基于机器学习的免套袋苹果缺陷分级

河南农业科学 ›› 2019, Vol. 48 ›› Issue (4): 154-160.

• 农产品加工与质量安全·农业工程·农业信息技术 • 上一篇

基于机器学习的免套袋苹果缺陷分级

张琛^1,2，房胜²，王风云¹，李哲²，郑纪业¹，沈宇^1,2

山东省农业科学院科技信息研究所，山东济南 250100； 2.山东科技大学计算机科学与工程学院，山东青岛 266000）

收稿日期:2018-10-08 出版日期:2019-04-15 发布日期:2019-04-15
通讯作者: 郑纪业（1982-），男，山东泰安人，助理研究员，主要从事农业信息技术研究。E-mail：jiyezheng@163.com
作者简介:张琛（1994-），男，山东高密人，在读硕士研究生，研究方向：农业信息技术。E-mail：137769354@qq.com
基金资助:
山东省重点研发计划项目(2016CYJS03A01-1)；山东省农业科学院农业科技创新工程项目(CXGC2017B04)

Received:2018-10-08 Published:2019-04-15 Online:2019-04-15

摘要/Abstract

摘要： 为提高免套袋苹果分级效率，最小化果梗与花萼对缺陷区分的影响，提出了一种基于机器学习的免套袋苹果缺陷分级方法，该方法根据缺陷的数量和面积进行缺陷程度分级。获取免套袋苹果3个不同侧面的图像，利用固定阈值分割和形态学方法提取每个图像的苹果区域。根据苹果表面缺陷在HSV（Hue saturation value，色调、饱和度、明度）颜色空间的特征提取疑似缺陷区域，用种子填充法按序标记疑似缺陷区域，并计算每个区域的大小及灰度共生矩阵特征值。将特征值输入训练后的SVM（Support vector machine，支持向量机）模型，进行果梗、花萼与缺陷的区分，计算当前图像的缺陷数量与面积，再计算苹果3个不同侧面图像的总缺陷数量与面积，实现免套袋苹果缺陷分级。结果显示，正常区域、果梗区域、花萼区域在 SVM模型中的分类正确率分别为96.7%、93.3%、88.3%。利用该缺陷分级方法对60个苹果进行分级的正确率为90.0%，满足苹果分级的实际生产需求。

张琛，房胜，王风云，李哲，郑纪业，沈宇. 基于机器学习的免套袋苹果缺陷分级[J]. 河南农业科学, 2019, 48(4): 154-160.

参考文献

参考文献:
［1］任永新，单忠德，张静，等.计算机视觉技术在水果品质检测中的研究进展［J］.中国农业科技导报，2012，14（1）：98-103.

［2］MIZUSHIMA A，LU R.An image segmentation method for apple sorting and grading using support vector machine and Otsu’s method［J］.Computers and Electronics in Agriculture，2013，94（94）：29-37.

［3］BLASCO J，ALEIXOS N，MOLT E.Machine vision system for automatic quality grading of fruit［J］.Biosystems Engineering，2003，85（4）：415-423.

［4］YOGITHA S，SAKTHIVEL P.A distributed computer machine vision system for automated inspection and grading of fruits［C］// International Conference on Green Computing Communication and Electrical Engineering.Piscataway: IEEE，2014:1-4.

［5］周薇，冯娟，刘刚，等.苹果采摘机器人中的图像配准技术［J］.农业工程学报，2013，29（11）：20-26，293.

［6］朱德利，陈兵旗，杨雨浓，等.苹果采摘机器人视觉系统的暗通道先验去雾方法［J］.农业工程学报，2016，32（16）：151-158.

［7］ZOU X B，ZHAO J W，LI Y X.Apple color grading based on organization feature parameters［J］.Pattern Recognition Letters，2007，28（15）：2046-2053.

［8］刘禾，汪懋华.用计算机图像技术进行苹果坏损自动检测的研究［J］.农业机械学报，1998（4）：82-87.

［9］徐娟，汪懋华.图像形态学在苹果自动分级视觉信息处理中果梗判别与边缘检测中的应用［J］.农业工程学报，1999（2）：183-186.

［10］赵娟，彭彦昆，DHAKAL S，等.基于机器视觉的苹果外观缺陷在线检测［J］.农业机械学报，2013，44（S1）：260-263.

［11］李聪，高海燕，袁超.基于计算机视觉的苹果自动分级方法研究［J］.计算机仿真，2012，29（9）：293-296.

［12］黄辰，费继友.基于图像特征融合的苹果在线分级方法［J］.农业工程学报，2017，33（1）：285-291.

［13］田有文，程怡，王小奇，等.基于高光谱成像的苹果虫伤缺陷与果梗/花萼识别方法［J］.农业工程学报，2015，31（4）：333-339.

［14］刘云，杨建滨，王传旭.基于卷积神经网络的苹果缺陷检测算法［J］.电子测量技术，2017，40（3）：113-117.

［15］王细萍，黄婷，谭文学，等.基于卷积网络的苹果病变图像识别方法［J］.计算机工程，2015，41（12）：293-298.

［16］BHATT A K，PANT D.Automatic apple grading model development based on back propagation neural network and machine vision，and its performance evaluation［J］.Ai & Society，2015，30（1）：45-56.

［17］石瑞瑶，田有文，赖兴涛，等.基于机器视觉的苹果品质在线分级检测［J］.中国农业科技导报，2018，20（3）：80-86.

［18］李龙，彭彦昆，李永玉.苹果内外品质在线无损检测分级系统设计与试验［J］.农业工程学报，2018，34（9）：267-275.

［19］徐天芝，张贵仓，贾园.基于形态学梯度的分水岭彩色图像分割［J］.计算机工程与应用，2016，52（11）：200-203，208.

［20］张国权，李战明，李向伟，等.HSV空间中彩色图像分割研究［J］.计算机工程与应用，2010，46（26）：179-181.

［21］蒋益女，徐从富.结合纹理分析和SVM的苹果梗蒂和缺陷识别方法［J］.计算机工程与应用，2008,44（1）：235-237.

［22］奉国和.SVM分类核函数及参数选择比较［J］.计算机工程与应用，2011，47（3）：123-124，128.

［23］CUBERO S，ALEIXOS N，MOLT E，et al.Advances in machine vision applications for automatic inspection and quality evaluation of fruits and vegetables［J］.SpringerVerlag，2011，4（4）：487-504.

［24］李江波，彭彦昆，黄文倩，等.桃子表面缺陷分水岭分割方法研究［J］.农业机械学报，2014，45（8）：288-293.

［25］REESE D,LEFCOURT A M,KIM S，et al.Using parabolic mirrors for complete imaging of apple surfaces［J］.Bioresource Technology，2009，100（19）：4499-4506.

［26］龙建武.图像阈值分割关键技术研究［D］.长春：吉林大学，2014.

［27］LEEMANS V，DESTAIN M F.A realtime grading method of apples based on features extracted from defects［J］.Journal of Food Engineering，2004，61（1）：83-89.

［28］刘丽，匡纲要.图像纹理特征提取方法综述［J］.中国图像图形学报，2009，14（4）：622-635.

[1]	胡娴, 彭涛, 王逗, 侯海军, 秦红灵, 陈香碧, 陈春兰. 一种改良的旱地土壤微生物DNA提取方法[J]. 河南农业科学, 2020, 49(5): 75-80.
[2]	李梦露, 陈彦云, 夏皖豫. 不同肥料配比对马铃薯品质和产量的影响[J]. 河南农业科学, 2020, 49(1): 44-51.
[3]	李春牛, 李先民, 黄展文, 卢家仕, 卜朝阳. ⁶⁰Co-γ射线对茉莉花插穗的辐照效应研究[J]. 河南农业科学, 2020, 49(1): 118-122.
[4]	田书鑫，刘南南，王桂清. 对峙培养法在生防菌抑制效果研究中的应用[J]. 河南农业科学, 2019, 48(8): 1-6.
[5]	彭涛，尹国红，成东梅，于金林，赵伟峰，高燕，田纪春，邓志英. 小麦冬前最大分蘖期根数的QTL定位[J]. 河南农业科学, 2019, 48(8): 27-33.
[6]	吕赟，丘日光，杨仕梅，吴佳海，宋莉. 百脉根PIN基因家族的鉴定与分析[J]. 河南农业科学, 2019, 48(8): 39-48.
[7]	毛家伟，马聪，唐培培，张翔，徐敏，何雷，李亮，司贤宗，索炎炎，吴俊林. 耕作模式对烤烟根系生长和烟叶钾、氯含量的影响[J]. 河南农业科学, 2019, 48(8): 56-60.
[8]	曹力毅，毕江涛，肖国举. 3株嗜（耐）盐菌株不同组合对盐碱土壤不同粒径团聚体含量的影响[J]. 河南农业科学, 2019, 48(8): 74-80.
[9]	袁素素，张玮玮，王财成，叶秀娟. 望江南种子SU5抗菌蛋白的纯化、抑菌机制及稳定性研究[J]. 河南农业科学, 2019, 48(8): 81-87.
[10]	张振华，林江，王文雅，许畅，杨开样，何世伟. 火龙果溃疡病原菌拮抗菌株的筛选与生物防治效果初探[J]. 河南农业科学, 2019, 48(8): 88-94.
[11]	苏旺苍，郝红丹，徐洪乐，孙兰兰，吴仁海. 10种助剂对玉米田除草剂烟·硝·莠的增效作用及其安全性研究[J]. 河南农业科学, 2019, 48(8): 95-101.
[12]	张凯月，贺春玲，陈玲玲，韩懂博，侯小改. 地熊蜂在油用牡丹凤丹上的传粉生态学研究[J]. 河南农业科学, 2019, 48(8): 102-109.
[13]	李鸽，刘肖，李青梅，杨艳艳，王彦红，张改平. 猪流感病毒NP蛋白单克隆抗体的制备与鉴定[J]. 河南农业科学, 2019, 48(8): 129-133.
[14]	张浩，王宏博，马武，贾聪俊，马晓明，吴晓云，褚敏，阎萍，成述儒，梁春. 无角牦牛Hesx1基因多态性及其与生长性状的关联分析[J]. 河南农业科学, 2019, 48(8): 134-139.
[15]	牛树辉，陈梦飞，吕帅飞，李声平，杨红飞，高小蝉. 大鲵希瓦氏菌的分离鉴定及其病理学观察[J]. 河南农业科学, 2019, 48(8): 147-153.

基于机器学习的免套袋苹果缺陷分级

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics