農(nóng)產(chǎn)品機(jī)器視覺(jué)檢測(cè)系統(tǒng)中產(chǎn)品外觀品質(zhì)檢測(cè)識(shí)別過(guò)程案例分析目錄TOC\o"1-3"\h\u26878農(nóng)產(chǎn)品機(jī)器視覺(jué)檢測(cè)系統(tǒng)中產(chǎn)品外觀品質(zhì)檢測(cè)識(shí)別過(guò)程案例分析 162181.1不同顏色八角顏色提取結(jié)果 12081.2八角顏色識(shí)別結(jié)果 2318531.3果數(shù)特征提取結(jié)果 2247651.4正弦定理法果型提取結(jié)果 326341.5正弦定理八角角瓣識(shí)別結(jié)果 6139141.6傅里葉變換法果型提取結(jié)果 6295531.7傅里葉八角角瓣識(shí)別結(jié)果 815431.8八角均勻系數(shù)提取結(jié)果 819611.9八角質(zhì)量模型建立 9209301.9.1質(zhì)量與像素點(diǎn)的回歸模型 9217331.9.2回歸模型顯著性檢驗(yàn) 10317161.10八角正反面紋理特征提取結(jié)果 10142411.11小結(jié) 161.1不同顏色八角顏色提取結(jié)果對(duì)101個(gè)黑紅、褐紅和棕紅色八角樣本的RGB圖像作H、S、I變換，計(jì)算這些樣本的H、S、I的均值，然后做出H、S、I顏色分量的Hue折線圖。分析發(fā)現(xiàn)只有在H分量下，黑紅、棕紅和褐紅色彩呈現(xiàn)較明顯的區(qū)別，S、I分量下則并無(wú)明顯區(qū)別。圖4-1所示為三種顏色的樣本圖像在H分量下的Hue折線圖。從圖中可以看出，若H值大于60則為褐紅，35~60之間為黑紅，小于35的則為棕紅。圖4-1各類(lèi)八角顏色H分量圖Fig.4-1Huelinediagramsinvariousoctagonalcolors由上述可以看出八角顏色在H空間區(qū)別明顯，雖有重疊部分（造成此現(xiàn)象的原因主要是少量八角樣本在貯藏過(guò)程受到環(huán)境的影響而導(dǎo)致顏色發(fā)生變化），但是對(duì)八角的顏色識(shí)別仍具有理論意義和實(shí)際意義。1.2八角顏色識(shí)別結(jié)果對(duì)選取的不同顏色的八角各41個(gè)在H分量下對(duì)其進(jìn)行識(shí)別，結(jié)果如圖4-2所示。其中落在35~60的黑紅八角為39個(gè)、大于60的褐紅八角為40個(gè)，小于35的棕紅八角為39個(gè)。由表1.1可知，在H分量下對(duì)黑紅、褐紅和棕紅色的八角樣本進(jìn)行識(shí)別的比率分別為95.12%、97.56%、95.12%。圖4-2不同八角顏色在H分量下的識(shí)別比率Fig.4-2RecognitionratioofdifferentoctagoncolorsunderHcomponent表1.1八角顏色特征識(shí)別結(jié)果Table1.1Recognitionresultsofanisecolorfeatures樣本顏色樣本數(shù)量/個(gè)Numberofsamples/number落在相應(yīng)H分量區(qū)間的個(gè)數(shù)/個(gè)ThenumberofHcomponents/number識(shí)別比率Recognitionrate棕紅Brownishred413995.12%黑紅Blackred413995.12%褐紅Maroon414097.56%由表4-1可知，在H分量下對(duì)黑紅、褐紅和棕紅色的八角樣本進(jìn)行識(shí)別的比率分別為95.12%、97.56%、95.12%。1.3果數(shù)特征提取結(jié)果圖4-3為角數(shù)都為8的八角角數(shù)識(shí)別率，識(shí)別率比為91.73%。從圖中可以看到識(shí)別果數(shù)多的次數(shù)多于次數(shù)少的，造成這種現(xiàn)象的原因是，由于個(gè)別八角輪廓會(huì)出現(xiàn)小的波峰，從而導(dǎo)致誤判。圖4-3八角角數(shù)識(shí)別圖Fig.4-3Octagonalimageprocessingrecognitiondiagram1.4正弦定理法果型提取結(jié)果通過(guò)前文對(duì)八角角數(shù)的提取，結(jié)合國(guó)家標(biāo)準(zhǔn)中八角角瓣的大小，本文基于前文中的八角角數(shù)，以角數(shù)建立角度特征作為描述果型的特征參數(shù),其參數(shù)定義和果型特征提取如下：（1）波峰與波谷。由前文可知，雖然已經(jīng)可以準(zhǔn)確地定位極值點(diǎn)，極值點(diǎn)即八角角數(shù)P（ρn,θn），但識(shí)別到的極值點(diǎn)之間排列沒(méi)有規(guī)律且不能直觀的表述八角特征，因此需對(duì)極值點(diǎn)P進(jìn)行排序和標(biāo)記，分為波峰和波谷。求取八角極值點(diǎn)行坐標(biāo)ρn的平均值，公式為means=n=0NρnN(n=1,2,3,…,N)，式中N為極值點(diǎn)的個(gè)數(shù)[76-77]a有序極坐標(biāo)波谷圖(Tr)aSortedpolartroughchart（Tr）b有序極坐標(biāo)波峰圖(Cr)bOrdinatedpolarcrestdiagram（Cr）c波谷有序原圖cTroughssortedaftertheoriginaldiagramd波峰有序原圖dTheoriginalimageafterthecrestissortede波峰一一對(duì)應(yīng)圖eTheoriginaldiagramcorrespondstothepolarcrest圖4-4波峰波谷圖Fig.4-4Crestandtroughcharts(2)正弦模型建立。得到波峰和波谷后，以波峰為起點(diǎn)，波谷為終點(diǎn)建立向量ak、bk,波峰到波谷的距離為高h(yuǎn)k(k=1,2,3,…,K)，如圖4-5所示。并將ak和bk帶入式（1.1）-（1.2）建立正弦公式。式中θ為八角波峰和兩邊波谷的夾角（待求），ak，bkcosθ=akbQUOTEφk=180π?cos?1cosθQUOTE?k=φkhk（圖4-5向量定義圖Fig.4-5Vectordefinitiondiagram根據(jù)1.6.4所述，由圖4-5可知，對(duì)極坐標(biāo)點(diǎn)進(jìn)行向量標(biāo)記計(jì)算復(fù)雜[78-79]，也不能直觀的表述出八角的特征，因此本文將尋找到的波峰和波谷點(diǎn)進(jìn)行反變換得到笛卡爾坐標(biāo)系并在八角輪廓上畫(huà)出。通過(guò)對(duì)各個(gè)極值點(diǎn)距離的向量帶入式（1.1）與式（1.2）得到夾角值φk，如圖4-6b所示，計(jì)算得到的夾角值和高（QUOTEhk）為波峰到波谷的距離，利用點(diǎn)到直線的距離求出，求出的高h(yuǎn)k如圖4-5c所示。圖4-6中C代表度、H代表高。

a圖像處理后的八角廓輪標(biāo)記圖aMarkingdiagramofoctagonalprofilewheelafterimageprocessingb圖像處理后的八角角度標(biāo)記圖bAfterimageprocessing,theoctagonalAnglemarkingdiagramc圖像處理后的八角高與角度標(biāo)記圖cOctagonalheightandanglemarkmapafterimageprocessing圖4-6果型特征圖Fig.4-6Fruittypefeaturemap1.5正弦定理八角角瓣識(shí)別結(jié)果通過(guò)正弦定理對(duì)另選取的不同果型的八角各35個(gè)角瓣識(shí)別結(jié)果，角瓣瘦長(zhǎng)識(shí)別占比為97.14%，角瓣粗短的識(shí)別占比為91.29%。如表1.2所示。表1.2基于余弦定理的角瓣識(shí)別結(jié)果Table1.2Cornerloberecognitionresultsbasedonlawofcosines果形特征Fruittypecharacteristics個(gè)數(shù)Totalnumber識(shí)別占比Recognitionrate角瓣瘦長(zhǎng)Angularvalveslender3597.14%角瓣粗短Theanglevalveisthickandshort3591.29%1.6傅里葉變換法果型提取結(jié)果八角的形狀復(fù)雜，對(duì)八角肉瓣直接識(shí)別難度較大且不易于分析，但八角極坐標(biāo)變換后的輪廓酷似一周期信號(hào)。為了能更好對(duì)八角的肉瓣進(jìn)行識(shí)別，將輪廓點(diǎn)θ(k)和ρ(k)帶入式（1.4）進(jìn)行轉(zhuǎn)換[80-81]。Sk=θ(k)+jρ(k)（式中k=1,2,3,…,k-1。其中θ(k)為極坐標(biāo)點(diǎn)xk，為復(fù)數(shù)域的實(shí)數(shù)軸，ρ(k)為極坐標(biāo)點(diǎn)yk，為復(fù)數(shù)域的虛軸，S(k)為復(fù)數(shù)域，k為輪廓點(diǎn)數(shù)。通過(guò)公式（將S(k)帶入公式（1.5）au=k=0Ks(K)離散傅里葉變換（DFT）中，s(k)=1I0a角瓣粗短頻率圖aAngularlobecoarseshortfrequencydiagramb角瓣瘦長(zhǎng)頻率圖bAngularlobeleanfrequencydiagramc頻率-幅度平均值圖cFrequency-amplitudeaveragegraph圖4-7頻率-幅度對(duì)比圖Fig.4-7Frequency-amplitudecomparisondiagram1.7傅里葉八角角瓣識(shí)別結(jié)果另選取角瓣瘦長(zhǎng)和角瓣粗短的八角各35個(gè)進(jìn)行圖像預(yù)處理，輪廓識(shí)別與極坐標(biāo)變換后，再進(jìn)行傅里葉變換識(shí)別八角的形狀。角瓣瘦長(zhǎng)識(shí)別正確率為91.29%，角瓣粗短的識(shí)別正確率為91.29%，如表1.3所示。其中，檢測(cè)錯(cuò)誤主要由于頻率計(jì)算時(shí)，個(gè)別八角果型不規(guī)律，造成不同果型的八角頻率相近。但對(duì)八角輪廓特征進(jìn)行離散傅里葉變換簡(jiǎn)化了問(wèn)題的方向，也為后續(xù)繼續(xù)研究八角的人提供一定的思路和方法。表1.3基于傅里葉變換后的角瓣識(shí)別結(jié)果Table1.3TherecognitionresultofcornerlobeisbasedonFouriertransform果形特征Fruittypecharacteristics個(gè)數(shù)/個(gè)Total/Number識(shí)別正確率Recognitionrate角瓣瘦長(zhǎng)Angularvalveslender3591.29%角瓣粗短Theanglevalveisthickandshort3591.29%1.8八角均勻系數(shù)提取結(jié)果在對(duì)八角進(jìn)行分類(lèi)或者分級(jí)過(guò)程中，對(duì)于八角的外觀都有嚴(yán)格的要求。角瓣參差不齊這一特征能為消費(fèi)者帶來(lái)更多的選擇，本文利用標(biāo)準(zhǔn)差公式對(duì)這一特征進(jìn)行描述。具體如下：σ=1Ni=1本文通過(guò)人工挑選角瓣均勻的90個(gè)八角，并利用前文識(shí)別出來(lái)的八角角數(shù)N（波峰）和最小內(nèi)接圓下求得的半徑μ，xi為波峰到圓心μ的徑向距離，再帶入標(biāo)準(zhǔn)差公式（1.6）求出結(jié)果就可以知道八角果角的均勻性，如果σ值很大，那么八角角瓣參差不齊、不均勻，則判定八角的外觀不好。由下圖可以看到角瓣均勻的八角σ圖4-8均勻八角標(biāo)準(zhǔn)差圖Fig.4-8Uniformoctagonstandarddeviationchart1.9八角質(zhì)量模型建立1.9.1質(zhì)量與像素點(diǎn)的回歸模型重量是衡量八角品質(zhì)的一個(gè)重要特征，對(duì)分析八角的均勻性和檢測(cè)八角品質(zhì)都有一定的作用。對(duì)前文中八角二值圖像的白色區(qū)域進(jìn)行遍歷操作，既可以得到白色像素點(diǎn)的個(gè)數(shù)，像素?cái)?shù)目越大，說(shuō)明八角的重量相對(duì)越大。為研究八角質(zhì)量y（單位g）與二值圖像像素的個(gè)數(shù)之間的函數(shù)關(guān)系，本研究選取了300個(gè)八角樣本，用電子天平測(cè)出每個(gè)樣本質(zhì)量（單位g），然后與二值圖像的白色像素點(diǎn)個(gè)數(shù)作對(duì)照。圖4-9為八角樣本質(zhì)量與像素點(diǎn)之間的散點(diǎn)圖，從圖中可以看出，八角的質(zhì)量y與八角樣本二值圖像中白色像素點(diǎn)的個(gè)數(shù)x之間有很強(qiáng)的相關(guān)性。圖4-9八角質(zhì)量與像素點(diǎn)的相關(guān)圖Fig.4-9Adiagramofoctagonalmassandpixelpoints對(duì)照八角的質(zhì)量y與對(duì)應(yīng)的八角像素點(diǎn)個(gè)數(shù)x，可以得到八角質(zhì)量對(duì)于像素點(diǎn)個(gè)數(shù)的預(yù)測(cè)模型：y=5×10?5x+0.024其中，y表示八角的質(zhì)量預(yù)測(cè)值（g），x為八角像素點(diǎn)數(shù)。建模完整數(shù)據(jù)見(jiàn)附表2，表中有5列數(shù)據(jù)，依次為八角序號(hào)、二值圖像像素個(gè)數(shù)、八角實(shí)際質(zhì)量、殘差、標(biāo)準(zhǔn)殘差、八角預(yù)測(cè)值。通過(guò)分析數(shù)據(jù)可知，建立的一元線性回歸模型具有較高的相關(guān)性和顯著性。1.9.2回歸模型顯著性檢驗(yàn)用方程的F值和相關(guān)系數(shù)R對(duì)回歸所得模型進(jìn)行顯著性檢驗(yàn)，結(jié)果如表4-1。表1.4模型顯著性檢驗(yàn)Table1.4Modelsignificancetest標(biāo)準(zhǔn)誤差相關(guān)系數(shù)RF值（α=0.02）P值0.06370.94492711.7451.2×10-8從表1.4看出，模型的相關(guān)系數(shù)R=0.9449，標(biāo)準(zhǔn)誤差為0.0637，對(duì)模型進(jìn)行F檢驗(yàn)，F(xiàn)=2711.745，P<0.0001，回歸方程極顯著，表明八角實(shí)際質(zhì)量與像素點(diǎn)存在很高的相關(guān)性。1.10八角正反面紋理特征提取結(jié)果為了識(shí)別器正反面的區(qū)別，本節(jié)將利用能量、對(duì)比度、相關(guān)性、非相似性和逆差矩對(duì)八角進(jìn)行正反面特征提取，如圖4-10為粗壯八角背面和瘦長(zhǎng)八角背面圖像。a粗壯八角背面面圖像aRobustoctagonbackimageb瘦長(zhǎng)八角背面面圖像bSkinnyandlonganisebacksideimage圖4-10八角背面圖像Fig.4-10Imageofthebackoftheoctagon能量：也稱(chēng)為角二階矩，是灰度共生矩陣元素值的平方和，所以也稱(chēng)能量，反映了圖像灰度分布均勻程度和紋理粗細(xì)度。如果共生矩陣的所有值均相等，則ASM值小，紋理就越細(xì)致；相反，如果其中一些值大而其它值小，則ASM值大，紋理就越粗糙。當(dāng)共生矩陣中元素集中分布時(shí)，此時(shí)ASM值大。ASM值大表明一種較均一和規(guī)則變化的紋理模式，如下圖（1.11）-（1.12）能量折線圖。計(jì)算公式如下（1.8）：W1其中：W1i，j分別為圖中灰度像素點(diǎn)的出發(fā)點(diǎn)和終點(diǎn)（下面公式中i，j亦同）圖4-11粗短八角能量折線圖Fig.4-11powerlinediagramofshortandthickoctagonal圖4-12瘦長(zhǎng)八角能量折線圖Fig.4-12thinandlongoctagonalenergylinediagram（2）非相似性：代表了圖像的信息量，是圖像內(nèi)容隨機(jī)性的度量，能表征紋理的復(fù)雜程度。當(dāng)圖像無(wú)紋理時(shí)熵為0，滿紋理時(shí)熵最大。從數(shù)學(xué)角度看，當(dāng)共生矩陣中的元素近似相等時(shí)熵最大。如下圖（1.13）-（1.14）熵折線圖以及計(jì)算公式如下（1.9）：W2其中：W2圖4-13粗短八角正反面非相似性折線圖Fig.4-13linechartofdissimilaritybetweenpositiveandnegativesidesofshortandthickoctagon圖4-14瘦長(zhǎng)八角正反面非相似性折線圖Fig.4-14linechartofdissimilaritybetweenthepositiveandnegativesidesofslenderanise（3）對(duì)比度：是關(guān)于主對(duì)角線的慣性矩。它度量了矩陣值的分布情況和圖像的局部變化。從數(shù)學(xué)角度看，共生矩陣中遠(yuǎn)離對(duì)角線元素的系數(shù)變大，對(duì)比度隨之變大。在圖像中主要利用其表述清晰度和紋理溝紋深淺的程度，紋理溝紋越深，其對(duì)比度越大，視覺(jué)效果越清晰；反之，對(duì)比度小，則溝紋淺，效果模糊。灰度差即對(duì)比度大的象素對(duì)越多，這個(gè)值越大?；叶裙仃囍羞h(yuǎn)離對(duì)角線的元素值越大。如圖（1.15）-（1.16）對(duì)比度折線圖。計(jì)算公式如下（1.10）：W3其中：W3圖4-15粗短八角正反面紋理對(duì)比度折線圖Fig.4-15.Brokenlinechartofpositiveandnegativetexturecontrastofshortandthickoctagon圖4-16瘦長(zhǎng)八角正反面紋理對(duì)比度折線圖Fig.4-16thinanisetexturecontrastlinechart（4）相關(guān)性：它度量空間灰度共生矩陣元素在行或列方向上的相似程度，因此，相關(guān)值大小反映了圖像中局部灰度相關(guān)性。當(dāng)矩陣元素值均勻相等時(shí)，相關(guān)值就大；相反，如果矩陣像元值相差很大則相關(guān)值小。如圖（1.17）-（1.18）正反面相關(guān)性折線圖。計(jì)算公式如下（1.13）可知：W4=其中：W4μ1=i=1nδ1=i=1圖4-17粗短八角正反面相關(guān)性折線圖Fig.4-17linechartofpositiveandnegativecorrelationofshortandthickanise圖4-18瘦長(zhǎng)八角正反面相關(guān)性折線圖Fig.4-18linediagramofpositiveandnegativecorrelationofthinandlonganise（5）逆差矩：反映圖像紋理的同質(zhì)性，度量圖像紋理局部變化的多少。其值大則說(shuō)明圖像紋理的不同區(qū)域間缺少變化，局部非常均勻。如圖（1.19）-（1.20）為逆差矩折線圖。計(jì)算公式如下（1.14）：W5其中：W5圖4-19粗短八角正反面逆差矩折線圖Fig.4-19chunk-shortoctagonpositiveandnegativebalancemomentlinediagram圖4-20瘦長(zhǎng)八角正反面逆差矩折線圖Fig.4-20thinandlonganisepositiveandnegativebalancemomentlinediagram取八角在0°、90°兩個(gè)方向的紋理特征值的5個(gè)統(tǒng)計(jì)量，對(duì)八角的正反面進(jìn)行提取和分析比較可知：八角在能量、非相似性、逆差矩、相關(guān)性和對(duì)比度五個(gè)統(tǒng)計(jì)量中都有明顯的區(qū)別。（1）在能量表現(xiàn)上，粗短八角正面能量值在0.0038~0.0073之間波動(dòng)，而反面能量值在0.0039~0.0081之間小幅度的波動(dòng)；瘦長(zhǎng)八角八角正面能量值在0.0104~0.0135之間波動(dòng)，而反面能量值在0.0036~0.0078之間波動(dòng)。（2）非相似性上，粗短八角正面相似性值在2.9756~1.2516之間，而反面相似性值在1.5321~2.4879之間小幅度的波動(dòng)；瘦長(zhǎng)八角正面相似性值在1.4879~2.4895之間小幅度波動(dòng)，而反面相似性值在2.5151~1.1219之間波動(dòng)。（3）對(duì)比度表現(xiàn)上，粗短八角正面對(duì)比度值小于9.8954~39.9655，而反面對(duì)不度值在38.1506~96.1199之間的波動(dòng)；瘦長(zhǎng)八角正面對(duì)比度值在11.9846~25.1546之間進(jìn)行小幅度波動(dòng)，而反面對(duì)不度值在18.3553~79.6736之間的波動(dòng)。（4）相關(guān)性表現(xiàn)上，粗短八角正面相關(guān)性值在0.9856~0.9939之間波動(dòng)，而反面相關(guān)性值在0.9859~0.9938之間的波動(dòng)；瘦長(zhǎng)八角正面相關(guān)性值在0.9583~0.978