基于机器视觉的蜜柚品质检测方法研究 133页

分类号：单位代码：密级：公幵学号：学位论文基于机器视觉的蜜柚品质检测方法研究研究生：郭辉指导教师：谭豫之教授合作指导教师：申请学位门类级别：工学博士专业名称：机械制造及其自动化研究方向：机器视觉技术与机械制造所在学院：工学院年月 分类号：单位代码：密级：公开学号：学位论文基于机器视觉的蜜柚品质检测方法研究研究生：郭辉指导教师：谭豫之教授合作指导教师：申请学位门类级别：工学博士专业名称：机械制造及其自动化研宄方向：机器视觉技术与机械制造所在学院：工学完年月 独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研宄成果。尽我所知，除了文中已经注明引用和致谢的内容外，论文中不包含本人和其他人己经发表或撰写过的研宄成果，也不包含为获得中国农业大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研宄所做的任何贡献均已在论文中作了明确的说明并表示了谢意。关于学位论文使用授权的说明本人完全了解中国农业大学有关保留、使用学位论文的规定。本人同意中国农业大学有权保存及向国家有关部门和机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人同意中国农业大学将本学位论文的全部或部分内容授权汇编录入《中国博士学位论文全文数据库》或《中国优秀硕士学位论文全文数据库》进行出版，并享受相关权益。保密的学位论文在解密后应遵守此协议）时间彡年汐月 摘要品质检测分级是蜜柚生产、销售以及出口的重要环节，在相关的国家、行业标准中，明确给出了其形状、色泽、表面缺陷、可食率、重量的检测指标。本文立足于蜜柚生产品质分级检测要求，以璃溪蜜柚为研宄样本，应用机器视觉技术、高光谱成像技术、自动称重技术对蜜柚主要品质指标的高效准确检测方法进行研究，通过实验分析验证提出了不同检测方法的应用范围，为蜜柚综合品质分级检测奠定了基础。本文研究内容与成果如下：研究比较了针对蜜柚结构特征的图像预处理的方法，其中包括基于快速中值滤波的噪声图像恢复算法，基于区域和边界图像分割的算法，为进行蜜柚的分级检测提供支持。建立了以图像质心为基础的蜜柚果形特征分析基本模型，研宄了基于图像空间矩计算与边界展开的主轴定位方法，并进行了蜜柚果形分析与果径计算，提出了以形状参数描述与对称度描述为核心的基于区域果形特征分析的方法，给出了蜜柚形状的描述指标：果形指数、形状因子轴偏角依据谐波分析中边界重建的方法，釆用傅立叶描述子方法来表征果形，并利用傅立叶描述子重建果形比较的方法进行了畸形果的检测。提出了划分区域定量描述蜜柚表面颜色的方法，以此为基础提出着色率的计算检测方法，实验检测蜜柚表面颜色是否符合标准，平均误差率为。同时以此定量描述方法进行了蜜柚表面缺陷的检测方法研宄，实验识别率达。分析研宄蜜柚的纵切面图中结构特征信息，给出了体积、估算体积比值、果皮厚度差特征参数计算方法，根据蜜柚形状结构参数建立了两类基于特征量的柚果可食率检测模型，应用两类模型进行蜜柚可食率的无损快速检测与快速抽检实验，检测精度分别为、。分析研宄蜜柚纵切面的高光谱图像，通过寻找敏感分割光谱，提出利用敏感光谱分割计算精确柚果果肉面积比率的方法，通过建立果肉面积比率与可食率的线性关系估测可食率，从提高抽检效率目的出发提出以精确果肉面积比率作为可食率检测指标的建议，并提供了一种蜜柚可食率精确的快速抽检方法，实验表明检测平均误差为根据蜜柚重量分级检测指标设计加工了自动称重分级设备，设计了关键部件并搭建完整的称重系统，通过在不同条件下进行称重实验，对实验结果分析比较后提出了影响系统称重精度的因素。关键词：蜜柚，机器视觉，可食率，自动称重，分级检测 AbstractPummeloqualitydetectionandclassificationwasimportantintheprocessofproduction,salesandexport.Pummelodetectionofnationalstandardsandindustrystandardsincludedtheshape，，，一’，，， oftheweighingsystemandbuiltthesystem.Theexperimentswereweighedunderdifferentconditions.TheresearchAnalyzedandcomparedtheexperimentalresults,accordingtotheresultsputforwardthefactorsthatinfluencethesystemweighingaccuracy.Keywords:pummelo,machinevision,ediblerate,automaticweighing,gradingdetectionIV 目录翻握眼目第一章绪论弓言研宄目的及意义国内外研宄现状研究的主要内容研宄方法和技术路线本章小结第二章基于机器视觉的蜜柚图像预处理方法研宄弓唁图像采集系统噪声图像的恢复算法分析比较图像分割方法研宄蜜柚果实图像边界提取方法研究本章小节第三章基于机器视觉的蜜柚外部特征检测方法研宄弓丨言蜜柚形状特征检测蜜柚着色率与表面缺陷检测本章小结第四章蜜柚可食率检测方法研究 4.1弓丨言蜜柚可食率无损检测方法研宄蜜柚可食率快速抽检方法研宄基于敏感光谱分割的蜜柚可食率快速抽检方法研宄本章小结第五章蜜柚自动称重系统设计弓丨自动称重系统总体结构与工作原理关键部件结构设计称重控制方法称重系统实验分析本章小结第六章结论与展望離创新点建议与展望参考文献賴作者介绍 插图目录图我国柚类出口量图我国柚类出口金额图出口检验流程图图商用蜜柚称重系统图两类柚果外形的最小外接矩形图技术路线图图像采集检测系统装置图加入不同噪声模型蜜柚图象图改进的自适应均值滤波流程图不同均值滤波效果比较图改进的中值滤波流程图不同中值滤波效果比较图图像滤波运算时间比较图中值滤波、自适应均值滤波、快速中值滤波运算时间比较图表面无斑痕的柚果灰度直方图阈值分割图表面有斑痕的柚果灰度直方图阈值分割图基于灰度值相似性的图像分割方法效果比较图表面光滑时边缘检测算子比较图表面点纹明显时边缘检测算子比较图表面有斑纹时边缘检测算子比较图不同边缘分割算子运算时间图梯度算子不同方向分割运算时间图三种柚果滤波后算子边缘检测效果图三种柚果直方图分析阈值分割效果图三种柚果阈值分割后算子边缘检测效果图三种柚果自阈值分割后腐蚀运算边缘检测效果图与形态学边界提取时间比较图图逐行扫描的简便方法图两类典型蜜柚外形图果形检测研究流程图果形分析基本模型图柚果不同旋转方位图像图不规则柚果边界图像展开图有两点最大边界距离时果梗点位置确定图不同步长边界展开 图极角步长选择图同长宽比的外形比较图计算最小外接圆流程图不同柚果图像计算所得轴偏角图柚果轴偏角实验结果分析图畸形果纵切面图形状因子与轴偏角特征统计结果图复平面坐标图不同级数项数对柚果边界图像重建效果图不同柚果边界傅立叶描述子重建展开比较图傅立叶描述子重建比较检测结果图柚果常见颜色图彩色坐标示意图图模型示意图图图像背景目标分割图着色率不同三类柚果分割后图像图直方图图直方图图表面颜色不同区域划分图提取颜色目标区域图柚果常见表面缺陷图柚果的黄斑病病斑区域图像与正常果面区域样本图不同形状柚果图柚果纵切面单元层坐标图同一柚果的正侧面图像图无损检测特征参数与可食率变化趋势图柚果切开面图对切开面的分割处图纵切面展开图不同柚果纵切面展开曲线图针对果皮信息的目标分割效果图横切面按角度展开曲线图果肉信息的提取计算图快速抽检特征参数与可食率变化趋势图柚果高光谱图像图高光谱图像研究区域釆样图平滑后光谱反射特性曲线图样本区域类间光谱反射率方差 图样本区域类内光谱反射率方差图果肉与其他部分的样本方差比率图主成分载荷分布图面积比率计算流程图纵切面果肉区域面积占比与可食率相关关系图实际可食率与估测可食率相关关系图柚果称重自动分选系统结构示意图图柚果称重自动分选原理示意图图称重单元结构示意图图果杯理想受力情况图配重前后称重精度实验结果图称重单元核心组件图各阶模态变形图谐响应分析图卸料机构结构及关键尺寸图卸料机构不意图图卸料单元运动特性分析图卸料导轨结构优化设计图果杯在输送链中基本尺寸图链轮避干涉设计图复位导轮结构设计图链条接触形式图不同导轨材料动态接触分析图控制系统硬件结构图霍尔传感器安装示意图图系统称重流程图图触发周期内存储空间示意图图空载实验结果图单载实验结果图满载实验结果图不同速度满载实验结果图综合检测系统控制结构图 附表目录表不同种类蜜柚的分级指标表不同价格等级柚果品质表柚类的果实形状分级要求表不同方位柚果图像的惯性矩数据表果径计算结果比较表形状描述子组合检测比较表蜜柚色泽与表面缺陷分级指标表个区域中均值与标注差表全黄柚果区域着色均值与标准差表提取目标区域比较表着色率实验结果表典型样本区域的特征值表基于颜色特征的分类器识别结果表柚类可食率检测指标表包装产品抽检取样件数表散装产品抽检取样量表不同形状柚果可食率参数与体积表不同形状柚果特征与可食率表可食率无损检测分类器识别结果表不同形状柚果结构参数与可食率表可食率标准换算结果表可食率快速抽检分组检测表光谱原始数据片段表主成份分析结果表依据回归方程预测可食率结果表可食率检测结果比较表蜜柚主要特征参数表蜜柚重量分级指标表系统果杯质量表卸料导轨优化设计个设计点值表系统称重实验误差 中国农业大学博士学位论文第一章绪论第一章绪论引言柚（学名：是芸香科柑■橘属果树，其特征与相橘相同，广泛分布于东南亚、台湾及中国大陆的长江以南、河南等地，生长于海拔米的地区，多见于河谷、丘陵、山坡、民居附近，常用于栽培。该种栽培种数量众多，如文旦柚、坪山柚、沙田柚、暹罗柚、蜜柚、胡柚、四季柚等。一般在中秋节前采收、作为中秋拜月、馈赠亲友的礼品。柚的果实称为柚子，俗名称为香栾、朱栾、内紫、条、雷柚、碌柚、胡柑、臭橙、臭柚、抛、甚、脾、文旦。果实多为葫戸形、梨形或球形，表面黄色、澄色为多，果面光泽有凹点，一般有刺激性气味，果皮相对较薄，用手即可剥离。果实较相橘为大，单重常可达以上，直径。果皮与果肉之间有白色海绵层。果肉呈红色或黄白色，白色更为常见，富含汁水有浓郁香味，呈甜味或酸甜味，有时带有苦味，这主要来源于其含有的生物苷。柚子在自然环境中可以摆放数月之久而不变质。瓤瓣为瓣，人工栽培时常做套袋处理以使其无籽，自然状态单果种子可达粒以上。柚子最主要的用途是食用它的果肉，柚子茶、柚子汁是常见加工品，也可将其酿成酒。柚子皮也可食用，同时还含有精油，可提取做香味剂、化妆品。皮和种子还可提取出杀菌物质。柚子果肉含有丰富维生素、有机酸与矿物质。柚原产于我国，有余年的栽培史，早在夏书《禹贡》中己有记载。西汉时，香柚、甜橙和蜜橘通过“丝编之路”传往伊朗、希腊、阿拉伯等国，现早己香飘世界了我国柚的产区自然环境优越，生态条件复杂，加之柚的单胚性，实生繁殖极易产生变异，数千年来形成了极其丰富的种质资源，类群较多。据不完全统计，全国柚的品种、品系、类型和株系在个以上。主要品种群包括，第一类是以沙田柚为常见代表的沙田柚品种群，包括现有栽培沙田柚及其衍生品种、品系、类型。第二类是以璃溪蜜柚为代表的文旦柚品种群，包括典型的文旦柚类及普通柚类，该类群群体最大，风味以酸甜为主，少数品种类型微具苦麻尾味。常见的有玉环柚、塾江白柚、梁平柚、五布柚等。第三类是以常山胡柚种间杂种柚群此类一般为果实较小，形似批橘。我国柚产业的发展历史悠久，柚类品种众多且用途广泛，不乏名优品种，因此柚类种植及加工生产水平的提高对促进我国部分地区的农业经济发展有着重要的意义。上述类柚中群体最大、产量最多的是蜜柚，其中以璃溪蜜柚为最。本文研宄的内容着眼于如何利用机器视觉技术来提高蜜柚产品生产分级检验环节的水平，从而提升蜜柚产品生产的质量和效率，具有较高的研究价值。研究目的及意义蜜柚的分级指标及分选现状我国是世界上柚生产面积最大的国家，产量居世界第位，仅次于美国。随着世界柚类生 中国农业大学博士学位论文第一章绪论产面积不断增加，我国柚类的生产面积和产量逐年稳步上升，而且增长速度逐渐加快，柚类果实成熟后的后期处理流程逐年规范化和规模化。处理流程主要包括：采摘：不同的水果按不同的成熟度采收；清洗：漂洗与清洗后，进行打蜡抛光作业或烘干；分级：进行品质分级，按照大小、色泽、重量、形状等多项标准完成分级；包装：为了使柚类果实在藏期减少重量损耗，保持果实新鲜度，果实预后，应采用塑料薄膜单果包装；运输：运输时一般包装成箱，在国际流通领域多使用质轻、有弹性、强度高、可折叠、易成形、成本低，便于搬运和机械化操作的纸箱包装。为了适应逐年增加的国内外的消费需求，我国陆续出台了蜜柚的国家标准和行业标准，其目的是提高柚类后期处理的质量，提高柚类生产行业的市场竞争力。这些标准中对蜜柚分级指标有明确的说明和要求，其中给出的不同种类蜜柚分级的指标见表。表不同种类蜜柚的分级指标措溪蜜柚玉环柚梁平柚垫江白柚香柚五布柚质量■果形色泽果面可食率果皮厚度果形指数由表可以看出，蜜柚的分级指标主要有质量、果形、色泽、果面、可食率等。分级标准中质量是蜜柚分级的主要指标之一，各品种均有要求；果形指标主要以描述为主，例如果形端正、是否畸形果；色泽无明确要求，蜜柚果实一般以黄绿色为主；果面指标主要是对蜜柚的病害、损伤的分级界定，有明确要求；可食率指标是蜜柚果实分级的重要指标，以理化方法测得。此外琯溪蜜柚的分级指标中还有对于果皮厚度的明确要求。在现阶段我国的蜜柚果实后期处理流程中主要以质量准确分级为主，作为主要指标之一的可食率主要釆用抽样理化实验的方法进行，果形、果面、色泽指标主要以目测为主。针对不断提高的蜜柚国内外市场商品品质要求，必须按照已有标准髙效率、准确、量化的对果实进行分级处理。本文以培溪蜜柚为研究对象，通过引入机器视觉技术对蜜柚果实的质量、果形、果面、色泽和可食率指标的检测方法进行研究，力求提高蜜柚分级生产的水平，从而提高蜜柚产品的品质、市场价格以及产品附加值，提高我国蜜柚商品质量。蜜柚分选质量提高的必要性我国柚产量居世界第，但是柚类生产主要是满足国内消费市场，出口量较少，不足全世界的自年后我国柚出口量迅速增加，出口金额逐年上升，说明我国柚产品逐步得到国际市场的肯定，潜力十分巨大】。 中国农业大学博士学位论文第一章绪论了—出丨：■；漏：口■——呈■—年度图我国柚类出口量———出一——口——额个—十—■參年度图我国柚类出口金额如图、图所示，我国柚的出口量和出口额逐年增加，而且近年来逐年快速增加，出口量年较年增长了倍，出口额年较年增长了倍。分析以上数据可以清楚地看出我国柚出口贸易的几点特征：第一，总体态势呈增长趋势：第二，近年保持快速增长；第三，随着近年柚后期处理水平提高，出口贸易额逐年大幅提升。以上特征说明我国柚生产行业具有很好的发展前景，同时在后期处理中提高生产水平是增加产品附加值的必要途径。早在年的中华人民共和国进出口商品检验行业标准《出口柚检验规程》中就明确规定了出口柚鲜果的检验方法，流程如图所示。 中国农业大学博士学位论文第一章绪论样品果箱外包装检验逐篇开启果实装箱排列果实数麓检齋逐箱检验外观质量腐烂果“个检验外观质量”严赚隱令等级、规格检验—般■缺陷果令」、似合」拌品果嫩果实内壞—祜水果果形擂数職部拥脾可溶性总國形物果汁率总糖—可滴定酸混合银汁—维生素图出口检验流程图感官检验包括果实外观检验、等级检验、果实内质检验、果皮厚度检验、枯水果；理化检验包括果形指数检验、可食部分百分率（可食率）检验、果汁率检验、可溶性固形物检验。按指标对柚果实进行重量、果形、可食率、外观的检测以及抽样理化检测，完全能够满足优质的出口果实的分级，实现较高的经济效益。在实现了柚收获面积世界第一，产量世界第二的目标后，我国柚出口量虽然增速较快，但与柚出口量前五位的美国、南非、以色列、荷兰、土耳其还有很大差距。我国蜜柚的实际生产分级检验与出口指标分级检验存在着较大差距，主要以机械设备称重、人工观察分级为主，辅以少量的理化检验，因此我国蜜柚后期处理的水平还处于发展初期阶段，分级检验的结果参差不齐，很难保证高效准确的完成大批量出口柚分选检验，造成产品在国际市场竞争力不足。因此，如何在蜜柚分级时进行大批量准确检验是提高我国蜜柚产品质量和生产水平时亟待解决的课题。本文针对现阶段我国蜜柚生产中分级检验环节中需要解决的关键问题进行研究，旨在提供多种指标、高效率、高准确率的柚类分级检验方法，为大批量精细化加工中分选环节提供理论、应用技术基础支持，最终提高我国蜜柚产品的产后处理水平，提高商品质量，增强国际市场核心竞争力。 中国农业大学博士学位论文第一章绪论国内外研究现状蜜柚品质检测研究现状对于蜜柚的分级检测的问题，早期国外提出用于佛罗里达柚分级的形状参数。用采集图像中的信息对柑橘类进行缺陷分析，采用单神经网络和非参数贝叶斯分类法进行分类，其分析了柚子的风伤缺陷，采用单神经网络成功分类的范围为到，采用贝叶斯分类法成功分类的范围为到。等人采用机器视觉技术对佛罗里达州柑橘类水果商业分级进行多特征分析，结合柚子物理特征和缺陷利用人工神经网络和贝叶斯分类策略进行分级，分级准确率达到了近年来国内对蜜柚的检测研究主要集中在外形检测和商用重量分级设备的研制上，袭昌来利用摄像头采集柚子正立图像，获取柚子的纵径、横径、表面积及体积外观尺寸参数，并对检测数据进行误差分析修正，提高了检测精度，系统检测结果的横径平均相对误差为纵径平均相对误差为表面积平均相对误差为，体积平均相对误差为。袭昌来，罗聪出了一种基于机器视觉技术的柚子外形尺寸检测系统，对柚子正立图像进行灰度转化、去噪、二值化等预处理获取检测目标图像。通过扫描法确定目标图像的上、下、左、右个边界点，计算柚子的纵径与横径初测值。试验结果表明，横径平均相对误差为，纵径平均相对误差为。这两种方法对蜜柚图像采集的要求较高，采集图像时需要确定柚果的姿态，即采集正立姿态图像，在实际蜜柚分级系统设计中具有一定的局限性。杨冬涛利用纹理梯度算子定义方向垴函数，获取柚子轮廓点上的方向角度并对柚子的轮靡进行编码。建立轮廓方向角度直方图以反应轮廓像素点在不同角度级的分布情况，并作为描述柚子果形特征的方法，以此提出基于轮廓方向特征的柚子果形检测方法。检测时通过计算柚子图像之间的轮廓方向角度直方图相关系数来判别果形，经实验证明准确率达到每幅柚子图像的平均检测时间为。蜜柚可食率是衡量柚子品质的重要标准，在可食率检测的研宄方面黄玲利用柚子重量和体积两个特征，通过自组织数据处理组合方法，得到重量和体积与可食率之间的关系，从而得到基于算法的柚子可食率估测方法。结果表明，该方法的估测误差较小，可食率估测误差范围为。商用的蜜柚分选机主要以称重为主，市场上较为成熟的厂商包括：台湾统农吉农牌质量式分级机称重范围，分选速度个小时，外形如图所示。沉江兴农重量式柚子分选机称重范围分选速度个小时，外形如图所示。江西绿萌高性能大直径果蔬分选机可进行多通道蜜柚的重量分选，称重范围，外形如图所示。 中国农业大学博士学位论文第一章绪论」—‘！图商用蜜柚称重系统综上，蜜柚品质国内外检测主要集中在外形、重量指标上，对可食率有一定的研究。在利用蜜柚内部结构开展可食率检测方面未见报道。基于机器视觉技术的水果品质检测研究现状基于机器视觉的水果大小检测通过检测直径判断水果的大小是果蔬自动化分选最简单的一类问题，也是最早开展研究的，其核心内容是如何判断定义和识别果径的尺寸信息。对于蜜柚的大小分级检测主要是以重量指标为准，只在类似相橘的常山胡柚中按果径指标分级，对于柚果检测来说，果径尺寸信息是构成其基本结构模型的最基本要素，也是进行形状判断的基础，因此识别柚果果径尺寸信息对外形检测具有重要意义。对于较为简单的类球体水果的直径检测计算问题，早期国外等在对相橘进行大小分级的研究中，通过计算过形心坐标作若干条等夹角轴，取计算结果中最长三条轴的平均值作为相橘最大横径。等人提出以苹果四个不同角度的投影面积推算出表面积作为表征苹果大小的参数之一，将所得四个直径平均值作为苹果直径参数。近年来，国内对于果径检测研宄较多，典型研究有康晴晴利用改进的面积投影法计算出苹 中国农业大学博士学位论文第一章绪论果的平均直径。陈艳军根据苹果分级的国家标准，建立了苹果最大横切面直径的数学模型，通过采集三幅图像中的最大直径来计算符合标准的苹果直径，其分级精度能够达到。沈宝国等利用最小外接圆计算苹果的直径，同时利用此方法估测苹果的主轴方向。党宏社等是出利用小波模极大值方法提取水果的边缘来计算水果的横径值。类椭球体水果的果径计算相较类球体水果复杂得多，其核心是如何确定水果图像的主轴，再通过主轴来计算横轴。国外典型研究有研究橘类水果图像的形心来计算边界像素点到质心的距离，从而确定主轴方向，计算动态系统中相橘和梓檬最大横径。国内应义斌等丨。根据生产中水果方向的随机性和水果外形不规则性的要求，提出利用水果图像的最小外接矩形法求最大横径的方法，并对全凸形的水果试验验证效果良好。冯斌通过边缘提取处理结合水果自然生长规律，以自然对称形态特征为依据来确定采集的水果图像主轴方向来计算主轴和横轴。务秀勤对椭球类水果的三种果径计算方法进行研究比较，针对棉球体水果的纵轴和横轴的检测，提出了最小外接矩形法（，椭圆回归法和软件卡尺的方法检测挤橙的纵径横径，对其进行了实时检测时运算量、检测效果比较，给出了详细的计算过程和三种方法各自的特点，但在蜜柚果形为如图所示的非棉球体情况时，采用这类方法无法准确的计算纵径。图两类柚果外形的最小外接矩形在水果大小分级检测中果径计算技术方法己较为成熟，但对于非球体或非棉球体水果的果径计算研宄较少，本研宄主要是寻找适合蜜柚外形特征的纵横果径计算识别方法，识别柚果的纵径和横径以建立柚果的基本结构模型，用于柚果各类特征的分级检测。基于机器视觉的水果形状检测在水果的形状检测中主要有两类识别形状方法，一类是依据采集图像的区域特征识别，另一类是依据采集图像的边界特征识别，本研宄中蜜柚的形状特征较一般的类球体水果有所不同，主要有类摘球形、梨形、水滴形，蜜柚的外形与其内部结构有一定的相关关系，因而其外形检测识别对判断其品质具有重要意义。国外典型研宄有采用圆度、弯曲能量、球形度和偏心距描述蘑燕的形状特征。提出以检测花萼果梗连线方向高度的最大值与最小值比值为指标来判断苹果倾斜程度，与计算目标的三阶矩判断倾斜度比较，判别精度可达。等】利用环形变换和线性变换求得胡椒的柄部和花萼，确定胡椒主轴方向，比较实测与计算方位角结果的平均误差为，同时提出胡椒的形状识别的双梯度法和中轴技术。】在土豆的形状分级检测时，采用傅立叶频谱中的前阶系数重构土豆的边界轮廓来判别土豆基本形状。？丨利 中国农业大学博士学位论文第一章绪论用轮廓的前个正弦值和余弦值来表达苹果形状。等釆用矩方法进行了苹果果形判别的研究，定向主轴后通过采集多幅不同角度的图像判别果形，其中苹果的旋转角度对准确性有较大影响。利用傅立叶变换提取西红稀圆度特征，分析了该特征值与形状偏离圆形程度的相关关系。等以圆度、矩形率、矩、惯性主轴、偏心率、矩不变因子为果形描述子，提出了上述描述子在苹果果形检测时的要求和问题。而国内也开展了很多果形研宄，主要集中在苹果、番琉、黄花梨等作物检测方法研宄中，典型研宄有袁金丽采用苹果边界傅立叶变换后的阶系数建立果实形状特征，通过算法训练神经网络，果形识别精度可达。应义斌分析研宄了基于边界信息与形心坐标的水果形状的傅里叶描述子果形重建描述方法。赵静、何东健十算出半径指标、连续性指标、曲率指标等个特征参数，设计人工神经网络分类器对果形进行识别，因样本选择的范围有限，固此方法有所局限。应义斌、景寒松等检测黄花梨果形时，用快速傅立叶变换求得前系数，通过人工神经网来进行果形识别，精度达到。戚利勇、高峰等人利用基于归一化椭圆傅里叶描述子进行黄瓜形状识别，实验结果表明利用少数描述子可很好的重建形状完成识别。综上，水果形状识别的方法主要是依据某种类水果的不同外形特征进行研宄的，对于外形特征极具特色的蜜柚暂无较为系统完整的果形检测方法研究，上述研宄问题集中在边界重建、形状特征参数、果梗与果蒂识别方面，为柚果果形检测提供了很好的研究参考。基于机器视觉的水果颜色检测水果成熟后由于营养成分的变化显现出多种颜色特征，水果旳颜色检测主要是为成熟程度判别、品种判别、表面缺陷判别提供简单有效的方法，因而颜色检测对水果品质检测具有广泛的应用价值，此类研究开展的较早。国外典型研究有等利用色度特征的统计算法，分析模型色调直方图并结合多元判别技术完成了不同颜色果蔬的分选，精度达到。等十算三通道分量的均值实现小麦的自动分组。在建立的二级神经网络模型中，一级神经网络将苹果表面典型像素颜色分类，二级神经网络根据表面颜色分布情况结合上级神经网络的输出可将苹果按颜色分级。等丨釆用颜色模型，并基于颜色模型值构造个色调变量对青椒进行颜色分级。与」用颜色的差异性对桃子表面缺陷的自动检测进行研宄。针对及彩色空间的缺点，提出了一种新的彩色空间转换技术，将传统三维颜色特征信息变为近似线性的一维数据，并给出了相关颜色转换公式，从而提高颜色分级效率。徐娟在计算机视觉系统中分析苹果颜色特性值，用通道合适色相值下累计着色面积百分比对苹果进行颜色分级。何东健在苹果机器视觉颜色分级中以色相度度为取值范围，计算累计色相分布曲线，选取不同角度累计值作为输入，用人工神经网络分类器进行果实表面颜色分级，实验准确率为。冯斌用色度域分形维数作为色彩特征，采用模式处理各色度域分形维数，建立了人工神经网络识别模型。在线分级精度可达到蜜柚的颜色变化较为简单，主要是黄绿两色，颜色检测主要是识别其中某一种颜色的着色程度，另外柚果的表面缺陷直观体现在颜色的变化上，因而颜色识别方法也是检测柚果表面缺陷的基本方法。基于机器视觉的水果表面缺陷检测水果的缺陷包括表面缺陷与内部缺陷，对于蜜柚来说其果皮较厚利用机器视觉技术很难检测 中国农业大学博士学位论文第一章绪论内部缺陷，因而这里只讨论利用机器视觉来检测柚果表面缺陷。水果表面缺陷的范围较广，包括病害、虫伤、机械损伤、日光灼伤等，但其主要集中体现在缺陷部位与正常部位的颜色差异，实质上这类检测是颜色检测的一种延伸应用。国外典型研宄有等采用苹果彩色图像检测表面缺陷，在计算苹果的表面色泽均值基础上求得每个像素的色度值与整个表面色度均值的方差，通过其差异来判定缺陷像素点统计苹果表面缺陷面积。等提出一种基于缺陷特征的水果实时分级方法，提取水果缺陷特征进行学习，对水果的缺陷分类用了二次判别式法，这种实时分级方法的准确率为，分析了果梗与花萼对检测结果影响。国内典型研究有刘禾丨采用单阈值法分割图像提取缺陷区特征参数，釆用人工神经网络分类识别，在不考虑果梗、花萼的影响时识别率较好。李庆中釆用参考图像分割水果图像缺陷，选取缺陷区的不同方向的灰度分布分形维数为特征值，建立人工神经网络分类器识别果梗花萼与缺陷，在一定程度上区分果梗花萼与缺陷区，但分类敏感度较低。李锦卫、廖桂平等在马铃薯表面缺陷识别中提出马铃薯表面缺陷部位灰度截留分割新方法。赵杰文等丨。】提取颜色空间中分量的均值和均方差用以描述红率的颜色特征值，采用方法识别油头率、梁头専和霉烂要。朱伟华利用色彩空间构建模糊颜色集，定义模糊颜色相似测度，分析不同模糊颜色的相似性识别西红柿表面缺陷，精度达到。基于高光谱图像技术的水果内部品质检测光谱分析技术已广泛的应用于水果的品质检测中，主要是在内部浅层损伤、表面污染、种类判别、成分检测等方面。高光谱成像技术特点突出，即直接采集到的高光图像包含了图像与光谱特性的三维信息，这就为结合光谱分析技术与图像处理技术进行检测提供了有利条件，因而利用高光谱成像技术进行水果品质检测有很好的应用前景。利用高光谱成像技术对水果损伤与污染进行检测，典型研究有等利用高光谱成像和多光谱分析技术对不同品种的苹果表面缺陷进行检测。通过高光谱成像分析苹果的光谱特征选择滤光片，设计了多光谱成像系统，对金冠、蛇果以及嘎啦苹果的缺陷检测精度为、：和。等建立了检测乔纳金苹果碰伤的高光谱成像系统。通过主成份分析法对高光谱数据进行分析，苹果检测精度为对果梗和花萼的误判为。利用高光谱荧光成像检测甜瓜的表面类便污染，对甜瓜样本用稀释的牛粦进行预处理，发现在光谱处的反射特性能很好的区分甜瓜表面污染处理过的区域与未处理区域。利用高光谱成像技术对水果成分进行检测，典型研宄有等利用高光谱反射成像检测土豆的含水率，对选取的像素区域提取平均光谱，采用人工神经网络算法来建立土豆水分含量的预测模型。等利用高光谱反射成像选取不同颜色芒果圆形区域的平均光谱，预测其整体糖度、水分含量、硬度。张若宇搭建三种高光谱成像系统，对不同种番庙获取空域光谱和纹理参数，建立偏最小二乘回归定量分析模型用以检测番前可溶性固形物含量和硬度。孙通，许文丽等丨提出可见近红外光谱技术联合变量方法对南丰蜜梧的可溶性固形物（进行快速无损检测研宄，简化了南丰蜜梧预测模型和提高了模型性能。刘燕德等】采用偏最小二乘法对南丰蜜桔完整果和果肉的可见近红外光谱进行了分析，并且比较和讨论了不同光谱预处理的建模结果，发现一阶微分光谱所建模型效果最佳。朱西存等分析不同水分含量的苹果叶片高光谱特征，研宄其水分含量与光谱指数的相关关系，采用主成分回归分析建立 中国农业大学博士学位论文第一章绪论苹果叶片水分含量估算模型，实验验证该模型有较好的敏感性和稳定性。利用高光谱成像技术兼有图像与光谱特征的特点，很多研宄采用建立目标图像信息与光谱信息的关系进行图像的分割识别的方法，取得了较好的效果。等利用高光谱反射成像技术，选定特定波段进行背景分割并获取整个目标区域光谱，通过回归建模检测草毒含水率、、酸度，同时试验了采用灰度共生矩阵分析不同成熟度波段纹理，判别其成熟度精度达等】利用高光谱反射成像获取蘑燕光谱并对其水分含量进行建模分析以预测蘑恭的含水量。张晓东等釆用自适应波段选择生菜叶片高光谱图像，提取样本特征波长图像进行分割，以目标图像中灰度均值、灰度标准差的灰度特征，以能量、熵、惯性矩、相关性的均值和标准差的纹理特征，建立基于最优特征的偏最小二乘回归模型，以检测生菜叶片的含水率。袁挺选取了温室黄瓜光谱成像的最优波段，提出了釆用选定的敏感波段来分割黄瓜果实与其它器官的釆摘机器人信息获取方法，准确率为。耿长兴【针对黄瓜霜霄病与黄瓜、叶片和背景的分割问题，提出了基于光谱分析的黄瓜霜霉病最优区分光谱波段选择方法。由上述内容可见，利用高光谱图像中所含的光谱特征信息蹄选图像中需要识别的像素信息，能够准确的分割图像中某一类特征信息，达到更好的精确分割的目的，可从本质上将图像上不同特征区域准确识别出来，为水果的品质检测提供了一种准确有效的信息获取方法。但利用高光谱图像分析蜜柚内部结构的研宄，国内外均未见报道。水果称重检测技术重量特征是水果的重要检测指标之一，近年来称重生产设备己从机械式发展为精度和效率更高的自动化称重系统，蜜柚的重量是现阶段其分级的主要指标，自动化称重检测分析系统对于柚果分级具有重要意义。等建立了商用模块化的水果分级系统，每个模块处理速度为个。？等【】提出了一种在高速状态下精确检测水果质量的方法。王新亭等丨研制了单片机控制旳新型电子称重式水果分选台，在提高了系统操作简便性的同时降低了设备成本。洪海丽等设计一种商用的釆用分选控制器，以流水线结构和悬臂梁式称重传感器为核心部件的称重式果蔬分选机控制器，澄子分级速度达个误差小于±。王明俊等分析了称重传感器的称重信号釆集要求探讨自动称重时复杂信号的产生原因，并提出解决思路。程德明设计出采用控制系统和先进的重量传感器及动态称重仪表的水果重量分选机，提高了生产效率和精度。孙学岩设计基于的称重式水果分选机，设计人机交互界面。王广超等丨】设计在基于机器视觉的水果分选机上加装称重模块，设计了一种基于芯片的称重模块调理电路，提高了称重模块的测量精度。蔡文提出了基于自适应噪声抵消方法的称重信号处理技术和称重稳态信号预测策略，推导了归一化最小均方算法，该方法对称重信号噪声有较好的抑制效果。葛纪帅通过三维模型对分选机零件进行三维建模、虚拟装配、干涉分析和初步的有限元分析，设计出一种用于多种类球型水果实时智能称重分级生产线。水果的自动化称重系统已有不少成功商业应用的案例，但是如何提高自动化系统检测精度需进一步加强研宄。 中国农业大学博士学位论文第一章绪论存在的问题及技术难点蜜柚似于相橘类水果，但果实有其独特性，包括果实的体型较大，重量较重，果皮厚且质地特殊，果肉含水量较高，这些特点都决定了蜜柚检测分级的特殊性，因此需要针对蜜柚的特征来研究相适应的检测方法。现阶段的蜜柚分级主要是集中在重量分级，虽然可以将柚果分为不同的等级，但与高标准的品质分级相差较远。国内各市场以及电商网站购买的柚果品种等级类型丰富，其成熟季节的零售价格在元元范围，对北京地区销售量大的蜜柚以及进口蜜柚的零售价格及相应柚果的质量进行一项简单的调查研究，不同情况柚果数量见表。表不同价格等级柚果品质品种价格数量外形情况色泽情况果肉风味果皮平均度厚度元个）端正不端正均匆不均勾酸酸甜宿溪蜜柚不均匆不均匆不均句泰国蜜柚均句从表中可见，国内蜜柚主要以单果重量分级，销售时不同价格等级的柚果在外形、色泽方面均有差异，尤其是对于柚果的内在品质的分级情况并不良好，而由国外进口的蜜柚外形和风味分级都较为准确，可见要提高蜜柚生产销售水平必须提高分选的水平，要综合考虑各项指标进行分选。现阶段蜜柚生产中在批量重量分级的同时，也进行了一些形状、色泽的分级，主要在釆摘、包装运输过程中以工人的感官进行分级，很难满足高效的批量化作业。综上，蜜柚分级生产中存在的问题，一方面是如何对柚果进行综合的品质分级，另一方面是如何提高柚果分级的精度。本研宄拟解决的问题及技术难点主要包括以下几点蜜柚果实的形状与其它多数水果不同，形如类椭球体，如何寻找能够表征柚果形状特征的方法，并且建立形林特征与品质的对应关系，是解决蜜柚批量外形检测问题的关键。由于蜜柚果实结构的特殊性，可食率是其检测的重要指标，一般可食率的检测采用理化方法，通过分离成份后称重计算得到。而在实际生产中，考虑到检测批量、检测效率的因素，能否找到简单有效的可食率检测方法是蜜柚品质检测的核心问题。生产中可食率检测问题主要分为两类，一类是批量检测时无损检测蜜柚的可食率；另一类是在大批量的抽检时快速准确抽检蜜柚可食率，而如何利用机器视觉技术避免理化方法进行蜜柚可食率检测成为解决问题的关键和难点。蜜柚重量是品质检测的重要指标，如何提高蜜柚称重分级的检测效率和精度，减小自动称重系统称重误差，是蜜柚称重系统设计的难点问题。 中国农业大学博士学位论文第一章绪论研究的主要内容研究内容根据蜜柚果实分选的国家、行业标准中检测指标要求，研究蜜柚生产中的品质检测方法，包括批量生产时外形、重量、可食率的检测方法，以及在蜜柚出口生产中的快速抽检方法，以期提高蜜柚果实分选的质量和效率。本研究的主要内容有以下几个方面：适用于蜜柚特征检测的图像与处理方法比较研究根据蜜柚的生理特征对柚果视觉检测的图像预处理方法进行研究，主要是对釆集的柚果图像噪声消除方法、图像目标分割方法的比较研究，以及采集误差分析。蜜柚果形分析及形状检测方法研宄分析柚果果形特征并应用于计算果径，研究基于区域的果形检测方法和基于谐波分析的果形重建的果形检测方法。蜜柚表面颜色分析与表面缺陷检测方法研究分析柚果表面颜色分布情况，其分析结果一方面用于研宄柚果着色率来表征柚果色泽的颜色检测方法，另一方面研宄柚果表面缺陷的检测方法。蜜柚可食率检测研宄建立柚果结构模型，研宄蜜柚的结构特征参数与可食率之间的联系，通过结构特征实现蜜柚可食率的无损快速检测；分析果实纵切面的高光谱图像，研究寻找敏感分割光谱的方法，通过高光谱图像分割的方法来实现蜜柚可食率的快速准确抽检。蜜柚自动称重系统设计设计高效率、高精度的柚果自动称重分级设备，并进行称重实验分析。拟解决的关键问题按国家、行业标准检测指标进行检测方法研究现阶段蜜柚批量检测主要是以重量为主，按照国家、行业标准对蜜柚的品质进行检验，最终提升蜜柚分选的质量和效率。蜜柚形状特征的表征方法柚果的外形特点独特，其形状特征不仅是外部感官的优劣，形状特征与柚果内部品质存在某种联系，寻找到一种准确表达形状特征的方法不仅满足形状分级要求，而且需要通过准确的形状特征参数来反映其内部品质情况。蜜柚可食率的快速无损检测与准确抽检的实现由于蜜柚果实独特的结构特点，可食率是其重要的品质指标，关键是如何通过非理化的方法来进行可食率的检测，在提高抽检效率前提下增加抽检数量，从而提高整批产品的品质；寻求一种适合批量生产的无损可食率检测方法以期提高柚果品质检测的水平。蜜柚自动称重系统设计蜜柚果实体型较大，现有的机械式重量分级设备在工作运行中产生的误差较大，需要设计自 中国农业大学博士学位论文第一章绪论动称重系统提高蜜柚生产称重精度，同时提高蜜柚重量分选的效率以及降低人力成本。研究方法和技术路线研究方法本文依据蜜柚生产的国家、行业标准的内容，研究其各项指标的检测方法，针对不同的检测指标特点采用多种研究方法，结合多种研宄方法的优点对某一问题展开深入研究，主要用到的研究方法有以下几类：比较研究从处理效果、处理效率以及应用范围研究比较了柚果检测图像与处理的方法，对柚果进行基于区域特征的果形检测和基于谐波分析的果形重建的检测两种方法研究，比较了果形体征提取的方法以及检测效果。模型分析建立了描述蜜柚图像对称情况与形状特征的数学模型，通过模型分析进行柚果的形状检测；建立描述柚果结构的简化模型和可食率检测模型，通过分析模型研宄柚果外部、内部特征与可食率的联系，给出可食率检测方法。分析计算法对蜜柚分级标准中果形、色泽、表面缺陷、可食率等指标，进行了果形指数、着色率、表面缺陷面积、果实体积、果肉面积比率等内容的计算分析研宄。实验分析实验分析是本文研究的基础，检测方法的效果主要由实验结果分析体现，实验能够很好地验证不同检测方法的优缺点，为不同场合下的分选生产提供了支持依据。文中对蜜柚自动称重系统的精度问题研究，主要依靠实验分析方法，找到影响系统精度的因素，作为设计自动称重系统的重要依据。参数化设计参数化设计是自动称重系统设计的基本方法，通过参数化设计方法能够根据实验结果不断的调整系统结构，达到自动称重系统设计要求。 中国农业大学博士学位论文第一章绪论技术路线蜜袖令外部特征可食率称重””””暨蜜蜜蜜蜜蜜蜜基直皇像柚柚柚柚柚柚于动动形羅表可可敏结形色面食食感書蓦特果特缺率率光蹇裹友检征陷无快谱■夔律检测检检损速；忿赛聱按測■■方测測检抽；割计友法方方测检的§法研法法方方可验究研究研研法法食究宄研研究究快速〒“——―—重量信息蜜柚外部特征检铡一蜜柚可食率检测—蜜柚重量检测图技术路线本章小结本章论述了开展高水平蜜柚果实分级检测的目的和意义，分析了现阶段国内外蜜柚分级研宄与生产情况，同时分析了国内外基于图像技术水果分级检测方法的研宄成果，在此基础上研究国家、行业标准中蜜柚分选的基本要求和检测指标，针对不同特点的蜜柚分级检测指标制定了研宄的基本思路，拟解决现阶段蜜柚分选中存在的问题，确定了最终的研究内容和研宄方法，确定了本文开展研究工作的技术路线。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究第二章基于机器视觉的蜜柚图像预处理方法研究引言通过搭建蜜柚图像采集实验系统进行蜜柚果实静态图像分析，是研究蜜柚分级检测的基本方法。搭建研究所需图像采集系统，针对蜜柚的特点寻找适合的分级检测图像预处理方法，开展蜜柚图像的预处理质量和效率研究，力求为基于机器视觉的蜜柚分级检测方法研究以及建立蜜柚生产分级系统提供依据。图像米集系统蜜柚外形特点比较独特，体型较大，呈类摘圆的水滴形或梨形，其顶部以果皮为主、中下部以果肉为主，质心靠下，整个果实基本以主轴旋转对称，本文以采集静态图像研宄分级检测方法为主，根据上述特点搭建图像采集系统。图像采集系统主要由照明系统、工业相机、数字图像输入接口、计算机组成，如图所示。照明系统为方形封闭灯箱，箱体内壁为白色，光源由根的高频焚光灯组成，平均分布在箱体内部两侧。灯箱底部为图像采集区，布置背景为黒色的底座，柚果形状基本为梨状扁圆形，为了方便采集各个方向图像进行研宄，在底座上设置黑色可调节的定位装置。底部采集区的正上方安装数码相机。工业相机采用嘉恒中自公司型相机，最大分辩率为柚类果实具有上凸下平的扁圆梨形形状、果实尺寸相对较大的特点，在本章研宄中，以柚果顶部正投影方向与侧面正投影方向采集的图像为主要研宄对象。人、调：！“、——丨、、图图像采集检测系统装置照相机灯箱光源底座定位装置柚果图像采集卡计算机 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研宄噪声图像的恢复算法分析比较图像噪声是图像在摄取或传输时所受的随机信号干扰，是图像中各种妨碍人们对其信息接受的因素在蜜柚检测时实际获得的图像通常会受到某种干扰而含有噪声，采集系统引起噪声的原因有敏感元器件的内部噪声、量化噪声和传输通道的干扰等，这类噪声一般称为加性噪声。此类噪声按概率密度函数分为高斯噪声、瑞利噪声、伽马噪声、指数分布噪声、均匀分布噪声、脉冲噪声，这种分类方法引入了数学模型，适于运用数学手段去除噪声。其中，高斯噪声，在空间域和频域中，由于其在数学上的易处理性，这种噪声模型经常被用于实践中；脉冲噪声，双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声丨。本章图像滤波处理中，主要针对蜜柚图像采集中最常见的高斯噪声和椒盐噪声。为了分析比较滤波方法，加入噪声模型检测图像，如图所示。丨’原图（灰度图圓含高斯噪声图（含椒盐噪声图图加入不同噪声模型蜜柚图象通常图像中噪声的去除方法可以分为频域和空域，常用的滤波方法有邻域平均法、中值滤波法、选择平均法、小波变换法等。处理采集图像时为了获得较好的分割效果，对采集的图像进行了一定的平滑滤波，削弱噪声的影响。本研究中，蜜柚图像是在特定的环境下采集到的，图像背景比较均勾、质量较好，而蜜柚检测实际工作中期望对算法的要求是：①滤波时不要破坏图像重要的边缘信息；②处理时间短；③滤波后的图像要保持清晰，尽量保留果面信息。根据这些要求，本节分析比较了邻域均值滤波、改进均值滤波、中值滤波以及改进的快速中值滤波效果，对蜜柚动态外观检测时所采集的图像恢 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究复具有重要意义。邻域均值滤波改进方法邻域均值滤波是常见的局部空间域处理的图像滤波算法。设一幅图像工；；为的阵列，处理后的图像为，其每个像素的灰度级由包含，力领域的几个像素的灰度级的平均值所决定，得到处理后的图像为式中：，，，—以，力为中心的邻域的集合；内坐标点的总数。通常图像邻域平均算法简单，但在降低噪声的同时使图像产生模糊，特别对图像的细节保护较差。通过改进的自适应均值滤波算法进行滤波可以提高滤波效果其基本流程如图所示。窗口移令■的，像素为根据窗中噪声点数自遮应调螫滤窗口大小基子应纖””选图改进的自适应均值滤波流程图是对图中受噪声污染的蜜柚图像的不同滤波效果对比，不难看出自适应均值滤波算法能较好的保护图像细节，抑制噪声，较标准均值滤波算法滤波效果更好。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究含高斯噪声图像（均值滤波（自适应均值滤波含椒盐噪声图像（均值滤波（自适应均值滤波图不同均值滤波效果比较中值滤波改进方法对于原图像中的某点（，，中值滤波是以该点为中心的邻域内的所有像素的统计排序中值作为（，点的响应。中值滤波对随机噪声有较好的降噪能力，传统方法计算量较大，运算速度较慢。为了保证图像滤波效果的同时提高运算速度，这里采用改进的快速处理方法来准确求取中值，其计算流程如图所示。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究德波说个元歡集合集合中所苒元素均值、妇为集人■算个数：为集合，计爾个数—〉—？中快速排序在集合中快速排序找到滤波窗口中值找到独波窗口中愤图改进的中值滤波流程图是图中受噪声污染的蜜柚图像的不同滤波效果，可以看出对受椒盐噪声污染的图像中值滤波效果非常好，而改进的中值滤波在减小运算速度的同时滤波效果保持较好。含高斯噪声图像（中值滤波（快速中值滤波【置▽■【遍■含椒盐噪声图像（中值滤波（快速中值滤波图不同中值滤波效果比较 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研宄滤波方法运算速度比较蜜柚分级检测时，图像的滤波处理是最基础的一项工作，一般在核心的特征提取算法和识别算法之前，滤波处理不能占用过多的运算时间，尤其是在用于动态分级检测过程中，必须在保证滤波效果的前提下尽量缩短滤波处理这类辅助步骤的时间，这里对上述的滤波方法进行比较来考察其在实际分级检测中的适用性。对幅的蜜柚灰度图像同时进行两种噪声图像的均值滤波与中值滤波处理，运算所需的时间如图所示。——中值中值；—■中值均值—一均值§均值■言嚴肩里—“：“‘—；‘；含高斯噪声的均值滤波与中值滤波运算时间—“中值■■■中值中值—均值—■⋯一均值均值；—含椒盐噪声的均值滤波与中值滤波运算时间图图像滤波运算时间比较不难看出，均值滤波在两类噪声图像滤波时时间较短，同时采用模板的均值滤波能得到较好的滤波效果。对幅随机含有两种噪声的图像进行模板的中值滤波、自适应均值滤波以及快速中值滤波的运算所需的时间进行比较，如图所示。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研宄—中值—：：思卞度—一————图中值滤波、自适应均值滤波、快速中值滤波运算时间比较综上，邻域均值对细节保护不好，改进的自适应邻域均值有较大改善，而从速度上来说快速中值滤波较自适应邻域均值滤波计算速度稍快，在实际分级检测生产中应以兼顾处理效果和速度为原则来选择处理方法。另外需要注意的是，蜜柚的果皮较其他相搞类水果不同，其特点是表面均勾分布点纹，在部分视觉检测处理中需要采用滤波方法去除点纹影响。图像分割方法研究通常将数字图像分成互不相交（不重叠）区域的过程称为图像分割在利用机器视觉对水果品质进行检测时，图像分割的内容包括将检测对象从背景中分离出来，和提取图像中的一些重要信息，对果实外部有关品质信息识别有着重要意义。图像分割的方法种类繁多，其算法一般分为两类，一类是基于其相似性，常见的有阈值分割和区域生长；另一类是基于图像灰度值的不连续性，常见的有边缘检测、边界跟踪算法。本节分析比较了几种图像分割方法不同的效果，为检测目标分割、特征信息提取、轮廓提取提供依据。蜜柚一般呈梨形，个体较大，果皮表面均勾分布有圆点状纹路，优等果表面无杂色、杂斑，而非优等果表面会有虫伤、病害、损伤等情况引起的杂乱斑纹，呈片状分布。在图像分割处理时需综合分析上述特征。基于灰度值相似性的图像分割方法通过分析图像灰度直方图的分布特征直接选取闽值进行分割的方法比较简便，但其对于目标和背景区域灰度值分布较均匀的图像效果明显。按蜜柚表面有无斑痕分别进行图像分割，表面无斑痕的蜜柚效果如图所示，表面有斑痕的蜜柚如图所示。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研宄■■灰度图（分割效果（灰度直方图图表面无斑痕的柚果灰度直方图闺值分割“，，灰度图（分割效果（灰度直方图图表面有斑痕的柚果灰度直方图阈值分割算法（最大类间方差法）】是一种广泛使用的分割方法。在图像分割时，选定的分割阈值应使前景区域的平均灰度、背景区域的平均灰度与整幅图像的平均灰度之间差别最大，用区域的方差表示差异。按柚果表面有无斑痕分别进行图像分割，表面无斑痕的蜜柚效果如图所示，表面有斑痕的蜜柚如图所示。自适应迭代选择阈值法在图像分割时，对图像计算灰度直方图后通过计算直方图的加权平均值来代替原图像中部分像素平均值的计算。按柚果表面有无斑痕分别进行图像分割，表面无斑痕的蜜柚效果如图所示，表面有斑痕的蜜柚如图所示。无斑痕果直方图阈值分割（无斑痕果分割（无斑痕果自适应阈值分割 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究斑痕果直方图阈值分割（斑痕果分割（斑痕果自适应阈值分割图基于灰度值相似性的图像分割方法效果比较从图中不难看出在背景条件较好的情况下，对于无斑痕柚果这类表面特征均勾的图像分割，上述方法都能够很好的提取到目标；而对于表面有明显斑痕的柚果的图像分割，采用分析直方图选择阈值的方法能较好的分割目标，但残留了小部分斑痕。釆用法对柚果上半部分分割效果不理想，同时保留了部分的斑痕信息。釆用自适应阈值法对柚果上半部分分割效果较法效果有所提升，同时更好地保留了斑痕信息。因此，釆用上述方法可以满足提取柚果目标的要求，同时为讨论蜜柚表面斑痕、损伤、虫伤等特征信息提取提供了一种参考的简便途径。基于灰度值不连续性的边缘图像分割方法图像边缘点是指图像中周围像素灰度有阶跃变化或屋顶变化的那些像素点，即灰度值导数较大或极大的地方。边缘检测在于标识数字图像中亮度变化明显的点，可以大幅度地减少数据量，并且剔除那些被认为不相关的信息，保留图像重要结构属性，找出图像中重要的特征信息，最常见的就是目标图像的轮廓，这对于柚果的外形检测具有重要意义。常见的基于图像一阶导数的边缘检测算子有算子、算子、算子，都属于梯度算子；二阶导数的边缘检测算子有算子；基于非极值抑制技术运用的算子。本节对具有不同表面特征柚果应用上述方法进行边缘检测并分析比较。由于蜜柚果皮表面均勾分布有圆点状纹路，部分表面会有虫伤、病害、损伤等情况引起的杂乱片状斑纹，这里按照柚果表面光滑而点纹不明显、表面点纹明显、表面有斑纹，三种情况进行边缘检测，其中梯度算子均计算所有方向边缘。柚果表面光滑而点纹不明显时进行边缘检测，效果如图所示。灰度图（算子（算子 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究算子梯度图像（算子梯度图像（算子梯度图像算子自阔值图像（算子自國值图像（算子自阈值图像图表面光滑时边缘检测算子比较从图可以看出在柚果表面光滑而点纹不明显时算子分割效果主要反映了柚果表面细节信息，很难提取轮廓信息；三种梯度算子分割效果都能较好的反映柚果轮廓信息，从返回的二值图较容易提取轮廓特征，但除算子外，其他算子边界的完整性不佳，不能很好地支持轮廓信息的计算；算子分割效果情况与梯度类似。柚果表面点纹明显时进行边缘检测，效果如图所示。灰度图（算子（舁子 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究算子梯度图像（算子梯度图像（算子梯度图像圓國■算子自阈值图像（算子自國值图像（算子自阈值图像图表面点纹明显时边缘检测算子比较从上图可以看出在柚果表面点纹明显时算子分割效果反映了柚果表面点纹细节信息，很难提取轮廓信息；三种梯度算子分割效果都受到柚果表面点纹影响，在检测出轮廓同时反映出大量点纹信息，效果较差；算子分割效果情况与梯度类似。柚果表面有斑纹时进行边缘检测，效果如图所示。灰度图（算子（算子 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究算子梯度图像（算子梯度图像（算子梯度图像■■■算子自闺值图像（丨算子自闺值图像（算子自阈值图像图表面有斑纹时边缘检测算子比较从图可以看出在柚果表面点纹明显时算子分割效果反映了柚果表面斑纹和点纹细节信息，很难提取轮廓信息；三种梯度算子分割效果都受到柚果表面斑纹及部分点纹影响，在检测出轮廓同时反映出大量斑纹信息，效果较差；算子分割效果情况与梯度类似。综上，蜜柚图像边缘分割时算子与算子的定位精度较高，算子检测对斜向边缘方向估计较精确，分割效果好，算子具有一定的降噪能力，算子的降噪能力和定位精度兼顾。因此需要结合蜜柚图像的特点与检测运算的时间来选择边缘分割的算法。边缘图像分割运算速度比较蜜柚图像边缘分割是分析图像中柚果形状特征的基本依据，在抽果视觉检测过程中起着非常重要的作用，其运算速度情况直接关系到动态条件下柚果分级检测的速度和效果。对幅的柚果图像采用不同算子进行边缘分割，运算时间如图所示。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究———■—￡二—束！图不同边缘分割算子运算时间不难看出，三类梯度算子的运算时间较短，对于梯度算子来说可按照不同的边缘方向分割，按照水平方向、竖直方向以及所有方向对上述幅图像进行处理，运算时间如图所示。■，——‘——图梯度算子不同方向分割运算时间除算子在竖直方向之外，其他梯度算子检测的方向对于运算速度影响不大，因而可在保证运算速度的前提下，分割柚果边缘图像时采用算子所在方向检测来保证边缘信息的完整性。蜜柚果实图像边界提取方法研究确定蜜柚形状特征要通过图像中柚果轮廓信息计算采集柚果纵径和横径，同时要根据轮廓边界信息进行果形检测和畸形果判断，提取满足上述分析要求的柚杲轮廓边界图像十分重要。本节综合利用图像的滤波方法和分割方法进行柚果图像边界提取，研究比较了柚果轮廓边界图像的几种方法作为果形检测基础，为后续蜜柚的形状检测研究打下基础。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研宄利用边缘检测算子的提取方法在前节中发现釆用边缘检测算子时，由于蜜柚表面点纹的影响提取效果不理想，如果将蜜柚表面的点纹作为前节中图像噪声处理，对图像进行一定的平滑滤波，其轮廓提取效果应有所提升，因此可以将表面点纹先进行中值滤波然后再提取目标边缘。不难发现中采用算子进行柚果边缘检测的分割效果轮廓完整性较好，使用算子对图、图、图中三种柚果图像灰度原图滤波后进行处理得到的效果如图所示。光滑而点纹不明显（表面点纹明显（表面有斑纹图三种柚果滤波后算子边缘检测效果通过釆用上述方法，不难发现对于三种柚果图像的边界轮廓分割效果都有较大的提升。尤其表面点纹明显、表面有斑纹的柚果边界轮廓分割效果有大幅提升，但残留了一小部分点纹和斑纹，在果梗处边缘连续性较差，这种方法运算的量较大难以保证分割效率。上述方法中对柚果表面的点纹、斑纹的滤波处理耗费较长的运算时间，在实际分选检测时实用性差，因此需要考虑其他效率高效果更好的方法来提取轮廓。针对上述方法中处理时对点纹、斑纹干扰问题，滤波运算量较大的问题，采用先对柚果图像进行适当的阈值图像分割，对返回的二值图进行边缘检测得到柚果边界轮廓。对图】、图、图中三种柚果图像灰度原图进行二值化处理得到的效果如图所示，釆用算子对所得二值图像提取边界轮廓效果如图所示。□□□光滑而点纹不明显（表面点纹明显（表面有斑纹图三种柚果直方图分析阈值分割效果 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究■■■光滑而点纹不明显（表面点纹明显（表面有斑纹图三种柚果阈值分割后算子边缘检测效果通过采用上述方法，可以看出三种柚果图像的边界轮廓分割效果都有很大的提升，轮廓边缘的完整性较好。可见这种方法能够高质量的提取柚果轮廓，关键是要做好第一步的阈值分割。采用算子对所得二值图像提取边界轮廓方法的分割效果理想，通过分析灰度直方图找到了适合的阈值，分割图像同时去除了点纹和斑纹的影响。本方法提取的边缘会出现宽度非单一像素的情况，而边界不一定完全连续，因此会对后续的果形分析产生影响。二值图的形态学提取方法要获取效果较好且边界连续的轮廓边界，这里讨论一种基于二值图的形态学方法，完全不同于上述旳边缘检测的方法，通过对柚果二值图的形态学处理得到所提取的边界轮廓，其重要意义在于其能够获得较好的连续边界轮廓。通常在二值图中提取图像目标的边界轮廓，最简单的思路是将所有物体内部的点删除，那么这里采用一个的结构元素对原图像进行腐烛，然后用原图像减去腐烛后的图像可以得到连续的边界像素，即——式中：—边界像素集合；—原图像素集合；—结构元素。采用二值图的形态学处理三种柚果图像，得到边缘提取效果如图所示。光滑而点纹不明显（表面点纹明显（表面有斑纹图三种柚果自阈值分割后腐油运算边缘检测效果这种方法是对釆用自适应阈值方法二值化后对图像进行式的形态学运算得到的且腐烛运 中国农业大学博士学位论文第二章基于机器视觉的蜜抽图像预处理方法研究算方法得到的边界图像是连续的。对幅柚果阈值图像采用算子进行边界提取、采用正方形结构元素进行形态学边界提取、采用十字结构元素进行形态学边界提取，其运算时间比较如图所示。可见采用形态学运算边界提取的方法处理时间较快。在图中可以看到仍残留了小部分的斑纹，是由于采用自适应阈值二值化造成的，而采用自适应阈值主要是为了减少方法中分析直方图寻找最优阈值的处理时间，从而保证方法处理效率。。———￡图与形态学边界提取时间比较图这里提出一种简便的方法，能够在得到连续边界轮廓的同时有效去除不同柚果表面的点纹与斑纹的影响，保证以较快的运算速度提取出质量较好的边界轮廓。基本思路是首先对图像进行自适应阈值二值化，然后在二值图像中进行逐行扫描，将每行的第一个和最后一个目标像素标记作为边界点，得到边界点像素集合，同样方法逐列扫描得到另一个边界点像素集合所求的目标边界为即连续单像素的边界轮廓，边界内的非首尾像素均不标注，因此不受柚果图像轮廓内点纹、斑纹信息的影响，对斑纹柚果边界轮廓提取效果如图所示。■■自阈值分割后腐油运算（自阈值分割后扫描标记运算图逐行扫描的简便方法从图中可见，采用扫描标记运算方法对自阈值分割后果面有明显斑纹的图像的边界轮廓提取效果很好，得到一条从果梗一侧到另一侧由单一像素组成的连续边界，其中果梗处的图像复杂程度较高提取效果稍差，但对后续的果径计算和果形判断影响非常小。 中国农业大学博士学位论文第二章基于机器视觉的蜜柚图像预处理方法研究本章小节本章简述了本研究中可见光图像采集静态实验系统的搭建，分析比较了蜜柚果实图像特征提取前的图像预处理方法，在其处理效果和效率比较的基础上寻找适合于蜜柚图像特征提取的噪声处理方法、目标图像分割方法以及果实边界图像的提取方法。最终，釆用快速中值滤波的方法进行滤波，采用自适应阈值法分割目标图像，釆用扫描标记运算方法来提取果实边界图像。综上，本章确定了蜜柚采集图像预处理方法，为后续章节中蜜柚外形特征提取方法研究与其结构模型分析研究奠定了图像分析处理的基础。 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究第三章基于机器视觉的蜜柚外部特征检测方法研究引言机器视觉技术主要应用于水果检测中大小、形状、颜色、缺陷等指标的检测，其基本实现过程包括对采集的图像进行预处理、目标图像分割、特征参数提取、特征判别等处理步骤，其中图像中水果目标的特征参数提取与判别是检测的核心内容。对于蜜柚而言，国家、行业标准中规定了检测指标，外部特征检测指标包括果形、色泽、表面缺陷，本章针对蜜柚的三类外部特征检测开展研究，力求寻找适合蜜柚果实外形特点的检测方法。蜜柚有着独特的外部特征，其具有体积大、基本以主轴旋转对称、形似梨形或水滴形、色泽以黄绿两色为主、果皮质地特殊等特点。水果分级检测中己广泛开展研宄的苹果、桥橘、番琉等果蔬的检测方法并不适用于其外部特征检测。针对蜜柚上述特点，国家、行业标准均给出检测分级指标，本章目标是在此基础之上研宄描述蜜柚果形、色泽、表面缺陷的方法，通过图像处理技术提取相关的特征参数，从而实现蜜柚的外部特征分级检测。本章分析比较了描述果形的不同方法，包括分析提取柚果果径参数的方法，判断柚果图像对称情况的方法，以及比较了形状参数描述、傅立叶描述子的果形检测方法，在此基础之上研宄了畸形果的判别方法。同时，提出了一种基于区域的柚果表面颜色描述简便方法，并且在此基础之上研宄柚果的色泽与表面缺陷特征的检测方法。本章的研宄内容也为后续分析蜜柚内部结构特征提供了研究方法和依据。蜜柚形状特征检测蜜柚果实一般体型较大，形似梨形，底部较平，顶部有较高突起，果梗外侧处的部位称为果肩，如图所示常见的两类蜜柚果实外形特征：类椭圆形和梨形。‘—：』；」！类摘園形（梨形（外形尺寸特征图两类典型蜜柚外形梁梗果肩赤道线果蒂纵径横径我国在行业标准《出口柚检验规程》中规定出口商品的柚的果径指标，将其分为纵径和横径，其中纵径指由果实顶端果梗到底部蒂端的最大长度，横径指柚类果实赤道线的 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究切断面直径，如图所示。同时规定出表示柚类果实形状特征的果形指数，给出果形指数计算方法，为测定果实纵径和横径按式计算。、式中：果实纵径，果实横径，。在蜜柚形状检测中，不同品种的柚的分级级数和分级指标描述见表。表柚类的果实形状分级要求果形分级指标亩溪蜜柚等次特等品二等品描述果形端正果形较端正，无畸形果果形较端正，无畸形果玉环柚等次一品二等品播述果形端正，扁圆形或高扁圆果形尚端正，扁圆形或高扁圆形，果挤微或平，形，果挤微果肩有轻度果肩有轻度倾斜，但不得有严重影响外观的畸形果倾斜沙田柚等次一等品二等品描述果实的形状。果形端正指果果形尚端正指果实呈梨形或近梨形。果顶中心微凹，实呈梨形或近梨形，果顶中常有印环，或放射沟纹，无畸形心微凹，有印环，似古铜钱果形指状，俗称“金钱底”，无畸形果形指数通过对表中不同品种蜜柚果形分级指标比较，发现其形状特征的描述基本类似，第一评价果形是否端正整齐，第二评价是否无畸形果，对柚果的形状特征的描述标准中（除沙田柚）均无明确参数界定，这里主要研宄按出口标准中果形指数提取特征参数，以璃溪蜜柚为例，通过对釆集的箱溪蜜柚果实图像进行分析，比较不同果径、果形指数的计算方法，研究畸形果的判别方法，其研究方法流程如图所示。同时研宄表征柚果果形模型，为后续的蜜柚可食率预测方法研究打下基础。 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究图像采集—隱像预缝理：！柚果边界提取果径计算霸崎形果判■图果形检测研究流程果形分析与果径计算通常情况下，水果果径检测的要求是计算最大果径，基本方法是在边界轮廓提取的基础之上能够比较简便的获取最大果径，即求边界上两点之间的最大距离。而对于蜜柚果实来说要计算纵径和横径。通过观察不难发现一般蜜柚以纵径为轴的纵切面基本对称，即形状以纵径方向为主轴对称分布，对称度越好果形就越端正。因此，除了在常规的通过纵径横径表征柚果大小和果形指数以外，计算且定位纵径横径对蜜柚的果形检测和畸形果判别具有重要意义，在此基础上对基于区域的果形分析方法与基于边界的果形分析方法进行研宄，给出果形检测和畸形果判别的依据。蜜柚为非类球体的果实，其在空间主要以轴对称形式生长，因此本节以分析采集的蜜柚柚果正侧面方向的图像作为研宄基础，在实际应用中釆集幅以上的垂直于纵径的图像进行分析比较最终来判断果形，一般采集绕纵轴旋转方向上间隔。的幅图像。图像的形状位置描述图像质心。】能够较好的描述特征位置，由于蜜柚为凸形形状，定位柚果图像的主轴过程中求得其质心十分必要。对于分割处理后的二值图像计算形状内部所有像素的总数，记作形状中点的坐标记作质心的坐标可通过平均形状中的每个像素点的坐标求得—‘广式中：质心坐标；质心坐标。但是对于边界像素而言式、并不适用。计算边界图像的质心时，记边界上点坐标为边界需是封闭的即⋯质心坐标为：泌⋯ 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究式中：边界质心坐标；边界质心坐标；边界面积。根据斯坦福研究所提出的一种形状方位描述子，柚果形状相对于水平参考轴线的空间方位是方位描述子集合，其定义为：①目标方位约束框：与主轴同向的外接最小矩形；②方位框的高度：外接最小矩形的高度；③方位框的宽度：外接最小矩形的宽度；④方位框的面积：外接最小矩形的面积；⑤方位框的比率：外接最小矩形面积和目标面积的比率；⑥最小半径：在质心像素和边界像素之间的最小距离；⑦最大半径：在质心像素和边界像素之间的最大距离；⑧最大半径角：最大半径向量相对于水平轴线的角度；⑨半径比率：最小半径角和最大半径角之间的比率。在图像中以质心为极点建立坐标系，形状上像素点的坐标即上述的质心像素与边界像素之间的距离记作，与其向量相对于水平轴线的角度记作，即边界点的坐标为（由此建立柚果果形分析的基本模型，如图所示。图果形分析基本模型果形分析蜜柚果形分析的核心是要找到图像中果实纵轴和横轴的方向，以此来确定果形指数以及果形是否端正。本节对确定纵轴方向的两种方法做了详细讨论。①图像方位角法对常见的类椭圆形与梨形这两种外形的蜜柚分割后图像进行形状方位描述子的分析，发现其中类椭圆果实可以用最小外接矩形法、椭圆回归法求得纵径和横径但对于梨形果实不适用。这里计算柚果果径的方法是通过确定主轴（即形状的转轴，也是纵径的方向），定位了纵径的方向后再计算纵径和横径的长度。定位纵径的方向实际上就是求图中的，此处称为方位角。下 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研宄面讨论求得方位角的方法。由概率理论，在图像形状分析中用连续的图像函数，代替联合概率密度并将其第，个矩定义为——中心矩定义为：——式中：％，是的边缘平均值。这类空间矩的低阶矩可以表示物体的形状。对于离散图像函数；使用图像几何变换时笛卡尔坐标的表示。定义其第，个空间矩为式中：缩放坐标全，全第，个缩放后的空间矩为即、門於这里低阶的空间矩对形状分析十分有用，其中零阶空间矩表示图像像素值的和，即二值图像中的面积，见式。一阶行与列的矩分别为一阶空间矩和零阶空间矩的比率表示为财⑷ 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究为上式给出了图像函数，；的平衡点，即在中计算的图像的质心。建立质心后，将与式相一致的比例空间中心矩记作‘第，个非比例空间中心矩为；工其二阶比例中心矩有行惯性矩，式列惯性矩，式行列交叉惯性矩，式。‘；冗定义二阶惯性矩阵『对式进行奇异值分解得到对角矩阵式中：的列是的特征向量。包含了以的特征值为去又圣；一丄〒令方位角定义为义显式地表示为、叩巧 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究则形状的长短轴比率为实质上为柚果图像的果形指数。下面给出柚果的形状在围内的不同方位的图像，如图所示，、—组，、一组，、—组，每组为同一柚果不同方位，测试图中图像的惯性矩数据见表。图柚果不同旋转方位图像表不同方位柚果图像的惯性矩数据图像序号最大特征值最小特征值方位特征值比°°°°°°根据对图中形状与表中方位角的比较，可以看出采用空间矩的方法能够准确的定位主轴与水平方向的夹角，但这种方法计算量较大导致分析空间矩定位主轴方法实时性较差。②边界展开法针对上述方法实时性差的特点，这里讨论一种简单有效的方法。由中计算己知柚果图像形状的质心，显然形状的主轴必然通过其质心，蜜柚果实水分较大，其果实整体的质量相对来说很大，类楠圆形和梨形的柚果在生长过程中由于重力作用下基本以主轴（纵轴）对称，其重要特征是果梗处明显突出，如果能够确定果梗在边界上的位置，其与质心的连线即主轴。对于柚果侧面采集的图像而言，根据图中建立的果形分析模型可知，判断沿着边界上像素点的，发现半径变化与果形变化规律一致，果形边界图像突变越大，对应边界上点的变化越快，由此下面分析判断柚果主轴的方法。对边界图像用扫描的方法易求得，边界上的点到质心的距离，即极径 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究；式中：边界上点在水平方向坐标；；—边界上点在竖直方向坐标；—质心在水平方向坐标；—质心在竖直方向坐标。归一化半径为二给出一幅形状不规则的柚果图像进行分析，如图所示。计算图像中的在坐标系中将图像沿其边界展开，结果如图所示。、二、、一““。！——；一边界图像（展开图图不规则柚果边界图像展开通过对边界图像展开曲线的观察，发现展开曲线能够很好的反应果形情况，结合蜜柚生长的特点可知果梗区域是柚果形状最突出的部分，由于柚果挂于柚植株上生长，果梗是果实和植株的唯一的连接处，在重力影响下柚果通常形状为梨形与类摘圆的水滴形，柚果的正侧面图像中果梗区域边界上像素点到形状质心的距离最远，因此标记果梗点就是找到；；在一些情况下值不唯一，是由于果梗连接处边界会有短暂的平缓和陷，但柚果形状基本以纵轴对称，因此果梗点附近边界的短暂平缓和凹陷总是以其对称，如图所示。：—、梁梗点图有两点最大边界距离时果梗点位置确定依据这种生长特点来判断果梗点位置：第一种情况，柚果边界的唯一时，标记其对应点位置可求得；第二种情况，柚果边界的儿对应有两点时，情况如图中所示，根据柚果生长特点标记两点在邻近段的中间点作为果梗点；第三种情况柚果边界的对应点数大于的情况有李于柚果生长特点，只在极端的畸形果种出现。观察图发现变化最大区域对应的是果梗处边界区域，找到的对应的果梗点坐标，标记出果梗点到质心的直线，即定位柚果的纵轴。此种方法较为简便，但定位结果存在一定误差。果径计算根据上节计算纵轴方位角以及质心与边界距离的两种确定蜜柚纵轴的方法，能够方便的求得 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究果径。定位纵轴后，做过果梗点与质心的直线，标记其与边界的另一交点，此点到果梗点的距离即为蜜柚的纵径垂直于纵轴做一条直线，其与边界的两个交点为两点距离为柚果的横径通过对个措溪蜜柚果径测量，比较通过两种果形分析方法求得果径的误差，见表。表果径计算结果比较最大绝对误差平均误差最大相对误差纵径方位角计尊方法横径纵径质心与边缘距离分析法横径果径计算的误差主要是由于纵轴的定位误差引起的，方位角计算方法的准确性相对较高，质心与边缘距离分析法误差相对较大的原因是定位纵轴时的误差较大，两种算法的运算量均较大。对两种方法分析对比后，质心与边缘距离分析法能够比较方便的改进减小其运算量，在图中分析时对边界上每一个点进行了展开计算，若取一定的步长选择计算边界上点的能成倍的减小其运算量。步长的选择有两种方式，第一种方式是通过给定间隔像素数选取边界上像素点，选取间隔步长时，展开如图所示。不难发现展开的曲线在，都能够反应柚果形状的突变情况，但步长越长确定果梗点的范围就越大，误差也随之增加。；！丨「“！：厂、、。二、丨■！ 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究‘！卜：、乂、‘—图不同步长边界展开第二种方式是通过给定极角步长选取边界上像素点，例如选择，。，时基本相当于第一种方式的展开，虽然其像素数间隔不是均勾的但差值不大，而步长时，从图中可以看出取样点之间像素数差别较大，每个取样点之间丢失形状特征较多，且与其起点选择有较大关系，稳定性差。°图极角步长选择因此，选用间隔像素数作为步长简化计算较为理想，同时必须注意步长选择过大会导致丢失形状细节而使定位发生错误，适当选择步长以减小运算量。蜜柚形状检测蜜柚的形状检测是外部特征检测的重要内容之一，在行业标准《出口柚检验规程中规定出口商品柚的果形指数作为形状检测指标，在蜜柚生产的国家标准和行业标准中对形状要求见表，可见对柚类果实的形状指标主要以端正整齐的描述为主，本节主要讨论果形检测方法，同时讨论以判断果实的对称程度是否能够定义果形端正整齐。基于形状描述子的果形检测在蜜柚图像分割之后得到其形状区域，通常为了表征该区域的特征选取一些区域的值作为其 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究区域形状描述子，这些参数的组合去除了原有值的量纲，以比值形式出现。包括：长宽比———形状因子、一圆度致密度式中：—柚果纵径；—柚果横径；柚果图像面积；抽果图像周长。长宽比即我国柚出口标准中要求的果形指数，表示了面积不变的情况下形状被拉伸的情况。形状因子，表示面和周长的比率，在同样的面积下形状因子越小说明形状的复杂程度越高。蜜柚在通常生长情况下纵径为最大果径，圆度表示形状与其最大外接圆的接近程度。分析使用相同形状描述子可能出现的形状差异情况，图中用长宽比（即果形指数）时，不难发现同样的长宽比柚果的形状差异较大，因此用果形指数判断的结果并不理想。图同长宽比的外形比较因此，用离散的形状描述子获取形状信息非常有限，组合使用上述的特征能够较好的提高果形判断准确性，这里简单安排一组比较试验，选取一个形状标准的柚果求其长宽比、形状因子、圆度进行检测。在随机挑选的个璃溪蜜柚中人工挑出个与标准柚果形状相符的果实，将通过图像采集计算形状描述子检出结果与检验人员目测果形检测结果对比，表中比较了采用不同描述子组合检测果形的效果，可以看出用组合的形状描述子检验的效果较好，需要给定准确的比照标准或通过样本特征比较求得。柚果生产标准中的果形端正主要指其对称程度的好坏，下面讨论一种较为简便的对称程度的检测方法作为果形端正的判别方法。 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研宄表形状描述子组合检测比较人工检出形状相符用形状描述子比较检出形状描述子柚果个数误差率的个数形状相符的个数基于轴偏角的果形对称检测通过中标记果梗位置的方法来判断柚果的对称程度，由于蜜柚的生长特点前述中也提到其形状基本以主轴对称，这里通过一种简单的方法来判别柚果对称程度。对于只有一个对称轴的图像来说其对称轴一定通过其几何中心，而几何中心一般是外接圆的圆心，蜜柚果实形状一般为水滴形，能找到唯一的最小外接圆，其圆心依据如图所示的流程求得。定位梁梗点计算果梗点其他边界点的距离所对应边界点过果梗点与点以—为》径做國求得國心点坐标计算到其他边界点所对应丨边界点；求得所霈外接圆以、、三点作圆图计算最小外接圆流程计算外接圆的方法中遍寻到每个边界点的距离的计算量较大，由于柚果尺寸较大，可以采用前节讨论过的取一定的步长来间隔取点计算以减少运算量。根据上述最小外接圆心计算方法，找到经过果梗点的外接圆的圆心点，点为图像质心，以此判断纵径（与果梗点到此圆心的连线（的夹角，当几何中心在质心的左侧时规定 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研宄为值，反之为值，如图所示。；、‘。。（°图不同柚果图像计算所得轴偏角通过对个璃溪蜜柚样本图像角计算，可知角数值越小说明纵轴越靠近标准对称轴，图像对称性越好，时轴对称，角定义为轴偏角，可以用来表征图像的对称程度，对称程度较好的柚果的轴偏角较小。图中柚果形状对称情况明显较差，轴偏角增大较多，所以可以通过定义轴偏角的大小来判别柚果的对称程度，即判断是否果形端正。选取个宿溪蜜柚柚果，其中人工选取采集的图像对称度好的柚果个分为一组编号〗，另选图像对称较差的个分为一组（编号计算所有柚果图像丨角，如图所示，通过分析可以确定允许的对称偏差范围，即本组的阈值。。：■；；：：：：°“—。°。。。。。讨称较好。。对称较差！二⋯！！■编号图柚果轴偏角实验结果分析综合上述两种方法，能够较为准确的描述国家标准中蜜柚果形，即可采用定量的果形参数来给出果形检测指标，包括长宽比、形状因子、圆度、轴偏角。采用离散的形状描述子在一定程度上可以很好的表征蜜柚的外形特点，可采用上述讨论中、作为描述果形的参数来检测其形状特征，即能够满足现有标准中的果形指数要求，同时能够更加准确的给定蜜柚的形状检测标准参数。本节实验中的馆溪蜜柚的°时，其果形满足特等果的果形端正要求。 中国农业大学博士学位论文第三章基于机器视觉的蜜袖外部特征检测方法研宄畸形果检测常见的畸形蜜柚主要是指对称程度较差，某一部分严重突起或果梗处的突出部位向某一方向倾斜严重的果实，其典型情况如图所示。鐘图畸形果纵切面从图中可以看出畸形柚果的纵切面的结构，明显的发现可食用的果肉部分的偏离程度不高。果梗处向一侧凸出的部分倾斜严重，其内部主要是果皮，此果实果皮占到了整体的将近三分之一，果肉占果实的比例相对低，一般在生产销售中作为较差的等级蜜柚，其品质和价值较低。因此必须在柚果分级时检测出类似情况果实，保证柚果按标准进行分级。前述中对柚果的形状特征分析方法进行了讨论，本节中主要是利用前述内容中分析的形状特征检测方法来进行畸形柚果的挑选。基于几何特性的畸形果检测针对畸形柚果的特点，成熟柚果的大小一般在一定范围之内，因此其纵切面图像面积变化不会有很大差距，但是表面有畸形情况的果实图像形状的周长一定会变化很大，由式可知，在同样或近似面积下如果周长变化幅度较大，那么其对应的形状因子〔厂也随之大幅度变化。因此，用图像的形状因子来表征柚果表面有无严重突起的情况。根据对典型畸形柚果观察，其另一个主要特征就是以纵轴为对称轴的对称情况，如果畸形严重则图像不以纵轴基本对称，因此，用计算柚果轴偏角的方法来表征其按照纵轴对称的情况。随机挑选个谊溪蜜柚，采集其正侧面图像计算其形状因子与轴偏角作为特征，由于这两种特征值与柚果形状变化有较好的对应关系，因此将不同结果的柚果图像分类并计数，分类方法按照值在区间每间隔分为一组，轴偏角值在区间每间隔。分为一组，记录每组个数并将数据归一化后建立统计图，如图所示。 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究统计个数、。、：：二“一、、、—、一统计结果高度图图形状因子与轴偏角特征统计结果将试验的结果数据在图中用等高线图的方式表示出来，可以看出个柚果的分布情况，这里将等高线区域用阈值划分为四个区域、、、不难看出区域代表了柚果图像的形状复杂且对称度差的柚果数量分布，区域代表了柚果图像的形状不复杂且对称度差的柚果数量分布，区域代表了柚果图像的形状复杂且对称度较好的柚果数量分布，区域代表了柚果图像的形状不复杂且对称度较好的柚果数量分布，一般情况下柚果形状基本以纵轴对称，同时轮廓似梨形或类椭圆形无复杂边界，图中很好的说明了柚果形状的分布特征，形状无复杂边界且对称度较好的柚果占绝大多数。通过对上述幅柚果图像的统计分析，可知根据蜜柚形状因子—与轴偏角特征参数能够检测出畸形果实，但其阈值需根据蜜柚的种类和批量抽样统计得到，因此在实际应用时具有局限性。傅里叶描述子畸形果检测由中所述的展开边界的分析方法，可以将其归为边界转换为函数进行分析的问题，每周期重复一次，对其进行傅里叶展开得 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究。〗■■■式中正弦项，表示为式中：幅值；相位。通过柚果边界图像傅里叶展开得到的级数来描述图像的形状特征，即为傅里叶描述子。傅里叶描述子形状识别可以广泛的应用到果蔬检测中。年，应义斌提出了将傅里叶描述子用于水果形状研究的基本方法年张俊雄采用傅里叶描述子分析提出了检测相梧形状突起的方法年，戚利勇等在黄瓜形状识别中釆用了基于归一化圆傅里叶描述子的方法本节根据蜜柚的特点，分析讨论傅里叶描述子在柚果形状识别中的应用。将柚果形状边界看作是复平面上的连续封闭曲线，其可以用边界点上的瞬时曲率来表示，以前述的图像质心为原点建立复平面坐标，如图所示。广一、如■图复平面坐标用复数函数表示为其正切角为⋯⋯、、，，其曲线上某点的曲率是事值函数⑴—由上式可建立重建公式在柚果形状周长上具有周期性，且边界由个像素点组成，其离散傅里叶级数形式被扩展为、系数计算 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究〔广⋯，根据不同级数项数对柚果边界图像进行重建，前项重建结果如图所示。〇〇原边界（图不同级数项数对柚果边界图像重建效果使用不同组数的傅里叶描述子对柚果边界重建后，不难发现前个系数重建出的边界已经 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究非常接近原边界图像，因此采用傅里叶级数中前几项即可保留大部分特征形状，可以用傅里叶描述子来准确的进行柚果形状特征分析。这种方法可以对任意品种的柚果进行形状检测，通过比较重建的柚果边界的差异来定量表征柚果形状，这种方法适用于进行畸形果检测。在中给出的畸形柚果的检测方法中，需要对样本统计来确定特征值的范围，样本选取量越大并且其中包含的各种形状柚果越多，效果越好，对于较小的样本量，精度不高。因此，在这里提出利用傅立叶描述子表征形状特征的方法来检测畸形柚果。分析图可以看出当用前项级数重建图中的柚果图像边界时，得到了包含形状纵轴和横轴特征信息且平缓无突变的边界，用前项级数重建边界得到的图像基本包含边界的细节特征，将两者比较发现在柚果边界上有突变的地方在重建过程中变化明显，通过这种简便的比较可以判断柚果形状边界的突变，以此来检测畸形柚果。下面选取一个形状端正柚果和一个畸形柚果采集图像对其进行傅立叶描述子边界重建，将得到的结果归一化后按角度步长展开分析，如图所示。“■。乂一、：；形状端正柚果边界傅立叶描述子重建比较—■飞、丨‘、：乂、一一乂畸形柚果边界傅立叶描述子重建比较图不同柚果边界傅立叶描述子重建展开比较将两个样本通过傅立叶描述子重建，选用级数前，项重建边界，可以看出图中突变明显的畸形果样本的两条展开曲线的在多个区域重合度较低，而图中形状规则端正的样本的两条展开曲线总体重合度较高，定义表示边界图像采用不同项数重建的变化量，的变化幅度表示了图形边界的突变程度，将—化为有式中：—图中图形边界的突变程度； 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究—图中图形边界的突变程度。由于边界图像展幵的范围是（°，°，选择相同步长值的大小直接反映出形状的突变情况。由此可知通过分析不同基数项重建边界的质心与对应点距离差能够判断柚果的畸形程度，即给定样本的作为阈值判断畸形柚果。选取箱溪蜜柚个正常果，个畸形果，对采集的边界处理后重建计算，并求得每个柚果平均的变化值巧°结果如图所示，样本量越充足选择的判断闕值越准确。■■°°°°‘°。。。沿形端正°崎形‘‘‘‘丨编号图傅立叶描述子重建比较检测结果由图中实验结果可以看出，对宿溪蜜柚采用重建边界比较的方法能较好的判别出畸形柚果，其巧时为畸形果。蜜柚着色率与表面缺陷检测通常蜜柚果实的表面颜色各有不同，一般情况下柚果表面颜色在果实生长过程不断变化，根据植物色素（叶绿素、类胡萝卜素、花青素）含量多少所决定。果实未成熟时叶绿素含量大，果实表面呈绿色。果实成熟时，类胡萝卜素、花青素使果实表面呈现出黄、黄橙色因此可以通过其颜色的变化判断出其成熟的程度，蜜柚果实成熟后主要呈现黄色或黄橙色如图所示。本节研宄分析蜜柚表面颜色的分布，通过成熟颜色的着色率来研究柚果色泽检测分级的方法，分级标准描述见表。□□黄色柚果（黄绿色柚果图柚果常见颜色另一方面，蜜柚表面的机械损伤、病虫斑、日灼伤、果绣等表面缺陷对柚果外观及内部品质 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研宄影响很大，其分级标准见表而表面的这些缺陷的特征最直观的表现在与柚果正常表面颜色的差异上，因此本节还分析讨论了基于颜色空间的表面缺陷的识别方法。表蜜柚色泽与表面缺陷分级指标分级指标辑溪等次特等品二等品蜜柚色泽色泽均勾，釆收时允许色泽较均勾，采收时允许色泽均勾，采收时允许有黄绿有黄绿色，但不超过果有黄绿色，但不超过果面色，但不超过果面的面的的表面缺陷果面光滑洁净，病虫害果面光滑尚洁净，病虫害等造成的附着物合并等造成的附着物合并计果面光滑洁净，允许有极轻微计算，其面积不得超过算，其面积不得超过果面的表面缺陷果面的，但这些缺的，但这些缺陷无论陷无论如何不能影响如何不能影响果实的果果实的果肉肉沙田柚等次一品二等品色泽着色良好着色较好表面缺陷无机械伤。无影响外观的旧伤无新的机械伤。无影响外观的旧伤痕及病虫斑，其痕及病虫斑，其分布面积合并分布面积合并计算不超过单个果皮总面积的计算不超过单个果皮总面积无腐烂果的无腐烂果玉环柚等次品二等品色泽橙黄色或黄色，采收时允许有橙黄色或黄色，采收时允许有黄绿色，其着色部分黄绿色，其着色部分应大于果应大于果面总面积的面总面积的表面缺陷果面光滑洁净，无萎蔫、裂果，不得有馈疡病斑和深症、介壳果面光滑洁净，无姜蔫、裂果，不得有演病病斑和虫、绣壁虱危害斑点、烟煤病深症、介壳虫、锈壁虱危害斑点、烟煤病菌污染、菌污染、药迹、泥土等，一切药迹、泥土等，一切附着物合并计算，其面积不得附着物合并计算，其面积不得超过果面总面积的。无未愈合的机械伤、日灼超过果面总面积的。。无未伤。允许有不严重影响外观的风伤和疏网纹愈合的机械伤、日灼伤。允许有不影响外观的疏网纹彩色模型选择彩色模型是用来精确标定和生成各种颜色的一套规则和定义包括模型、模型、模型、模型、模型、模型等，在这其中模型是最广泛运用的一种颜色标准，图像是生成各种颜色空间图像表示的基础；模型是符合人眼描述和解释颜色 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究的方式，非常适合在农产品检测领域使用。本节涉及到模型、模型，以及二者之间的相互转换。模型模型是最广泛使用的彩色模型，是与图像采集和显示设备相关的彩色模型，图表示其对应的坐标系统。一符：：绿‘■⑶黄图彩色坐标示意图彩色模型模型使用色调（、饱和度（和亮度（来描述颜色，其模型如图所示。零图模型示意图将颜色由转换到一幅彩色格式的图像可转换为°式中一广 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研宄从到的转换公式给定在之间的在同一范围内得到相应的值。区域°区域°°—区域°°「——蜜柚表面颜色特征分析成熟蜜柚的颜色在人类视觉体验中一般呈黄绿色和黄色两种颜色，其颜色分布情况无非三种情况，分别是果面颜色呈黄绿色比例较大、黄绿色比例较小和无黄绿色，按上述情况挑选出类璃溪蜜柚柚果作为样本来分析表面颜色特征，对样本图像进行、直方图分析。为了更好地分析目标图像颜色信息，如图所示对蜜柚图像分割去除背景，分析通道直方图得到背景分割阈值。类馆溪蜜柚柚果背景分割效果如图所示。‘通道直方图（背景分割效果图图像背景目标分割 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究□□□黄绿色绿色偏多（黄绿色黄色偏多（全黄色图着色率不同三类柚果分割后图像分析分割后的图像所得如图所示归一化直方图如图所示归一化直方图。■——‘卜！：。一：‘三类柚果通道直方图！水说她一。：°°°：」三类柚果通道直方图「■，——■“‘■‘■°三类柚果通道直方图图直方图 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究—‘■，「丨—；三类柚果通道直方图厂〖丨、三类柚果通道直方图——’—‘丨！—垂」—三类柚果丨通道直方图图直方图显而易见三类柚果中黄色柚果与黄绿色柚果在各个分量上均有差距，其中、、尤为明显，因此通过分析蜜柚的、颜色模型来讨论颜色与缺陷检测。蜜柚表面颜色检测蜜柚表面颜色指标在表中的描述为色泽是否均匀、着色率水平（即采收时黄绿色的着色面积少于一定比例），这里将通过分析图像的颜色特征，对柚果表面的色泽和着色率进行分析，讨论柚果表面颜色检测的方法。色泽的描述方法对于柚果表面颜色的定量描述实质上就是统计不同值像素在目标图像中所占的比例，对于一幅图像来说考察每个像素点的值与所占比例，统计时样本量过多，这里采用一种区域分析 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究的方法来描述颜色分布。简单的说是将一幅图像划分成相等的个区域，考察单个区域的颜色情况，而后考察每个区域在图像中的分布情况。自然生长的水果由于光照和植物色素分布的因素，其颜色变化连续平滑，换言之即在划分的足够小的区域内总颜色的变化不大，其值相近。因此，在柚果表面颜色分析时可以用某一个值来代替其所在的整个区域的颜色分布情况，当区域大小为像素时表示原图像。为了提高准确度对柚果图像做简单的处理，在分割的基础上求得包含柚果目标的区域，对一幅图像逐行逐列去除行或列中所有元素为的部分，剩余部分实际是目标的一个像素的外接矩形，将矩形划分区域为行列，目标被划分为个区域，每个区域的宽度取整为像素，长度为像素，由上述柚果颜色特点可知相邻区域边界的像素值差异不大，采用向上取整方式。区域划分如图所示。图表面颜色不同区域划分小区域的形式有两种，区域全部由目标像素充满和区域局部由目标像素充满。对第个统计区域求其均值来表征本区域的总体值。尤⑷（玩对第个统计区域求其标准差来表征单元像素点值的离散程度。⑷⑷以图为例，计算个图像区域的均值与标准差值，逐行记录数据得表中结果。表个区域中均值与标注差像素图像位置（行，列￠， 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研宄，，，，，从表中可以获得丰富的颜色信息，，，，，区域的均值小于其他区域的均值，其共同特点是边界区域。由柚果表面颜色变化连续平滑的特点，可以假设区域均值小于全局均值的分区为边界区域，可在色泽检测中副除，当划分区域数量增加时这些区域对全局的影响越小。，，区域完全处于边界内部，其均值远高于全图的均值，而标准差值低，说明这些区域内像素的值相差不大。考察柚果的颜色特征，因此，可用相邻区域均值差异与各区域标准差来定量柚果表面颜色，判别色泽是否均勾，通过统计黄色、黄绿色区域所占数目比率来计算着色率。色泽与着色率检验色泽检测在标准中是指柚果表面颜色是否均匆，是否着色良好，例如璃溪蜜柚中黄绿色所占的比例各级分别不超过、、，实质上其着色率客观反映了柚果成熟的程度。依据上节分析，根据目标图像上各区域之间的关系来表征色泽是否均匀，表对图中色泽均勾且着色良好的柚果给出其个区域的定量描述，取进行分析，其图像。表全黄柚果区域着色均值与标准差〔 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究通过分析判断这些区域的、，对这些区域进行如图所示流程处理，其实质上是完全除去了包含边界的目标区域，其中标准差主要反映区域中值分布的离散程度，需通过大量试验取保证离散程度小的阈值，取值范围一般在（间，这里〗。 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究十孩图像’广卜党个区域保第个明總第倾域■■无边界丨域的杯图像处理流程（效果图提取颜色目标区域通过上述处理得到如图所示完全无干扰的非边界区域集合，对这个集合区域进行定量分析即可知柚果表面的色泽是否均勾，当划分区域的，取值越大所述集合区域与原图像越接近，分析的结果越准确，可适当的取值保证准确性和运算的效率。分别对图中柚果进行上述处理，取，取，求得非边界区域集合数见表，可以看出集合的定量值能够描述色泽均勾的程度与柚果总体颜色情况。表提取目标区域比较集合均值集合标准差保留区域数绿色偏多黄色偏多全黄根据上述分析，蜜柚的着色率检测，需要根据不同品种的蜜柚样本提取其要检出的黄绿色样本值，在非边界区域集合中计算黄绿色区域（即⑶、区域）的占比确定着色比率；对样本计算的，如果非边界区域集合的乂￠判定色泽不均匀。按上述方法，随机抽取幅箱溪蜜柚图像进行着色率的检测试验，见表。表着色率实验结果特等品（个数一等品（个数二等品（个数色泽均匆，黄绿色不超过色泽较均勾，黄绿色不超指标黄绿色不超过果面的果面的过果面的目测检测误差率实验结果显示，对特等、一等琯溪蜜柚的检测效果较好，而二等品误差率大的原因主要是，色泽均勾程度主要由标准差定量判断，图像的标准差比较敏感，如果有小面积的虫伤、果 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研宄锈、病伤会使图像离散程度急剧加大，导致直接判断色泽不均匀，即使￠幻值取得较大也会判断为色泽不均，这种情况会使优等次的柚果判为次等，对品质分拣效果的影响不大，因而本方法具备一定实用性。蜜柚表面缺陷检测蜜柚的表面缺陷的种类很多，是由于多种多样的原因引起的，包括外界机械力对果实造成的机械损伤；果实被日光灼伤后形成干症；果实与树枝发生摩擦引起的表面风伤；分布在果实表面的疏网纹以及各种病虫伤。不同的表面缺陷形式各异，但是其共性的表现在这些缺陷的颜色与柚果表面的黄色、黄绿色及浅绿色完全不同，典型缺陷如图所示，因此本节主要使用中分析思路来讨论使用颜色特征来检测缺陷的方法。■■虫伤（病害■风伤（机械伤图柚果常见表面缺陷基于颜色分析表面缺陷特征值提取典型的表面缺陷区域的特征值，通过与柚果表面非边界区域集合的比较来确认缺陷所占的比率检测缺陷柚果，例如培溪蜜柚分级标准中明确要求病虫害等造成缺陷合并计算的面积不超过果面的。本节以分析措溪蜜柚的黄斑病病斑为例说明表面缺陷检测方法。采集柚果的黄斑病病斑区域图像与正常果面区域图像，小片黄斑采样样本如图所示，记作成片黄斑采样样本如图所示，记作正常成熟黄色果面采样样本如图所示，记作正常成熟黄绿色果面采样样本如图所示，记作。 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究■■小片黄斑采样（成片黄斑采样正常成熟黄色果面采样（正常成熟黄绿色果面采样图柚果的黄斑病病斑区域图像与正常果面区域样本四个典型样本的定量分析数据见表，可以看出样本的、、均值有较大差异，样本的的均值更为明显。对于黄斑病病斑的检测中可采用上节中定量着色率的方法完成，计算一定值范围内病斑区域在全局中的占比作为判断依据，检测是否达到标准中病斑比率。但是，柚果缺陷形式众多，同种原因引起的缺陷颜色特征也有差异，往往很难确定标记为病斑区域的阈值，因此考虑用人工神经网络的方法来训练识别。表典型样本区域的特征值；基于人工神经网络的蜜柚表面缺陷分析人工神经网络是一种从样本中学习后为离散值或函数提供决策的重要方法，通常在分层网络 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究中至少有层组成，输入层、输出层以及隐藏层。本节采用人工神经网络反向传播算法（神经网络）来进行柚果表面缺陷特征识别。神经网络分类器包含个输入层，个隐含层和个输出层。由前节所述釆用无边界区域图像的、、、作为特征参数，因而输入层的输入神经元数量为。隐含层含有可变数量的神经元，隐含层神经元数根据式进行选取。式中：—隐含层神经元数目；—输入神经元数目；—输出神经元数目；—之间选取的整数。输出层含有一个神经元，结果用或表示，代表缺陷果，代表正常果。传递函数采用函数如下式中：权值向量；⋯输入向量。对柚果表面无边界区域图像作为训练样本归一化处理后，用幅缺陷果图像的颜色特征进行网络训练，获取网络的权值与阈值，同时选择隐藏层个数，比较不同的值训练结果，最终选取隐含层数为。输入缺陷果图像样本各幅，正常果图像样本幅进行识别，同时检验神经网络分类器的识别准确率，结果见表。表基于颜色特征的分类器识别结果柚果表面无边界区域图像样本个数正确识别个数识别准确率（％缺陷果正常果本章小结本章从蜜柚的外形分析入手，对柚果纵径与横径的计算方法、对称度评价方法、形状检测、畸形果检测开展研宄，选取比较果径计算的空间矩方法与展开法，讨论了基于区域参数特征的果形检测方法，即可采用果形指数、形状因子：￡来描述果形，提出了轴偏角的概念，并利用其判断蜜柚是否端正，由实验结果可知箱溪蜜柚，时，其果形满足标准中特等果的果形端正要求。在畸形果检测方法研究中讨论了形状参数用于检测，同时利用果形的傅里叶描述子重建准确描述果形，提出了用不同级数傅立叶描述子重建边界展开后距离差值来准确判别畸形蜜柚的方法，相较之下其优点在于通用性好，适用范围较广。将蜜柚的色泽与表面缺陷按相关国家行业标准中要求归为一类问题进行分析研究，提出了基于区域划分的色泽描述方法和着色率的检测方法，并采用此方法进行柚果色泽与表面缺陷的研宄，通过实验验证其能较好的满足标准中着色率检测指标的计算与表面缺陷指标的检测。 中国农业大学博士学位论文第三章基于机器视觉的蜜柚外部特征检测方法研究综上，本章系统地研宄了利用机器视觉检测蜜柚外部特征的方法，实验证明能够较好地检测柚果的各项外部特征，完成了静态条件下蜜柚分级检测的目标，达到了标准中的检测指标要求，对于指标中部分描述性的指标给出了准确的分析方法。同时，本章研究中涉及到的质心计算、果径计算、对称度获得、形状因子参数使用等内容，将为下一步讨论蜜柚的结构特征提供支持，在下一章节中果径、轴偏角、形状因子成为描述柚果结构特点的一部分重要参数，本章研究结果将应用到蜜柚生产中快速无损可食率检测与快速可食率抽检方法的研究中。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究第四章蜜柚可食率检测方法研究引言蜜柚与其他水果差异较大，一般生产实践中将其与根橘类水果作近似的处理，实际上其果实的内外部特征非常独特，体积、重量、果形与其他水果有很大不同，柚类果实的果皮质地、尺寸，果肉结构、分布形式都具有特殊性。蜜柚的生长特征较其他樹橘类水果有独特之处，其果实果皮较厚、囊瓣皮较多所含非食用部分占比例较大，对于品质优良的蜜柚来说其食用部分占比例为一项重要指标。本章拟通过蜜柚的形状特征、内部结构特征来研宄柚果可食率检测分级的方法，在蜜柚品质的快速抽检和生产分级无损检测中具有重要意义。在柚生产的相关标准内对可食率都给出了明确指标，在《出口柚检验规程》中规定可食部分百分率（可食率），记作按式计算⋯、、⋯—式中：一样品果总质量，样品果中果皮质量，—样品果中种籽质量，—样品果中囊瓣皮质量，。标准中规定，抽检时要求将样品清洗拭干，测量，分离样品果得果皮（含白皮层、种籽、囊瓣皮，测量其、值，要求称重精度高达。这种常规方法需要将柚果全部分离称重，操作过程相对复杂耗费时间较长，要求称重精度高，不适用于快速抽检和实际分选生产的场合。同时，蜜柚内部品质评价指标在我国的国家标准、行业标准中给出了明确的判定指标，详见表。表柚类可食率检測指标璃溪蜜柚沙田柚玉环柚梁平柚垫江白柚可食率乏果皮厚度在生产流通环节中通常蜜柚出口需要进行严格的抽样检测，规定在出口每个包装箱中随机抽取个果实进行理化检测，分离称重果肉、果皮、囊瓣皮以计算可食率。对于批量大的出口而言其抽检过程需要复杂的流程和大量的时间，例如在璃溪蜜柚的检测标准中抽样规定，抽样比例以箱计，箱以内随机抽取箱；箱以上按随机抽检，最少不少于果实，最多不超过箱。在国家标准《新鲜水果和蔬菜取样方法》中规定了水果抽检取样数量的标准， 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究在种有同样规定，其要求见表、。表包装产品抽检取样件数同类包装货物件数———抽检货物取样件数最低限度）一表散装产品抽检取样量批量货物的总量（———抽检货物的总量（最低限度）显而易见，越大批量的柚果产品品质检测时其抽选的样本量就越大，而要提高柚果品质检测的准确性必须提高抽检样本数量，通过理化检测的方法检测数量较多的柚果会耗费大量时间人力，并且需要检测人员掌握相关理化检测知识技能，这些都无形中提高了柚果生产力流通成本。因此，本章分析研究蜜柚快速抽检的方法，以期提高检测效率，同时结合柚果外部特征提出可食率的检测方法，为实现蜜柚批量无损检测提供支持，研究内容对提高优质柚果检测分级生产具有重要意义。本章主要研究内容是通过分析蜜柚内部结构特征同时结合外部特征来建立柚果结构模型，通过对柚果结构模型的分析研究其可食率无损检测的方法，通过高光谱图像分析技术提出蜜柚可食率的非理化方法快速抽检方法。蜜柚可食率无损检测方法研究通常情况下，水果体积在视觉上的效果直接反映了果实的大小，通常挑选蜜柚时在大小一致的情况下重量越大的越好，因而体积、重量信息能够在一定程度上反映柚果可食部分的比率。年黄玲提出基于体积和重量的成组数据处理法（算法来估算柚类的可食率实验效果较好，但其忽视了部分柚果内部结构特点引起的问题，这类梨形柚果其上半部分接近果梗处突出部分的内部主要是果皮成分，虽然测得的体积较大，但实际上可食部分比率并不高，如只按照体积和重量进行估算会出现这类外形的柚果大量误判，检测精度会大大降低，下面分析了不同形状柚果的可食率情况。随机抽取个宿溪蜜柚作为样本，采集图像计算其体积后对其按照理化方法求得体积、重量、可食率的参数见表，并与如图所示形状特征对照。图不同形状柚果 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究表不同形状柚果可食率参数与体积序号总重（果肉重（果皮重（囊瓣皮重（实测体积（可食率（％不难发现，图中、、、号果形明显对称度差，果肩轮廓内凹明显，其可食率接近或低于标准中的，蜜柚果肉基本保持围绕纵轴对称生长，正常情况下果肉形状畸形的情况极少，当果形不端正时果梗部位的果皮相对比较厚，果皮在总体积中所占比例上升导致可食率较低的情况。而果形较好的、、、号的可食率明显高于标准，其中可食率最高的号形状接近球体。由此可见，蜜柚的果形特征与可食率有密切的关系，下面讨论一种与蜜柚果形有密切关系的可食率检测模型。可食率无损检测模型蜜柚纵切面面积与体积的近似计算由上节讨论中文献可知，体积信息是蜜柚可食率检测模型的重要参数。对于蜜柚的纵切面图像按前节中进行分割处理得到二值图像，将图像沿纵轴方向分为有限数量单元层，单元层的面之和为纵切面面积。将柚果简化为以纵轴为旋转轴的旋转体，则旋转体单元层的体积之和就是近似的柚果体积，如图所示。图柚果纵切面单元层坐标单元层的选择有两种情况：①选择以截面包含的圆柱体为单元层，其纵切面面积与体积可表示为广 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究厂②选择以截面包含的圆台体为单元层⋯，其纵切面面积与体积可表示为々厂々”当采用逐行扫描的方法求时，单元体高度为像素单位，上述方法趋于一致，计算值精确度最高，其中柚果的截面面积为准确面积。而对于采用较少步长又能够取得较高的近似值一般采用圆台体作为单元层计算。这种方法局限性在于采集的图像必须是纵轴竖直情况下的纵切面图像，因此在计算体积之前一般对纵切面图像做旋转处理，由中给出的方法计算出质心坐标为旋转中心，计算纵轴与竖直方向的夹角。如果柚果绕纵轴的某一个纵切面中的图像对称性较差时，在近似计算柚果体积时会出现较大的体积误差体积，如图所示。！！、—乂正侧面轮廓（旋转一定角度正侧面轮廓图同一柚果的正侧面图像图中出现的情况在计算体积时会有较大的误差，但由柚果结构特点可知形状发生变化的部位主要是果皮的轻质的海绵状物，在计算可食率中重量值时这部分误差可作忽略。对于较高要求检测时，可采取间隔°的纵切面图像计算所对应的体积，采用平均的方式减小误差。可食率无损检測模型选取已测量重量的个琯溪蜜柚样本，通过理化实验求得其可食率，对其进行图像分析计算得到体积，由第三章中论述方法可得外形描述的形状因子、轴偏角特征参数，上述参数与可食率比较详见表。表不同形状柚果特征与可食率编号。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究将表中数据进行处理，釆用表征柚果重量与体积的关系（即总体果实比重），对、、按式均值化处理后按照可食率指标升序排列，如图所示。：：—一―—：一一。‘—————“———：：。—————————一—编号图无损检测特征参数与可食率变化趋势观察如图中所示、、变化与可食率的变化趋势，其中可食率较高的柚果其估算比重较大，基本趋势是在相同体积下重量大的柚果可食率高，说明柚果的重量体积与可食率的一定相关关系。同时通过分析图中形状因子、轴偏角与可食率的变化趋势，形状因子较大的柚果可食率较高，轴偏角较大的柚果其可食率较低，可说明在一定程度上柚果的形状特征与可食率之间也存在某种相关关系。因此，可将形状特征加入到可食率检测的特征参数中，柚果的对称度与其外形参数可用中讨论的、求得，建立可食率无损检测模型，其特征值选取为：柚果重量、计算体积、形状因轴偏角。采用这一组特征参数的检测模型较 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究之基于体积和重量的算法而言，可较好的提高无损检测的精度。可食率无损检测实验在蜜柚分选生产检测时，采用上述可食率无损检测模型进行检测，其特征参数为柚果重量、计算体积、形状因子：、轴偏角采用这组特征参数检测只需要釆集其外部图像和称重即可，其中称重方法在第五章中讨论。对个馆溪蜜柚称重后采集外观图像计算上述模型中特征参数，然后釆用理化方法测量各部分重量求取可食率，将其中个可食率达到标准（￡的柚果作为训练样本集。剩余个分三次，每次随机抽取个作为检测目标，其结果记作、、组。釆用可食率无损检测模型的特征参数、检测可食率，建立三层人工神经网络分类器，输入层输入神经元数量输出层输出神经元数量，表示可食率符合标准，表示可食率不符合标准，选择传递函数函数。通过经验公式选取隐藏层神经元个数，样本归一化后进行网络训练获取网络的权值与阈值，比较训练结果选定隐含层神经元个数。输入随机选取的柚果图像样本组每组幅，检验神经网络分类器的识别准确率，结果见表表可食率无损检测分类器识别结果达标样本个数正确识别个数识别正确率（％组组组丨釆用可食率无损检测模型进行检测的识别平均准确率达。蜜柚可食率快速抽检方法研究上节中通过蜜柚外部特征进行可食率检测的精度较低，不适用于可食率的抽样检测，而传统的抽样检测需要对样本进行详细的分离，釆用理化实验的方式来计算可食率，检测效率较低，尤其不适用于大批量蜜柚流通时的抽检。因此，本节依据蜜柚果实结构的特点，将对蜜柚果实切开面图像进行分析研究，利用蜜柚切面图像处理计算建立基于柚果结构的可食率快速抽检模型，提供一种有效快速的可食率抽检方法。基于可见光图像的蜜柚结构分析为了分析研究蜜柚的内部结构特征，根据标准《出口柚检验规程》中对内部检测时的要求切开柚果加以评判，如图所示，分析柚果的内部结构特点。本节研宄时分别采集柚果沿纵轴纵切面与沿赤道线横切面的图像进行分析，切开面如图所示，可以看到其中果皮部分以轻质的海绵状物为主，果肉部分由大量含有果汁的果肉瓣组成。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究國關國出口标准抽检切开（纵切（横切图柚果切开面使用第二章中的设备采集柚果纵切面与横切面图像，釆用前述第二章中的方法对釆集图像进行预处理，其目的是分割出能够提取果皮果肉信息的二值图像。观察图中柚果发现，果皮呈白色颜色均勾，果肉由大量果肉粒组成，果肉图像信息杂乱但集中分布在果皮内部，通过阈值分割来去除背景以及果肉图像，然后通过中值滤波去除残留的果肉杂点信息，对切面图像分别采用不同阈值分割可得到柚果外形图像与包含内部信息的图像，效果如图所示，在此基础之上，本节将分纵切和横切两个方向讨论蜜柚切面图像特征信息。自纵切面外形分割（纵切面分割□横切面外形分割（横切面分割图对切开面的分割处蜜柚纵切面图像分析蜜柚纵切面图像中主要体现了果皮和果肉两部分信息，通过观察可以发现对于同一个果实果皮信息的变化趋势直接影响果肉信息变化，因而可以通过计算果皮的厚度变化来分析蜜柚内部结构的特点。在柚果的纵切方向上果皮厚度变化比较明显，到柚果顶端其果皮厚度达到最大，为了定量的 中国农业大学博士学位论文第四章蜜柚可食率检测方法研宄分析厚度变化，对图像使用中方法提取图像边缘，其中果梗端与果蒂端连接部分基本空腔，难于得到厚度，为了便于分析两侧果肉处厚度信息，对图像果梗与果蒂范围内的果肉边界做近似连接处理，如图所示，考察果皮从果梗到蒂端范围内质心到外形边界与果肉边界距离差值变化，即将外形和果肉边缘曲线展开，如图所示，质心坐标由中方法求得。门外形边界肉边界《奸°展开前的近似处理（按角度展开曲线图纵切面展开随机挑选一组柚果进行观察，沿着逆时针方向各个方向果皮的厚度随着外形轮廓的变化而变化，果梗部位的果皮较厚逐渐变薄到赤道线后基本不再变化一直到果蒂附近急剧增大，如图所示。！關一—外形边界《开■、 中国农业大学博士学位论文第四章蜜柚可食率检测方法研宄“■—■；■■“‘，“—一乂、遷■巨气、：外形边界《幵：；广’—果肉边界展幵°图不同柚果纵切面展开曲线不难看出，柚果在纵切面上的果皮厚度与柚果形状有密切的关系，图中的果形较好其果皮厚度均勾，图中的果形较差，果梗端的果皮厚度明显增加，换言之果梗端突出、果形对称性不好的柚果其果皮占比例较大，说明了柚果果形与其内部结构有着密切联系，因而可以通过形状特征间接的来判断其果皮的厚度变化情况。其中纵切面果皮最大值直接反映了柚果在果梗处果皮所占的体积。当纵切面刚好处于两个相邻果肉瓣时，图像分割的结果往往与真实值误差较大，为了避免由此产生的纵切面的厚度信息误差，下面分析柚果果皮在横切面上的情况。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研宄蜜柚横切面图像分析对于蜜柚果实的横切面图像，按标准中一般规定从横径处切开采集，这样得到的图像中果实的厚度信息较为准确。观察图中在横切面上的果皮厚度也存在变化情况，能够表征柚果赤道线的内部结构特点。由此对横切面图像做相应处理，可以清楚的看到图像中显示果肉边缘沿着周长方向以果肉瓣截面周期变化。图像处理过程中发现横切开的果肉粒截面对整个果皮图像提取产生较大影响，采取相应的处理方法来得到较好的目标图像，以提取果肉信息。在图中处理的基础之上，通过图像区域生长算法来提取质量较好的果皮图像。区域生长算法是根据定义好的规则将图像中像素或像素区域聚合成更大区域的过程。一般步骤是选择合适的生长点、确定生长规则、确定停止条件。这里选择图中果皮像素区域，联通区域中任意像素为生长点，规则是同样像素值，一直生长到无像素时停止。需要交互式的选择生长点，这里讨论的是取得样本图像进行初步研究分析因此选择对于本节处理对象使用软件交互处理，得到分割后图像如图所示。图针对果皮信息的目标分割效果提取轮廓边缘后对其进行如图所示的展幵，考察果皮的厚度变化情况。—————除。麗■“‘？—外形界幵图横切面按角度展开曲线可以看到蜜柚横切面上的厚度信息分布是根据果肉瓣分布均勾变化的。因此，求得横径处切面厚度的均值作为蜜柚果皮厚度信息的描述，设柚果外部轮廓边界到质心的距离为果肉轮廓边界到质心距离为一厚度表示为式，其中步长为。〔 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究柚果横切面得到的外形轮廓基本上为圆或椭圆形，变化程度平缓幅度较小，因此以果肉轮廓边界到质心距离为的标准差衡量果皮均勾程度，表示为上述区域生长的边界提取方法只在分析确定柚果果皮厚度的定量描述时采用，并不适合于实际生产操作中，要对柚果抽样样本进行快速的检验，这里提出一种简单方法对预处理的蜜柚图像直接提取其边界特征，求得过质心各个方向上第一个值为的像素点到下一个值为的像素点的距离求其均值即果皮厚度，方向选择数量越多其精度越高。表中只有棺溪蜜柚的果皮厚度在检测时给出了指标，可知果皮厚度是柚果结构的一个重要的描述特征量，用柚果纵切面果皮最大值与横切面果皮的差值来表征。可食率快速抽检模型蜜柚纵切面果肉面积与体积的近似计算测量计算蜜柚果肉部分的准确纵切面面积和体积信息，能够很好地提高可食率快速抽检模型的精确程度，是对柚果的结构特点的准确描述。采用上述中有限单元分层的方法能较为准确的求得果肉的体积，但对图像处理的要求较高，对蜜袖纵切面图像做如图所示相应分割处理，得到若干区域并计算每个区域的面积。蹄选出面积最大的两个区域建立坐标，如图所示，选择以为底面的圆柱体为单元层，其纵切面面积与体积可表示为式中为计算时的步长，当像素体积计算结果最精确。□□提取果肉目标（建立单元层坐标图果肉信息的提取计算 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究由于蜜柚果肉的对称程度远高于其果实外表，上述中的计算误差问题可以忽略，一般情况下在图像处理较好的状态下，其估算出的蜜柚果肉体积较估算的整体体积更为准确，因而本节讨论的可食率快速抽检的方法比上述无损检测方法精度高。可食率快速抽检模型可食率指标是柚果抽检的主要指标，前述中己说明釆用理化方法进行可食率抽检的工作效率低。因此，根据上述蜜柚果实结构分析的结果本节提出一种能够快速完成可食率抽检的特征模型。标准中给出的可食率计算式实质上可直接表示为—式中：—柚果总体积；—柚果总比重；—果肉体积；—果肉比重；果肉与总体的比重比率；果肉与总体的体积比率。可见影响蜜柚可食率的有两个特征量即；￡：〖』与：￡通过对柚果纵切面图像分析，采用在与的方法分别计算出柚果体积与果肉体积，既得果肉体积比率下面讨论比重比率的情况。—般情况下，蜜柚果实中囊瓣皮的重量不超过总重的，体积不超过，种籽体积不超过，即近似的有—则有》）、‘式中：—柚果皮所占体积；—柚果皮比重。则柚果可食率检测可表示为比重即物体的密度，是物体的固有特性之一，同种物质的密度是恒定值，因此同一品种的柚果的果肉比重、果皮比重是定值，那么的变化直接影响可食率的变化。由上节可知蜜柚的」可以在一定程度上反应梨形柚果果梗处果皮的占比情况，即果肉分布情况。选取中己知计算体积、重量、可食率参数的个璃溪蜜柚样本，对其切面图像进行分析计算得到体积比、果皮厚度差值，详见表。表不同形状柚果结构参数与可食率编号 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究将表中数据进行处理，釆用表征柚果果肉与总体的体积比例关系，采用表征蜜柚果梗处果皮的分布情况，对口￡丨进行前节式均值化处理后按照可食率指标升序排列，如图所示。。——————⋯——：令■编号图快速抽检特征参数与可食率变化趋势如图中所示变化与可食率变化趋势，其中可食率较高的柚果其果肉体积占比较大，说明柚果的果肉体积占比与可食率的一定相关关系。通过分析图中的变化趋势，基本趋势是随着的减小，可食率基本呈增大趋势，同时可以明显的看出的变化规律性较差，一部分较大的蜜柚可食率并不小，主要是因为呈梨状外形的蜜柚其果梗处的果皮较厚，导致在较大的情况下总体果肉仍然占比较高，而较小的蜜柚基本是以水滴形外形为主。因此，选取通过蜜柚切面图计算得到的果肉体积占比与反应果皮分布情况的建立可食率快速抽检模型，用这一组特征参数的检测模型较之前节的无损检测模型由于直接反映蜜柚内部的结构信息，可较好的提高检测精度，由于需要采集蜜柚切面图像此方法适用于抽检环节。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究快速可食率抽检实验由中给出的可食率快速抽检模型可知对于同种类的同一批柚果其与可食率之间有较好的相关关系，可通过纵切面图像来计算果肉与柚果总体的体积比值来估算可食率，只需对同一批中随即抽取一个柚果取样果肉部分与果皮部分并采用标准理化方法求其果肉比重、果皮比重值，作为抽检可食率的比重标定值，其与抽检样品的可食率可由前节中式直接求得，换言之可采用体积比值作为检测指标来表征柚果的可食率。选取市场常见的蜜柚品种，馆溪蜜柚、沙田柚、玉环柚各个一组作为抽检样本，通过理化实验的方法求每一类蜜柚的平均果肉比重、果皮比重并将标准中可食率指标按式换算其结果如表所示。表可食率标准换算结果甫溪蜜柚沙田柚玉环柚可食率在琼溪蜜柚的检测标准中对其果皮有给定的要求，即果皮厚度，但对于蜜柚来说其果梗处的果皮实际较厚，可以利用果皮厚度差』好的反映出不同形状蜜柚的果肉分布情况，结合计算蜜柚的果肉比率来检测其可食率。选择上述计算中同一批次的措溪蜜柚个分别釆集计算其体积比值果皮厚度差」并作为特征值，分两组检测，其结果见表。表可食率快速抽检分组检测理化测得可食率达标“釆用特征值正确”‘识别正确率（％样本个数识别个数组组综上，采用这种快速抽检方法的平均准确率达，对于批量的蜜柚快速抽检可采用。基于敏感光谱分割的蜜柚可食率快速抽检方法研究光谱分析技术广泛应用于农产品的内部品质检测中，例如已有用于苹果内部品质检测近红外光谱法的行业标准对于蜜柚来说，一方面其果皮较厚对各波段的近红外光谱的敏感程度非常不理想，光谱分析技术不适用于从外部检测蜜柚内部品质；另一方面国家、行业标准中给定了柚果内部品质指标的量化值，其理化检测方法步骤繁杂，由于蜜柚果肉含水量大的特点，本节利用高光谱图像同时能够反映光谱与图像信息的特点，对柚果纵切面髙光谱图像进行研究，拟找出适用于蜜柚的可食率精确抽检方法。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研宄蜜柚高光谱图像采集与预处理高光谱成像结合了图像和光谱分析的优点，高光谱图像中即包含了反映目标外形、颜色、纹理等图像像素信息，同时包含能够反映目标水分、糖度、可溶性固形物等情况的光谱特征，换言之高光谱图像中所包含大量图像和可见近红外光谱特征的数据集，因而可以利用高光谱成像技术对蜜柚的内部品质参数进行较为准确的检测。本节采用的基于高光谱漫反射成像的图像和光谱分析，是对采集到的三维数据集（，入）的分析处理，如图所示。采集的柚果截面高光谱漫反射图像中每一个像素都给定了一组不同波段光谱的反射特征值，找到样本检测特征与特征波长之间的对应关系，建立预测模型，通过柚果截面的高光谱分割计算准确的特征量以分析预测可食率，通过光谱定量分析预测果汁率、可溶性固形物含量’为柚果内部品质快速抽检提供重要依据。三维数据（反射特征曲线图柚果高光谱图像采集的设备选用制冷型高光谱图像采集系统成像光谱区域为，光谱分辨率为，入射光狭缝宽度为配备相应的采集软件。使用的光谱数据分析软件为、、。采集的样本来自北京永辉超市、城北水果批发市场等地的馆溪蜜柚。在馆溪蜜柚的光谱图像中，在某波段水分对光的吸收明显，在的可见及近红外波段采集柚果纵切面高光谱图像，选取其中代表性果皮、果肉、种籽、囊瓣皮的样本区域进行光谱分析，选择的个区域种类尽可能的包含所有类型情况，每个选区典型样本区域为个样本像素点，如图所示，选取样本区域的平均光谱信息进行分析，其原始光谱反射特性曲线如图所示。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研宄圔‘‘丨样本区域选择（样本区域原始光谱反射特性图高光谱图像研究区域采样由于设备工作情况，采集数据在波段范围在之间取个波段记录，所得原始数据不是按波段等分排列，取图中第点数据片段为例，如表所示。为了保证数据的准确性，以下研究中所分析图表中波段坐标均按照实际所对应的数据标出。表光谱原始数据片段■原始采集数据记录波段反射数据采集得到的原始光谱由于散射、杂光、仪器响应等影响，光谱中含有大量噪声，对原始光谱数据进行平滑处理，采用卷积光谱平滑算法】，其与移动平均平滑算法的不同之处在于对建立的平滑窗口内数据进行多项式最小二乘拟合，能有效减少光谱失真。柚果纵切面的典型样本点区域光谱如图所示。￡目—图平滑后光谱反射特性曲线图中光谱反射特征曲线、、、、、为柚果果皮区域，、、、、、、为果肉区域，、、、、为囊瓣皮区域，为种籽区域。不难看出，光谱反射特征变化主要分三种情况，①在，，范围内所有部位对光的吸收情况基本一致；②在，范围果肉与果皮及囊瓣皮有显著差异，其 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究中种籽区域、果肉区域、、区域在此波段与果皮果肉均存在差异，分析其主要原因是剖切柚果时囊瓣皮正好位于切开面上，对部分果肉造成了薄层覆盖引起反射的变化；③在范围内，果肉区域（包含、、与果皮区域及种籽差异显著。以上分析中不同区域的光谱反射特性值最大相差，为通过高光谱进行果肉信息分割提供了有利条件。敏感分割光谱分析选取样本采集的高光谱数据是庞大的三维数据信息集，包含了大量的特征光谱信息，也含有数量众多的干扰信息，本节釆用方差法定量分析果肉与其他部分光谱特征差异程度和范围，从而选出特征信息丰富、可分性好的特征光谱波段作为最优分割光谱波段。采集随即挑选的个馆溪蜜柚的高光谱图像，在每幅图像中分别选定代表果肉、果皮、囊瓣皮、种籽的采样点各个，共计每一类个采样点，将所得数据分为个对照组，分别是果肉与果皮为组，果肉与囊瓣皮为组，果肉与种籽为组，分别讨论三组的反射特性。将果肉区域与其他区域的反射特征差异分为两种，类别数为，设在某一波段所有样本区域反射率平均值为“；（⑷式中为每一类中样本区域中的反射率，共个，那么第类的平均值为（】样本区域类间光谱反射率方差可表示为式如图所示，可见三组的反射特征变化趋势具有一致性，范围内三组类间差异较明显，其中果肉与果皮区域的差异最大。“—‘。。。；。。：■图样本区域类间光谱反射率方差样本区域类内光谱反射率方差可表示为式，如图所示可见三组的组内反射特性 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究的差异。；；丨〈：图样本区域类内光谱反射率方差由上述计算可得方差比率表示为式，■值表示样本类别误差与类别内误差的相对值，即在某一波段光谱反射特性的可区分度值，值越大表示类别间的光谱反射特性差异越大，对组样本的厂值计算结果如图所示。！丨图果肉与其他部分的样本方差比率可见组在、范围内的值大于表明果肉区域与果皮区域反射特性在此波段内差异大，在达到峰值；组在、范围内值大于表明果肉区域与囊瓣皮区域反射特性在此波段内差异大，在达到峰值；组在、、范围内值大于，在左右达到峰值，表明果肉区域与种籽区域此波段内反射率特征差异显著，明显高于其它比较组，主要是种籽 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究的结构成分与果肉等其他部分区别较大。综上，可以利用柚果纵切面在可见光波段、近红外波段的反射特征有效地区分果肉与其他部分，从而准确的分割出果肉部分。基于敏感光谱分割的可食率快速抽检模型前述蜜柚快速抽检模型的建立是在前节中果肉体积计算方法基础上进行的，由于体积主要是以可见光图像分割处理后的图像为主要依据计算的，图像分割无法精确地得到果肉的目标，实质上得到的是包含囊瓣皮、种籽的近似目标图像，因而最终用于可食率检测时其精度有限。在严格的可食率出口标准中可食率理化检测方法中的重量精度要求达到意味着可食率出口抽检的精度要求很髙，本节提出一种柚果纵切面果肉精确区域面积比率特征的可食率准确快速抽检方法。基于感光谱分割的果肉占比计算通过方差差异分析，可选定可见光波段、近红外波段作为区分纵切面果肉部分与其他部分的敏感光谱区域。这里将利用髙光谱图像中敏感光谱区域反射特性与其所在位置的像素信息之间的对应关系来计算精确纵切面面积比率，即利用蜜柚的果肉与果皮、囊瓣皮、种籽等部分的光谱反射特性差异分割出图像中表达果肉信息的像素区域，计算蜜柚纵切面高光谱图像中果肉区域像素数在总体区域像素数中的比值，记作，即精确的纵切面果肉与总面积比率。在利用光谱反射特性分割图像时，采用上述敏感光谱波段记录个数据点，即向量维数为这会导致图像每像素计算判别时计算的复杂度高，实质上维数过多的特征向量会影响识别的准确性。因此本节采用主成分分析（的方法对特征向量进行降维，副除对识别有负面影响的特征，达到有效的判别果肉区域的目的。主成分分析（方法的基本思路是，对于个维样本特征向量，石，⋯设样本矩阵为大小为将维空间的全部样本向通过样本均值的条直线投影，得到其在维空间的投影，特征向量可表示为式中：—第条直线上某点与的距离；—本征向量。误差准则函数为‘⋯容工￠其中矩阵■称为散布矩阵式中本征向量构成了维空间中的一组基向量，贝損于维空间的向可表示 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究为系数⋯即为主成分。是对；的近似表达，随着维度的增加其接近程度越高，是对的相似程度用主成份贡献率来表示，主成分贡献率由的方差贡献百分比确定。对中图中原始样本区域光谱数据集中共计个像素样本点，利用可见光、近红外分割波段进行主成份分析，结果见表。表主成份分析结果主成份主成份贡献率主成份累计数“主成份累计贡献率；；丨务、。图主成分载荷分布可以看出特征向量的维数降至时累计贡献率已经达到，前项主成份其累积贡献率能达到，其主成分载荷如图所示，表示前项主成份影响的方向和强度，选择第项主成份可以在保留分割波段主要特征信息的同时，极大的降低运算数据量减少运算时间。依据上述分析计算，在同一批柚果中，蜜柚果实果肉占比【〖的计算流程如图所示。 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究隨机选取抽检柚果梁集高光谱图像选取定标抽果提取分割光谱波段梁搬高谱阁像反射特性《据主成分提取分翻光谱波段第个像素的分割波段反射特性据主成分皮射特性成分确定果肉落分取值范围沒‘计像素数为丨计像蔡数—像素总彳图面积比率计算流程可食率快速抽检模型按上述方法计算个样本中随即抽取的幅柚果纵切面高光谱图像的并理化检测其可食率结果如图所示。■：少以？图纵切面果肉区域面积占比与可食率相关关系计算可得纵切面果肉与总面积比率和可食率￡之间相关系数，表明和有较好的相关性，通过偏最小二乘法建立线性回归方程为可通过回归方程预测可食率，对剩余个样本计算纵切面果肉与总面积比率一二使用回归方程估算其可食率，结果见表 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究表依据回归方程预测可食率结果实测￡预估￡误差可以看出此回归方程能很好的预估可食率，〗个柚果的实际可食率与估测可食率关系如图所示，结果中预测的最大误差为，平均误差为，标准差为，说明纵切面果肉与总面积比率能够准确的反映可食率的情况。■■，■实诞頌估■‘■：：■纵切面果肉比率与实测预估可食率的对比（实测可食率与预估可食率关系图实际可食率与估测可食率相关关系检测实验效果比较分析选取本章中实验的幅馆溪蜜柚高光谱图像，以及纵切面图像，随机分为组，分别采用纵切面果肉与总面积比率来检测可食率达标情况，并与、中两种检测方法比较，结果见表。表可食率检测结果比较理化方法检测可食率“高光谱纵切面图像果肉特征参数无损检““特征参数快速抽达标样本个数比率快速抽检正确率％测正确率（％检正确率（％组组组 中国农业大学博士学位论文第四章蜜柚可食率检测方法研究通过比较可以看出利用蜜柚高光谱纵切面图像进行可食率估算检测的方法精度高，采用重量、体积及果形参数的方法精度最低。检测方法中蜜柚的果肉体积比率与果肉面积比率；￡￡均可很好的反映柚果的真实可食部分比率，其可食率检测效率高于现有的理化检测分离称重的方法。采用高光谱成像技术计算果肉面积比率的过程中没有近似计算环节是精确计算纵切面果肉面积与柚果纵切面方向总体面积比值，与实测可食率直接建立线性关系模型，其模型样本量达到一定的数量时可很好的精确表征可食率，因而在大批量柚果产品抽检中可以考虑直接使用精确的果肉面积比率表征可食部分的检测指标。综上，可食率检测的方法主要依据检测的范围、检测精度、检测速度以及检测设备的情况来综合选择，实现高效高精度的蜜柚可食率检测分级。本章小结本章在研究蜜柚可食率与其重量、体积、形状因子、轴偏角相关关系的基础上，通过图像釆用有限单元的方法计算蜜柚体积，提出了一种利用蜜柚总体比重、形状因子：￡、轴偏角为特征参数的蜜柚可食率无损检测方法，并建立三层神经网络进行检测实验，平均检测精度可达。通过对蜜柚切面图像的分析，研究了其结构特点与结构特征参数的计算方法，在计算蜜柚的果肉体积比率的基础上，提出了一种利用体积比值果皮厚度差」为特征参数的蜜柚快速抽检的方法，实验表明平均检测精度可达。研宄了利用高光谱成像技术进行蜜柚果肉部分的分割计算，利用高光谱图像中光谱反射特性与图像相应像素具有对应关系的特点，通过计算比较选择了可见光、近红外波段作为分割蜜柚果肉的敏感光谱波段，通过主成份分析法降维后计算求得柚果纵切面精确果肉面积比率，通过实验确定了可食率的线性关系，以此来进行蜜柚可食率的快速抽检。实验中通过■？预测可食率的平均误差为比较了可食率检测方法的使用范围并且分析比较了三种方法的检测精度，讨论了采用柚果的果肉体积比率与果肉面积比率￡￡作为柚果可食率表征指标的可能性。综上，本章对蜜柚可食率检测方法进行了深入的分析，提出了适用于不同生产场合的高效检测方法，丰富了可食率检测的可选方法，建议以果肉面积比率作为可食率抽检的检测指标。此外，应用本章中检测方法时，需注意到，柚类果实的可食率在柚果生产中运输、存、釆摘等不同阶段中果皮、果肉重量随其水分变化会衰减，换言之可食率检测应在集中的生产环节中快速完成。 中国农业大学博士学位论文第五章蜜柚自动称重系统设计第五章蜜柚自动称重系统设计引言蜜柚的生产分选检测现阶段主要以重量检测为主，在日常挑选购买时一般都会选择大小相当而重量较重的，这从侧面说明了重量能够较好的反映蜜柚品质，依据前节中蜜柚样本可食率的分析数据，定义为柚果总重量与总体积之比，由表可见样本中可食率较低的个柚果的只较小，实质上可以视作柚果的总体密度较小，由于柚果果皮比例远高于其他柑橘类水果果皮，可见柚果的重量信息是判别柚果品质优劣的重要特征之一。表蜜柚主要特征参数序号重量（体积（可食率（》。）在柚类生产分级的国家与行业标准中都明确给出了重量分级的指标，见表。由于重量的测定较其他指标简便易行，现阶段实际生产中机械称重分拣的方式比较普遍，其检测精度不高，因此本章讨论了基于自动控制技术的称重系统，并完成了系统的设计和实验，以提高蜜柚称重检测精度。表蜜柚重量分级指标单果的重量指标（苗溪蜜柚等次特等—等二等三等质量——沙田柚等次特级一级二级级外质量——玉环柚等次级外质量————自动称重系统总体结构与工作原理本章设计的自动称重系统主要由称重系统、果实输送系统、称重自动控制系统以及辅助部件 中国农业大学博士学位论文第五章蜜柚自动称重系统设计组成，其整体机构配置如图所示。主要工作单元有机架与电动机传动系、链轮链条输送机构、果杯、称重单元、卸料机构。；—外观简图———」—關———⋯刚俯视图实物外观图（实物结构图图柚果称重自动分选系统结构示意图上料口外壳卸料斗果盘轴承从动链轮从动轴果杯称重单元电机链轮电动机主动轴轴承主动链轮机架卸料机构运行导轨链条控制器编码盘复位轮 中国农业大学博士学位论文第五章蜜柚自动称重系统设计蜜柚果实体型大，重量在不等，系统设计采用单元化的平盘式果杯盛放柚果，果杯随输送系统运动，通过称重单元实现逐个柚果的重量测量。系统采用自动控制技术跟踪柚果位置，运用内存模拟果杯移动，并依靠柚果的自重实现果杯姿态的改变从而实现按级别卸料。称重分级工作原理如图所示，果杯经过从动链轮时由复位轮导向进入运行导轨，柚果由机架一端进料口进入果杯。当由输送装置牵引果杯经过称重单元时进行测量及运算，获取重量信息。果杯通过称重单元继续在运行导轨上前进，经过对应的等级位置时，由控制电磁铁吸合打开卸料机构处型缺口，果杯依靠柚果的自重完成翻转动作，柚果落入对应的果盘中完成分级。运行一周后通过从动链轮一端的复位轮果杯恢复水平姿态。—图柚果称重自动分选原理示意图复位轮称重单元卸料机构盛果状态果杯卸果后果杯卸料斗计数编码盘关键部件结构设计称重单元结构设计称重单元结构传统的电子式称重普遍采用单一悬臂梁结构，通常是针对个体较小、重量较轻的水果，例如柑橘、苹果等。在检测大型水果时，不能满足在高速动态情况下准确检测的使用要求。本研究中通过果杯与称重单元接触形成的称重平面完成行进中称重的装置设计，能够很好地实现果杯在运动时重量信息的准确获取，果杯与称重单元结构如图所示。图称重单元结构示意图底座称台盒单点式称重传感器称台称重轨道称重板称台支撑轨道果杯体称重长轴称重短轴形成的称重平面当果杯随着输送系统运动通过称重板时，果杯底部称重轴与称台称重导轨接触形成传感器 中国农业大学博士学位论文第五章蜜柚自动称重系统设计获取重量信息的称重区域。其中称重传感器所测量的数值即为柚果与果杯重量之和，即测量值果杯柚果（如图所示，果杯设计为°斗型结构，且最低点位于中心点，由于柚果形态为摘球形，在实际检测过程中柚果在果杯中的位置和姿态有一定的随机性，但是对其精度影响不大。假设理想状态下柚果在果杯中重心落在点，则设计果杯运动到与秤台接触点形成的称重区域时点刚好落在称重区域的中心点，即柚果及果杯重力均匀的分布在接触区域，即厂丨‘广图果杯理想受力情况本分级实验系统包括只果杯，考虑加工成本没有采用一致性较好的塑模件，而是逐个辉接成型的，重量占比高且偏差较大，见表，需要配重调整果杯重量，避免对称重精度的影响。表系统果杯质量编号重量偏差编号重量偏差编号重暈偏差注：为了预留实验称重单元与卸料机构的调整空间，其中号果杯末装。增加配重将果杯的静态称重值统一，用不同重量的柚果（分别在个果杯中进行称重实验次（低速且卸料机构不运行状态下），实验配重前后称重误差均值与标准差的比较如图所示，由图可以看出配重之后称重精度有所提高，由图可以看出配重后 中国农业大学博士学位论文第五章蜜柚自动称重系统设计误差的标准值明显减小并趋于一致，说明了配重后称重误差的跳动范围变小，误差均匀分布，由此可知配重对称重精度的影响较大，配重是提高系统称重精度分析的基本要求。由此看出实际生产中，由于灰尘、果蜡等的沉积，果杯重量也会发生变化，因此需要定期的配重标定重量。——：令■‘！；误差均值！。“■。。”。》°；。§误差标准差图配重目后称重精度实验结果称重元件的结构动力学分析称重单元在系统中对检测精度的影响是主要因素，称重元件的结构如图所示，称台称重主要元件是依靠称重板与传感器接触，称重板的刚度及振动特性对重量信息获取误差的贡献最大，这里使用软件对其进行模态分析、谐响应分析，在系统结构层面上提高称重精度。 中国农业大学博士学位论文第五章蜜柚自动称重系统设计图称重单元核心组件内支撑导轨外支撑导轨称重板称重导轨称重传感器称重基座对称台称重板进行模态分析固有频率和振型，在结构设计时避免共振，各阶模态总变形如图所示。■—：麟■§垂—曼？广；：——睡—「；■■■—‘■卜；卜】、，图各阶模态变形称重单元在工作过程中载荷近似于简谐变化，对其进行谐响应分析，考察称重板元件的不同频率和幅值的简谐载荷作用下的刚度，计算频率范围为，载荷为作用下称重板元件组的响应结果如图所—丨‘■“！—受力简图（载荷时的变形响应 中国农业大学博士学位论文第五章蜜柚自动称重系统设计同，‘振幅变化曲线（相位角变化曲线图谐响应分析通过上述对系统在工作振动频率下称重单元关键组建的振幅与位移响应的分析，验证了设计的称重单元结构在系统运行时可以避开共振。在预加压力载荷的作用下，称重单元结构刚度会降低，因此，需要通过改善称重单元中称重板的刚度来保证动态称重的精度，本设计中称重板厚度采用以保证其刚度。卸料机构设计卸料机构结构及工作原理本系统中设计了一种结构简单、反应迅速的卸料机构，其外形如图所示。丨■丨“「三—“和图卸料机构结构及关键尺寸卸料机构结构如图所示，卸料机构处设置在果杯运行导轨分级处，在安装分级卸料处前后导轨设置有字形豁口，卸料机构安装固定在侧面的机架上，其中电磁铁连接支撑导轨，由电磁铁的吸合与弹黃复位来控制运行导轨上的豁口的打开和关闭。卸料结枸 中国农业大学博士学位论文第五章蜜柚自动称重系统设计‘—。二士卸料两种工作状态图卸料机构示意图机架电磁铁支撑导轨运行导轨前段运行导轨后段缓冲延伸导轨工作过程如图所示，常态下支撑滑块处于字形豁口（。中间，可以保证果杯称重长轴的顺利通过。当经过果杯中柚果为当前重量级别时，分级程序发出指令，令电磁铁吸合。此时支撑导轨向机架侧靠拢，打开字形豁口，称重长轴经重力作用，进入字形豁口，杯由水平状态变成垂直翻转状态从而完成卸料，此时电磁铁复位运行导轨豁口关闭，保证后续果杯通过。缺口底端装有延伸导轨，给翻转的果杯提供缓冲，避免运动干涉。卸料单元的优化设计如中所述卸料机构工作过程，卸料机构的核心单元是卸料滑动组件，由于工作原理需要，组件尺寸和结构受限，容易发生变形损坏，这里通过运动特性分析来对其进行优化设计以寻求最佳设计参数。运动特性分析结果如图所示。二；糾—嫩‘，受力（静载荷变形—■：■■人，每，■麟丨，■▲隠分预加载荷模态分析各阶固有频率及响应图卸料单元运动特性分析 中国农业大学博士学位论文第五章蜜柚自动称重系统设计由上述结果可以看出卸料导轨工作时形变和应力较大，主要通过优化设计来减小其在工作中的形变和应力。卸料导轨上端与果杯长轴的接触区是变形与应力集中的区域，主要在总体结构允许的范围内找到最优特征参数。用软件响应曲线优化分析方法进行优化设计，质量记作、总变形上限记作一、等效应力上限记作、工作受力记作、支撑导轨宽度、导轨厚度。这里给出个设计点的计算结果，见表。其分析过程如图所示。表卸料导轨优化设计个设计点值—丨参数并行求解（整体变形对设计点曲线关系 中国农业大学博士学位论文第五章蜜柚自动称重系统设计■‘■靡■■“■—‘■矿“—■■■■■色■■二■■■‘参数拟合（总变形响应关系曲线—分■。。’。“二一一一！■■—■■参数敏感度（总变形敏感度曲线、、。卿蛛图—■巧巧—总体变形（等效应力图卸料导轨结构优化设计 中国农业大学博士学位论文第五章蜜柚自动称重系统设计通过上述优化设计方法，可在保证总体结构不变的情况下，寻找到零件最优结构参数，根据分析计算选取本系统中有较大冲击载荷的机构支撑导轨理论尺寸，设计时选用宽度，导轨厚度在保证零件的刚度和疲劳强度的同时，使卸料导轨结构最轻最合理，从而保证了输送系统和卸料机构间的足够的空间，避免了干涉。输送系统设计输送系统包括动力组件、输送组件、复位机构组成，动力组件采用简单易维护的电动机带传动，输送组件采用双节距滚子链，复位机构为简单的导轮复位。按柚果生产实际工况要求进行设计，一般生产工况下参数有蜜柚单果最大重量按记，各方向上最大直径按记工作时间为，期望效率下的生产量按重量记则有传动系统的输送运行速度估计值见式按蜜柚生产实际情况以估算输送速度腫“这里需要注意的是输送链传动是周期性的变速运动，输送速度过高会产生较大的运动冲击，影响系统工作稳定性。速度过高时，在电动机输出功率保持一定范围则使输出牵引力不足，会出现时快时慢的窜动，影响输送系统的平稳性。因而应在保证系统生产效率的同时选择适当的输送速度。本系统，设计最大工作速度不超过基本尺寸的确定对于整个系统来说，果杯既是称重测量时的称盘也是输送时的托盘，在己知生产速度的前提下，首先要确定用来承托柚果的果杯尺寸，如图所示，将、作为基本依据选择输送链的节距、链轮的直径、两条输送链的距离，根据以上尺寸来设计系统机架。一般果杯基本尺寸由不同种类柚果而定，为了有较好的通用性，一般在足量样本中测量求取蜜柚的直径获得。根据馆溪蜜柚选定、其中根据选择的输送链型号调整。■图果杯在输送链中基本尺寸电动机选用若取最大工作速度为时，输送链的最大启动牵引力近似计算为式中：（—摩擦副的摩擦系数 中国农业大学博士学位论文第五章蜜柚自动称重系统设计果杯重量；—输送链及附件重量；—满载时柚果数；—启动时加速度。则有链式输送机的所需有效功率；为■⋯式中：—牵引力计算系数，取。生产中柚果重量大，系统的牵引力大，因而采用减速机加传动链传动，电动机功率为—式中：—电动机到工作机的总传动效率。综上，选定电动机釆用。电动机轴到链轮轴釆用链传动，传动比为——式中：—链轮轴转速；—动力输出转速；—链轮轴端传动小链轮齿数；—动力输出端线轮齿数。由此可以得到设计动力输出传动链的基本参数，设计动力输出组件，详细过程不再赞述。输送链与链轮的选用由于需要通过铰链连接果杯，选用输送用型附件的双节距精密输送链的改型，将孔设计在外链节链板中央；考虑到果杯竖直姿态通过链轮时与链轮轴干涉的情况，综合选用输送链，本系统选用型型附件的双节距精密输送链，距为。齿数选择要考虑到控制系统技术要求，链轮预选齿数为、￠式中：—链轮满分布果杯数；—相邻果杯的间距；—链节距。计算出，依据标准选用齿数。分度圆直径、齿顶圆直径、分度圆弦齿高、齿根圆直径齿侧凸缘直径、齿面圆弧半径、齿沟圆弧半径、齿沟角轴向轮廊以及公差按标准中选取计算，此处不再详述。分度圆直径为—丁式中：一分度圆直径系数。工作速度根据式选取，则选定输送链后可知链轮转速为、 中国农业大学博士学位论文第五章蜜柚自动称重系统设计根据电动机输出功率，可计算输送链链轮轴的最小直径式中：—计算系数？—传递功率校核输送链轮轴弯扭合成强度需满足式中：。轴的计算应力；—合成弯矩；—应力校正系数；—扭矩；—抗弯截面系数；—许用弯曲应力。校核输送链轮轴疲劳强度时安全系数需满足。少。。）式中：—计算安全系数；。—弯矩作用时安全系数；—扭矩作用时安全系数；—循环应力时材料试件的弯曲疲劳极限；—循环应力时材料试件的扭转疲劳极限；。—弯曲时有效应力集中系数；—扭转时有效应力集中系数；—弯曲应力副；—扭转应力副；—弯曲时平均应力折合应力副的等效系数；—扭转时平均应力折合应力副的等效系数；弯曲平均应力；—扭转平均应力；—最小许用安全系数。设计输送链系统时，链轮需要注意设计避免果杯校链轴与链轮齿干涉的缺口，如图所示。按式中均布。为果杯铰链轴半径，为入槽倒角半径。 中国农业大学博士学位论文第五章蜜柚自动称重系统设计■、械、、諭上：；二—二二、图链轮避干涉设计果杯转轴缺口齿滚子链条正常齿缺口布置形式复位机构复位机构使果杯由竖直卸果状态恢复到水平位置，果杯在运行一周至通过从动链轮到达上料位置时需要恢复到水平位置，釆用与从动链轮轴同轴的导轮机构来完成，如图所示。一图复位导轮结构设计果杯果杯称重长轴引导导轨导轮与机架连接处输送链导向导轨选择输送系统在工作过程中主要受到牵引力载荷与机架上链导向导轨的摩擦力载荷，摩擦力载荷的大小直接影响到牵引力载荷的大小，并且影响系统的运行稳定性，如果摩擦力过大会出现输送系统的爬行现象，可通过选择合适的导轨材料来改善影响幅度。图链条接触形式滚子导向导轨 中国农业大学博士学位论文第五章蜜柚自动称重系统设计如图所示，系统工作时输送链条滚子与导向导轨理论上的摩擦形式应为滚动摩擦，由于滚动摩擦副在分析动态特性时是非线性的，实际上链条滚子在输送运动中是不完全的滚动摩擦，存在大量滑动摩擦特点，为了分析不同材料在输送系统工作中的动态特性，这里将链条滚子与导轨的摩擦近似认为是以滑动摩擦副出现，可以简化分析的过程。使用软件动态接触分析计算在一定输送速度下滚子对导轨的作用力情况，寻找优化调整根据，如图所示，将链轮滚子简化为等效移动滑块，单个滚子载荷设为，滑动摩擦系数选，运动速度选择选用两种导轨材料，分别为号钢与尼龙材料，对两组接触进行动态接触分析，计算结果如图所示。等效摩擦副及受力、上■。！一一——腳孤■■■⑷不同材料等效应力 中国农业大学博士学位论文第五章蜜柚自动称重系统设计：‘、‘：‘‘“■”，■▼丨胃■■￡舰不同材料摩擦应力图不同导轨材料动态接触分析不难看出，工作载荷下链条滚子的等效摩擦幅中采用尼龙材料时等效应力与摩擦应力有较大的减小，因而本设计选用了尼龙作为输送链导向导轨的材料。称重控制方法称重自动控制系统采用西门子系列包括一个主模块和一个称重扩展模块，系统通过固态继电器驱动卸料电磁铁。控制系统硬件结构如图所输送机构控制面板「霍尔传感器■丨—称重传灘称！：扩展■」★固态继电器机构图控制系统硬件结构控制系统由霍尔传感器的脉冲触发作为信号输入，其安装方式如图所示，由计数轮安装 中国农业大学博士学位论文第五章蜜柚自动称重系统设计在从动轮外侧，其每一个瓣状凸起经过霍尔开关时输入高电平，凹陷位置通过时则霍尔开关输入低电平。本系统根据柚子尺寸设计链轮转一周通过整个果杯。函。丨丄°图霍尔传感器安装示意图计数轮链轮轴霍尔传感器传感器安装支架机架根据控制方法需要，柚子称重分选机各个分级出口的电磁铁安装位置需确定，称台称重位置和各个分级卸料出口的电磁铁安装位置的关系为—式中：—第级出口到称台称重位置的距离；—第一级出口到称台称重位置的距离；—相邻果杯的距离，即每一级出口长度应为相邻果杯距离的整数倍。图为系统称重流程图。系统初次运行时，开通电源及分选开关，当霍尔开关输入脉冲信号上升沿时，首先程序定义计数器，在每次霍尔开关脉冲上升沿时进行计数，每当计数次数等于一个周期的果杯次数时，使程序重新运行。初次计数周期完毕后，自动开辟一个双字节内存单位对应机器上一个果杯，其中所存信息为对应果杯中柚子的等级信息。程序中定义两个指针，写入指针对应每个果杯称重信息的内存空间，同时用来判断对应等级位置电磁铁是否吸合。初位指针作为判断指针移动的参照。 中国农业大学博士学位论文第五章蜜柚自动称重系统设计记满周期〉者数据拟合写入对应级别信息判断指针前移至第一级位置指针‘址值自加一周期断当前指向数，否为当前等缀电磁动作当前位位所有级别判断完毕图系统称重流程图分选时，首先选取某内存地址，用来存储称重模块所传输的信息。称重读数子程序是根据每个果杯通过称重台称重时，重量数值周期变化由至其重量峰值再回归为的规律，利用多次循环选取最大值的方法来读取所称重量值。由于动态称重与静态称重的不同测量会产生误差，动态测量会比静态测量所测数值偏小，需要程序通过直线拟合进行数据拟合补偿】。随后进入等级信息写入段程序，将内存中的数值与第一级所设上下限数值作比较，如果属于第一级所在区间，利用写入指针写入所属等级信息“”进入指向的内存地址。如果不属于则继续判断是否属于第二级所设的区间，属于第二级所在区间即写入“”进入指向的内存地址，依次类推，写入当前果杯内的柚子重量值所属等级信息进入当前指向内存地址。因此每一个霍尔开关的触发周期会写入一个柚果对应称重的等级信息。内存写入当前称重信息后，通过每个触发周期的判断等级信息来控制电磁铁吸合。本文程序利用内存地址变化模拟了果杯的运动，如图所示。 中国农业大学博士学位论文第五章蜜柚自动称重系统设计取字节判断镥餘，”“”“”第三纖二缀鳟一龈称重写入位黧—丨—图触发周期内存储空间示意图移动完成后，判断指针指向的内存地址中所存信息是否等于“”，结果为真则电磁铁吸合，并把判断指针指向的内存地址值清零，当下一个霍尔开关脉冲上升沿输入时，电磁铁复位松开；结果为假，则无动作。至此，程序完成第一级判定，依次类推，判定完所有等级中当前对应的内存地址中信息是否可以触发电磁铁动作。如此循环即可完成柚子的分选控制。称重系统实验分析实验条件及称重实验本系统称重实验釆用璃溪蜜柚，购自北京城北水果批发市场，根据系统调试实际安装的果杯数量选取称重样本个，釆用人工上料方式。璃溪蜜柚称重分级的允许误差范围按照其国家标准中窜果误差应在以内。随机挑选个璃溪蜜柚进行系统工作满载称重实验，选定输送速度为，称重次其结果如表所示表系统称重实验误差实际重量允许次称重误差（平均误差超差序号误差（次数 中国农业大学博士学位论文第五章蜜柚自动称重系统设计依据上表中的实验结果，可以计算出系统在速度为的动态满载时，系统称重检测的准确率为：超差次数：―下面对影响本实验系统称重精度的因素进行实验分析。称重精度分析根据上节实验结果，分别在称重系统不同状态下进行实验分析影响称重精度的因素。动态空载称重实验分析由中可知果杯配重后保证质量一致，对空载时进行称重实验，考察果杯在动态条件下无柚果状态下称重误差，个果杯空载称重次的绝对误差均值和标准差结果如图所示。 中国农业大学博士学位论文第五章蜜柚自动称重系统设计‘——’—⋯⋯———卜々。’■公，。“办、二充‘次空载称重的均值比较（次空载称重的标准差比较图空载实验结果可以看出配重后空载运行称重误差基本能够控制在范围之内，并且误差跳动幅度较小，这些误差的主要原因包括称重单元的系统误差、果杯运动过程中振动引起的误差、输送系统运行中振动引起误差。动态单载多次称重实验分析选择一个质量适中的琯溪蜜柚柚果，其重量属于特等范围，离等级临界值相差，将其依次放置于每一个果杯中称重，在同一果杯中称重次的绝对误差均值和标准差结果如图所示。‘‘：―——；■‘——‘一一—■分■全八”■。：一““““■次单载称重的均值比较（次单载称重的标准差比较图单载实验结果可以看出，在测量柚果时单个果杯的总重量增大，最大绝对误差，最小绝对误差，个果杯中次称重结果绝对误差均值范围达到，误差增大的幅度较大，而绝对误差标准差跳动幅度明显增加，说明对同一个柚果的次称重误差变化幅度大，与结果比较分析认为主要原因一方面是由于放置柚果后的果杯重量增加了对输送链局部张紧力产生影响，在通过称重单元时平稳性下降导致；另一方面是柚果在实际工作状态时处于果杯内的位姿随 中国农业大学博士学位论文第五章蜜柚自动称重系统设计机性，柚果的重心偏差对于称重单元的影响。同时发现，系统误差对判断重量处于等级临界值的柚果时很容易出现误判，因而从降低误判比率角度出发应提高系统检测精度。动态满载多次果杯称重实验分析随机挑选馆溪蜜柚个，连续放入果杯记录输送链运行个周期内称重的绝对误差均值和标准差结果如图所示。：办卞：。、—。°。“—；“■“：‘—一——“。；———“次满载称重的均值比较（次满载称重的标准差比较图满载实验结果可以看出，系统称重的最大绝对误差达到】，绝对误差均值范围绝对误差标准差跳动进一步增大，与结果比较分析原因，总体牵引力大幅增加输送链的阻力增加。误范在大范围内跳动大幅增加的主要原因，是相邻果杯在进入和离开称重单元时对当前称重果杯产生较大的振动引起的，因而改善称重单元与前后导轨衔接状况保证称重果杯的平稳是降低误差的途径之一。在开启分级卸料时蜜柚卸料产生的振动较大，对输送链的运行平稳造成影响而产生误差。动态不同速度的称重实验分析选择不同运行速度来进行满载称重实验并分析称重精度变化，将中实验在不同输送速度下称重，输送速度选择设计时工作速度作为依据，设定速度为、分别在满载情况下称重次，记录实验的绝对误差计算每次测量的均值和标准差结果，如图所不 中国农业大学博士学位论文第五章蜜柚自动称重系统设计！■—、泛。。。■处““‘台二上丨⋯■：—丨—；』‘‘不同速度次满载称重的均值比较（不同速度次满载称重的标准差比较图不同速度满载实验结果图中当速度在时与的绝对误差情况基本相当，但当速度达到时绝对误差明显增大，其变化幅度加剧，可见速度对称重单元工况以及称重精度影响较大，在系统改进时要充分考虑运行速度问题，才能保证在检测准确性的前提下提高生产速度提高效益。综上，本章设计的蜜柚称重系统中影响系统精度的因素包括：输送速度、果杯通过称重台情况、柚果在果杯中位姿、输送系统运行振动以及系统搭建的系统误差。在实际生产系统制造过程中应考虑到批量检测速度对精度的影响，改善果杯的结构尽量减小蜜柚的位姿对检测精度的影响，改善输送系统减小系统运行振动。本章小结本章论述依据国家、行业标准中蜜柚重量检测指标设计的自动称重系统，包括机械结构设计和控制方法设计，搭建了蜜柚自动称重系统。通过称重实验测试了系统检测精度，并通过不同的称重实验寻找称重误差产生的原因，分析了系统提高检测精度的途径，为设计制造实际生产中高效率、高精度的称重系统打下了良好的基础。 中国农业大学博士学位论文第六章结论与展望第六章结论与展望结论本研宄以蜜柚国家、行业标准以及出口检测标准为依据，对蜜柚在形状、色泽、表面缺陷、可食率、重量方面的重要品质指标检测方法开展研究，通过实验分析了各类检测方法的应用范围、检测精度、检测效率。本研究一方面应用机器视觉技术开展蜜柚外部品质研究，通过分析蜜柚内部结构特点提出了种蜜柚的可食率检测的方法；另一方面设计蜜柚的自动称重系统，通过实验分析了影响称重检测精度的因素。通过理论分析、计算比较、试验验证的方法取得了如下研宄成果和结论：根据蜜柚生理结构特征找到适合蜜柚分级检测中采集图像预处理的方法，选择基于快速中值滤波的采集系统噪声图像的恢复算法。比较了不同区域和边界图像分割的算法，选择自适应阈值法进行蜜柚图像背景分割，选择扫描标记运算方法分割蜜柚边界图像。采用上述算法能够很好地处理采集到的蜜柚图像，可有效地恢复噪声图像、分割蜜柚背景图像、提取蜜柚边界图像，为蜜柚品质检测方法研究奠定基础。通过提取的蜜柚边界图像计算果径，建立了以图像的质心为基础的蜜柚果形特征分析基本模型。讨论了基于图像空间矩计算与边界展开的主轴定位方法，在此基础上进行了蜜柚果形分析与计算果径，分析研究了形状参数描述与对称度描述方法，提出果形指数、形状因子、轴偏角作为蜜柚形状的描述指标，实验结果表明当。时，其满足璃溪蜜柚标准中特等果果形端正的要求。分析基于谐波分析的果形重建的方法，利用傅立叶描述子方法来表征蜜柚果形。采用傅立叶描述子重建果形比较的方法进行了璃溪蜜柚畸形果的检测，实验表明当蜜柚边界图像的傅立叶描述子重建边界与原边界变化量时蜜柚为畸形柚果。通过区域划分方法分析蜜柚表面颜色分布情况，给出了色泽描述方法和着色率计算检测方法，实验中色泽符合标准的蜜柚检测平均误差率为。根据色泽描述方法，进行了表面缺陷的检测方法研究，并进行检测实验，效果良好识别率达。从蜜柚的纵切面图像入手研究其结构特征，分析体积、估算体积比值、果皮厚度特征参数计算方法，利用蜜柚形状参数与对称度参数建立了基于特征量的蜜柚无损检测模型，利用蜜柚估算体积比值、果皮厚度特征建立了可食率快速抽检模型。应用上述两类模型进行基于人工神经网络的可食率检测实验，检测精度分别为、。分析蜜柚纵切面的高光谱图像分析选择了可见光、近红外波段作为敏感分割光谱波段，以此提出计算柚果精确果肉图像像素面积比率的方法，建立了果肉面积比率￡￡〖与可食率的线性关系，得出了建议采用精确果肉面积比率指标替代现有基于重量的可食率指标的结论，并提供了一种蜜柚可食率的精确快速抽检方法，检测平均误差。根据国家、行业标准中蜜柚重量分级检测指标设计了柚果自动称重分级设备，并按照设计搭建了一套蜜柚自动检测系统，在不同称重实验中分析了影响称重精度的因素。 中国农业大学博士学位论文第六章结论与展望创新点本研宄主要创新点如下：选择了一组适合描述蜜柚形状的果形参数，通过边界展开法确定蜜柚果实轴线和果梗位置，提出了可作为蜜柚外形量化检测新指标的轴偏角参数，实现了蜜柚形状准确检测。提出了一种批量检测蜜柚可食率的无损检测方法。通过建立以蜜柚总体比重、形状因子、轴偏角为特征参数的可食率检测模型，提高了蜜柚可食率无损检测的精度。提出了一种蜜柚可食率精确快速抽检方法，采用精确果肉面积比率作为蜜柚可食率指标。通过分析蜜柚纵切面的高光谱图像寻找蜜柚果肉的敏感分割光谱，建立了果肉面积比率’与可食率的线性关系。与蜜柚标准中传统的可食率理化方法抽检方式相比较，此方法在保证检测精度的基础上提高了蜜柚可食率抽检的效率。建议与展望蜜柚检测的国家、行业标准中缺乏对形状、色泽、表面缺陷详细的定量指标，其中可食率等指标在检测时操作繁杂，现有的不同种类柚果标准繁多，在检测指标的描述上也多有不同，建议在本研宄基础之上提出准确而简单易行的蜜柚统一检测指标，使我国蜜柚在生产、销售、出口等环节中能更好地提高分级质量和分级效率，提高柚果类水果产业的核心竞争力。在实际的大批量蜜柚分级检测生产中，提高检测质量和效率是核心目标，本研究中的大部分视觉检测实验为静态实验，虽然本研宄对算法的运算速度、动态检测中可能出现的误差进行了讨论分析，但实际上将所研究的检测方法应用到大批量动态生产检测中时，还需要进一步深入研宄动态条件下的检测方法所面临的多种问题，以将研究结论真正地应用到实际生产中去。应结合本研究解决蜜柚综合检测系统的设计思路和关键问题，结合本研宄中各项特征检测方法的特点，分析解决建立基于机器视觉技术和自动控制技术的综合检测系统，并解决机械结构、自动控制、检测流程、检测策略方面的问题，最终建立蜜柚品质分级的生产系统。在高品质的蜜柚分级中应结合多项指标来进行分级，从根本上提高品质检测的质量，根据本文研宄的内容，可以考虑将称重分选系统与视觉检测结合起来，通过多指标旳判断进行分选。下一步应将多指标柚果品质检测与分级系统的设计进行综合设计。蜜柚品质分级系统是在原有的称重分选系统上增加视觉检测的接口，在输送机构、卸料机构、动力输出不变的基础上做出改进，在控制方式方法如图所示、数据处理方式、上料方式、果杯结构几个方面有改进空间。观■￥■设备牛货勉《祐构和描龜觀传雜！前传雜图综合检测系统控制结构图 中国农业大学博士学位论文第六章结论与展望 中国农业大学博士学位论文参考文献参考文献昆明植物研究所柚《中国高等植物数据库全库》中科院“中国植物志编辑委员会中国植物志，郑淑娟柚子的种治理功效世界热带农业信息，，许文涛，黄昆仑葡萄柚种子提取物对真菌的抑制作用及其在葡萄和柿子保鲜中的应用食品科学孙清廉柚子的药用价值中国保健食品，林楠食柚子好处多糖尿病新世界，，张太平，彭少麟柚的起源、演化及分布初探生态学杂志，，马超侠，柯佑鹏世界柚子生产及贸易的发展趋势分析热带农业科技，，中华人民共和国农业部中华人民共和国农业行业标准沙田柚北京：中国标准出版社，中华人民共和国农业部中华人民共和国农业行业标准玉环袖（楚门文旦）鲜果北足：中国标准出版社，中华人民共和国国家质量监督检验检疫总局，中国国家标准化管理委员会中华人民共和国国家标准璃溪蜜柚北京：中国标准出版社，中华人民共和国农业部中华人民共和国农业行业标准梁平柚北京：中国标准出版社中华人民共和国农业部中华人民共和国农业行业标准垫江白柚北京：中国标准出版社中华人民共和国农业部中华人民共和国农业行业标准香柚北京：中国标准出版社，中华人民共和国农业部中华人民共和国农业行业标准五布柚北京中国标准出版社，中华人民共和国农业部中华人民共和国农业行业标准常山胡柚北京沖国标准出版社中华人民共和国农业部中华人民共和国农业行业标准丰都红心柚北京：中国标准出版社，张放年我国干鲜水果进出口统计与分析中国果业信息，，赵俊晔年水果市场态势及进出口分析农业展望，张放年中国柑桔类水果及加工品进出口统计分析中国果业信息，张放年中国干鲜水果进出口贸易统计分析中国果业信息，张放年中国主要水果加工品进出口统计分析中国果业信息，夏瑞，徐婧，曾继吾，等柚类生产贸易现状及国内研究概况广东农业科学，郑淑娟，罗金辉中国柚类产业现状与发展分析广东农业科学 中国农业大学博士学位论文参考文献中华人民共和国国家进出口商品检验局中华人民共和国进出口商品检验行业标准出口抽检验规程北京：中国标准出版社，，”，龚昌来，李东山，罗聪，等基于机器视觉和的柚子外观尺寸检测系统嘉应学院学报，龚昌来，罗聪，黄杰贤，等基于机器视觉的柚子尺寸检测系统的研究农机化研究，杨冬涛，黄杰贤，龚昌来，等基于轮廓方向特征的柚子果形检测研宄激光与红外，，黄玲，石玉秋，胡波基于算法的柚子可食率估测安徽农业科学，，，，康晴晴基于机器视觉的苹果检测分级方法研究硕士学位论文北京：中国农业大学，陈艳军红富士苹果自动化分级方法研究：硕士学位论文北京：中国农业大学，沈宝国基于小波模极大值的水果大小检测方法农机化研宄，党宏社基于最小外接圆法的苹果直径检测技术农机化研究，，，，冯斌，汪懋华基于计算机视觉的水果大小检测方法农业机械学报尧秀勤基于机器视觉的水果品质实时检测与分级生产线的关键技术研究博士学位论文杭州：浙江大学，，，，，，， 中国农业大学博士学位论文参考文献，，，，，，，，袁金丽计算机视觉在苹果外部品质检测与分级方面的应用研究硕士学位论文北京中国农业大学，应义斌水果形状的傅里叶描述子研宄生物数学学报，赵静，何东健果实形状的计算机识别方法研宄农业工程学报，应义斌，景寒松黄花梨果形的机器视觉识别方法研宄农业工程学报戚利勇，高峰，谭豫之，等基于归一化椭圆傅里叶描述子的黄瓜形状识别农业工程学报’，，，，，，，，徐娟水果分级中计算机视觉信息并行处理技术的研究博士学位论文北京：中国农业大学，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农业工程学报，冯斌计算机视觉信息处理方法与水果分级检测技术研究博士学位论文北京：中国农业大学，，‘， 中国农业大学博士学位论文参考文献刘禾，汪懋华基于数字图像处理的苹果表面缺陷分类方法农业工程学报，，李庆中，汪懋华基于分形特征的水果缺陷快速识别方法中国图象图形学报，，李锦卫，廖桂平，金晶，等基于灰度截留与十色模型的马铃薯表面缺陷检测方法农业工程学报，，赵杰文，刘少鹏，郞小波，等基于支持向量机的缺陷红枣机器视觉识别农业机械学报，朱伟华，曹其新基于模糊彩色聚类方法的西红柿缺陷分割研究农业工程学报，，，，，，，，，，，，，，张若宇番茄可溶性固形物和硬度的高光谱成像检测博士学位论文杭州：浙江大学，孙通，许文丽，胡田，等基于和支持向量机的南丰蜜桔可溶性固形物可见近红外检测光谱学与光谱分析，刘燕德，罗吉，陈兴苗，等可见近红外光谱的南丰蜜桔可溶性固形物含量定量分析红外与毫米波学报朱西存，姜远茂，康庚星，等基于光谱指数的苹果叶片水分含量估算模型研宄中国农学通报，，，，，，，张晓东，毛罕平，周莹，等基于高光谱成像技术的生菜叶片水分检测研究安徽农业科学，，袁挺基于机器视觉的温室黄瓜采摘机器人信息感知方法研究博士学位论文北京：中国农业大学耿长兴温室黄瓜霜霉病害信息获取及病情决策系统研究博士学位论文北京：中国农业大学， 中国农业大学博士学位论文参考文献王新亭，张东兴水果分选台单片机测控系统的研宄中国农业大学学报，洪海丽，王明俊果蔬重量分选机控制器的设计电脑开发与应用，王明俊，张树才水果分选机信号采集方法研宄自动化技术与应用，程德明水果重量分选机设计福建农机，孙学岩基于的称重式水果分选机测控系统安徽农业科学王广超，张威，卢博友，等水果分选机称重模块调理电路设计农机化研宄，蔡文水果动态称重与自动分选控制系统研宄与开发：硕士学位论文杭州：浙江大学，葛纪帅，赵春江，黄文倩，等基于智能称重的水果分级生产线设计农机化研究金顺哲，谈新权图像脉冲噪声的模糊检测与消除通信技术，，（王明佳，张旭光，韩广良，等自适应权值滤波消除图像椒盐噪声的方法光学精密工程潘梅森，肖政宏用于图像处理的自适应均值滤波算法微计算机信息，张丽，陈志强，高文焕等均值加速的快速中值滤波算法清华大学学报（自然科学版），，马学本基于图像处理和光谱分析技术的水果品质快速无损检测方法研宄博士学位论文杭州：浙江大学，汪海洋，潘德炉，夏德深二维自适应阈值选取算法的快速实现自动化学报，，田晓东，刘忠基于自适应迭代阈值的声呐图像增强算法舰船电子工程，，数字图像处理（余翔宇）北京：电子工业出版社，数字图像处理（张引，李虹等）北京：机械工业出版社，，张俊雄柑橘机器视觉分级中运动模糊图像恢复研究博士学位论文北京中国农业大学，杨永清，何海植物色彩与植物色素生物学教学，张铮，王艳平，薛桂香数字图像处理与机器视觉北京：人民邮电出版社，，沈花玉，王兆霞，高成耀，等神经网络隐含层单元数的确定天津理工大学学报，，张海波，董槐林龙飞等基于神经网络的图像识别研宄计算机与现代化，周平，赵春江，王纪华，等基于机器视觉的鸡蛋体积与表面积计算方法农业机械学报，，中华人民共和国农业部中华人民共和国农业行业标准苹果中可溶性固形物、可滴定酸无损伤快速测定近红外光谱法北京：中国标准出版社， 中国农业大学博士学位论文参考文献褚小立，袁洪福，陆婉珍近红外分析中光谱预处理及波长选择方法进展与应用化学进展，陈汉忠，刘英用多因素方差分析法研究光谱标样的均匀性内蒙古师范大学学报：自然科学版’，（中华人民共和国国家标准传动及输送用双节距精密滚子链和链轮北京：中国标准出版社成大先机械设计手册：轴及其连接北京：化学工业出版社，，成大先机械设计手册第一卷）北京：化学工业出版社，刘文辉线性拟合在数据釆集系统设计中的应用现代计算机， 中国农业大学博士学位论文致谢致谢时光荏苒，岁月如梭。素时锦年，稍纵即逝，五载青春年华，弹指一挥间。韩愈先生曾道人非生而知之者，孰能无惑？惑而不从师，其为惑也，终不解矣。博士在读的时光，也曾激昂，也曾迷茫，也曾彷徨，走到五年时光的尽头，我深感先生的师者传道、受业、解惑。正是恩师谭豫之教授和恩李伟教授，教我严谨勤奋的治学风格，从容、乐观、豁达、以身立行的做人风格，以传道；带我进入机器视觉与智能农业机器人领域，开拓国际化的视野，领略前沿而精髓的学术造诣，以授业；指导我开展课题研宄，完成论文选题、系统设计、实验设计及实施、论文的撰写与修改，以解惑。在此对两位恩师表示诚挚的感谢，衷心祝愿恩师身体健康、生活幸福、工作顺利！诚挚的感谢陈英老师、张宾老师、农克俭老师在我学习期间的指导和帮助，感谢我博士期间留校任教的袁挺老师、张文强老师、张春龙老师在我学习期间给予的支持和帮助，衷心祝愿各位老师身体健康、工作顺利！孟子有云：人之相识，贵在相知，人之相知，贵在知心。在此特别感谢我的挚友张俊雄老师，在这五年中张老师甘于奉献的精神，严谨的科研风范，过硬的技术水平，很好的为我诠释了如何做好一名合格科研工作者，感谢你在我面对困难的时候给予我的理解和帮助，感谢你在课题研宄上给予的支持和指导。在此特别感谢我的挚友宋鹏博士，在这五年中给予我学习生活上的帮助支持，尤其是在论文的选题，实验的开展，论文的撰写方面给予了大量的中肯建议，使我能够克服困难完成论文《任他似水流年，只愿友情永驻。感谢实验室分选组的成员：陈艳军、李博、李聪、韩国建，感谢这个团队，有你们的辛勤付出，我的研宄工作才能顺利开展，感谢你们给予我的支持和帮助。在此一并感谢耿长兴、黄小龙、纪超、张凯、马程宏、朱友哲、刘卫东、张震华、张二鹏、孙哲、王鹏、张旭晨等全体农业机器人实验室的同学陪伴我度过五年时光，衷心祝愿你们工作顺利、生活幸福！感谢论文送审和答辩过程中的各位老师，感谢您们对我论文提出的宝贵意见和建议，让我及时的找到论文的问题和不足，在修改和完善的基础之上，做好继续深入研究的准备。诗经中写道：父兮生我，母兮鞠我，拊我，蓄我，长我，育我，顾我，复我。在此我要感谢远在千里之外的父亲母亲，是您们对我从小的言传身教，在我面对困难的时候给我鼓励和支持，才让我有勇气和能力站在今天的高度，体谅我不能在您们身边照顾左右，我谨以此文献给您们已报养育、教育之恩，祝愿您们身体健康、永远年轻！特别感谢我的妻子张馨月女士，在我迷茫、失落、急躁的时候给予我的关心和照顾，感谢你一路与我风雨同舟，感谢你的宽容、体贴，感谢你为我们的家庭所做的一切，我会永远爱你如初。感谢北京农业职业学院机电工程学院的领导和同事在我工作、学习上的支持，特别感谢张同德书记、汪金营院长、叶克院长、王琳静副院长、诸刚副院长、刘杰副院长以及我所辖科室教学团队的各位同事，祝您们工作顺利！谨以此文献给曾经关心和帮助过我的人们。 120 中国农业大学博士学位论文作者介绍作者介绍郭辉，男，年出生，籍贯河北，甘肃兰州人。年月至年月在北京交通大学载运工具运用工程专业获得工学硕士学位。年至今在北京农业职业学院数控技术专业任教，共撰写和发表教学研究论文篇，参与编著教科书部。年月，考入中国农业大学工学院机械制造及其自动化专业攻读博士研究生，研究生期间主要从事机器视觉检测与农业机器人技术相关研宄，共撰写和发表学术论文篇，申报专利项。博士期间撰写的学术论文，郭辉谭豫之宋鹏等基于高光谱图像分割的蜜柚可食率检测方法研宄农业机械学报（同行评议）郭辉谭豫之张俊雄等柚子称重自动分选系统设计与试验农业机械学报（同行评议）博士期间申请的发明专利张俊雄郭辉李伟等一种水果称重分选系统发明专利授权）李伟李博郭辉等一种称重分选方法及控制系统发明专利公开）张俊雄李聪郭辉等电子式果蔬分选称台实用新型专利授权）谭豫之李聪郭辉等一种基于机器视觉的绿化马铃薯检测分级方法发明专利公开）博士期间参加的科研课题中国农业大学研宄生科研创新专项资助项目：水果表面特异特征检测及分级方法研宄，主持人十二五国家科技支撑计划资助项目：农产品产地分级处理成套装备研制与示范，参加人