一致的有60个，不一致的有4个，视觉分级的准确率可达93754 结论 1)构建了苹果视觉分级系统，通过试验获取了视觉分级的样本图像。 2)通过对样本图像的分析，编制了一套进行图像处理和特征量提取的MATLAB程序。 3)参照苹果分级的国家标准GB1065-89，实现了苹果的自动分级。 4)对视觉分级结果和人工分级结果进行比较分析，结果表明：视觉分级可以达到较高的分级精度，且分级速度快，不受人为因素的影响，便于实现自动化。谢谢
