基于图像特征融合的苹果在线分级方法

摘要：

苹果在线分级是提升苹果商品化价值的重要环节,需要同时满足分级准确度和速度要求.为进一步提高苹果在线分级效率,该文借助机器视觉技术动态采集苹果传输过程中的实时图像,提出改进的三层Canny边缘检测算法来提取苹果轮廓以克服采集图像中的光线噪声影响,通过分析苹果分级指标,采用判别树对苹果的果径、缺陷面积、色泽等特征进行初步分级判断,并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级,最后,通过将两种分级判断结果进行决策融合来实现样本精确分级.同时,采取图像压缩和特征降维方法提高实时性.试验结果表明,基于图像特征决策融合的苹果分级准确率可达到95％,平均分级速率可达到4个/s.研究结果为水果的在线分级提供参考.

关键词：图像处理、支持向量机、机器视觉、苹果分级、决策融合、三层Canny、特征分析

所属期刊栏目：33

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目51376028;国家科技支撑计划2015BAF20B02

在线出版日期：2017-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：285-291