基于BP神經(jīng)網(wǎng)絡(luò)算法的柑橘成熟度辨識

許志鳳　劉桐崎　陳宇

摘 要：針對柑橘成熟度人工辨識效率低的問題，設(shè)計了一個柑橘成熟度辨識系統(tǒng)。通過視覺系統(tǒng)收集彩色柑橘圖片，將RGB顏色轉(zhuǎn)換成HSV顏色，結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法，通過訓(xùn)練得到不同成熟程度柑橘所對應(yīng)的分類器模型參數(shù)，構(gòu)造分類器，實現(xiàn)對柑橘成熟度類型的準(zhǔn)確高效識別。

關(guān)鍵詞：柑橘成熟度辨識；HSV顏色空間；BP神經(jīng)網(wǎng)絡(luò)算法

中圖分類號：TP391.4 文獻(xiàn)標(biāo)識號：A 文章編號：2095-2163（2014）06-

Abstract： To deal with the low efficiency of citrus maturity artificial identification， a system of citrus maturity identification is present. With type camera as vision， the paper collects color citrus image through the visual system. The RGB images will be converted into the HSV images， combined with the BP neural network algorithm， the classifier model obtained by training the classifier is constructed corresponding with each class citrus， which achieves accurate and efficient identification of citrus maturity.

Keywords： Citrus Maturity Identification； HSV Color Space； BP Neural Network Algorithm

0引 言

柑橘是世界第一大類水果，而我國具有生產(chǎn)柑橘的優(yōu)越自然環(huán)境和栽培柑橘的廣闊地域空間，因此而成為了世界主要的柑橘種植大國，在種植面積和總產(chǎn)量兩方面，均已位于世界首位。只是由于柑橘果木的林間隙及機械化采摘設(shè)備的技術(shù)缺陷，使得我國目前的柑橘采摘仍然通過人工完成與實現(xiàn)，具體弊端可表現(xiàn)為采摘速度慢，采摘成本高。而對于采摘后的柑橘，則需依據(jù)成熟度的不同進(jìn)行相應(yīng)分類，再限制于路途的遠(yuǎn)近來決策水果的配送。在此過程中，若能采用機器視覺系統(tǒng)，通過高分辨率攝像設(shè)備，對采摘后的柑橘表面進(jìn)行統(tǒng)一掃描，獲得相關(guān)圖像信息，再通過計算機完成對應(yīng)的處理與分析[1]，具體來說就是應(yīng)用人工智能技術(shù)進(jìn)行有效識別和準(zhǔn)確分類，如此一來，該項研究即具有著重要的現(xiàn)實意義和實用價值。

顏色是果實非常直觀的重要特征，不同果實的顏色差別很大，如此即刻借助此一指標(biāo)有效提取果實特征，從而實現(xiàn)果實識別[2-3]。以往工作主要依靠人工，當(dāng)下研究則借助計算機提高了工作效率，同時又大大提升了分析的準(zhǔn)確性。

柑橘篩選裝置是指通過機器視覺產(chǎn)品（CCD）將傳送帶上的運動柑橘轉(zhuǎn)換成圖像信號，直接遞送至裝置中的工控機處理系統(tǒng)，在得到最佳的圖像顏色信息后，則使用特征提取和分類技術(shù)對柑橘進(jìn)行分級處理；再將分級的結(jié)果轉(zhuǎn)變成數(shù)字化信號，并傳送給PLC控制器，進(jìn)而控制傳送帶的分路裝置。過程圖示即如圖1所示。

4結(jié)束語

設(shè)計了一個能夠識別柑橘成熟度的系統(tǒng)。研究通過采集圖像，獲取目標(biāo)信息，采用HSV顏色空間，并結(jié)合BP神經(jīng)網(wǎng)絡(luò)算法，通過訓(xùn)練得到每種成熟度柑橘所對應(yīng)的分類器模型參數(shù)，由此而構(gòu)造了智能分類器，進(jìn)而實現(xiàn)了對不同成熟度柑橘準(zhǔn)確高效識別。

參考文獻(xiàn)：

[1] 孫力，蔡健榮.基于TOF成像技術(shù)的柑橘實時識別與定位[J].江蘇大學(xué)學(xué)報，2013，34（3）：292-296.

[2] 韓東海.用X射線自動檢測柑橘皺皮果的研究[J].農(nóng)業(yè)機械學(xué)報，1998，29（4）：97-101.

[3] 熊煥亮，吳滄海.基于BP 神經(jīng)網(wǎng)絡(luò)的柑橘始葉螨圖像識別[J].湖北農(nóng)業(yè)科學(xué)，2013，52（23）：5863-5867.

[4] 蔡健榮，王建黑， 陳全勝.光譜圖像技術(shù)結(jié)合SAM 算法識別自然場景下的成熟柑橘[J].光子學(xué)報，2009，38（12）：3171-3176.

[5] 徐惠榮，葉尊忠，應(yīng)義斌. 基于彩色信息的樹上柑橘識別研究[J].農(nóng)業(yè)工程學(xué)報，2005，21（5） ：982 110.

[6] 司永勝，喬軍，劉剛，等.蘋果采摘機器人果實識別與定位方法[J].農(nóng)業(yè)機械學(xué)報，2010，40 （ 9） ：148-153.

[6]雷成華，劉剛，李欽豪. BP神經(jīng)網(wǎng)絡(luò)用于單芯電纜導(dǎo)體溫度的動態(tài)計算[J].高電壓技術(shù)，2011，37（1）：184-189.

[7] 王吉權(quán)，王福林，邱立春. 基于BP神經(jīng)網(wǎng)絡(luò)的農(nóng)機總動力預(yù)測[J].農(nóng)業(yè)機械學(xué)報，2011，42（12）：121-126.

[8] 徐黎明，王清，陳劍平，潘玉珍. 基于BP神經(jīng)網(wǎng)絡(luò)的泥石流平均流速預(yù)測[J].吉林大學(xué)學(xué)報（地球科學(xué)版），2013，43（1）：186-191.