基于分形特征的水果缺陷快速识别方法.docVIP

基于分形特征的水果缺陷快速识别方法 李庆中 汪懋华 (中国农业大学电子电力工程学院, 北京　100083) 摘 要： 计算机视觉和图象处理技术在水果自动分选和分级中起着重要的作用。因为缺陷检测的复杂性，水果表面缺陷的快速检测和识别一直是水果自动化分选和分级的障碍。在实数域分形盒维数计算方法的基础上，提出了双金字塔数据形式的盒维数快速计算方法.对于待识别水果图象的可疑缺陷区，提出用5个分形维数作为描述该区域粗糙度和纹理方向性的特征参数，并用所提出的快速计算方法进行计算，然后利用人工神经网络(BP)作为模式识别器，区分水果表面的缺陷区和梗萼凹陷区。试验结果证明了新方法的有效性和准确性，识别准确率为93%，一个可疑缺陷区的判别时间为4～7ms。 关键词： 分形　盒维数　计算机视觉　缺陷　水果　图象处理 A Fast Identification Method for Fruit Surface Defect Based on Fractal Characters LI Qing-zhong, WANG Mao-hua (PowerandElectronicsEngineeringCollege, ChinaAgricultureUniversity, Beijing 100083) Abstract： Computer vision and image-processing techniques have been found increasingly useful for the fruit automatic quality inspection and defect sorting operation. However, real-time fruit surface defect inspection and recognition is still a challenging project due to its complexity. In this paper, a fast approach for box-dimension estimation based on a dual-pyramid data structure is developed. Utilizing traditional fractal dimension and 4 oriented fractal dimensions as input values, a BP neural network is designed for identifying fruit defect area and stem, calyx concave area. The results of experiment show that the approach is effective for real-time defect identification and is accurate. The rate of correct classification is 93% and the executing time of microcomputer for recognition of one undefined blob on the surface of apple is 4～7 ms. Keywords： Fractal, Box dimension, Computer vision, Defect, Fruit, Image processing 基于计算机视觉的水果自动分级指标主要是水果的大小、形状、颜色和表面缺陷。缺陷的快速分割和识别一直是水果实时分级的障碍，其中一个难以解决的问题就是水果表面的缺陷区和梗萼凹陷区难以区分。Miller等[1]对桃子的分选试验表明：因不能正确区分水果表面的缺陷和梗、萼凹陷区，由此产生的分级误差为25%左右。Crowe等采取在780nm附近带域内，用结构光由一黑白摄像机进行水果表面的凹陷度检测，试验结果表明：缺陷检测的速度可达5个/秒，但误差较大，如对于苹果，碰伤检测的准确率仅为51%。 在水果图象缺陷分割完成后，虽然缺陷区和梗萼凹陷区在灰度图象上都呈现为暗黑色的斑点，直接识别比较困难，但二者在纹理特征上应该有所不同。基于这种想法，本文在分形纹理分析的基础上，研究了水果缺陷区和梗萼凹陷区的快速识别方法。 1 分形纹理特征参数的确定和计算 1.1 分形盒维数简介 Mandelbrot[2]创立了分形几何理论,提出可用分形位数度量自然现象的不规则程度。分形维数在直观上，与物体表面的粗糙度相吻合。黑白灰度图象可看作是R2中的一个曲面，故可以对其分形维数进行估算。但在实际现象中，还应考虑纹理的