【看论文】之《基于边缘检测改进算法的脐橙分拣系统设计与实现_陈讯》

论文信息

论文题目：《基于边缘检测改进算法的脐橙分拣系统设计与实现》

作者：陈讯

单位：北京邮电大学

来源：中国知网

论文性质：硕士学位论文

提交时间：2016.3

---

摘要

论文通过引入监督学习的Adaboost算法来改进现有的Canny边缘检测算法，使分拣系统对脐橙边缘检测的识别更加准确。针对脐橙的图像特征，从形状特征、变换特征等方面进行研究。类比图像特征与体积的关系，对脐橙的体积进行了估计，并以此计算脐橙的密度，作为分拣标准。

论文介绍了图像边缘检测算法，提升了算法的抗噪能力，并通过Adaboost算法改进边缘拼接，使图像连接更符合人的认识。对图像特征进行了分析和选取，通过实验，设计样本脐橙的体积模型，完成对图像中水果的拟合。

论文设计并搭建了完整的脐橙分拣系统、编写控制应用软件。

关键词：脐橙、分拣系统、边缘检测、Adaboost

---

1 绪论

国外研究现状

1985年，美国的Scrkar和Wolfe利用计算机图像实现对新鲜西红柿的检测：利用西红柿的中心区域的颜色均值作为特征，依据颜色的相似度进行分级。由于没有考虑所有的表面颜色特征，结果不准确、处理的速度慢。

1991年，Varghese研究果型对品质的影响：讲苹果固定好位置，收集不同角度的图像，综合评价。方法复杂，且位置的定位与人为因素有关，结果不稳定。

2001年，Penman利用苹果的果梗，在蓝色光源下的反射特性，通过分析蓝光照射下的反射图像与形状的相关性，达到了对果梗方位的检测。

2003年，Blasco等人改进了检测装置，对单体化的水果，利用旋转拍摄了四幅无重叠图像，提高了检测的精度，在苹果的缺陷检测中检测率达88%。

2007年，D.Unay等人，利用机器学习的方法，对果梗就行是被研究，通过阈值法提取目标区域，并提取形状和纹理特性作为SVM算法实现最优分类，准确率很高。

---

国内研究现状

1998年，杨秀坤研究了图像处理中的“自适应能力”差的问题，提出“神经网络+加权分类决策树”的方法来实现自适应。

2000年，籍保平等研发了一种水果自动分拣系统，根据水果的 果形、大小、颜色、缺陷对水果进行分级。

2001年，赵静，将“水果的半径、曲率、对称性”作为和神经网络的输入，实现水果的识别。准确率93%。

2002年，冯斌，建立水果的灰度模型，对水果进行阈值分割，通过傅里叶变换进行识别。

2007年，饶秀琴，对机器视觉系统作了深入的研究，提出了一种水果品质检测与分级的生产线系统，是我国率先研究成功的基于视觉系统的分级生产线。

---

2 图像处理和识别的基本理论

图像去噪

分为图像空间域去噪和图像变换域去噪

空间域去噪：在原有数据的基础上，以像素点为单位进行逐点运算或利用像素的相关性进行操作和变换。常用的方法：领域平均法、多幅图像平均法、中值滤波法、空间域低通滤波法。

变换域去噪：在图像的变换域进行处理，对原始图像进行变换域变换，在该域进行处理，最后反变换，完成去噪。傅里叶变换去噪、小波变换去噪。

---

图像识别

概念：利用计算机对图像进行处理分析，以达到识别不同模式下的目标和对象的目的。图像识别的基本依据是特征。

常见的特征区域：

图像特征提取分类

---

3 基于边缘检测改进算法的脐橙特征检测

边缘检测算法（Canny）改进

（1）改进图像处理的铝箔算法

具体改进：为了提高算法的抗噪能力，在对图像进行边缘特征提取前，先采用了中值滤波的预处理方法。在方法的原基础上，引入了方向性，相比与传统的Canny算法的高斯滤波，它能有效地抑制脉冲噪声点，同时保留边缘细节信息。

（2）基于Adaboost的边缘连接算法

图像的边界常常用灰度图像的梯度进行描述，因此，表征边缘最本质的方法是获取灰度变换的梯度值。下面引入Adaboost算法，将不同但具有描述图像特性的特征作为分类器的输入，包括梯度值，同时考虑端点、角度方向值、端点像素距离、端点连续边缘长度等作为边缘连接的参数，以利于更好地进行边缘检测。

---

脐橙轮廓特征提取

提取的特征集合是对体积进行估计的输入条件。下面是对图像处理后边缘轮廓的一些特征：

（1）面积

通过计算该区域的像素数目获得。

（2）周长

外围轮廓边界上点到点依次顺序的和。

（3）长宽比

脐橙在卡钳内的长度与宽度的比值

（4）傅里叶椭圆和

傅里叶椭圆和是专门用于水果定位的识别特征，这个特征在一定的程度上指示从侧面观察水果的纵断面是椭圆形的。

（5）傅里叶圆和

（6）平均直径

（7）圆度

（8）凸度

凸度是实际周长与凸周长的比值，凸周长是凸包中的点沿其边缘边界点之间距离相加得到。

（9）坚实度

坚实度是其面积与凸区域（凸包面积）的比值

（10）饱和度

该对象面积与边界外接巨型面积之比。

（11）弯曲能量

（12）平均距离

（13）平均距离方差

（14）充实度

---

脐橙的体积估计

利用类比公式的体积估算方法。具体如下：

假设脐橙是球形，则可以从轮廓的面积推导出其体积的大小：，

因此得到:   

 

像素面积与实际体积关系的分布散点图

 

可以看出，  

---

4 脐橙分拣系统设计与实现

分拣系统的组成

脐橙分拣系统的组成如下：

 

分拣系统的组成结构

 

分拣模块：

分拣系统模块

---

脐橙分拣系统软件开发

主要使用的软件：
matlab：实现训练和拟合部分的参数值的计算
opencv+vs：图像处理
vs:利用Visual C++完成软件界面设计

---

运行结果

对体积估计具有很好的效果，在7%以内，平均误差5.3%。基本能够对脐橙进行分级分拣，满足生产加工的需求。

---

5 总结与展望

创新点成果

（1）提出一种新的分拣技术，流水线分拣精度达95%，对脐橙的体积估计精度达93.6%。

（2）改进Canny算法，引入Adaboost算法提高边缘连接的准确性。

（3）通过类推定义了特征与体检的关系，实现了多元线性回归模型对关系式进行求解。

（4）论文提到的方法可以推广到其他的水果检测中，方法具有普适性。

---

展望

本文采用的是灰度图像，如果采用RGB彩色图像对脐橙进行图像采集，那么可以进一步的提升脐橙的识别，包括果伤类型的确定和分类。

---

finished，2018.11.4，morning，by songpl

★声明：本篇文章是本人在学习期间的笔记，如有侵权，请联系删除