基于SVM算法的目標分類篩選方法研究

趙嘉瑋

(武警甘肅省總隊，甘肅 蘭州 730000)

0 引言

我國是草莓生產(chǎn)和栽培面積最大的國家，針對草莓分類工作存在漏檢率高、精準度低和草莓品相、顏色、飽滿度容易忽略的問題，本研究在日本宮崎縣草莓上市標準的基礎(chǔ)上，結(jié)合草莓果實的周長、面積、形狀、顏色、成熟度特征，對草莓等級進行分類。

本研究對中國農(nóng)業(yè)網(wǎng)草莓數(shù)據(jù)和實拍補充的500張草莓實體圖進行圖像預處理，并對預處理的圖像進行目標分割及特征提取，主要目的是提取形狀特征、顏色特征、成熟度特征。具體步驟分為3個部分。

首先，研究人員在Matlab中利用最小二乘法劃分目標區(qū)域，調(diào)用bwperim函數(shù)計算周長，利用像素點和計算有效面積，將圖像轉(zhuǎn)換為HSV坐標化圖像后，調(diào)用HSV模型對顏色成熟度和飽和度進行刻畫，利用傅里葉描繪子得到草莓形狀(飽滿度)，對提取到的各特征進行加權(quán)，最終將草莓劃分為特等品、一等品、二等品、不合格4個等級。

其次，研究人員利用SVM算法對提取到的草莓特征值進行逐類目標特征訓練，對目標識別出的各類特征進行分類打分，經(jīng)過加權(quán)算法最終劃分目標等級。

最后，研究人員對成果進行測試。研究人員采集新的草莓圖像，利用傳統(tǒng)的人工分類方式，對草莓進行分類，將采集圖像輸入程序與人工分類進行對比，驗證分類的準確性、魯棒性。

1 圖像預處理

圖像預處理包括圖像二值化、圖像HSV坐標化圖像、圖像剪裁、目標分割與剪裁[1]。

1.1 圖像二值化

研究人員在Matlab中調(diào)用rgb2hsv函數(shù)，將 RGB 的顏色轉(zhuǎn)換為HSV坐標，即RGB的值轉(zhuǎn)化為對應(yīng)的明度、色調(diào)、飽和度坐標；利用mat2gray函數(shù)實現(xiàn)圖像歸一化，即所有在矩陣中的值為1或0；最后研究人員利用im2bw函數(shù)設(shè)置閾值(本研究閾值設(shè)置為0.6)，將圖像轉(zhuǎn)變成二進制圖像。

1.2 目標分割與剪裁

本方法利用im2bw函數(shù)將圖像轉(zhuǎn)化為二進制圖像，通過imclose進行形態(tài)閉合，對相似像素點進行取舍，確定目標；然后利用imfill函數(shù)填充剛剛?cè)Χǖ哪繕丝祝挂汛_定像素目標中包含背景，呈多孔目標圖像，利用此函數(shù)對其進行填充，使其成為一個完整閉合的圖像；最后再次調(diào)用imcrop函數(shù)進行剪裁。

2 特征提取

2.1 周長與面積的獲取

本方法獲取周長和面積的方式是在Matlab中，通過bwperim函數(shù)計算周長，通過像素點之和計算面積。圖像的預處理會使面積的計算更精確，尤其適用于不規(guī)則圖形面積的計算。

2.2 形狀特征的獲取

研究人員利用傅里葉描繪子對草莓形狀進行定義[2]。封閉的草莓輪廓Ω={(xi，yi)，i=1，2，…，m}初始位置相同，研究人員可將其視為一個周期，利用傅里葉級數(shù)正弦波的形式展開研究。草莓輪廓Ω在復平面上的參數(shù)方程為：c(t)=x(t)+jy(t)，t∈(0，2π]。曲線c(t)在(x，y)方向上的傅里葉：

(1)

曲線c(t)的傅里葉描述子為：

(2)

曲線受高頻噪聲影響，所以采用N個低頻橢圓傅里葉描述子描述草莓果形，即草莓形特征向量：FD=[FD1，F(xiàn)D2，…，F(xiàn)DN][3]。

2.3 基于HSV模型的顏色分析

HSV是一種直觀特性顏色模型，也叫六角椎體模型，是色調(diào)、飽和度、明度的綜合模型，用來反映所要表達事物的顏色、飽和度、成熟度的數(shù)據(jù)特征與特性[4]。

研究人員通過實驗，首先對涉及變量進行加權(quán)：將變量h劃分權(quán)重9，變量s劃分權(quán)重3，變量v劃分權(quán)重1；其次進行12級量化；最后將0～2級記作Ⅰ(不合格)，3～5級記作Ⅱ(二等品類)，6～8級記作Ⅲ(一等品類)，9～11級記作Ⅳ(特等品類)。

3 SVM算法

SVM算法又被稱為支持向量機，是一種二分類的模型，修改后可用于多類別問題的研究與分類。該算法主要解決線性與非線性兩大類問題，為找到空間內(nèi)能夠?qū)⑺蟹诸悇澐值某矫妫沟盟斜炯现械脑氐竭@個超平面的距離最短，利用該算法對提取的特征值進行訓練，以達到對其他草莓進行分類的效果。SVM算法本質(zhì)上是特征的訓練和分類，屬于機器學習。

3.1 測試實驗

研究人員將收集到的數(shù)據(jù)進行置亂，隨后設(shè)置訓練比，1.0為全訓，本文設(shè)置為0.8，數(shù)據(jù)集中共有500張照片，400張用來訓練，100張用來測試。

實驗運用SVM算法建立模型，首先確定核函數(shù)和懲罰參數(shù)，本文選用了網(wǎng)格搜索和交叉驗證的方法，用網(wǎng)格搜索確定待定參數(shù)(г，C)的組合；再對組合進行交叉驗證來再次確認[5]；最后取交叉驗證正確率最高的參數(shù)作為模型參數(shù)訓練整個SVM算法。測試結(jié)果如圖1和表1所示。

圖1 測試結(jié)果

表1 測試過程

由表1可知，特等品、一等品、二等品、不合格這4種草莓分級正確率分別為90%，78.57%，92.72%和76.19%，綜合正確率為84.37%，表明使用SVM進行形狀分級是可行的。機器視覺和圖像處理運行時間為58 m，表明該篩選方法具備實時性。

4 結(jié)語

本研究在SVM算法的基礎(chǔ)上，從周長、面積、形狀、顏色、成熟度5個方面分別對草莓進行相應(yīng)的評級處理，根據(jù)加權(quán)比重，制定4個等級的草莓分級，利用邏輯運算關(guān)系串聯(lián)4個工作流程，建立一套草莓自動分級系統(tǒng)。該分級系統(tǒng)分級速度快(平均處理時間50 ms)，參考因素全面，提高了人工分類的效率。利用該系統(tǒng)對100個草莓進行分級測試試驗，分級準確率達到84.37%(分類錯誤的草莓只出現(xiàn)在相鄰等級，沒有越級樣本)，共耗時58 ms，可以滿足草莓實時分級的需要。