水果自动识别的水果自动识别的BP神经网络方法神经网络方法
针对多种水果混合的图像,对各种水果的提取和识别进行研究。利用Matlab软件进行图像数据获取、对比度增
强、去噪、二值化处理;为弥补二值化后图像中出现的断边、孔洞,借助Sobel算子进行边缘提取以接合断边,
并基于数学形态学算子填充孔洞。再标签化处理图像并提取水果的颜色、形状、边缘特征,用200幅水果图像提
取上述特征构造训练样本和测试样本,然后利用构造的样本对BP神经网络进行训练和测试。实验结果表明,所提
出的方法能够获得很高的正确识别率,能够有效地将同一幅图像中的不同水果识别出来。
摘摘 要要: 针对多种水果混合的图像,对各种水果的提取和识别进行研究。利用
关键词关键词: BP神经网络;水果识别;二值化;标签化;MATLAB
我国一直是水果、蔬菜生产大国,水果分拣基本上仍由人工完成,虽然成本低廉,但劳动力大、生产效率低,产后商品化
处理技术和设备落后,用肉眼评判水果的好坏,分级标准不一和分级精度不稳定,导致产品缺乏市场竞争力,出口数量少、价
格低[1]。因此找到一种高效的机械分拣方法非常必要,在我国具有十分重要的经济价值和广阔的应用前景。
计算机图像处理及识别是计算机应用技术的一个重要方面,在电子工业、人工智能、工业自动化、生物医疗工程、卫星遥感
等众多领域中占有极其重要的地位[2]。近年来,计算机图像处理及识别的研究在我国受到了广泛的重视,取得了卓有成效的
进展,逐步迈向实用阶段。 图像识别主要是研究用计算机代替人自动地去处理大量的物理信息,解决人类生理器官所不能
识别的问题,或是直接帮助人识别信息从而简化劳动[3]。机械分拣短时、高效的特点符合果蔬产品的时间特性,能及时地分
拣出高质量的水果。水果经识别后,可通过机械自动化控制,对水果信息按目的地分类。因此,采用图像识别技术对水果按要
求分类,运用自动化机械分拣技术[4],在实际的生产过程中能减少大量的人力资源,具有短时、高效、方便的特点。
本文针对多种水果混合的图像,利用Matlab软件,对水果的识别进行研究。根据水果与背景灰度值的差别选取阈值,对去
噪、增强对比度后的图像进行二值化处理。分割出目标后,由于原始图像中灰度分布不均匀和光照等的影响,可能同一类水果
中会出现空洞或个别边缘处出现断裂情况等,因此要对图像进行边缘检测。然后标签化处理图像,区分水果,再提取不同水果
的颜色、形状、边界不规则等特征,用多幅图像训练BP神经网络,建立水果特征库,利于快速识别水果,从而实现对水果的
正确分拣。
1 水果图像的增强和分割水果图像的增强和分割
在计算机上,图像由像素逐点描述,每个像素点具有一个明确的位置和色彩数值。用Matlab软件读取图像,以矩阵的形式存
放图像数据,其扫描规则是从左向右,从上到下。为处理方便,把原始的彩色图像转换为灰度图像,如图1(a)所示。
采用中值滤波法对灰度图像进行去噪处理。中值滤波是抑制噪声的非线性处理方法,本文用中值滤波法处理3×3像素的局域
图像,把9个灰度值按从小到大的顺序排序后,以第5个(即中央)序号的灰度值作为目标像素的灰度值。中值滤波对于滤除图像
中的椒盐噪声非常有效[5],去噪后的图像如图1(b)所示。
为了得到更清晰的图像,再对图像进行锐化处理,采用反锐化掩模的方法。反锐化掩模法是一种常用的图像锐化方法,其算法
表达式为:
式中,f(x,y)为处理前的图像;f′(x,y)为用人为方法将f(x,y)模糊以后得到的图像;g(x,y)为锐化处理后的图像;c(c>1)为比例常
数,根据具体情况选定。反锐化掩模法有效地提高了高频成分,使模糊呆板的图像变得具有清晰感和生动感[6],图1(c)是锐化
后的结果。
经过去噪和对比度增强,就可以对图像目标进行提取分割。图像阈值分割是最常用的图像分割技术,主要利用了图像中背
景与对象之间的灰度差异[6]。只要阈值选取合适,将每个像素与之比较,进行二值化处理,就可以很好地将对象从背景中分
离出来。取阈值为0.34,图2(a)是二值化后的结果。从图2(a)中可以发现水果中有很多空洞,且水果的边缘处有断裂现象,所
以采用边缘提取以弥补断裂的边缘部分,然后基于数学形态学算子对图像进行去除断边、图像填充等必要的后续处理。
利用Sobel算子[7]进行边缘检测。Sobel算子是一种简单常用的微分算子,它不仅能检测边缘点,而且能进一步抑制噪声的
影响。Sobel算子对数字图像f(x,y)的每个像素考查其相邻点像素灰度的加权差[8],即
利用Sobel算子进行边缘检测的结果如图2(b)所示,水果的边缘清晰地显示出来。再利用OR运算结合模糊分割和边缘信息
[9],去除断边如图2(c)所示;利用数学形态学[10,11]重新填充一下图像中的洞,最终处理后的图像符合本文的要求,其效果
如图2(d)所示。
评论1