專利名稱：水果按表面顏色分級的方法
技術領域：
本發明涉及一種將水果按表面顏色分級的方法。
背景技術：
在眾多的品質屬性中，顏色可能是構成大多數園藝產品感官品質的最重要屬性，它往往給人們第一印象。某種農產品即使其內部品質再好，也可能會因為其顏色不吸引人而不受歡迎。因此，對水果顏色進行檢測和分級，是提高水果商品價值的有效手段。
果品的顏色除受其表面性質影響外，內源色素的不同，通過吸收或反射不同種類和數量的光也影響產品的顏色。
水果的色素以溶解性能不同可分為脂溶性色素(如葉綠素和類胡蘿卜素)及水溶性色素(如花青素)。從化學結構類型可區分為吡哆色素、多烯色素、酚類色素、醌酮色素以及其它類別的色素。
水果表面顏色還在一定程度上反映了水果的內部品質。研究表明，紅葡萄含有豐富的鉀、水楊酸、鐵、花色甙的蹂質，其中水楊酸可降低膽固醇，花色甙有助于供血，勒質酸稀釋血液，所以紅葡萄可以預防心肌梗塞和中風。而綠葡萄僅含有鉀、鐵及維生素C、B。因此，紅葡萄營養價值高；每100g紅辣椒含有200mg維生素C，是綠辣椒的2倍，紅辣椒還富含胡蘿卜素、維生素B、維牛素E和葉酸，能增強免疫力。因此，紅辣椒比綠辣椒價值高。
此外，消費者在購買水果時，還會根據其消費目的選擇不同的水果。例如，作為禮品的水果就要求表面顏色鮮艷。特別是春節期間，鮮紅的顏色代表吉祥，因此，紅色的水果更受歡迎。
由此可見，水果表面的顏色是其重要的外觀品質指標之一，與內部品質有著密切的關系。若靠人的感官進行評定，缺乏客觀性和準確性。
在水果的表面顏色檢測方面，已完成的工作主要有 Tao等人(Tao Y，Heinemann P H，et al.Machine vision for color inspection ofpotatoes and apples.Trans ofthe ASAE.1995.38(5)1555-1561)研制成功了用于蘋果顏色檢測的機器視覺系統，它可以區別黃色與綠色的“金帥蘋果”。
Abdullah等人(Abdullah M Z，Mohamad-Saleh J，Fathinul-Syahir A S，et al.Discrimination and classification of fresh-cut starfruits(Averrhoa carambola L.)using automated machine vision system.Journal of Food Engineering，2006，76(4)506-523)研制了用于金帥starfruits(一種海星狀水果)表面顏色和果形檢測的機器視覺系統軟件，該軟件利用HIS顏色空間，采用線性判別函數和多層神經網絡進行檢測水果的成熟、未成熟及過成熟狀態，對200個樣本的檢測表明，線性判別函數和多層神經網絡的檢測準確率分別為65.3％和90.5％。
Mendoza等人(Mendoza F，Dejmek P，Aguilera J M.Calibrated colormeasurements of agricultural foods using image analysis.Postharvest Biology andTechnology，2006，41(3)285-295)分別研究了sRGB，HSV和L*a*b*顏色模型在水果品質檢測計算機視覺的應用，結果表明，sRGB效率較高，但易受背景、水果表面曲率及散射影響，L*a*b*更適于在計算機視覺系統中用于水果表面顏色的檢測。
楊秀坤等人(楊秀坤陳曉光.用遺傳神經網絡方法進行蘋果顏色自動檢測的研究.農業工程學報，1997，13(2)173-176)通過計算機視覺技術獲取蘋果的色度直方圖并提取其表面顏色特征，采用先進的遺傳算法建立了一個多層前饋神經網絡系統。
李慶中(李慶中，張漫.基于遺傳神經網絡的蘋果顏色實時分級方法.中國圖象圖形學報(A輯)，2000，5(9)779-784)介紹了蘋果顏色自動分級系統的硬件組成，確定了蘋果顏色特征的提取方法，利用遺傳算法實現了多層前向神經網絡識別器的學習設計，實現了蘋果顏色的實時分級，并通過實驗驗證了方法的有效性，試驗結果表明，顏色分級識別準確率在90％以上，分級一個蘋果所用的時間為150ms。這種方法需先指定標準樣本，采集圖像進行分析后，訓練網絡，當水果品種更換時，需重新進行網絡訓練，用戶使用不便，品種適應性較差。
馮斌等人(馮斌，王懋華.基于顏色分形的水果計算機視覺分級技術.農業工程學報.2002，18(2)141-144)在利用水果表面分布的分形維數為特征對不同著色等級水果進行分級時，采用了HIS模型，利用各色度點的累計和空間分布特性。
以住的研究一般根據直方圖進行顏色分級研究。直方圖能反映水果表面顏色公布的統計特征，但不能反映表面各點的位置信息，而在機器視覺系統上，圖像上各點代表的實際面積不盡一致，因此，僅利用直方圖對水果進行顏色分級可能會帶來較大的誤差。
發明內容
為了克服現有技術在檢測水果品質方面的不足，本發明的目的在于提供一種基于面積加權直方圖的水果按表面顏色分級方法，以提高水果按表面顏色分級的精度。
本發明采用的技術方案是 ①采集圖像分別選取紅色水果樣本和橙色水果樣本組成紅色水果樣本組和橙色水果樣本組，然后分別送入機器視覺系統，記錄其數字圖像，對記錄的圖像去除背景，得到水果樣本圖像。
②計算面積加權直方圖將每一幅水果樣本圖像轉化為HIS格式，分別計算其H分量的面積加權直方圖 式中 Ph——H分量值為h的水果表面積值， S(i，j)——像素點(i，j)所代表的實際表面積， f(i，j)——像素點(i，j)的H分量值， T(x)——轉換函數，當x＝0，T(x)＝1，否則T(x)＝0， 將在一定范圍內的Ph值以文本方式記錄水果樣本直方圖文件中。
③主成分分析對水果樣本直方圖文件進行主成分分析，將主成分按方差貢獻率由大到小排列，并逐個累計排在前面的主成分的累計方差貢獻率，當累計方差貢獻率要大于85％時，停止累計，記這些主成分的總數為K。
④計算樣本中心點分別按式(2)計算紅色水果樣本組和橙色水果樣本組的樣本中心點，得到2個樣本組的主成分中心點；
——第i個主成分分量中心點， Fi——樣本的第i個主成分分量， K——主成分總數。
⑤分級按(3)式分別計算樣本到紅色水果樣本組和橙色水果樣本組的樣本中心點的馬氏(Mahalanobis)距離DMR和DMY，如果DMR＜DMY，則將待測對象判斷為紅色水果，否則為橙色水果； 式中 DM——樣本到某一個樣本中心點的馬氏距離， Fi——待測對象第i個主成分分量，
——第i個主成分分量中心點， K——主成分總數。
本發明具有的有益效果是水果表面顏色直方圖按面積加權的方式進行，可以克服水果圖像上各點代表的實際面積不盡一致的問題，提高水果按表面顏色分級的精度。可以準確地將水果按表面顏色分級。
圖1是紅色水果樣本的圖像； 圖2是橙色水果樣本的圖像； 圖3是紅色水果樣本的HIS面積加權直方圖； 圖4是橙色水果樣本的HIS面積加權直方圖； 圖5是前2個主成分的方差貢獻率及累計方差貢獻率； 圖6是實施例的分級結果。
具體實施例方式 分別選取40只紅色臍橙樣本和40只橙色臍橙樣本，組成紅色水果樣本組和橙色水果樣本組。然后分別送入機器視覺系統，記錄其數字圖像，去除背景，分別得到如圖1和圖2所示數字圖像，對每一個水果重復10次，共得到800幅水果圖像。
計算面積加權直方圖。將每一幅水果樣本圖像轉化為HIS格式，通過計算分別計算得到如圖3和圖4所示的H分量面積加權直方圖 式中 Ph——H分量值為h的水果表面積值， S(i，j)——像素點(i，j)所代表的實際表面積，按中國發明專利ZL200410089198.1，授權日2006年2月22日，用于球形對象表面積實時計算的球帶法所提出的方法計算， f(i，j)——像素點(i，j)的H分量值， T(x)——轉換函數，當x＝0，T(x)＝1，否則T(x)＝0。
將在P1-P60以文本方式記錄水果樣本直方圖文件中，該文件記錄的數據為800行60列。
主成分分析。用matlab軟件的PRINCOMP函數對水果樣本直方圖文件進行主成分分析。將主成分按方差貢獻率由大到小排列，得到如圖5所示的方差貢獻率及累計方差貢獻率，圖5中前2個主成分的已大于85％時，則主成分的總數為K＝2。
計算樣本中心點。分別按式(2)計算紅色水果樣本組和橙色水果樣本組的樣本中心點，得到2個樣本組的主成分中心點。
——第i個主成分分量中心點， Fi——樣本的第i個主成分分量， K——主成分總數。
分級。按(3)式分別計算樣本到紅色水果樣本組和橙色水果樣本組的樣本中心點的馬氏(Mahalanobis)距離DMR和DMY，如果DMR＜DMY，則將待測對象判斷為紅色水果，否則為橙色水果。
式中 DM——樣本到某一個樣本中心點的馬氏距離， Fi——待測對象第i個主成分分量，
——第i個主成分分量中心點， K——主成分總數。
分級的結果如圖6所示。紅色樣本有6次被誤判為橙色水果，而橙色樣本有8次被誤判為紅色水果，總相對誤差1.75％。
權利要求
1.一種將水果按表面顏色分級的方法，其特征在于該方法的步驟如下
①采集圖像分別選取紅色水果樣本和橙色水果樣本組成紅色水果樣本組和橙色水果樣本組，然后分別送入機器視覺系統，記錄其數字圖像，對記錄的圖像去除背景，得到水果樣本圖像；
②計算面積加權直方圖將每一幅水果樣本圖像轉化為HIS格式，分別計算其H分量的面積加權直方圖
式中
Ph——H分量值為h的水果表面積值，
S(i，j)——像素點(i，j)所代表的實際表面積，
f(i，j)——像素點(i，j)的H分量值，
T(x)——轉換函數，當x＝0，T(x)＝1，否則T(x)＝0，
將在一定范圍內的Ph值以文本方式記錄水果樣本直方圖文件中；
③主成分分析對水果樣本直方圖文件進行主成分分析，將主成分按方差貢獻率由大到小排列，并逐個累計排在前面的主成分的累計方差貢獻率，當累計方差貢獻率要大于85％時，停止累計，記這些主成分的總數為K；
④計算樣本中心點分別按式(2)計算紅色水果樣本組和橙色水果樣本組的樣本中心點，得到2個樣本組的主成分中心點；
——第i個主成分分量中心點，
Fi——樣本的第i個主成分分量，
K——主成分總數；
⑤分級按(3)式分別計算樣本到紅色水果樣本組和橙色水果樣本組的樣本中心點的馬氏(Mahalanobis)距離DMR和DMY，如果DMR＜DMY，則將待測對象判斷為紅色水果，否則為橙色水果。
式中
DM——樣本到某一個樣本中心點的馬氏距離，
Fi——待測對象第i個主成分分量，
——第i個主成分分量中心點，
K——主成分總數。
全文摘要
本發明公開了一種將水果按表面顏色分級的方法。分別選取紅色水果樣本和橙色水果樣本組成紅色水果樣本組和橙色水果樣本組，獲取去除背景的水果樣本圖像，計算水果樣本圖像的H分量面積加權直方圖并進行主成分分析，選取方差貢獻率較在K的前個主成分，使累計方差貢獻率大于85％時，分別計算紅色水果樣本組和橙色水果樣本組的樣本中心點，得到2個樣本組的主成分中心點，分別計算樣本到紅色水果樣本組和橙色水果樣本組的樣本中心點的馬氏(Mahalanobis)距離DMR和DMY，如果DMR＜DMY，則將待測對象判斷為紅色水果，否則為橙色水果。本發明克服水果圖像上各點代表的實際面積不盡一致的問題，提高水果按表面顏色分級的精度，可準確地將水果按表面顏色分級。
文檔編號G06K9/46GK101125333SQ20071007141
公開日2008年2月20日 申請日期2007年9月24日 優先權日2007年9月24日
發明者應義斌, 饒秀勤, 蔣煥煜, 王劍平 申請人:浙江大學