摘要介紹了采用機器視覺的蘋果大小自動分級，利用CCD攝像機獲取蘋果的樣本圖像，應(yīng)用MATLAB軟件編程實現(xiàn)了對樣本圖像的背景去除、二值化、圖像平滑、特征量提取和圖像標定等處理，參照蘋果分級的國家標準完成了蘋果自動分級。試驗表明，此方法分級精度高，且速度快。摘要介紹了采用機器視覺的蘋果大小自動分級，利用CCD11分級系統(tǒng)構(gòu)成及圖像采集過程2視覺檢測樣本圖像處理3自動分級4結(jié)論1分級系統(tǒng)構(gòu)成及圖像采集過程21分級系統(tǒng)構(gòu)成及圖像采集過程

1．1分級系統(tǒng)構(gòu)成分級系統(tǒng)主要由蘋果輸送翻轉(zhuǎn)機構(gòu)、機器視覺識別系統(tǒng)和分級機構(gòu)組成，如圖1所示。1分級系統(tǒng)構(gòu)成及圖像采集過程

1．1分級系統(tǒng)構(gòu)成分級系3基于機器視覺的蘋果大小自動分級方法課件41．2圖像采集過程試驗時，調(diào)節(jié)CCD攝像頭的焦距和蘋果輸送翻轉(zhuǎn)部分的速度，直到采集蘋果圖像清晰為止，鎖定焦距和蘋果輸送翻轉(zhuǎn)部分的速度。CCD攝像頭采集蘋果視頻信號存儲在數(shù)碼錄像帶上。試驗結(jié)束后，視頻信號通過USB接口傳輸?shù)轿C，并以MPEG格式存儲，稱為視覺檢測樣本。1．2圖像采集過程52視覺檢測樣本圖像處理

采用MATLAB圖像處理工具箱對圖像進行處理和分析。具體過程是圖像背景去除、二值化、圖像

平滑、特征量提取、圖像標定和自動分級等。2視覺檢測樣本圖像處理

采用MATLAB圖像處理工具箱對圖62．1背景去除在獲取的樣本圖像中，包括蘋果、摩擦帶和滾子等背景物體，因此首先應(yīng)該將這部分背景去除。imclearborder(X，CONN)函數(shù)，其功能是去除圖像x中與圖像邊界相連通且比其周圍物體明度高的部分。為此，可以通過選擇CONN的值來選用4連通或是8連通(即CONN=4或CONN=8)。根據(jù)具體情況進行調(diào)整。這里選用8連通效果較好。實現(xiàn)背景去除可使用如下語句：

Xl=imclearborder(X10，8)；2．1背景去除在獲取的樣本圖像中，包括蘋果、摩擦帶和滾子等7去除背景后的圖像如圖2所示。去除背景后的圖像如圖2所示。82．2二值化

圖像二值化處理是特征量提取所必需的。去除與邊緣相連的背景物后，圖像還是真彩色圖像。為將圖像變換成二值圖像，應(yīng)將圖像變換成灰度圖像。實現(xiàn)彩色圖像灰度化可使用如下語句：x2=mat2gray(x1)：2．2二值化

圖像二值化處理是特征量提取所必需的。去除與邊9灰度圖像如圖3所示?；叶葓D像如圖3所示。10得到灰度圖像后，選取合適的閾值對圖像進行二值化處理。通過二值化處理，使檢測對象從復(fù)雜的圖像背景中凸顯出來。得到灰度圖像后，選取合適的閾值對圖像進行二值化處理。11二值化圖像如圖4所示。二值化圖像如圖4所示。122．3圖像平滑圖像經(jīng)二值化處理后不僅包括蘋果目標，還殘留一些干擾噪音(小斑點)。這些噪音直接影響檢測的準確度，而圖像的平滑處理就是消除噪音。實現(xiàn)圖像平滑處理可使用如下語句：x4=medfilt2(x3，[10，10])：2．3圖像平滑圖像經(jīng)二值化處理后不僅包括蘋果目標，還殘留一13平滑處理圖像如圖5所示。平滑處理圖像如圖5所示。142．4特征量提取蘋果在輸送帶上既有旋轉(zhuǎn)運動又有平移運動，這兩種運動的組合使蘋果狀態(tài)出現(xiàn)了不確定性。一般表現(xiàn)為3種形式，即側(cè)傾、正立和倒立形式。當(dāng)處于正立和倒立形式時，由蘋果的生物特性決定其圖像邊緣近似圓形；當(dāng)處于側(cè)傾形式時，圖像邊緣呈不規(guī)則形狀，反映蘋果的形狀差異，在對蘋果進行大小分級時，一般按蘋果直徑進行分級。因此，對采集圖像進行圖像處理后，檢測其邊緣序列點集(xi，yi)，i=0,1，．．n-1，n2．4特征量提取蘋果在輸送帶上既有旋轉(zhuǎn)運動又有平移運動，這15在得到檢測圖像后，需確定蘋果直徑的檢測軸向，取垂直方向為軸向方向。這樣，取垂直于軸向的最大蘋果寬度即為蘋果直徑大小。但最大寬度的確定仍需搜索完成，即沿著軸向方向進行寬度檢測，得到一系列蘋果寬度，最后對其進行比較，確定最大值，這是進行蘋果大小分級的特征量。在得到檢測圖像后，需確定蘋果直徑的檢測軸向，取垂直方向為軸向162．5圖像標定在進行特征量提取后，得到蘋果的直徑值是像素坐標下的值。要進行蘋果大小分級，還需對其值進行像素坐標和實際坐標的轉(zhuǎn)化(即圖像標定)。2．5圖像標定在進行特征量提取后，得到蘋果的直徑值是像素坐173自動分級

3．1分級原理利用圖像標定比例對檢測到的特征量進行轉(zhuǎn)化，可以得到蘋果的實際直徑。蘋果大小分級可以按照國家標準進行在GB1065-89中，關(guān)于蘋果直徑分級參數(shù)如表1所示。3自動分級

3．1分級原理利用圖像標定比例對檢測到的特征量183．2分級結(jié)果分析文中以紅富士為研究對象，選取64個樣本進行分級。視覺分級結(jié)果和人工分級結(jié)果見表2所示。3．2分級結(jié)果分析文中以紅富士為研究對象，選取64個樣本進19基于機器視覺的蘋果大小自動分級方法課件20基于機器視覺的蘋果大小自動分級方法課件21基于機器視覺的蘋果大小自動分級方法課件22從表2可以看出：視覺分級結(jié)果與人工分級結(jié)果相一致的有60個，不一致的有4個，視覺分級的準確率可達93．75％從表2可以看出：視覺分級結(jié)果與人工分級結(jié)果相一致的有60個，234結(jié)論1)構(gòu)建了蘋果視覺分級系統(tǒng)，通過試驗獲取了視覺分級的樣本圖像。2)通過對樣本圖像的分析，編制了一套進行圖像處理和特征量提取的MATLAB程序。3)參照蘋果分級的國家標準GB1065-89，實現(xiàn)了蘋果的自動分級。4)對視覺分級結(jié)果和人工分級結(jié)果進行比較分析，結(jié)果表明：視覺分級可以達到較高的分級精度，且分級速度快，不受人為因素的影響，便于實現(xiàn)自動化。4結(jié)論1)構(gòu)建了蘋果視覺分級系統(tǒng)，通過試驗獲取了視覺分級的24謝謝

謝謝

25摘要介紹了采用機器視覺的蘋果大小自動分級，利用CCD攝像機獲取蘋果的樣本圖像，應(yīng)用MATLAB軟件編程實現(xiàn)了對樣本圖像的背景去除、二值化、圖像平滑、特征量提取和圖像標定等處理，參照蘋果分級的國家標準完成了蘋果自動分級。試驗表明，此方法分級精度高，且速度快。摘要介紹了采用機器視覺的蘋果大小自動分級，利用CCD261分級系統(tǒng)構(gòu)成及圖像采集過程2視覺檢測樣本圖像處理3自動分級4結(jié)論1分級系統(tǒng)構(gòu)成及圖像采集過程271分級系統(tǒng)構(gòu)成及圖像采集過程

1．1分級系統(tǒng)構(gòu)成分級系統(tǒng)主要由蘋果輸送翻轉(zhuǎn)機構(gòu)、機器視覺識別系統(tǒng)和分級機構(gòu)組成，如圖1所示。1分級系統(tǒng)構(gòu)成及圖像采集過程

1．1分級系統(tǒng)構(gòu)成分級系28基于機器視覺的蘋果大小自動分級方法課件291．2圖像采集過程試驗時，調(diào)節(jié)CCD攝像頭的焦距和蘋果輸送翻轉(zhuǎn)部分的速度，直到采集蘋果圖像清晰為止，鎖定焦距和蘋果輸送翻轉(zhuǎn)部分的速度。CCD攝像頭采集蘋果視頻信號存儲在數(shù)碼錄像帶上。試驗結(jié)束后，視頻信號通過USB接口傳輸?shù)轿C，并以MPEG格式存儲，稱為視覺檢測樣本。1．2圖像采集過程302視覺檢測樣本圖像處理

采用MATLAB圖像處理工具箱對圖像進行處理和分析。具體過程是圖像背景去除、二值化、圖像

平滑、特征量提取、圖像標定和自動分級等。2視覺檢測樣本圖像處理

采用MATLAB圖像處理工具箱對圖312．1背景去除在獲取的樣本圖像中，包括蘋果、摩擦帶和滾子等背景物體，因此首先應(yīng)該將這部分背景去除。imclearborder(X，CONN)函數(shù)，其功能是去除圖像x中與圖像邊界相連通且比其周圍物體明度高的部分。為此，可以通過選擇CONN的值來選用4連通或是8連通(即CONN=4或CONN=8)。根據(jù)具體情況進行調(diào)整。這里選用8連通效果較好。實現(xiàn)背景去除可使用如下語句：

Xl=imclearborder(X10，8)；2．1背景去除在獲取的樣本圖像中，包括蘋果、摩擦帶和滾子等32去除背景后的圖像如圖2所示。去除背景后的圖像如圖2所示。332．2二值化

圖像二值化處理是特征量提取所必需的。去除與邊緣相連的背景物后，圖像還是真彩色圖像。為將圖像變換成二值圖像，應(yīng)將圖像變換成灰度圖像。實現(xiàn)彩色圖像灰度化可使用如下語句：x2=mat2gray(x1)：2．2二值化

圖像二值化處理是特征量提取所必需的。去除與邊34灰度圖像如圖3所示?；叶葓D像如圖3所示。35得到灰度圖像后，選取合適的閾值對圖像進行二值化處理。通過二值化處理，使檢測對象從復(fù)雜的圖像背景中凸顯出來。得到灰度圖像后，選取合適的閾值對圖像進行二值化處理。36二值化圖像如圖4所示。二值化圖像如圖4所示。372．3圖像平滑圖像經(jīng)二值化處理后不僅包括蘋果目標，還殘留一些干擾噪音(小斑點)。這些噪音直接影響檢測的準確度，而圖像的平滑處理就是消除噪音。實現(xiàn)圖像平滑處理可使用如下語句：x4=medfilt2(x3，[10，10])：2．3圖像平滑圖像經(jīng)二值化處理后不僅包括蘋果目標，還殘留一38平滑處理圖像如圖5所示。平滑處理圖像如圖5所示。392．4特征量提取蘋果在輸送帶上既有旋轉(zhuǎn)運動又有平移運動，這兩種運動的組合使蘋果狀態(tài)出現(xiàn)了不確定性。一般表現(xiàn)為3種形式，即側(cè)傾、正立和倒立形式。當(dāng)處于正立和倒立形式時，由蘋果的生物特性決定其圖像邊緣近似圓形；當(dāng)處于側(cè)傾形式時，圖像邊緣呈不規(guī)則形狀，反映蘋果的形狀差異，在對蘋果進行大小分級時，一般按蘋果直徑進行分級。因此，對采集圖像進行圖像處理后，檢測其邊緣序列點集(xi，yi)，i=0,1，．．n-1，n2．4特征量提取蘋果在輸送帶上既有旋轉(zhuǎn)運動又有平移運動，這40在得到檢測圖像后，需確定蘋果直徑的檢測軸向，取垂直方向為軸向方向。這樣，取垂直于軸向的最大蘋果寬度即為蘋果直徑大小。但最大寬度的確定仍需搜索完成，即沿著軸向方向進行寬度檢測，得到一系列蘋果寬度，最后對其進行比較，確定最大值，這是進行蘋果大小分級的特征量。在得到檢測圖像后，需確定蘋果直徑的檢測軸向，取垂直方向為軸向412．5圖像標定在進行特征量提取后，得到蘋果的直徑值是像素坐標下的值。要進行蘋果大小分級，還需對其值進行像素坐標和實際坐標的轉(zhuǎn)化(即圖像標定)。2．5圖像標定在進行特征量提取后，得到蘋果的直徑值是像素坐423自動分級

3．1分級原理利用圖像標定比例對檢測到的特征量進行轉(zhuǎn)化，可以得到蘋果的實際直徑。蘋果大小分級可以按照國家標準進行在GB1065-89中，關(guān)于蘋果直徑分級參數(shù)如表1所示。3自動分級

3．1分級原理利用圖像標定比例對檢測到的特征量433．2分級結(jié)果分析文中以紅富士為研究對象，選取64個樣本進行分級。視覺分級結(jié)果和人工分級結(jié)果見表2所示。3．2分級結(jié)果分析文中以紅富士為研究對象，選取64個樣本進44基于機器視覺的蘋果大小自動分級方法課件45基于機器視覺的蘋果大小自動分級方法課件46基于機器視覺的蘋果大小自動分級方法課件47從表2可以看出：視覺分級結(jié)果與人工分級結(jié)果相一致的有60個，不一致的有4個，視覺分級的準確率可達93．75％從表2可以看出：視覺分級結(jié)