【《利用機(jī)器視覺(jué)實(shí)現(xiàn)蘋(píng)果分級(jí)的系統(tǒng)設(shè)計(jì)》15000字】

I利用機(jī)器視覺(jué)實(shí)現(xiàn)蘋(píng)果分級(jí)的系統(tǒng)設(shè)計(jì)作為一個(gè)水果生產(chǎn)大國(guó)，水果商品化是水果盈利的必備環(huán)節(jié)，而水果商品化非常重要的的一個(gè)重要部分就是水果的產(chǎn)后分級(jí)，本文選擇的水果研究對(duì)象為蘋(píng)果，利用機(jī)器視覺(jué)技術(shù)中檢測(cè)結(jié)果準(zhǔn)確、檢測(cè)效率高的特點(diǎn)，實(shí)現(xiàn)了基于機(jī)器視覺(jué)的水果分級(jí)系統(tǒng)設(shè)計(jì)。首先將樣品蘋(píng)果放置在同一背景、同一光照下進(jìn)行拍攝，以確保采集的蘋(píng)果樣本圖像的可靠性，然后將采集到的樣本圖像在計(jì)算機(jī)中實(shí)現(xiàn)系列圖像預(yù)處理操作，主要包括灰度化、平滑處理、二值化、噪點(diǎn)消除及圖像填充等過(guò)程，以提高后續(xù)提取圖像信息的準(zhǔn)確性及計(jì)算機(jī)識(shí)別時(shí)的效率性，其中灰度化選擇了加權(quán)平均值法，平滑處理選擇了中值濾波法，接著對(duì)比多種方法和模型，選取了最小外接圓法提取蘋(píng)果的大小特征、利用HSI模型提取蘋(píng)果的顏色特征、采用圓度值法提取蘋(píng)果形態(tài)特征，并融合這多個(gè)特征，與國(guó)家規(guī)定的水果分級(jí)標(biāo)準(zhǔn)相對(duì)照，得到蘋(píng)果的分類(lèi)等級(jí)，最后通過(guò)MATLABGUI界面輸出最終的蘋(píng)果分級(jí)結(jié)果。經(jīng)實(shí)驗(yàn)證明，本系統(tǒng)的分級(jí)準(zhǔn)確率可達(dá)90%及以上，且單個(gè)蘋(píng)果處理的時(shí)間不超過(guò)5s,該結(jié)果表明了本系統(tǒng)是可行和有效的。 2.2圖像的灰度化變換 42.3圖像的平滑處理 2.4圖像的二值化及噪點(diǎn)消除 92.5本章小結(jié) 3.2水果大小檢測(cè)分級(jí)和研究 1 4.2水果顏色的模型 5.2水果形態(tài)的檢測(cè)及分級(jí)標(biāo)準(zhǔn) 21 6.2水果分級(jí)系統(tǒng)的設(shè)計(jì)及結(jié)果 Ⅱ6.3本章小結(jié) 237.2研究展望 24 241第一章緒論我國(guó)一直是水果的大生產(chǎn)國(guó)，而蘋(píng)果的產(chǎn)量尤其巨國(guó)蘋(píng)果的產(chǎn)量在2013年到2017年中每年都呈現(xiàn)快速增長(zhǎng)的趨勢(shì)，而由于自然災(zāi)害等的影響，2018年我國(guó)蘋(píng)果的產(chǎn)量急劇下降，幸運(yùn)的是，在2019年，我國(guó)蘋(píng)果產(chǎn)量回升，恢復(fù)至424.25億噸，占世界蘋(píng)果產(chǎn)量的50%以上。在進(jìn)口方面，近幾年中我國(guó)蘋(píng)果進(jìn)口量保持在6萬(wàn)噸以上，在出口方面，我國(guó)在2016年首次成為成為世界蘋(píng)果出口量最大的國(guó)家，在2018-2019年中，我國(guó)蘋(píng)果出口量仍然保持位居高位，在世界排名第二，2020年受到疫情的特殊影響，我國(guó)蘋(píng)果庫(kù)存量創(chuàng)下5年之最，由此可以推知其意但隨著各行各業(yè)的復(fù)工復(fù)產(chǎn)，預(yù)計(jì)出口量會(huì)大幅回升(康子淵，盛明澤，2022)。雖然我國(guó)蘋(píng)果出口量較其他國(guó)家而言并不少，但是這樣的蘋(píng)果出口量與我國(guó)蘋(píng)果的總產(chǎn)量量的3%左右，且出口的國(guó)家僅以周邊國(guó)家等欠發(fā)達(dá)國(guó)家為主，很大程度上依靠的是價(jià)格低廉的優(yōu)勢(shì)，相比與蘋(píng)果貿(mào)易大國(guó)，優(yōu)勢(shì)指數(shù)并不高，表現(xiàn)出的形勢(shì)為價(jià)低時(shí)出口量?jī)r(jià)高時(shí)出口量小(雷啟文，顧清瀾，2023)[1]。圖1-12015-2020年中國(guó)蘋(píng)果出口數(shù)量情況這一現(xiàn)象的出現(xiàn)主要是由于蘋(píng)果生長(zhǎng)在自然環(huán)境下，受蘋(píng)果的形狀和外觀等都存在著差異，而目前，依據(jù)這些表現(xiàn)可以人們對(duì)水果的要求越來(lái)越高，因此，對(duì)水果進(jìn)行分級(jí)就人們?nèi)找嬖鲩L(zhǎng)的的對(duì)優(yōu)質(zhì)水果的需要，也能夠不斷提高我國(guó)水果的競(jìng)爭(zhēng)市場(chǎng)(陶景行，辛睿哲，2021)。由于傳統(tǒng)水果的分級(jí)是依靠人工實(shí)現(xiàn)，長(zhǎng)時(shí)間下來(lái)人工分級(jí)顯示出許多弊端，分級(jí)過(guò)程中人工需要長(zhǎng)期保持一種行為進(jìn)行工作，勞動(dòng)強(qiáng)度2狀況、視力、顏色鑒別等的影響，導(dǎo)致水果分級(jí)作業(yè)效率低下，分級(jí)標(biāo)準(zhǔn)的客觀性水平也不夠高，同時(shí)隨著工業(yè)化以及大型農(nóng)業(yè)機(jī)械的發(fā)展，3我國(guó)的農(nóng)業(yè)勞動(dòng)力正越來(lái)越少，勞動(dòng)力的減少勢(shì)必會(huì)影響水果分級(jí)等各類(lèi)農(nóng)業(yè)活動(dòng)的發(fā)展，而機(jī)器視覺(jué)技術(shù)是一種利用機(jī)器進(jìn)行識(shí)別以及后續(xù)的不同的一種科學(xué)技術(shù)，它將所需識(shí)別或者分級(jí)的產(chǎn)品轉(zhuǎn)換輸至圖像處理系統(tǒng)中，足以說(shuō)明利用該系統(tǒng)對(duì)此圖像信號(hào)進(jìn)行分析有準(zhǔn)確性、檢測(cè)效率高且具有可重復(fù)性(伍博遠(yuǎn)，宋靖，2024)[2]。果的大小、顏色、形態(tài)等特征，并將提取到的蘋(píng)果特征與國(guó)家的蘋(píng)果分級(jí)標(biāo)準(zhǔn)相對(duì)照，獲得蘋(píng)果的最終分級(jí)結(jié)果，成功實(shí)現(xiàn)蘋(píng)果的高效分級(jí)。通過(guò)使用級(jí)技術(shù)，利用其處理信息量大、處理速度快的特點(diǎn)以及不受主管因素的作用，實(shí)現(xiàn)蘋(píng)果的無(wú)損檢測(cè)，這對(duì)于未來(lái)農(nóng)業(yè)領(lǐng)域的智能化和信息化，都起著很大的促進(jìn)作用(崔明杰，駱第二章圖像的采集及預(yù)處理2.1引言蘋(píng)果圖像的采集及蘋(píng)果圖像的預(yù)處理主要由圖像獲取、圖像原等過(guò)程組成，圖像獲取時(shí)需要保證采集到的樣本外接環(huán)境的在對(duì)每個(gè)文本圖像進(jìn)行分檢之后，繼續(xù)進(jìn)行識(shí)別模塊的過(guò)程，這個(gè)過(guò)中不需要的信息，如特征提取、圖像分割、圖像匹配等，還可以有效的增加圖像中的有用信息的比例，最大程度的簡(jiǎn)化數(shù)據(jù)，現(xiàn)有結(jié)果支持以下推論為正確執(zhí)行后續(xù)步驟打下堅(jiān)實(shí)的基礎(chǔ)[17]。圖像預(yù)處理中對(duì)應(yīng)的作用分別如下所示(廖明軒，杜景瀾，2018):變換等方式(章澤霖，許睿哲，2019)。的應(yīng)用結(jié)合之后效果更加，在本文的研究框架下考慮了這一情形如圖像中的邊緣、輪廓等特征，經(jīng)過(guò)圖像增強(qiáng)后，這些特征將得到強(qiáng)調(diào)或者銳化，使這些特后續(xù)的觀察和處理都是有利的。經(jīng)過(guò)增強(qiáng)后的圖像，更適合應(yīng)用與特定的環(huán)境中，這是因?yàn)閳D像增強(qiáng)不僅可以使圖像去噪，還能較好的保護(hù)圖像的特征，更加清晰的描述圖像中的信息，從而保證提供的信息特征的可靠和準(zhǔn)確，常用的圖像增強(qiáng)濾波增強(qiáng)、頻域增強(qiáng)、色彩增強(qiáng)等方式(胡啟銘，賀博遠(yuǎn)，2020)。糊、失真或者由于噪聲的混入，給定這些條件可以推知其情況而使圖像質(zhì)量下降的現(xiàn)象。圖像復(fù)原就是通過(guò)一些技術(shù)手段，消除由于圖像的模糊或噪聲的混入等而引起圖像質(zhì)量下4降的現(xiàn)象，恢復(fù)原始圖像質(zhì)量的過(guò)程。常見(jiàn)的圖像復(fù)原主要包括逆濾波、維納濾波、盲區(qū)卷積濾波、約束的最小二乘方濾波等復(fù)原方式(溫子墨，龐啟航，2021)[18][18。2.2圖像的灰度化變換方法常用的主要有下列幾種(何景云，嚴(yán)俊馳，2022):文件(編輯(查看(插入工具(桌面(窗口(幫助(自平均值法轉(zhuǎn)化之后的灰度圖像1.最大值法：該灰度化法是同時(shí)令R、G、B的三個(gè)值，等于其中數(shù)值最大的一個(gè)值，即R=G=B=max(R、G、B),由于R、文件(編輯(查看(插入工具(桌面(窗口(幫助(自平均值法轉(zhuǎn)化之后的灰度圖像文件(編輯(查看(插入工具(桌面(窗口(幫助(田最大值法轉(zhuǎn)化之后的灰度圖像5Y=0.59,Z=0.11時(shí)，灰度變化后的圖像是最符合人眼對(duì)顏色的感受191,利用加權(quán)平均值法處理后的灰度化圖像如圖2-3所示(林浩淼，鄭嘉言，2024):文件(編輯(查看(插入工具(桌面(窗口C幫助(加權(quán)平均值法轉(zhuǎn)化之后的灰度圖像圖2-3加權(quán)平均值法轉(zhuǎn)化的灰度圖本次設(shè)計(jì)是通過(guò)對(duì)rgb2gray函數(shù)直接調(diào)用，即人們根據(jù)用加權(quán)平均值法編寫(xiě)的函數(shù)，實(shí)現(xiàn)了圖像的灰度化處理，通過(guò)函數(shù)的調(diào)用，依據(jù)該理論框架研究可推導(dǎo)出簡(jiǎn)化了我們的操作過(guò)程，且實(shí)現(xiàn)的效果更符合人眼所觀察到的蘋(píng)果圖像。蘋(píng)果原始圖像、處理后的灰度文件(編輯(查看(插入工具(桌面(窗口(幫助(文件(編輯(查看(插入工具(桌面(窗口(幫助(田灰度化后的蘋(píng)果圖像圖2-5蘋(píng)果的灰度化圖像化圖像分別如圖2-4、2-5所示：文件(編輯(查看(插入工具(桌面(窗口C幫助(蘋(píng)果原始圖像圖2-4蘋(píng)果原始圖像6初始圖像的獲取過(guò)程中，難免受到傳輸設(shè)備和拍攝抖動(dòng)等的影響外的噪聲干擾，這些噪聲對(duì)后續(xù)的特征提取和視覺(jué)效果都會(huì)產(chǎn)生難以度化處理后的圖像還需進(jìn)行平滑處理從而改善圖像質(zhì)量，憑借已低噪聲的干擾(薛睿哲，尹啟航，2018)[21]。目前，干擾噪聲消除的方法主要有兩種：頻域法和空域法，頻域法以低通濾波技傅里葉變換為技術(shù)基礎(chǔ)，空域法以模板卷積為技術(shù)基礎(chǔ)(高啟銘，陳景云，2019)。其中，頻域法是通過(guò)保留頻域中的低頻成分，濾除頻域中的高頻成分，從而理，實(shí)現(xiàn)干擾噪聲消除的目的，但是由于在頻域法處理的過(guò)程中，域和時(shí)域中進(jìn)行不斷的切換，所以處理起來(lái)速度較慢，在實(shí)際操作中不能夠廣泛應(yīng)用。這一結(jié)果與劉振教授、程曉天教授等在相關(guān)主題的研究中得到的結(jié)論基本一致，尤其是在研如數(shù)據(jù)收集與分析手段的采用，還深刻反映在核心發(fā)現(xiàn)與推論之中一步細(xì)化不僅驗(yàn)證了前人的結(jié)論，還在一定程度上拓展了研究的深度和廣度。為理解研究主題的核心問(wèn)題提供了新的視角和洞見(jiàn)。所以在實(shí)際的應(yīng)用中，通常選擇的平滑處理方式數(shù)在編譯器中的表達(dá)式為(李文博，王志遠(yuǎn)，2018):其中im1的數(shù)據(jù)來(lái)自源圖像，im2的數(shù)據(jù)來(lái)自取反后的圖像。排序窗□中的像素，取排序后的像素中值，然后再次移動(dòng)窗□,對(duì)新窗□中的像素排序，獲得其中的中值像素點(diǎn)，不斷重復(fù)以上步驟，至所有像以平滑噪聲，還能保護(hù)圖像的邊緣信息，對(duì)信號(hào)邊緣的保護(hù)，從這些表現(xiàn)可以估摸出使圖像邊緣部分不會(huì)模糊，這種優(yōu)良性質(zhì)，是線性濾波方法所不具備的，在數(shù)字圖像步驟中的邊緣提取得到了廣泛的應(yīng)用，對(duì)于椒鹽噪此外，中值濾波不僅適用于軟件，在硬件中也易于實(shí)現(xiàn)，實(shí)現(xiàn)的算法也很簡(jiǎn)單(張子凡，默認(rèn)值為3×3。使用中值濾波法得到的圖像如圖2-6所示：72-6中值濾波處理后的圖快速中值濾波是中值濾波的優(yōu)化算法，它利用窗口移動(dòng)時(shí)，部分像素沒(méi)有移出窗故而仍然處于窗口移動(dòng)前排好序的狀態(tài)，由此可以推知其意因此只用將新添加的像素插入原來(lái)的像素中，就可以實(shí)現(xiàn)排序的完成。由于有時(shí)我們并不需要一個(gè)完整的排列數(shù)序，找到部分所需排列像素的中值，就完成了中值濾波(陳思遠(yuǎn)，趙天磊，2020)。快速中值濾依據(jù)這些表現(xiàn)可以判斷出通過(guò)在直方圖的橫坐標(biāo)上設(shè)置一個(gè)可以左移動(dòng)到橫坐標(biāo)兩邊的像素點(diǎn)相等的位置時(shí)，光標(biāo)對(duì)應(yīng)的像素點(diǎn)著移動(dòng)窗□,讓直方圖得到更新，并再次移動(dòng)橫坐標(biāo)上的光標(biāo)，找到橫坐標(biāo)上像素點(diǎn)相等的像素值，不斷重復(fù)這個(gè)過(guò)程。其中，我們需要注意，光標(biāo)的移動(dòng)過(guò)程中，不能讓光標(biāo)移動(dòng)到像素點(diǎn)為0的點(diǎn)上，當(dāng)光標(biāo)移動(dòng)到像素點(diǎn)為0的點(diǎn)上時(shí)，在這個(gè)窗□中，很有可能無(wú)8鄰域平均法是將圖像中某些突變像素值，即噪聲點(diǎn)，使其數(shù)值等面著手。在理論探討部分，深入分析了該設(shè)計(jì)的核心原理及預(yù)設(shè)成果，并通過(guò)建立理論框架和邏輯推導(dǎo)為后續(xù)實(shí)驗(yàn)奠定了理論基礎(chǔ)。隨后，在實(shí)際檢驗(yàn)環(huán)節(jié)中，精心策劃了一系列測(cè)試來(lái)驗(yàn)證方案的有效性與穩(wěn)定性，采用了嚴(yán)謹(jǐn)?shù)臄?shù)據(jù)采集和解析手段確保結(jié)果的準(zhǔn)確無(wú)誤。此外，為了考察方案在各種環(huán)境下的適用情況，本文還選取了幾種典型的使用案針對(duì)每個(gè)案例調(diào)整系統(tǒng)設(shè)置，不僅證實(shí)了方案的合理性和可行性，也為后續(xù)研究提供了重要參考。因而，使用鄰域平均法進(jìn)行平滑濾波后，一個(gè)明顯的結(jié)果就生一定程度的模糊，足以說(shuō)明從而對(duì)后續(xù)的操作產(chǎn)生影響。故而有人限鄰域平均法(吳明杰，孫浩淼，2022):若圖像中某個(gè)像素點(diǎn)的灰度值在一定程度上大于其鄰域像素的平均值，就直接判定該像素點(diǎn)為噪聲，并且該使用鄰域平均法得到的圖像如圖2-8所示(鄭皓天，何啟航，2023):9文件(編輯(查看(插入工具(桌面(窗口C幫助(鄰域平均法處理后的圖圖2-8鄰域平均法處理后的圖像準(zhǔn)確程度，均值濾波模糊了圖像邊緣，目前MATLAB中沒(méi)有編譯好的快速中值濾波法，故而其調(diào)用沒(méi)有中值濾波法方便，所以結(jié)合程序?qū)嶋H執(zhí)行過(guò)程中的分級(jí)效率和便利性，最終選擇采用中值濾波法來(lái)實(shí)現(xiàn)灰度化處理后的平滑處理(黃俊馳，高逸，2024)。圖像的二值化，就是將圖像變成只有兩個(gè)值的過(guò)程，這兩個(gè)值分為0和1,是圖像處得到灰度化圖像的二值化閾值，接著將大于閾值的灰度值，統(tǒng)一設(shè)定為1,而對(duì)于小于閾值的灰度值，則統(tǒng)一設(shè)定為0。經(jīng)過(guò)二值化處理后的經(jīng)過(guò)圖像，其所包含的信息量將更加簡(jiǎn)單，數(shù)據(jù)量也因此減少，還能突出感興趣的對(duì)象輪廓，更有利于提取圖像中的信息(林澤昊，唐振宇，2020)。如果希望獲取的二值圖效果更加理想，則可重新定義圖像區(qū)域，采用封閉連接的邊界重新設(shè)定一個(gè)不疊加的區(qū)域，對(duì)于區(qū)域中像素點(diǎn)灰度值大于或等于閥值的，在本文的研究框架下考慮了這一情形全部判定其為特定255,而對(duì)于灰度值小于閾值的像素點(diǎn)，則將其排出在區(qū)域之外，并且設(shè)定其灰度值為0,則可以期待產(chǎn)出的結(jié)果達(dá)到設(shè)計(jì)標(biāo)準(zhǔn)。這意味著，初始設(shè)定和參數(shù)選擇準(zhǔn)確，并且使用的模型或理論框架構(gòu)建得當(dāng)?shù)脑?，結(jié)果的可靠性和有效性會(huì)較高。這不入，還需要科學(xué)合理的分析方法、先進(jìn)的技術(shù)工具以及恰當(dāng)?shù)难芯渴侄?。同時(shí)，也要考量外部因素對(duì)研究結(jié)果的影響，確保整個(gè)過(guò)程具有可控性及可重復(fù)性，供保障。在編譯器中的表達(dá)式為(邱奕辰，余睿哲，2019):其中，I是原圖矩陣，不同的thresh值有著不同的效果，如thresh=0.5時(shí)，表示灰度值在128以下的所有像素點(diǎn)變成黑色，而所有灰度值在128的像素點(diǎn)都將變成白色。并通過(guò)imclose、imfill函數(shù)對(duì)圖像實(shí)現(xiàn)閉運(yùn)算，交融圖像中的細(xì)長(zhǎng)彎口和窄缺口，補(bǔ)齊蘋(píng)果圖像輪廓上的縫隙，實(shí)現(xiàn)噪點(diǎn)的消除和圖像填充，在編譯器中的表達(dá)式為：其中SE是單個(gè)結(jié)構(gòu)元素對(duì)象或者結(jié)構(gòu)元素對(duì)象的數(shù)組的表示(夏煜宸，魏宏毅，2021)。其中holes表示填充二值圖像中的空洞區(qū)域二值化、消除噪點(diǎn)和圖像的填充并后得到的圖像如圖2-9、2-10所示：×文件(編輯(查看(插入工具(桌面(窗口C幫助(二值化處理后的圖圖2-9二值化后的圖像文件(編輯(查看(插入工具(桌面(窗口C幫助(消除噪點(diǎn)及圖像填充圖2-10噪點(diǎn)消除及圖像填充圖像本章通過(guò)比較不同的灰度化、平滑處理的方法，最后通過(guò)加權(quán)平均值法，直接調(diào)用軟件中自帶的rgb2gray函數(shù)，實(shí)現(xiàn)圖像的灰度化處理，中值濾波法，即調(diào)用medfilt2函數(shù)對(duì)灰度化后的蘋(píng)果圖像進(jìn)行平滑處理，既對(duì)噪聲進(jìn)行了合理的處理，也使預(yù)處理后的圖像變的更加清晰，使用的便利性也是這幾種方法中最好的，給定這些條件可以推知其情況有效的保證了后續(xù)水果特征提取的準(zhǔn)確性，并通過(guò)二值化處理，即調(diào)用im2bw函數(shù)使整個(gè)圖像呈現(xiàn)出明顯的黑白效果，最后通過(guò)imclose、imfill函數(shù)進(jìn)行噪點(diǎn)的消除和圖像的填充處理，有利于后續(xù)工作的繼續(xù)開(kāi)展(顧家明，錢(qián)文博，2018)。7第三章水果大小特征的提取3.1引言水果分級(jí)的一個(gè)重要標(biāo)準(zhǔn)就是水果的大小，因而，本次設(shè)計(jì)的水果的大小特征。目前，提取水果大小特征的方法已經(jīng)有很多，在的研究已經(jīng)比較成熟(謝天磊，馮子凡，2019)。3.2水果大小檢測(cè)分級(jí)和研究果的果徑大小，水果的果徑就是水果的直徑，于此水果的大小，從而完成水果的大小分級(jí)；二是通過(guò)提取水果的邊緣部分進(jìn)行單獨(dú)的傅里葉變換，由傅里葉變換得到的導(dǎo)出實(shí)現(xiàn)水果的果徑大小、果形等重要的特征值的計(jì)算級(jí)(潘一帆，楊思遠(yuǎn)，2020)。為削弱外部環(huán)境對(duì)方案成效的干擾，本研究在策劃及執(zhí)行流程中采納了多項(xiàng)措施來(lái)保障數(shù)據(jù)的精確度和方案的穩(wěn)固左右方案執(zhí)行質(zhì)量的外部要素。基于此探討，本文在方案構(gòu)思階段融的手段，借助模擬多樣化的外界環(huán)境條件來(lái)預(yù)估它們對(duì)方案成效的潛在作用，并依據(jù)這些預(yù)估調(diào)整方案的設(shè)計(jì)指標(biāo)，以提升其靈活性和耐抗性，投影面積法是根據(jù)采集到的二維水果原始圖像，對(duì)預(yù)處理后的蘋(píng)果圖像面積S進(jìn)行計(jì)算，通過(guò)大量的實(shí)驗(yàn)數(shù)據(jù)，得到蘋(píng)果實(shí)際表面積和所求投影面積S之間的關(guān)系K,即蘋(píng)果實(shí)際的表面積等于投影面積S與K的乘積(羅志剛，蔡一鳴，2021)[28]。憑借已有成果可得出推導(dǎo)結(jié)果在前期圖像預(yù)處理的過(guò)程中，包含了圖像的二值化，這使得蘋(píng)果的圖像中的其中，BW是預(yù)處理中二值化后的圖像；B是利用bwarea函數(shù)計(jì)算的蘋(píng)果投影圖像的面積。由于K值需要我們通過(guò)大量數(shù)據(jù)的和實(shí)驗(yàn)才能獲取最小外接矩形法是找到蘋(píng)果的最小外接矩形，首先需要確定蘋(píng)果的中心位置，并在中心位置出進(jìn)行固定，使水果以固定的旋轉(zhuǎn)度數(shù)轉(zhuǎn)動(dòng)，旋轉(zhuǎn)的范圍在90度內(nèi)，旋轉(zhuǎn)的角度一般選擇3度，選擇一次，由此可以察覺(jué)就記錄本次旋轉(zhuǎn)過(guò)程中，外接矩形邊界在橫坐標(biāo)上的最大值x,縱坐標(biāo)上的最大值y,矩形的面積就等于4xy,通過(guò)每一次旋轉(zhuǎn)所記錄的坐標(biāo)值計(jì)算外接矩形的面積，所求的面積中面積最小的那個(gè)矩形即為所尋找的矩形，該最小外接矩形的長(zhǎng)即為蘋(píng)果的果徑長(zhǎng)度，將獲得的果徑長(zhǎng)度與國(guó)家蘋(píng)果分3-1所示(韓嘉誠(chéng)，馬浩淼，2022):文件(編輯(查看(插入工具(桌面(窗口C幫助(最小外接矩形法圖3-1最小外接矩形法最小外接圓法首先需要采集蘋(píng)果邊緣的像素點(diǎn)，找到所有像素點(diǎn)中距離最大的兩個(gè)點(diǎn)，記這兩個(gè)像素點(diǎn)之間的距離為dmax,接著求取兩個(gè)像素點(diǎn)的中點(diǎn)坐標(biāo)，并繼續(xù)尋找蘋(píng)果邊緣像素點(diǎn)上除最初兩個(gè)點(diǎn)外的離求出的中點(diǎn)最該點(diǎn)到中點(diǎn)像素點(diǎn)之間的距離d,若d<=0.5dmax,則該中點(diǎn)即為最小外接圓的圓心，若果二值化圖像的最小外接圓的圓心(朱啟航，林逸靖，2023)。在此背景下，本文針對(duì)原始數(shù)據(jù)的處理方式相較于以往的研究顯得更為簡(jiǎn)潔且高效。本文處理手段，這一手段削減了多余的轉(zhuǎn)換環(huán)節(jié)，優(yōu)化了數(shù)據(jù)清洗與標(biāo)升了信息處理的速率與效能。采用此法，本文得以迅速籌備好分析減少了復(fù)雜處理流程可能帶來(lái)的誤差風(fēng)險(xiǎn)。此外，經(jīng)過(guò)對(duì)不同渠道和種類(lèi)的信息實(shí)施全面測(cè)試，本文進(jìn)一步確認(rèn)了本方案的穩(wěn)固性與可信度。設(shè)最小外接圓的半徑為R,邊緣輪廓上各個(gè)點(diǎn)到圓心的最小距離為Rmin,則(R-Rmin)的差值即為最小外接圓的圓度誤差31]。由此可以推知其意通過(guò)最小外接圓法得到的結(jié)果如圖3-2所示：文件編輯查看插；工具桌面窗□幫助圖3-2最小外接圓法通過(guò)對(duì)以上方法進(jìn)行比較，最終決定采用最小外接圓法來(lái)實(shí)現(xiàn)蘋(píng)果大小的特征提取，這是由于靜態(tài)圖像中，蘋(píng)果邊緣像素點(diǎn)的獲取較容易，進(jìn)而容易求得蘋(píng)果的中心坐標(biāo)及蘋(píng)果的半徑，根據(jù)蘋(píng)果的半徑即可求得蘋(píng)果的直徑，即果徑的大小，而投影面積法需要大量的數(shù)據(jù)和實(shí)驗(yàn)才能確定K值；依據(jù)這些表現(xiàn)可以判斷出最小外接矩形法則計(jì)算量大，操作起來(lái)比較麻煩，效率不高，且提取到的最小外接矩形長(zhǎng)寬不一定一致，故而得到的果徑值不夠精確。所以在本次設(shè)計(jì)中，選擇了最大果寬法來(lái)實(shí)現(xiàn)蘋(píng)果大小特征的獲取(何振宇，通過(guò)國(guó)家蘋(píng)果分級(jí)標(biāo)準(zhǔn)，得知對(duì)于蘋(píng)果的果徑大小分級(jí)如表3-1所示：等級(jí)大型果中型果小型果表3-1國(guó)家蘋(píng)果大小分級(jí)標(biāo)準(zhǔn)蘋(píng)果的分級(jí)模型可以表示如下：IfL>=th1;ElseifL>=th2;ElseifL>=th3;蘋(píng)果是優(yōu)等果蘋(píng)果是一等果蘋(píng)果是二等果蘋(píng)果是等外果本章通過(guò)對(duì)比幾種不同求取蘋(píng)果大小的方法，最終選擇最特征的提取，首先采集蘋(píng)果的邊緣像素點(diǎn)，并找出所有采集的像素點(diǎn)之間的距離最大的兩個(gè)點(diǎn)，接著求取其中點(diǎn)坐標(biāo)以及除此兩點(diǎn)外的另一個(gè)距離最遠(yuǎn)的像素點(diǎn)，最后通過(guò)比較，獲得蘋(píng)果圖像的最小外接圓及其半徑大小，足以說(shuō)明進(jìn)而求得果徑的大小，并將提取到的果徑大小與國(guó)家的蘋(píng)果分級(jí)進(jìn)行對(duì)照，實(shí)現(xiàn)對(duì)蘋(píng)果大小的分級(jí)(李澤昊，趙睿哲，2020)。第四章水果顏色特征的提取4.1引言蘋(píng)果口感和品質(zhì)的一個(gè)重要判斷依據(jù)就是蘋(píng)果的顏色。色澤偏甜，含糖量多，屬于品質(zhì)優(yōu)等的蘋(píng)果，相反，著色率差的蘋(píng)果，其口感及品質(zhì)都較差。這和顧客在購(gòu)買(mǎi)的過(guò)程中，更傾向于選擇色澤飽滿、著色度高的蘋(píng)果的實(shí)際情況是相吻合的。所以在本次設(shè)計(jì)過(guò)程中，蘋(píng)果顏色特征的提取是非常重要的(宋靖宇，孫啟明，2019)適彩色模型的選取在彩色圖像的處理過(guò)程中是非常關(guān)鍵的一步33。目前，常見(jiàn)的彩色模型面向硬件設(shè)備使用的最經(jīng)典、最常見(jiàn)的彩色模用的硬件設(shè)備，都以RGB模型為基礎(chǔ)來(lái)完成其工作。RGB顏色模型是建立在坐標(biāo)系中一個(gè)立方體模型，該坐標(biāo)系的縱橫豎三個(gè)坐標(biāo)軸分別代表R、G和B,即紅、綠、藍(lán)三種顏色，如圖4-1所示，原點(diǎn)坐標(biāo)(0,0,0)表示黑色，現(xiàn)有結(jié)果支持以下推論與原點(diǎn)相對(duì)的立方體上與原點(diǎn)相距最遠(yuǎn)的那個(gè)點(diǎn)(1,1,1)表示白色，RGB模型中，白光由紅光加綠光加藍(lán)然而，RGB顏色模型存在一個(gè)顯著的缺點(diǎn)，它與人的心理感知不相符，通過(guò)R、G、B所對(duì)應(yīng)的數(shù)值，我們無(wú)法得到相應(yīng)的數(shù)值所代表的顏色屬性，故而RGB模型不過(guò)直觀，RGB模型中的顏色分布不夠均勻，通過(guò)RGB顏色模型中兩個(gè)顏色點(diǎn)之間的距離，我們不能得到這兩種顏色之間的知覺(jué)差異，因此，這種顏色模型只能面向硬件設(shè)備(譚明杰，吳逸飛，2022)。在YCrCb模型中，Y是亮度分量的表示，Cr是紅色色度分量的表示，而Cb是藍(lán)色色盡管對(duì)亮度分量子采樣，給定這些條件可以推知其情況此時(shí)亮度分量將減少，但人眼也不其中RGB顏色模型轉(zhuǎn)成YCbCr顏色模型的公式為(許文博，鄭啟航，2023):YCbCr顏色模型轉(zhuǎn)成RGB顏色模型的公式為：二、面向視覺(jué)感知的彩色模型以上描述的是和人眼的視覺(jué)感知是不相似的面向硬件設(shè)備的彩色模型，方便，如即使已知一個(gè)RGB彩色模型，我們也無(wú)法用肉眼判定其R、G、B分量。因此人們發(fā)現(xiàn)了面向視覺(jué)感知的彩色模型，這些模型更接近我們?nèi)搜鄣母兄闆r，并且還存在獨(dú)立的設(shè)備顯示。常見(jiàn)的面向視覺(jué)感知的彩色模型如下所示(孔天磊，黃嘉誠(chéng)，2024):HSI模型是面向視覺(jué)感知中常見(jiàn)的的顏色模型，其模型為雙菱錐結(jié)構(gòu)，如圖4-2所示：其中，色調(diào)H(Hue):是人對(duì)不同顏色的量不同，顏色不同，它還能表示如冷色、暖色等在一定范H分量的值對(duì)應(yīng)一個(gè)夾角，于此特定環(huán)境不難看出其端倪即R軸與指向該點(diǎn)的矢量之間的角度(嚴(yán)啟明，邱逸皓，2020)。本研究在此采納了既有的策略來(lái)構(gòu)建計(jì)算框架，并對(duì)其本文識(shí)別并剔除了繁瑣且非必要的環(huán)節(jié)，優(yōu)化了整個(gè)流程，最終打造出一個(gè)更加精簡(jiǎn)高效的計(jì)算模型。此舉不僅縮減了資源消耗，還加快了處理速度，使得本方案在維持原有效能可以加入白光實(shí)現(xiàn)，越鮮艷的顏色其飽和度越大，反之三角形中，飽和度由內(nèi)向外增大，中心的飽和度最小，邊上的飽和度最大(姜一帆，余嘉誠(chéng)，2019)。亮度I(Intensity):表示顏色的明亮程度，對(duì)應(yīng)于圖像的亮度和灰度，HSI模型中，中點(diǎn)向上變?yōu)榘咨?，依?jù)該理論框架研究可推導(dǎo)出向下變?yōu)楹谏?，越白越亮，越黑越?陸HSI模型建立的幾個(gè)重要依據(jù)如下：1.圖像中的彩色信息與I分量無(wú)關(guān)；2.人眼感受顏色的方式與H和S分量有著直接的關(guān)系的，3.實(shí)驗(yàn)條件中，光源的純度和強(qiáng)度一定，故而圖像的S和I分量固定，所以彩色圖像特征提取只需提取H分量的特征，這幾個(gè)特點(diǎn)保證了HSI模型可以對(duì)彩色特性進(jìn)行檢測(cè)，并且保證了其分析的準(zhǔn)確(戴振宇，陳嘉誠(chéng)，2022)。在本設(shè)計(jì)的優(yōu)化流程中，本文著重權(quán)衡了經(jīng)濟(jì)效率與方案的普及潛力，相較于原始構(gòu)想，在諸多層面實(shí)施了調(diào)整與優(yōu)化。首要之舉是在成本管控上，通過(guò)剔除冗余步驟、選用成本效益更佳的方案，顯著削減了總體執(zhí)行費(fèi)用，提升了方案的性價(jià)比。此外，為了拓寬方案的適用范圍，本文在設(shè)計(jì)階段深入考量了地域與環(huán)境的差異性，保證其在多樣情境下均能穩(wěn)定運(yùn)作，便于其他實(shí)體輕松采納與實(shí)施。2.HSB模型HSB彩色模型是基于對(duì)立色理論建立的，對(duì)立色理論起源于人們對(duì)對(duì)立色調(diào)的觀察，如紅和綠、黃和藍(lán)，人們通過(guò)觀察發(fā)現(xiàn)，當(dāng)相同量的對(duì)立色相加后，其所顯現(xiàn)的顏色能夠相互抵消，故而人們建立HSB彩色模型，其中H是色調(diào)的表示，S是飽和度的表示，B是亮度的表示，并且在HSB模型中，白色和黑色無(wú)色相，白色、黑色和灰色沒(méi)有飽和度01371。HSB的模型結(jié)構(gòu)如圖4-3所示：其中，H(Hue)色調(diào)：在標(biāo)準(zhǔn)色環(huán)上，按照角度值的不同進(jìn)行標(biāo)識(shí)，從0°-360°,每一個(gè)度數(shù)對(duì)應(yīng)一個(gè)顏色，如0°是紅色，30°是橙色。S(Saturation)飽和度：指顏色的純度，憑借已有成果可得出推導(dǎo)結(jié)果它表示總色彩中彩色成分的比例，從左向右，色立面上的飽和度逐次遞增，用百分比來(lái)進(jìn)行衡量，從左到右對(duì)應(yīng)從0%到100%,其中，灰色對(duì)應(yīng)左邊線0%,右邊線100%對(duì)應(yīng)完全飽和(葉宏毅，劉天，2023)。B(Brightness)亮度：顏色明暗程度的表示，從上至下，色立面上的亮度依次遞減，用百分比來(lái)度量，從上至下對(duì)應(yīng)從0%到100%,其中，白色對(duì)應(yīng)上邊線100%,黑色對(duì)應(yīng)下邊線0%。4.2.2蘋(píng)果顏色模型的選擇及實(shí)現(xiàn)由于圖像的彩色信息中，HSI顏色模型中的I分量與圖像中彩色信息無(wú)關(guān)，并且HSI在分級(jí)的實(shí)際過(guò)程中，首先利用采集到的蘋(píng)果圖像，接著根據(jù)轉(zhuǎn)化公式編寫(xiě)的rgb2hsi函數(shù)進(jìn)行模型轉(zhuǎn)化，提取其中的HIS分量。在本次分級(jí)系統(tǒng)設(shè)計(jì)中，提取到的R、G、B分量如圖4-4所示：圖4-4蘋(píng)果的RGB分量圖轉(zhuǎn)換后的HSI分量如圖4-5所示：國(guó)圖4-5蘋(píng)果的HSI分量圖在蘋(píng)果的顏色等級(jí)劃分中，囊括了很多方面，其中，色度、紅區(qū)勻度三部分是最主要的，就色度而言，青蘋(píng)果的色蘋(píng)果的品質(zhì)較偏綠的好；蘋(píng)果紅區(qū)的比例是蘋(píng)果紅區(qū)面積大小的蘋(píng)果的含糖量，蘋(píng)果的紅區(qū)面積越大，從這些表現(xiàn)可以估摸出其I它是蘋(píng)果的紅區(qū)面積和蘋(píng)果總表面積比值的反映(湯皓志，胡嘉誠(chéng)，2024)。蘋(píng)果顏色特征的提取方法是：首先將初始的RGB圖形用轉(zhuǎn)換公式編寫(xiě)的rgb2hsi函數(shù)將其轉(zhuǎn)化為HSI模型，并提取其中的H分量，然后通過(guò)graythresh函數(shù)，提取合適的閾值比值即為蘋(píng)果的著色度。其中，國(guó)家蘋(píng)果顏色等級(jí)的劃分如表4-1所示：蘋(píng)果等級(jí)優(yōu)等品一等品二等品顏色紅或條紅90%以上紅或條紅75%以上紅或條紅55%以上4.4本章小結(jié)蘋(píng)果顏色特征的提取是蘋(píng)果分級(jí)中一個(gè)重要的因素，本章中式最接近的HSI模型，利用H分量獲取得到蘋(píng)果紅區(qū)的面積大小，再將求得的紅區(qū)面積大小與蘋(píng)果的實(shí)際表面積相比，由此可以推知其意所得的比值即為蘋(píng)果的著色度，最后按照國(guó)家蘋(píng)果顏色等級(jí)標(biāo)準(zhǔn)進(jìn)行劃分，得到蘋(píng)果的顏色等級(jí)。上述的優(yōu)化成果建立在對(duì)當(dāng)況的深刻剖析及對(duì)既有資源與技術(shù)的充分挖掘之上。與以往方案相比，此方案在眾多核心領(lǐng)域展露出了明顯優(yōu)越性。首要的是，它憑借融入更前衛(wèi)的設(shè)計(jì)思路錯(cuò)誤率下降的雙重目標(biāo)，顯著增強(qiáng)了整體的可行比例。再者，從成本方案顯著削減了實(shí)施及維護(hù)的開(kāi)銷(xiāo)，實(shí)現(xiàn)了資源利用的最大化，提升了經(jīng)濟(jì)產(chǎn)出。同時(shí)，它還優(yōu)化了系統(tǒng)的兼容與擴(kuò)展性能，確保能更靈活地應(yīng)對(duì)未來(lái)的發(fā)展趨勢(shì)及應(yīng)用需求的變第五章水果形態(tài)特征的提取5.1引言水果的形態(tài)一般從果形、果徑、色澤三方面進(jìn)行討論研究，根分級(jí)標(biāo)準(zhǔn)劃分為等外品、二等品、一等品、優(yōu)等品這幾種品質(zhì)。其中果徑和色澤在前文中已經(jīng)進(jìn)行了討論，現(xiàn)在將針對(duì)蘋(píng)果的果形進(jìn)行探索。依據(jù)這些表現(xiàn)可以判斷出蘋(píng)果的果形一般描述為圓形度、圓形指數(shù)，圓形度是指果實(shí)的圓形程中，果實(shí)被劃分的等級(jí)將越高，這和實(shí)際生活中，顧客更愿意購(gòu)橢圓形、扁圓形等類(lèi)型。在現(xiàn)階段的研究過(guò)程中，對(duì)果形的研究主要從圓形度上入手(彭啟航，徐逸天，2021)。5.2水果形態(tài)的檢測(cè)及分級(jí)標(biāo)準(zhǔn)通常，形態(tài)特征表示的方法有兩種，一種是區(qū)域特征，另一種是域特征主要針對(duì)整個(gè)形狀區(qū)域，而圖像的輪廓特征則只關(guān)系到物最小最大半徑比值法：該方法首先需要確定蘋(píng)素點(diǎn)到圓心的距離，選擇其中的最小值和最大值，將最小值和最大值相比，得到的比值在0-1之間，該值即為蘋(píng)果的圓形度，蘋(píng)果越圓，比值越靠近1.傅里葉形狀描述法：此方法的基本原理是邊界區(qū)具有的周作傅里葉變換，將二維問(wèn)題變換為一維問(wèn)題。足以說(shuō)明經(jīng)過(guò)變換后，可以得到三種描述形狀的表達(dá)式，分別是質(zhì)心距離、曲率函數(shù)和復(fù)坐標(biāo)函數(shù)。此方法雖然形態(tài)特征的描述比較精確，但計(jì)算量相比而言較大，并不滿足流水圓度值法：該方法是通過(guò)求取蘋(píng)果的圓形的周長(zhǎng)和面積，再根據(jù)周長(zhǎng)和面積求的半徑，對(duì)于形狀規(guī)則的圓而言，根據(jù)周長(zhǎng)和面積求出來(lái)的半徑是相等的，現(xiàn)有結(jié)果支持以下推論但由于大部分的蘋(píng)果并不是很標(biāo)準(zhǔn)的圓，所以由周長(zhǎng)和面積求出來(lái)不相等，形狀越不規(guī)則的圓，求出來(lái)的半徑相差越大，所述蘋(píng)果的圓形度391,并通過(guò)周長(zhǎng)和面積進(jìn)行推導(dǎo)，得到圓形度的公式如下所示：積S=πrs2,周長(zhǎng)L=2πIL。在本文的研究框架下考慮了這一情形其中越與1越接近，圖5-1為本次設(shè)計(jì)樣本中的蘋(píng)果的圓度值：田圖5-1蘋(píng)果的圓度值特征蘋(píng)果形態(tài)的分級(jí)標(biāo)準(zhǔn)同樣按照國(guó)家頒布的分級(jí)標(biāo)準(zhǔn)，如表5-1所示：2蘋(píng)果等級(jí)優(yōu)等品一等品二等品圓形度5.3本章小結(jié)本章通過(guò)綜合考慮，選擇圓度值法來(lái)獲取蘋(píng)果的圓度值形態(tài)特征，能夠較好的描述蘋(píng)果的形狀，與傅里葉變換形狀描述法相比，圓度值法的計(jì)算更為簡(jiǎn)便，運(yùn)行結(jié)果快且結(jié)果準(zhǔn)第六章水果分級(jí)系統(tǒng)的研究6.1引言通過(guò)前面的圖像采集、圖像處理和特征提取的分步進(jìn)行，為蘋(píng)果了充足的準(zhǔn)備，蘋(píng)果的大小、顏色、形態(tài)這些都是蘋(píng)果的單一特行分級(jí)會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確性和片面性，不能滿足蘋(píng)果分級(jí)的要合，綜合判斷蘋(píng)果的等級(jí)，才能保證得到的蘋(píng)果分級(jí)結(jié)果是準(zhǔn)確可靠的。而GUI(圖像用6.2水果分級(jí)系統(tǒng)的設(shè)計(jì)及結(jié)果本系統(tǒng)以GUI(圖形用戶界面)作為平臺(tái)，采用先進(jìn)的計(jì)算機(jī)技術(shù)，如模式識(shí)別、圖像處理、機(jī)器視覺(jué)等，實(shí)現(xiàn)蘋(píng)果的準(zhǔn)確分級(jí)。從上述分析可以看出，該方案相比于其他方案具有更好的性價(jià)比，同時(shí)在用戶體驗(yàn)和交互性方面表現(xiàn)出色。該方案注重用戶需求的挖掘和滿足，通過(guò)優(yōu)化界面設(shè)計(jì)和交互流程，提供了更加直觀、便捷的操作體驗(yàn)。用戶在使用過(guò)程中能夠快速上手，減少學(xué)習(xí)成本，同時(shí)也能獲得更好的反饋和響應(yīng)速度。此外，該方案還支持個(gè)性化定制，能夠根據(jù)不同用戶的需求提供定制化的解決方案，極大地提升了用戶滿意度和忠誠(chéng)度。這種以用戶為中心的設(shè)計(jì)理念使其在市場(chǎng)競(jìng)爭(zhēng)中更具優(yōu)勢(shì)。本系統(tǒng)設(shè)計(jì)的GUI界面如圖6-1所示，包括“打開(kāi)圖像”、“圖像處理”、“開(kāi)始分級(jí)”、“退出”四個(gè)按鈕，通過(guò)“打開(kāi)圖像”按鈕來(lái)導(dǎo)入采集并經(jīng)過(guò)一定處理后的蘋(píng)果圖片，給定這些條件可以推知其情況導(dǎo)入后顯示在按鈕上面的框中；通過(guò)“圖像處理”按鈕，可實(shí)現(xiàn)圖顯示圖像處理后的圖像，產(chǎn)生的新界面如圖6-2所示；通過(guò)“開(kāi)始分級(jí)”按鈕可實(shí)現(xiàn)蘋(píng)果按照大小、顏色和形態(tài)三個(gè)特征的分級(jí)，首先是提取蘋(píng)果的三個(gè)特征值分別寫(xiě)入左下角對(duì)應(yīng)的特征框中，于此特定環(huán)境不難看出其端倪接著與右上角國(guó)家蘋(píng)果的分級(jí)標(biāo)準(zhǔn)對(duì)照，最后將最終的結(jié)果輸入到右下角的蘋(píng)果分級(jí)結(jié)果框中，顯示最終的分級(jí)結(jié)果；通過(guò)“退出”按鈕可實(shí)現(xiàn)GUI界面的關(guān)閉；界面中有一個(gè)進(jìn)度顯示框，當(dāng)每一個(gè)按鈕實(shí)現(xiàn)了其所包含的作用后，進(jìn)度顯示框?qū)@示對(duì)應(yīng)的操作已完成。最終的運(yùn)行結(jié)果界面如圖6-3所示：t圖6-1蘋(píng)果分級(jí)系統(tǒng)的GUI設(shè)計(jì)界面文件(E)編輯(E)查看(V)插入(1)工具(①桌面面1.灰度圖2.中值濾波圖3.圖像二值化4.消除噪點(diǎn)及圖像填充圖6-2彈出的圖像預(yù)處理界面圖像預(yù)處理××國(guó)家蘋(píng)果分級(jí)標(biāo)準(zhǔn)國(guó)家蘋(píng)果分級(jí)標(biāo)準(zhǔn)品開(kāi)始分級(jí)蘋(píng)果分級(jí)結(jié)果圖6-3蘋(píng)果分級(jí)系統(tǒng)的結(jié)果輸出界面果分級(jí)標(biāo)準(zhǔn)的設(shè)置我采用的是個(gè)人可設(shè)置的水果分換，方便不同的分級(jí)需求，依據(jù)該理論框架研究可推導(dǎo)出并自帶通過(guò)輸入蘋(píng)果的樣本圖像，得到最終的實(shí)驗(yàn)結(jié)果，并與人工分級(jí)本系統(tǒng)的蘋(píng)果分級(jí)準(zhǔn)確率為90%及以上，且單個(gè)蘋(píng)果處理的時(shí)間不超過(guò)5s,這極大的提高了蘋(píng)果的分級(jí)效率，憑借已有成果可得出推導(dǎo)結(jié)果有效的節(jié)省了時(shí)間和勞動(dòng)力，且本本章主要介紹了水果分級(jí)系統(tǒng)的GUI界面的設(shè)計(jì)內(nèi)容及實(shí)現(xiàn)的結(jié)果，主要包括圖像的打開(kāi)、圖像預(yù)處理、蘋(píng)果分級(jí)等一列按鈕的編程實(shí)現(xiàn)，并通過(guò)國(guó)家蘋(píng)果分級(jí)標(biāo)準(zhǔn)的與提取到的蘋(píng)果特征值相比較，在分級(jí)結(jié)果框中顯示最終的蘋(píng)果分級(jí)結(jié)果，該界面清晰明第七章結(jié)論與展望本文的主要內(nèi)容是基于機(jī)器視覺(jué)的水果分級(jí)系統(tǒng)研究，由□量較小，所以選取的水果研究對(duì)象是蘋(píng)果，主要的操作過(guò)程包括蘋(píng)果圖像采集、蘋(píng)果圖像預(yù)處理、蘋(píng)果特征的提取及最終結(jié)果的輸出，為蘋(píng)果的分級(jí)奠定一(1)圖像的采集：購(gòu)買(mǎi)一定數(shù)量的蘋(píng)果并將其處于同一背景、同一光照下進(jìn)行拍攝，以保證采集的蘋(píng)果樣本圖像的可靠性，由此可以察覺(jué)由于采集到的蘋(píng)果環(huán)境比較復(fù)雜且圖片分辨率較高，故而在圖像預(yù)處理前進(jìn)行了背景更換、圖片壓縮等處理，提高后續(xù)工作的效率；(2)圖像預(yù)處理：預(yù)處理是輸入圖像后的操作，也是特征量提取前的必要處理步驟，通過(guò)多種處理方法的比較和對(duì)照，首先采用加權(quán)平均值法對(duì)采集到的蘋(píng)果圖像進(jìn)行灰度化轉(zhuǎn)化，接著為了消除由于拍攝時(shí)抖動(dòng)或傳輸設(shè)備等的影響而產(chǎn)生的干擾噪聲，采用中值濾波法繼續(xù)對(duì)圖像作平滑處理，然后為了方便提高計(jì)算機(jī)識(shí)別時(shí)的效率及圖像中信息的提函數(shù)，實(shí)現(xiàn)圖像的閉運(yùn)算，融合圖像中的細(xì)長(zhǎng)彎口和窄缺□的同時(shí)補(bǔ)齊輪廓上的縫隙。(3)特征提?。核旨?jí)主要依據(jù)水果的大小、顏色、果形等特征，故而本次研究首先通過(guò)對(duì)比投影面積法、最小外接矩形法、最小外接圓法來(lái)獲取蘋(píng)果的大小特征，這是由最小外接圓法得到的果徑數(shù)值更精確所決定的，從這些表現(xiàn)可以估摸出接著通過(guò)對(duì)比RGB、YCbCr、HSI、HSB等各類(lèi)顏色模型，最終選取與人感受顏色的方式最接近的HSI模型，利用其中的H分量獲取蘋(píng)果紅區(qū)面積的數(shù)值，將紅區(qū)面積與蘋(píng)果的實(shí)際面積相比，比值即為蘋(píng)果的著色度，即蘋(píng)果的顏色特征值，最后通過(guò)對(duì)比邊界特征法、傅里葉形狀描述法、圓度值法，選取計(jì)算更為簡(jiǎn)便，運(yùn)行結(jié)果快且結(jié)果準(zhǔn)確，符合分級(jí)的實(shí)時(shí)性要求的圓度值法實(shí)現(xiàn)蘋(píng)果果形特征的提取。(4)蘋(píng)果分級(jí)：即最終蘋(píng)果分級(jí)結(jié)果的輸出，通過(guò)MATLABGUI界面的設(shè)計(jì)，將提取到的多個(gè)蘋(píng)果特征進(jìn)行融合，查閱國(guó)家規(guī)定的蘋(píng)果分級(jí)標(biāo)準(zhǔn)，與提取到的蘋(píng)果果徑、紅色著色比、圓度值三個(gè)特征值進(jìn)行對(duì)比，輸出最終的蘋(píng)果分級(jí)結(jié)果，該界面操作簡(jiǎn)單，簡(jiǎn)潔明了，具有一定的使用價(jià)值。本文雖進(jìn)行了一定的蘋(píng)果分級(jí)算法的研究，取得了一定的研究成果，但是仍存在問(wèn)題需要繼續(xù)探究，還有很多工作要做：(1)蘋(píng)果采集的環(huán)境過(guò)于簡(jiǎn)單，這與實(shí)際作業(yè)下蘋(píng)果分級(jí)環(huán)境是不一致的，在實(shí)際的操作環(huán)境中才可以繼續(xù)改進(jìn)分級(jí)算法。(2)選擇分級(jí)的蘋(píng)果種類(lèi)比較單一，且采集的蘋(píng)果樣本有限，因此需要建立更多的數(shù)據(jù)樣本，使分級(jí)系統(tǒng)得到不斷的完善。(3)提取的特征值有限，在未來(lái)的研究中，還可繼續(xù)對(duì)蘋(píng)果表面的缺陷情況等進(jìn)行研究，剔除分級(jí)中的壞果，從而提高該系統(tǒng)的工作效率。[3]陶景行，辛睿哲.基于機(jī)器視覺(jué)的蘋(píng)果品質(zhì)分級(jí)技術(shù)的研發(fā)[D].黑龍江大學(xué).[4]伍博遠(yuǎn)，宋靖，etal.MachineVisionforColorInspectionofPotatoesandApples[J].TransactionsoftheAsae,2021,38(5):1555-1561.[5]ArivazhaganS,ShebiahRN,NidhyanandhanFeatures.journalofemergingtrendsincomputing&informationsc[6]i.KavdirandD.E.Guyer.EvaluationofdifferentpatternrecognitiontBio薛睿哲，尹啟航temsEnginee尹啟航temusingmachinevision[J].ComputersandElectronicsinAgriculture,2016.[8]MizushimaA,LuR.AnimagesegmentationmachineandOtsu’smethod[J].Computersandelectronicsinagriculture,2013,94:29-37.JournalofKingSaudUniversity-ComputerandInformationScie[10]MoallemP,SerajoddinA,PourghassemH.Computervision-basedappleapplesbasedonsurfacefeatures[J].InformationProcessinginA[11]崔明杰，駱景云.計(jì)算機(jī)視覺(jué)在芒果品質(zhì)檢測(cè)中的應(yīng)用研究[J].農(nóng)機(jī)化研究，2019,041(009):190-193.[12]閻天佐，齊嘉言.基于圖像特征融合的蘋(píng)果在線分級(jí)方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2017[13]舒俊熙，秦正陽(yáng).基于計(jì)算機(jī)視覺(jué)的血橙無(wú)損檢測(cè)與分級(jí)技術(shù)研究[D].西南大學(xué)，2016.[14]彭志誠(chéng)，韓啟銘.基于決策樹(shù)支持向量機(jī)的蘋(píng)果表面缺陷識(shí)別[J].食品與機(jī)械，2017,33(09):131-135.[15]袁浩淼，唐啟航.基于機(jī)器視覺(jué)的蘋(píng)果在線分級(jí)系統(tǒng)平臺(tái)研究.[沈陽(yáng)農(nóng)業(yè)大學(xué)碩士論文].沈陽(yáng)：沈陽(yáng)[16]孟睿德，姜子淳.基于機(jī)器視覺(jué)的水果外部品質(zhì)檢測(cè)技術(shù)研究[D].華南農(nóng)業(yè)大學(xué)，2017.4-5.[17]傅博涵，魏?jiǎn)④?基于噪聲評(píng)價(jià)的微光紅外圖像自適應(yīng)融合方法[J].海軍工程大學(xué)學(xué)報(bào)，2017,29(1):[18]廖明軒，杜景瀾.基于稀疏表示的圖像去噪算法優(yōu)化[J].計(jì)算機(jī)與數(shù)字工程，2015,43(11):2020~2023.[19]章澤霖，許睿哲，等.結(jié)合全變分的雙邊濾波圖像去噪方法研究[J].現(xiàn)代電子技術(shù)，2017(17):44-47.[20]胡啟銘，賀博遠(yuǎn).基于輪廓形狀和復(fù)雜網(wǎng)絡(luò)的圖像識(shí)別新方法[D].廣東工業(yè)大學(xué)，2016.[21]Nercessian,ShahanC,Panetta,etal.Non-LinearDir