Please wait a minute...
浙江大学学报(工学版)
J4  2009, Vol. 43 Issue (5): 869-871    DOI: 10.3785/j.issn.1008-973X.2009.05.016
自动化技术、计算机技术     
水果按表面颜色分级的方法
饶秀勤,应义斌
（浙江大学 生物系统工程与食品科学学院,浙江 杭州 310029）
Grading a fruit by it's surface color
 RAO Xiu-Qi, YING Xi-Bin
(College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310029, China)
 全文: PDF(598 KB)  
摘要：

为提高水果商品品质,提出了一种基于水果表面颜色的分级方法.将完成图像分割的水果图像转换为HIS颜色模型,提取其H分量的面积加权直方图并对其进行了主成分分析,以红色水果样本组和橙色水果样本组的前M个主成分均值作为这两个样本组的样本中心点建立分级模型.分别计算待测样本与这两个样本中心点的马氏距离值,当待测样本到红色水果样本组样本中心点的马氏距离值小于其到橙色水果样本组样本中心点的马氏距离值时,将其分级到红色水果样本组,否则分级到橙色水果样本组.对800幅脐橙图像进行了分类试验,发现采用水果图像H分量面积加权直方图的前两个主成分分量进行分析即可实现水果分级,总的分级误差仅为1.75%.
关键词： 水果;  模式识别;  机器视觉    
Abstract:

A grading method was developed to improve the quality of fruits. HIS color model was introduced to analyze the fruit image after segmentation. The principal component  (PC) of the H component histogram weighted by the fruit surface area was calculated. And then the average values of the most significant M PCs of the red and yellow sample  groups were calculated respectively, which were used as the centers of the two sample groups to setup a grade model. A fruit was graded to the red group if the Mahalanobis  distance between the fruit and the center of the red sample group was less than that between the fruit and the center of the yellow group, or it was graded to the yellow group.  The test results of 800 navel orange images showed that  the first and the second PCs of the H component histogram weighted by the fruit surface area were enough to grade a  fruit, and the total error was only 1.75%．
Key words: fruit    pattern recognition    machine vision
出版日期: 2009-06-01
:  S37  
基金资助:

国家科技支撑计划资助项目（2006BAD10A）.
通讯作者: 应义斌，男，教授.     E-mail: ybying@zju.edu.cn
作者简介: 饶秀勤（1968-），男，湖北天门人，副教授，从事农产品品质快速检测的机器视觉技术研究.
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
饶秀勤
应义斌

引用本文:

饶秀勤, 应义斌. 水果按表面颜色分级的方法[J]. J4, 2009, 43(5): 869-871.

RAO Xiu-Qi, YING Yi-Bin. Grading a fruit by it's surface color. J4, 2009, 43(5): 869-871.

链接本文:

http://www.zjujournals.com/xueshu/eng/CN/10.3785/j.issn.1008-973X.2009.05.016    或    http://www.zjujournals.com/xueshu/eng/CN/Y2009/V43/I5/869

［1］ 李锡香,宴儒来,向长萍,等. 新鲜果蔬的品质及其分析方法［M］. 北京：中国农业出版社, 1994．
［2］ TAO Y, HEINEMANN P H, VARGHESE Z, et al. Machine vision for color inspection of potatoes and apples ［J］. Transactions of the ASAE, 1995, 38(5): 15551561．
［3］ 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 ［J］. Journal of Food Engineering, 2006, 76(4): 506523．
［4］ MENDOZA F, DEJMEK P, AGUILERA J M. Calibrated color measurements of agricultural foods using image analysis ［J］. Postharvest Biology and Technology, 2006, 41(3): 285295 ．
［5］ 杨秀坤,陈晓光,马成林,等. 用遗传神经网络方法进行苹果颜色自动检测的研究［J］. 农业工程学报, 1997, 13(2): 173176．
YANG Xiu-kun, CHEN Xiao-guang, MA Cheng-lin, et al. Study on automated color inspection of apples using genetic neural network ［J］. Transactions of the CSAE, 1997, 13(2):  173176．
［6］ 何东健,杨青,薛少平,等. 果实表面颜色计算机视觉分级技术研究［J］. 农业工程学报, 1998, 14(3): 202205．
HE Dong-jian, YANG Qing, XUE Shao-ping, et al. Computer vision for color sorting of fresh fruits ［J］. Transactions of the CSAE, 1998, 14(3): 202205．
［7］ 何东健,杨青. 用人工神经网络进行果实颜色分级技术研究［J］. 西北农业大学学报, 1998, 26(6): 109112．
HE Dong-jian, YANG Qing. Color classification of fresh fruits by neural network ［J］. The Journal of Northwest Agricultural University, 1998, 26(6): 109112．
［8］ 李庆中,张漫,汪懋华. 基于遗传神经网络的苹果颜色实时分级方法［J］. 中国图象图形学报(A辑), 2000, 5(9): 779784．
LI Qing-zhong, ZHANG Man, WANG Mao-hua. Real-time apple color grading based on genetic neural network ［J］. Journal of Image and Graphics, 2000, 5(9): 779784．
［9］ 冯斌,王懋华. 基于颜色分形的水果计算机视觉分级技术［J］. 农业工程学报, 2002, 18(2): 141144．
FENG Bin, WANG Mao-hua. Computer vision classification of fruit based on fractal color ［J］. Transactions of the CSAE, 2002, 18(2): 141144．
［10］ 饶秀勤,应义斌,王剑平. 用于球形对象表面积实时检测的球带法：中国,200410089198.1 ［P］. 20050629．
RAO Xiu-qin, YING Yi-bin, WANG Jian-ping. Method for surface area inspecting of spherical object. China: 200410089198.1 ［P］. 20050629．
[1] 廖苗, 赵于前, 曾业战, 黄忠朝, 张丙奎, 邹北骥. 基于支持向量机和椭圆拟合的细胞图像自动分割[J]. 浙江大学学报(工学版), 2017, 51(4): 722-728.
[2] 刘亚男,倪鹤鹏,张承瑞,王云飞,孙好春. 基于PC的运动视觉一体化开放控制平台设计[J]. 浙江大学学报(工学版), 2016, 50(7): 1381-1386.
[3] 王志, 朱世强, 卜琰, 郭振民. 改进导向滤波器立体匹配算法[J]. 浙江大学学报(工学版), 2016, 50(12): 2262-2269.
[4] 刘磊,杨鹏,刘作军. 基于多源信息和粒子群优化算法的下肢运动模式识别[J]. 浙江大学学报(工学版), 2015, 49(3): 439-447.
[5] 叶肖伟,张小明,倪一清,黄启远,樊可清. 基于机器视觉技术的桥梁挠度测试方法[J]. 浙江大学学报(工学版), 2014, 48(5): 813-819.
[6] 徐嵩,孙秀霞,何衍. 利用直线段成像特性的摄像机畸变迭代标定方法[J]. J4, 2014, 48(3): 404-413.
[7] 朱晓恩, 郝欣, 夏顺仁. 基于Levy flight的特征选择算法[J]. J4, 2013, 47(4): 638-643.
[8] 张成,吴慧,高博青,汪毅俊. 基于模糊聚类的网架结构动力失效模式识别[J]. J4, 2011, 45(7): 1276-1280.
[9] 吕谷来, 李建平, 李锵, 俞利兴, 朱松明, 楼建忠, 袁祎琳. 基于机器视觉的砧木定位识别方法[J]. J4, 2011, 45(10): 1766-1770.
[10] 周博, 王永维, 王俊, 陆秋君. 鸡蛋贮藏时间和新鲜度的电子鼻检测[J]. J4, 2010, 44(5): 863-869.
[11] 王宣银, 梁冬泰. 基于多元图像分析的表面缺陷检测算法[J]. J4, 2010, 44(3): 448-452.
[12] 周迅 向馗 俞小莉. D-Markov模型在疲劳裂纹扩展模式识别中的应用[J]. J4, 2008, 42(3): 549-552.
[13] 施振吴 李式巨 杨志敏. 调制模式识别中相位提取算法的精度分析[J]. J4, 2008, 42(11): 1931-1935.
[14] 罗志增 张清菊 蒋静坪. 表面肌电信号的小波消噪改进算法[J]. J4, 2007, 41(2): 213-216.
[15] 刘燕德 应义斌 傅霞萍 陆辉山. 一种近红外光谱水果内部品质自动检测系统[J]. J4, 2006, 40(1): 53-56.