基于機(jī)器視覺(jué)的西瓜子外觀品質(zhì)檢測(cè)與分類

陳錫愛(ài)，柯霜，王凌，許宏，王斌銳，鄭恩輝

1.中國(guó)計(jì)量學(xué)院機(jī)電工程學(xué)院，杭州 310018

2.浙江經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，杭州 310018

基于機(jī)器視覺(jué)的西瓜子外觀品質(zhì)檢測(cè)與分類

陳錫愛(ài)1，柯霜2，王凌1，許宏1，王斌銳1，鄭恩輝1

1.中國(guó)計(jì)量學(xué)院機(jī)電工程學(xué)院，杭州 310018

2.浙江經(jīng)貿(mào)職業(yè)技術(shù)學(xué)院，杭州 310018

采用機(jī)器視覺(jué)獲取了西瓜子的面積、周長(zhǎng)、最小外接矩和圓形度等外形特征，而后使用遺傳算法優(yōu)化的最小二乘支持向量機(jī)算法對(duì)西瓜子外觀品質(zhì)進(jìn)行分類識(shí)別，最終實(shí)現(xiàn)了破損瓜子、普通瓜子和優(yōu)質(zhì)瓜子的區(qū)分。實(shí)驗(yàn)結(jié)果表明，基于最小二乘支持向量機(jī)分類的西瓜子外形檢測(cè)方法能夠很好地實(shí)現(xiàn)西瓜子外觀品質(zhì)的識(shí)別檢測(cè)。

機(jī)器視覺(jué)；西瓜子；圖像處理；支持向量機(jī)；遺傳算法

1 引言

機(jī)器視覺(jué)是計(jì)算機(jī)技術(shù)迅猛發(fā)展的產(chǎn)物，其在工業(yè)、農(nóng)業(yè)、林業(yè)、交通、軍事等各個(gè)領(lǐng)域有著廣泛的應(yīng)用，對(duì)促進(jìn)生產(chǎn)自動(dòng)化和國(guó)民經(jīng)濟(jì)的增長(zhǎng)具有重要的作用[1-6]。目前，西瓜子的分揀工作全部由人工完成，該方式效率低下、耗時(shí)耗力且穩(wěn)定性差。現(xiàn)階段，國(guó)際上利用機(jī)器視覺(jué)上對(duì)西瓜子檢測(cè)的研究仍然很少，國(guó)內(nèi)學(xué)者的研究?jī)H限于蘇州大學(xué)的管淼、孫涌等人研究了西瓜子的視覺(jué)外觀特征[7-8]，因而研究基于機(jī)器視覺(jué)的西瓜子品質(zhì)分類檢測(cè)系統(tǒng)，具有重要的經(jīng)濟(jì)價(jià)值和研究意義。

本文首先采用機(jī)器視覺(jué)獲取了西瓜子的視覺(jué)外觀品質(zhì)特征，主要包括：面積、周長(zhǎng)、最小外接矩和圓形度等，而后根據(jù)西瓜子的這些圖像特征，采用遺傳算法（Genetic A lgorithm，GA）優(yōu)化的最小二乘支持向量機(jī)（Least Squares Support Vector M achines，LS-SVM）分類方法對(duì)其進(jìn)行了有效分類，從而實(shí)現(xiàn)了西瓜子外觀品質(zhì)的自動(dòng)在線檢測(cè)。

2 視覺(jué)系統(tǒng)

實(shí)驗(yàn)所采用的視覺(jué)系統(tǒng)由以下三個(gè)主要部分組成：圖像的獲取、圖像的處理和圖像的分析與顯示，其硬件組成原理圖如圖1所示。圖1中，1為攝像頭，2為L(zhǎng)ED光源，3為視覺(jué)試驗(yàn)臺(tái)，4為圖像處理系統(tǒng)。

系統(tǒng)所采用的攝像機(jī)為大恒公司生產(chǎn)的500萬(wàn)像素工業(yè)相機(jī)DH-HV 5051UC，所采用的圖像預(yù)處理算法包括：灰度化、高斯濾波、腐蝕、膨脹、二值化、邊緣檢測(cè)和填充等算法。典型優(yōu)質(zhì)瓜子的原圖、灰度圖和二值化圖分別如圖2、圖3和圖4所示。

圖1 視覺(jué)檢測(cè)系統(tǒng)硬件組成原理圖

圖2 原圖

圖3 灰度圖

圖4 二值化圖

通過(guò)上述圖像預(yù)處理，增強(qiáng)了圖像信息，去除了相應(yīng)的圖像干擾。而后對(duì)所得圖像行圖像分析，圖像分析所得的參數(shù)如表1所示。

表1 西瓜子外形特征參數(shù)

為了進(jìn)一步增強(qiáng)視覺(jué)檢測(cè)的魯棒性、減少圖像背景噪聲的干擾，本文采用了兩圖像相減的方法，即含目標(biāo)物體（西瓜子）的圖像減去最近時(shí)刻純背景圖像。其中背景圖像采用定時(shí)更新的策略，從而進(jìn)一步提高了圖像檢測(cè)與識(shí)別的精度。

3 分類識(shí)別的實(shí)現(xiàn)

3.1 分類過(guò)程

西瓜子品質(zhì)特征的檢測(cè)和分類過(guò)程如圖5所示。

圖5 西瓜子品質(zhì)分類識(shí)別的實(shí)現(xiàn)流程

圖中，模式識(shí)別的方法采用最小二乘支持向量機(jī)。分類識(shí)別過(guò)程中，首先根據(jù)西瓜子的外形特征將西瓜子快速劃分為破損瓜子和完整瓜子，而后根據(jù)優(yōu)質(zhì)瓜子顆粒飽滿、外圈和內(nèi)圈顏色分布均勻的特點(diǎn)將完整瓜子區(qū)分為優(yōu)質(zhì)瓜子和普通瓜子。

3.2 最小二乘支持向量機(jī)

最小二乘支持向量機(jī)（LS-SVM）最由Suykens J.A. K等人提出，是支持向量機(jī)（SVM）的一種改進(jìn)算法[9-13]，其基本算法原理如下所示。

其中，ak為正整數(shù)，ψ(x，xk)為核函數(shù)，b為實(shí)數(shù)。LS-SVM分類最優(yōu)化所要求解的函數(shù)如下所示：

式（2）的約束條件如下：

由拉格朗日函數(shù)求解式（2）可得

其中，ak是拉格朗日乘子，最優(yōu)化的條件如下式所示：

以線性方程組表示，式（5）可轉(zhuǎn)換為如下形式：

其中，Z=[φ(x1)Ty1;…;φ(xN)TyN]，y=[y1;…;yN]，1= [1;…;1]，e=[e1;…;eN]，a=[a1;…;aN]。

由M ercer條件可得

從式（6）所示的方程組中選擇和a，b相關(guān)的式子，如下所示：

而后可通過(guò)最小二乘的方法從線性方程組（8）中求解獲取a和b的值。

3.3 遺傳算法

遺傳算法（GA）是一種廣域優(yōu)化算法，它包括：初始化、選擇、重組、變異和終止等五個(gè)步驟[14-16]。算法通過(guò)模擬達(dá)爾文生物進(jìn)化自然選擇的原理：（1）首先初始化生成一定數(shù)量的染色體變量組構(gòu)成原始種群，同時(shí)采用目標(biāo)函數(shù)評(píng)估種群里各染色體的優(yōu)劣；（2）而后通過(guò)重組使得較優(yōu)的染色體在進(jìn)化中保留下來(lái)的概率更大；（3）接著采用變異操作獲得新的變量值，從而防止陷入入局部最優(yōu)；（4）最后經(jīng)過(guò)不斷重復(fù)循環(huán)的評(píng)價(jià)、重組和變異的迭代進(jìn)化，經(jīng)過(guò)若干代后，求解獲得滿足要求的優(yōu)化解。本文將遺傳算法應(yīng)用于LS-SVM核參數(shù)δ和懲罰參數(shù)γ的優(yōu)化求解，相比于傳統(tǒng)LS-SVM參數(shù)求解的網(wǎng)格搜索方法，遺傳算法大大提高了問(wèn)題的求解速度。

4 分類結(jié)果

4.1 完整瓜子和破損瓜子的檢測(cè)分類

實(shí)驗(yàn)首先對(duì)完整瓜子和破損瓜子進(jìn)行分類識(shí)別，其中完整瓜子400顆（包括200顆優(yōu)質(zhì)瓜子和200顆普通瓜子）、破損瓜子200顆。

將檢測(cè)獲取的西瓜子外形參數(shù)（如表1所示的8類參數(shù)）作為最小二乘支持向量機(jī)的訓(xùn)練輸入。完整瓜子與破損瓜子基于遺傳算法優(yōu)化的支持向量機(jī)模型GA-LS-SVM和基于傳統(tǒng)網(wǎng)格搜索（grid-search）優(yōu)化的支持向量機(jī)模型GS-LS-SVM的建模檢測(cè)識(shí)別結(jié)果如表2所示。

表2 完整瓜子和破損瓜子檢測(cè)分類識(shí)別率結(jié)果

其中，遺傳算法的初始種群數(shù)為20，搜索范圍為0～150。網(wǎng)格搜索算法所搜索的最小二乘支持向量機(jī)懲罰參數(shù)γ和核函數(shù)參數(shù)σ的起始坐標(biāo)為（0，0），搜索步長(zhǎng)為1。

測(cè)試運(yùn)行計(jì)算機(jī)的配置如下：W indow s XP，Intel酷睿2雙核P8600處理器，2 GB DDRII內(nèi)存，Intel GMA X 4500顯示卡，320 GB硬盤(pán)。模型的驗(yàn)證方法采用留一驗(yàn)證法（Leave-One-Out Cross-Validation，LOOCV）。

實(shí)驗(yàn)測(cè)試結(jié)果顯示，由GA-LS-SVM和GS-LS-SVM最小二乘支持向量算法獲取的參數(shù)γ和σ均為最優(yōu)參數(shù)。由于遺傳算法變異過(guò)程中存在著隨機(jī)性，因而每次優(yōu)化求解的參數(shù)會(huì)略有不同，且可能產(chǎn)生多個(gè)解。為了驗(yàn)證實(shí)驗(yàn)?zāi)Ｐ椭蠫A-LS-SVM算法的穩(wěn)健性，對(duì)其進(jìn)行了連續(xù)50次的尋優(yōu)建模。實(shí)驗(yàn)測(cè)試結(jié)果顯示，50次尋優(yōu)建模的結(jié)果均能獲得最優(yōu)參數(shù)，表2中GA-LS-SVM的尋優(yōu)建模時(shí)間為50次建模測(cè)試時(shí)間的平均值，GA-LS-SVM中的參數(shù)為50次建模求解獲得的距離網(wǎng)格起始搜索點(diǎn)（0，0）最近參數(shù)值的平均。

4.2 優(yōu)質(zhì)瓜子和普通瓜子的檢測(cè)分類

實(shí)驗(yàn)對(duì)優(yōu)質(zhì)瓜子和普通瓜子各200顆進(jìn)行分類識(shí)別。首先，根據(jù)表1中的參數(shù)檢測(cè)獲取優(yōu)質(zhì)瓜子和普通瓜子外圈（圖4中的黑色環(huán)狀外圈）的外形參數(shù)和內(nèi)圈（圖4中的中心白色橢圓體）的外形參數(shù)，從而獲得每顆瓜子的16個(gè)外形參數(shù)特征。

將上述檢測(cè)獲取的16個(gè)西瓜子外形參數(shù)作為最小二乘支持向量機(jī)的訓(xùn)練輸入進(jìn)行建模，建模和測(cè)試方法與4.1章節(jié)相同。優(yōu)質(zhì)瓜子和普通瓜子的分類識(shí)別結(jié)果如表3所示。

表3 優(yōu)質(zhì)瓜子和普通瓜子檢測(cè)分類識(shí)別率結(jié)果

實(shí)驗(yàn)測(cè)試結(jié)果表明，由GA-LS-SVM和GS-LS-SVM最小二乘支持向量算法獲取的參數(shù)γ和σ均為最優(yōu)參數(shù)。

4.3 結(jié)果分析

上述實(shí)驗(yàn)測(cè)試結(jié)果顯示，在利用機(jī)器視覺(jué)檢測(cè)獲取西瓜子外形參數(shù)的基礎(chǔ)上，應(yīng)用基于遺傳算法優(yōu)化的最小二乘支持向量機(jī)能夠很好地實(shí)現(xiàn)西瓜子品質(zhì)的分類識(shí)別。相比于傳統(tǒng)的網(wǎng)格搜索，遺傳算法能夠較好地提高系統(tǒng)建模的速度。然而實(shí)驗(yàn)結(jié)果受樣本數(shù)量的限制，未接受大數(shù)據(jù)量的不同批次、不同廠家和不同品種西瓜子黑箱測(cè)試，因而在實(shí)際應(yīng)用中還有很多問(wèn)題需解決和優(yōu)化。

5 結(jié)論

本文采用機(jī)器視覺(jué)很好地獲取了西瓜子的外形特征，包括面積、周長(zhǎng)、圓形度和最小外接矩形等參數(shù)，應(yīng)用基于遺傳算法優(yōu)化的最小二乘支持向量機(jī)算法，實(shí)現(xiàn)了西瓜子品質(zhì)的分類識(shí)別。相比于傳統(tǒng)的西瓜子人工手選，該系統(tǒng)具有可靠性高、分揀速度快和穩(wěn)定性好的特點(diǎn)。然而對(duì)于西瓜子表面“翹板”和凹凸不平的缺陷仍無(wú)法識(shí)別。下一步的研究重點(diǎn)將是采用雙目視覺(jué)和激光掃描的方法獲取西瓜子表面的立體信息，實(shí)現(xiàn)西瓜子特征和等級(jí)的進(jìn)一步區(qū)分與識(shí)別。

[1]宋昕，秦現(xiàn)生，劉瓊，等.竹地板選片工藝的機(jī)器視覺(jué)化研究及實(shí)現(xiàn)[J].計(jì)算機(jī)工程與應(yīng)用，2010，46（16）：221-225.

[2]王翥，姜鳴燕，王玲.基于圖像處理的油液污染度實(shí)時(shí)分析系統(tǒng)的研究[J].液壓與氣動(dòng)，2011（9）：31-34.

[3]潘磊慶，屠康，詹歌，等.基于計(jì)算機(jī)視覺(jué)和聲學(xué)響應(yīng)信息融合的雞蛋裂紋檢測(cè)[J].農(nóng)業(yè)工程學(xué)，2011，26（11）：332-337.

[4]夏營(yíng)威，徐大勇，堵勁松，等.基于機(jī)器視覺(jué)的煙葉面積在線測(cè)量[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（10）：167-173.

[5]M cCarthy C L，Hancock N H，Raine S R.Applied machine vision of plants：a review with implications for field deployment in automated farming operations[J].Intelligent Service Robotics，2010，3（4）：209-217.

[6]Niko H，Marko S，F(xiàn)rancelj T，et al.A machine-vision system for automated quality control of welded rings[J].Machine Vision and Applications，2011，22（6）：967-981.

[7]管淼，孫涌，楊峰，等.西瓜子自動(dòng)分撿系統(tǒng)核心特征提取算法的研究及應(yīng)用[J].計(jì)算機(jī)應(yīng)用和軟件，2008，25（3）：91-93.

[8]管森，孫涌，楊新華，等.西瓜子自動(dòng)識(shí)別辨析算法及分撿設(shè)備設(shè)計(jì)研究[J].計(jì)算機(jī)工程與應(yīng)用，2007，43（25）：206-209.

[9]Wang H Q，Sun F C，Cai Y N，et al.An unbiased LSSVM model for classification and regression[J].Soft Computing，2010，14（2）：171-180.

[10]Yang Haiyan，Jing Xinxing，Zhou Ping.Application of speaker recognition based on LSSVM and GMM mixture model[J].Information Technology Journal，2012，11（7）：799-803.

[11]Suykens J A K，Vandewalle J.Multiclass least squares support vector machines[C]//International Joint Conference on Neural Networks，1999（2）：900-903.

[12]朱熀秋，李衍超，曹莉.基于最小二乘支持向量機(jī)的無(wú)軸承同步磁阻電機(jī)解耦控制[J].控制與決策，2012，27（11）：1663-1668.

[13]崔炳德.支持向量機(jī)分類器遙感圖像分類研究[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（27）：189-191.

[14]Zhang Guoli，Wang Siyan，Li Yang.A self-adaptive genetic algorithm based on the principle of searching for things[J]. Journal of Computers，2010，5（4）：646-653.

[15]Zhang Yi，Zhang Hu.A novel niche genetic algorithm for multimodal optimization[J].Journal of Convergence Information Technology，2011，6（6）：255-262.

[16]Zhang X iujie，Shen Yi，Li Shiyong.Medical image registration using a real coded genetic algorithm[J].Journal of Computational Information Systems，2012，8（12）：5119-5128.

CHEN Xi’ai1,KE Shuang2,WANG Ling1,XU Hong1,WANG Binrui1,ZHENG Enhui1

1.College of Mechanical&Electrical Engineering,China Jiliang University,Hangzhou 310018,China
2.Zhejiang Econom ic and Trade Polytechnic,Hangzhou 310018,China

A machine vision system is developed to investigate the detection of watermelon seeds exterior quality.The main characteristics of watermelon seeds appearance including area,perimeter,roughness and minimum enclosing rectangle are calculated by image analysis.Least Square Support Vector Machine optimized by genetic algorithm is applied for the classification of watermelon seeds exterior quality,and the broken melon seeds,normal melon seeds and high-quality seeds are distinguished finally.The experimental results show that the watermelon seeds exterior quality can be well detected and classified by machine vision based on least squares support vector machine.

machine vision;watermelon seeds;image processing;Least Squares Support Vector Machines（LS-SVM）; Genetic Algorithm

A

TP23

10.3778/j.issn.1002-8331.1209-0207

CHEN X i’ai,KE Shuang,WANG Ling,et al.Detection of watermelon seeds exterior quality based on machine vision.Computer Engineering and Applications,2014,50（16）：164-167.

浙江省教育廳科研項(xiàng)目（No.Y 201121959）。

陳錫愛(ài)（1981—），男，博士，講師，研究領(lǐng)域?yàn)闄C(jī)器視覺(jué)，圖像處理；柯霜（1981—），女，講師，研究方向?yàn)榻y(tǒng)計(jì)學(xué)。

2012-09-20

2013-01-08

1002-8331（2014）16-0164-04

CNKI網(wǎng)絡(luò)優(yōu)先出版：2013-01-18,http://www.cnki.net/kcms/detail/11.2127.TP.20130118.1024.009.htm l