基于機器視覺的西瓜子外觀品質檢測與分類

陳錫愛，柯霜，王凌，許宏，王斌銳，鄭恩輝

1.中國計量學院機電工程學院，杭州 310018

2.浙江經貿職業技術學院，杭州 310018

基于機器視覺的西瓜子外觀品質檢測與分類

陳錫愛1，柯霜2，王凌1，許宏1，王斌銳1，鄭恩輝1

1.中國計量學院機電工程學院，杭州 310018

2.浙江經貿職業技術學院，杭州 310018

采用機器視覺獲取了西瓜子的面積、周長、最小外接矩和圓形度等外形特征，而后使用遺傳算法優化的最小二乘支持向量機算法對西瓜子外觀品質進行分類識別，最終實現了破損瓜子、普通瓜子和優質瓜子的區分。實驗結果表明，基于最小二乘支持向量機分類的西瓜子外形檢測方法能夠很好地實現西瓜子外觀品質的識別檢測。

機器視覺；西瓜子；圖像處理；支持向量機；遺傳算法

1 引言

機器視覺是計算機技術迅猛發展的產物，其在工業、農業、林業、交通、軍事等各個領域有著廣泛的應用，對促進生產自動化和國民經濟的增長具有重要的作用[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、耗時耗力且穩定性差。現階段，國際上利用機器視覺上對西瓜子檢測的研究仍然很少，國內學者的研究僅限于蘇州大學的管淼、孫涌等人研究了西瓜子的視覺外觀特征[7-8]，因而研究基于機器視覺的西瓜子品質分類檢測系統，具有重要的經濟價值和研究意義。

本文首先采用機器視覺獲取了西瓜子的視覺外觀品質特征，主要包括：面積、周長、最小外接矩和圓形度等，而后根據西瓜子的這些圖像特征，采用遺傳算法（Genetic A lgorithm，GA）優化的最小二乘支持向量機（Least Squares Support Vector M achines，LS-SVM）分類方法對其進行了有效分類，從而實現了西瓜子外觀品質的自動在線檢測。

2 視覺系統

實驗所采用的視覺系統由以下三個主要部分組成：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LED光源，3為視覺試驗臺，4為圖像處理系統。

系統所采用的攝像機為大恒公司生產的500萬像素工業相機DH-HV 5051UC，所采用的圖像預處理算法包括：灰度化、高斯濾波、腐蝕、膨脹、二值化、邊緣檢測和填充等算法。典型優質瓜子的原圖、灰度圖和二值化圖分別如圖2、圖3和圖4所示。

圖1 視覺檢測系統硬件組成原理圖

圖2 原圖

圖3 灰度圖

圖4 二值化圖

通過上述圖像預處理，增強了圖像信息，去除了相應的圖像干擾。而后對所得圖像行圖像分析，圖像分析所得的參數如表1所示。

表1 西瓜子外形特征參數

為了進一步增強視覺檢測的魯棒性、減少圖像背景噪聲的干擾，本文采用了兩圖像相減的方法，即含目標物體（西瓜子）的圖像減去最近時刻純背景圖像。其中背景圖像采用定時更新的策略，從而進一步提高了圖像檢測與識別的精度。

3 分類識別的實現

3.1 分類過程

西瓜子品質特征的檢測和分類過程如圖5所示。

圖5 西瓜子品質分類識別的實現流程

圖中，模式識別的方法采用最小二乘支持向量機。分類識別過程中，首先根據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，而后根據優質瓜子顆粒飽滿、外圈和內圈顏色分布均勻的特點將完整瓜子區分為優質瓜子和普通瓜子。

3.2 最小二乘支持向量機

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

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

式（2）的約束條件如下：

由拉格朗日函數求解式（2）可得

其中，ak是拉格朗日乘子，最優化的條件如下式所示：

以線性方程組表示，式（5）可轉換為如下形式：

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相關的式子，如下所示：

而后可通過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）是一種廣域優化算法，它包括：初始化、選擇、重組、變異和終止等五個步驟[14-16]。算法通過模擬達爾文生物進化自然選擇的原理：（1）首先初始化生成一定數量的染色體變量組構成原始種群，同時采用目標函數評估種群里各染色體的優劣；（2）而后通過重組使得較優的染色體在進化中保留下來的概率更大；（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；（4）最后經過不斷重復循環的評價、重組和變異的迭代進化，經過若干代后，求解獲得滿足要求的優化解。本文將遺傳算法應用于LS-SVM核參數δ和懲罰參數γ的優化求解，相比于傳統LS-SVM參數求解的網格搜索方法，遺傳算法大大提高了問題的求解速度。

4 分類結果

4.1 完整瓜子和破損瓜子的檢測分類

實驗首先對完整瓜子和破損瓜子進行分類識別，其中完整瓜子400顆（包括200顆優質瓜子和200顆普通瓜子）、破損瓜子200顆。

將檢測獲取的西瓜子外形參數（如表1所示的8類參數）作為最小二乘支持向量機的訓練輸入。完整瓜子與破損瓜子基于遺傳算法優化的支持向量機模型GA-LS-SVM和基于傳統網格搜索（grid-search）優化的支持向量機模型GS-LS-SVM的建模檢測識別結果如表2所示。

表2 完整瓜子和破損瓜子檢測分類識別率結果

其中，遺傳算法的初始種群數為20，搜索范圍為0～150。網格搜索算法所搜索的最小二乘支持向量機懲罰參數γ和核函數參數σ的起始坐標為（0，0），搜索步長為1。

測試運行計算機的配置如下：W indow s XP，Intel酷睿2雙核P8600處理器，2 GB DDRII內存，Intel GMA X 4500顯示卡，320 GB硬盤。模型的驗證方法采用留一驗證法（Leave-One-Out Cross-Validation，LOOCV）。

實驗測試結果顯示，由GA-LS-SVM和GS-LS-SVM最小二乘支持向量算法獲取的參數γ和σ均為最優參數。由于遺傳算法變異過程中存在著隨機性，因而每次優化求解的參數會略有不同，且可能產生多個解。為了驗證實驗模型中GA-LS-SVM算法的穩健性，對其進行了連續50次的尋優建模。實驗測試結果顯示，50次尋優建模的結果均能獲得最優參數，表2中GA-LS-SVM的尋優建模時間為50次建模測試時間的平均值，GA-LS-SVM中的參數為50次建模求解獲得的距離網格起始搜索點（0，0）最近參數值的平均。

4.2 優質瓜子和普通瓜子的檢測分類

實驗對優質瓜子和普通瓜子各200顆進行分類識別。首先，根據表1中的參數檢測獲取優質瓜子和普通瓜子外圈（圖4中的黑色環狀外圈）的外形參數和內圈（圖4中的中心白色橢圓體）的外形參數，從而獲得每顆瓜子的16個外形參數特征。

將上述檢測獲取的16個西瓜子外形參數作為最小二乘支持向量機的訓練輸入進行建模，建模和測試方法與4.1章節相同。優質瓜子和普通瓜子的分類識別結果如表3所示。

表3 優質瓜子和普通瓜子檢測分類識別率結果

實驗測試結果表明，由GA-LS-SVM和GS-LS-SVM最小二乘支持向量算法獲取的參數γ和σ均為最優參數。

4.3 結果分析

上述實驗測試結果顯示，在利用機器視覺檢測獲取西瓜子外形參數的基礎上，應用基于遺傳算法優化的最小二乘支持向量機能夠很好地實現西瓜子品質的分類識別。相比于傳統的網格搜索，遺傳算法能夠較好地提高系統建模的速度。然而實驗結果受樣本數量的限制，未接受大數據量的不同批次、不同廠家和不同品種西瓜子黑箱測試，因而在實際應用中還有很多問題需解決和優化。

5 結論

本文采用機器視覺很好地獲取了西瓜子的外形特征，包括面積、周長、圓形度和最小外接矩形等參數，應用基于遺傳算法優化的最小二乘支持向量機算法，實現了西瓜子品質的分類識別。相比于傳統的西瓜子人工手選，該系統具有可靠性高、分揀速度快和穩定性好的特點。然而對于西瓜子表面“翹板”和凹凸不平的缺陷仍無法識別。下一步的研究重點將是采用雙目視覺和激光掃描的方法獲取西瓜子表面的立體信息，實現西瓜子特征和等級的進一步區分與識別。

[1]宋昕，秦現生，劉瓊，等.竹地板選片工藝的機器視覺化研究及實現[J].計算機工程與應用，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時分析系統的研究[J].液壓與氣動，2011（9）：31-34.

[3]潘磊慶，屠康，詹歌，等.基于計算機視覺和聲學響應信息融合的雞蛋裂紋檢測[J].農業工程學，2011，26（11）：332-337.

[4]夏營威，徐大勇，堵勁松，等.基于機器視覺的煙葉面積在線測量[J].農業機械學報，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，Francelj 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.西瓜子自動分撿系統核心特征提取算法的研究及應用[J].計算機應用和軟件，2008，25（3）：91-93.

[8]管森，孫涌，楊新華，等.西瓜子自動識別辨析算法及分撿設備設計研究[J].計算機工程與應用，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的無軸承同步磁阻電機解耦控制[J].控制與決策，2012，27（11）：1663-1668.

[13]崔炳德.支持向量機分類器遙感圖像分類研究[J].計算機工程與應用，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目（No.Y 201121959）。

陳錫愛（1981—），男，博士，講師，研究領域為機器視覺，圖像處理；柯霜（1981—），女，講師，研究方向為統計學。

2012-09-20

2013-01-08

1002-8331（2014）16-0164-04

CNKI網絡優先出版：2013-01-18,http://www.cnki.net/kcms/detail/11.2127.TP.20130118.1024.009.htm l