基于神经网络的草莓形状的判别

摘要：运用彩色图像处理技术、神经网络理论结合机器人技术, 开发了草莓拣选设备。该设备是利用基于彩色图像处理、神经网络理论而生成的一种草莓形状判定算法来解决草莓拣选的问题。该算法是模拟人对草莓形状的判别方式，先抽出标准草莓的形状特征，然后再对拣选对象的特征参数进行综合判定。

关键词：神经网络 图像处理 机器人 草莓

中图分类号：TP301.6 文献标识码：A 文章编号：1007-9416(2012)07-0091-02

国内外对图像处理技术和神经网络理论在果蔬商品化应用中的部分成果已进入了实用阶段。随着计算机科学的飞速发展和在许多领域中的成功应用，果蔬采收分级的实时自动化已经变得完全可能。但是，生物特征的多变性和随机性与工业产品有着很大区别。在草莓采收、分级这一过程中，为了提高检测的精度、速度和准确性，需要解决多种技术问题，如：光源的选择和设置；图像的采集方式和图像的质量；硬件处理速度；模式识别算法；要求有更多分级算法的训练样本等。从长远看，应该对拣选对象的形状、表面、光学、热学、化学、生物学等各方面的特征和生理机能进行更加深入的研究，这样才有利于检测技术改进，促使新的信息采集技术和传感技术的产生。

草莓是一种营养丰富的高级水果，随着人们生活水平的提高，草莓按其颜色、形状及大小进行拣选分类、包装将成为趋势。因此，草莓形状的判别的研究和草莓拣选设备的开发具有很重要的现实意义。

1、草莓形状的判别

收割后的草莓按其颜色、大小、形状均可分为不同的等级。因此，草莓形状的判断是拣选者根据对标准草莓规格的理解和经验来判断出结果。本设计中草莓形状的识别部分采用了神经网络的识别技术，神经网络具有学习功能和很强的模式识别能力，即使当局部网络受损时，仍然能够恢复原来信息。神经网络的信息分布式存储于联结权值系数中，使网络具有很高的容错性，而图像识别中往往存在噪声干扰或输入图像的部分损失，因此，神经网络可以很好地解决图像识别问题。另外，神经网络的自组织和自学习功能，使其对图像问题的识别和处理较传统图象识别方法显示出极大的优越性。因此，草莓拣选设备只要通过对标准形状草莓的学习就可得到非常接近人的判别效果。

为此，本论文提出了一种新的算法来解决草莓拣选的问题，该算法是基于图像处理技术、神经网络算法而生成的一种草莓形状判别算法。并利用该算法开发了草莓拣选设备。

2、草莓拣选设备的构成

草莓拣选设备硬件系统组成如图1所示。CCD摄像机将所要识别、解释的对象以图像的形式记录下来；插入计算机内部的图像采集卡可以将摄像机采集的电信号转变为数字信号，即图像数字化，以便计算机对其进行各种必要的处理；照明装置为图像采集提供合适的光源，以便对图像进行处理和分析。

3、草莓形状图像分割及特征提取

人工拣选草莓时很容易根据草莓果实部分的形状特征来判别其等级，但对草莓拣选设备来说，草莓是任意放置在传送带上的，计算机采集到的草莓图像其方位是不确定的。因此，本设计采用了彩色图像处理技术。图2中，（a)图是图像卡采集到的草莓图像信号以RGB彩色模型显示在监视器上。它的R辉度图像如图(b)所示。想要得到草莓的形状特征图像，就要对采集到的草莓彩色图像做以下处理：

第一步：把彩色图像转换成黑白的二值图像，经过滤波、填充、提取边缘信号等处理后，最终得到整体轮廓线图像（c）；

第二步：彩色图像减去R辉度图像产生目标图像(d)；

第三步：目标图像经二值和边缘提取处理后，得到了果实轮廓线图像，如(e)所示；

第四步：最后把整体图像轮廓线图像和果实轮廓线图像这两种图像进行逻辑运算，然后得到曲线型草莓形状特征图像，如(f)所示。

4、基于神经网络的判别

得到的草莓形状特征可以用一组八参数来表示，要划分A、B、C等级就需要控制两个空气驱动器。我们建立的人工神经网络是基于BP算法的前向三层神经网络，如图3所示。选用了两个结构简单的BP网络，输入为8，正好每个参数对应一个输入端单元；输出为2，每个输出单元控制一个空气驱动器。在进行前向多层神经网络的学习时，不断调整隐层节点数，经过试验，采用8-4-2结构。

5、软件程序的功能

判别草莓形状的系统软件程序是实现草莓的拣选功能的关键。系统软件在功能上划分为训练部分和判断部分。训练部分包括图像处理、特征提取和网络训练；判断部分包括图像处理、特征的提取和判断以及草莓的移动控制。系统程序用MicrosoftC语言编写，程序流程图如图4所示。

6、结语

本文通过计算机图形处理技术、模式识别等理论的研究，结合神经网络算法进行了草莓形状判别的设计，在草莓形状的有效特征提取和分类识别方面进行了理论上的研究，提出了基于前向三层神经网络和计算机图像处理的一种能对草莓形状进行自动判别的新方法，为草莓的拣选机器人的开发提供了理论基础。草莓拣选设备乃至其他水果拣选设备的开发对将要进入老龄化社会的我国来说是很有意义的。

参考文献

[1]王耀南,李树涛,毛建旭.计算机图像处理与识别技术[M].北京:高等教育出版社,2001.237～260

[2]曹其新,吕恬生,永田雅辉等.草莓拣选机器人的开发[J].上海交通大学学报,1999,33(7):880～884.

[3]王年,任彬,黄勇等.基于神经网络的汽车车型图象自动识别[J].中国图象图形学报1999,4(8):669～672.

[4]福利（Foley,J.D.）等著.计算机图形学原理及实践C语言描述[M].北京:机械工业出版社,2002.6～36.

[5]徐丽娜.神经网络控制[M].哈尔滨：哈尔滨工业出版社,1999.4～34.

[6]田村秀行编著,金喜子,乔双译.计算机图像处理[M].北京科学出版社,2004.86～115.

作者简介

郭志冬（1981—），男，河南焦作人，助教，河南科技大学控制工程专业硕士(在读)。