摘要 摘要：本文借助计算机中的视觉自动检测技术来测量在果实表面的着色度，并对该颜色进行了分级，进一步的对颜色进行分析与研究，进而来获得出最终的水果果实的彩色图像，进一步
摘要：本文借助计算机中的视觉自动检测技术来测量在果实表面的着色度，并对该颜色进行了分级，进一步的对颜色进行分析与研究，进而来获得出最终的水果果实的彩色图像，进一步的分析出对应的结果。因此，在本文中，对果实表面颜色进行了全面综合的分析与研究，进而来得出对应的果实颜色分级标准和原则。
关键词：果实表面颜色;计算机;视觉分级技术;研究
1对计算机视觉分级技术研究中材料的选取及检测系统的验证
1.1试验选取的材料
为了进一步的对保证在对计算机视觉分级技术进行分析和验证，本文所选取的实验材料是某一地区所生产出的红星苹果，而且在选择中苹果的果径限制在50mm到80mm左右。其中，还要将一些存在瑕疵和畸形的苹果进行去除，保证在实验验证的过程中，不会因为苹果自身的原因而造成对是实验结果的影响。其中，在检测中，是注重对红星苹果颜色的研究，借助计算机视觉检测系统来对一批红星苹果的颜色进行分级挑选。
1.2检测系统
在计算机视觉分级技术中，主要的检测系统包括了计算机、CCD摄像机、图像采集卡和照明室等。在检测系统中，主要的系统是IBM兼容机,其中在该主机中包含了一些内插的大恒图像公司VIDEO2PCI2C真彩色图像采集卡，也就是指可以通过对图片中对比来进行收集图片。在收集图片之后，借助松下CP410彩色CCD摄像机搭配DH1212型C式安装镜头来进一步的获取研究对象自身表面的图像。在检测的过程中，为了保证检测对表面光照度的统一性和标准，并且不会产生一些镜面的反射，本文选择了圆筒形照明室来进行照明，其中圆筒形照明室的直径尺寸是580mm。并且为了减少周边环境的影响，将照明室的内部壁涂成白色,放置6个60W的灯泡并且分两排对称的安装在照明室的底部区域中,而在照明室内部的载样台面上，是用细砂布打磨过的黑色橡胶板之后将选择的样品放置于橡胶板上进行对应的观察与分析，重点是要考察样品的颜色度。
2对样品果实颜色特性的分析以及具体颜色的分级方法介绍
2.1样品颜色模型的选择
为了确保研究方法的科学性，和对样品颜色研究的合理性，对相应苹果颜色已经建立起多种颜色的具体模型，其中在对样品颜色图像的处理过程中,一般经常会应用到的模型是RGB、HLS和YIQ的颜色模型。其中，对于RGB颜色模型来说，该种颜色模型是应用于一些硬件设备的，也就是需要由一些摄像机来获得对应样品的彩色图像并表示为对应的R、G、B成份。然而,R、G、B成份与人肉眼对水果颜色的观察是不存在直接的关联性的。因此，该种颜色的模型是与肉眼观察并无直接的关系。但是从肉眼的观察来说，果实样品的HLS颜色主要可以分为三个要素，色相、饱和度以及亮度，其中色相是水果中某一种颜色与另一种颜色的之间差别的一种要素,在现实生活中就例如红、绿、蓝、黄以及紫等其他的颜色。而饱和度指的是颜色自身的纯度，亮度也就是光自身的强度。简单来说，HLS的颜色模型的定义是指，在某一个圆柱形的坐标系中双圆锥子集上作模型，其中色相H是指绕圆锥中心轴的角度，而饱和度S具体是指颜色点与中心轴之间的距离,而在轴上各点,自身的饱和度数值为0。但是在锥面上各点的饱和度的数值是1。在该圆锥坐标系中，亮度L是随着下锥顶点的0,逐步的变到上锥顶点的1。总之，在HLS的颜色模型中,亮度L是不会受其它颜色信息的影响而发生对应的改变,而是可以通过减小照度变化来造成对应的影响。因此,如果在对水果颜色进行分级的过程中选择HLS的颜色模型，可以实现对果实颜色进行科学合理的检测并根据果实颜色的色度来进行分级。然而在具体实际中使用HLS的颜色模型来检测并分级果实颜色时,需要将摄像机中获取果实的图像中的R、G、B成份转换为对应的HLS值。而对应的光度、饱和度以及色相是需要进行一定的转换，其中亮度的转换公式是L=(R+G+B)/3,而饱和度的转换公式是S=1-{max[R,G,B]}/L。但是色相的转换公式较为复杂进而通过转换后的色相、饱和度以及光度来进行对应的颜色分级。
2.2果实的颜色特性
在对果实表面颜色进行检测与分级的过程中，最主要的就是要找出果实的边界值。而在获得果实的边界值时，图像的背景颜色是黑色，因而可以直接用R分量图像来进行求解具体的求值过程如下，首先将RGB值转换成HLS值，再者将分量图像中值滤波，第三步是Otsu’s算法来寻找出最优的阈值数。第四步是通过寻找出的阈值数值来画出对应的二值化图像。第五部是跟踪并找出果实的最大边界值。之后就是根据光度、色相以及饱和度等的转换公式来求出在果实边界中对应的色相、饱和度和亮度值。但是如果是将平均色相分布直方图进行累计分析,就可以得到对应平均累计相对频度分布图。而且在该累计色相直方图中,4个等级的着色度可以实现清晰的分离,并且可以选择出合适的色相阈值,进一步的对果实的着色度进行分级。准确的来说，如果仅仅用单一个色相阈值来间划分四个着色度等级,将会存在一定程度的误差，进而引入差值。总之，在分级的过程中，需要选取多个色相阈值来划分，进而来减少分级的误差。
2.3具体果实颜色的分级准则以及方法
在国家制定的GB10651289(鲜苹果)的规定中,对于红星苹果优等品、一等品和二等品的表面颜色必须是为鲜红或着是浓红的颜色,而且各个等级中对应的着色面积分别是>70%,>50%,>25%,同时对于等外品着色度的范围是<25%。在之前选择出的色相阈值,首先是要使得在该色相阈值下的果实表面的累计着色面积的范围是在≥70%、≥50%、≥25%的果实,进而根据该标准来划分红星苹果中的优等品、一等品、二等品,而对于累计着色面积是在25%以外的红星苹果是属于等外的品种。根据质检四个等级的色相分布图来选择出两个色相阈值分别是30、40,因而将等外品和二等品用色相阈值40来进行划分,其他的各级用色相阈值30来进行划分。而通过计算机视觉分级技术中，选用P(h)来表示果实的色相h程度下果实中的累计频度,其中具体的分级准则及分级算法如下所示，
3对实验结果的分析与研究
在本文进行的实验过程中，是选用了一批大约125个红星苹果作为实验的研究对象来进行分级的检验，其中，首先是将苹果果实经人工划分为4个等级,之后根据对每一个果实中两幅侧面图像的科学合理化的分析与处理，进而来计算出对应的累计频度分布值,并对计算出的分布值进行分级。在对分析结果的研究中，除了一等品外,各个等级的水果果实在借助计算机机器进行分级的过程中与人工进行自主分级的结果中，显示大约有86%左右的相同性。在具体的实验水果分级的过程，一等品果实在经过计算机视觉颜色分级的结果与人工进行分级的过程中，大约有4个左右的红星苹果被错误的分级。而出现这种情况的原因是一等品的红星苹果的着色度范围较小，用肉眼无法准确的进行划分。从总体的结果来分析，用计算机视觉分级技术来进行对红星苹果的划分，二者大致有88.1%的相同性。
4结论
在对红星苹果着色度进行划分的过程中，借助计算机视觉分级技术来划分的过程中，基本上划分出的苹果着色度与实际划分的差距较小， 红星苹果着色度计算机视觉分级结果比起人工分级的准确度较高。而且随果实自身着色度的不断减小,对应的色相分布曲线向色相值会出现逐步的增大方向移动,最关键的是果实的各个着色度等级色相分布范围较宽,分布曲线相互重叠。第二点是一般果实的着色度是在0～80°的范围内可以快速准确的区分开,也就是指可以通过选定合适的色相阈值,用该色相阈值下的累计频度值进行对果实的颜色的分级。
参考文献
[1]李思广.基于机算机视觉的杨梅自动检测分级[J].农机化研究,2018,040(009):204-207.
《果实表面颜色计算机视觉分级技术研究》来源：《电子测试》，作者：马占杰
转载请注明来自：http://www.lunwenhr.com/hrlwfw/hrkjlw/15969.html