基于机器视觉的西瓜子外观品质检测与分类

陈锡爱，柯霜，王凌，许宏，王斌锐，郑恩辉

1.中国计量学院机电工程学院，杭州 310018

2.浙江经贸职业技术学院，杭州 310018

基于机器视觉的西瓜子外观品质检测与分类

陈锡爱1，柯霜2，王凌1，许宏1，王斌锐1，郑恩辉1

1.中国计量学院机电工程学院，杭州 310018

2.浙江经贸职业技术学院，杭州 310018

采用机器视觉获取了西瓜子的面积、周长、最小外接矩和圆形度等外形特征，而后使用遗传算法优化的最小二乘支持向量机算法对西瓜子外观品质进行分类识别，最终实现了破损瓜子、普通瓜子和优质瓜子的区分。实验结果表明，基于最小二乘支持向量机分类的西瓜子外形检测方法能够很好地实现西瓜子外观品质的识别检测。

机器视觉；西瓜子；图像处理；支持向量机；遗传算法

1 引言

机器视觉是计算机技术迅猛发展的产物，其在工业、农业、林业、交通、军事等各个领域有着广泛的应用，对促进生产自动化和国民经济的增长具有重要的作用[1-6]。目前，西瓜子的分拣工作全部由人工完成，该方式效率低下、耗时耗力且稳定性差。现阶段，国际上利用机器视觉上对西瓜子检测的研究仍然很少，国内学者的研究仅限于苏州大学的管淼、孙涌等人研究了西瓜子的视觉外观特征[7-8]，因而研究基于机器视觉的西瓜子品质分类检测系统，具有重要的经济价值和研究意义。

本文首先采用机器视觉获取了西瓜子的视觉外观品质特征，主要包括：面积、周长、最小外接矩和圆形度等，而后根据西瓜子的这些图像特征，采用遗传算法（Genetic A lgorithm，GA）优化的最小二乘支持向量机（Least Squares Support Vector M achines，LS-SVM）分类方法对其进行了有效分类，从而实现了西瓜子外观品质的自动在线检测。

2 视觉系统

实验所采用的视觉系统由以下三个主要部分组成：图像的获取、图像的处理和图像的分析与显示，其硬件组成原理图如图1所示。图1中，1为摄像头，2为LED光源，3为视觉试验台，4为图像处理系统。

系统所采用的摄像机为大恒公司生产的500万像素工业相机DH-HV 5051UC，所采用的图像预处理算法包括：灰度化、高斯滤波、腐蚀、膨胀、二值化、边缘检测和填充等算法。典型优质瓜子的原图、灰度图和二值化图分别如图2、图3和图4所示。

图1 视觉检测系统硬件组成原理图

图2 原图

图3 灰度图

图4 二值化图

通过上述图像预处理，增强了图像信息，去除了相应的图像干扰。而后对所得图像行图像分析，图像分析所得的参数如表1所示。

表1 西瓜子外形特征参数

为了进一步增强视觉检测的鲁棒性、减少图像背景噪声的干扰，本文采用了两图像相减的方法，即含目标物体（西瓜子）的图像减去最近时刻纯背景图像。其中背景图像采用定时更新的策略，从而进一步提高了图像检测与识别的精度。

3 分类识别的实现

3.1 分类过程

西瓜子品质特征的检测和分类过程如图5所示。

图5 西瓜子品质分类识别的实现流程

图中，模式识别的方法采用最小二乘支持向量机。分类识别过程中，首先根据西瓜子的外形特征将西瓜子快速划分为破损瓜子和完整瓜子，而后根据优质瓜子颗粒饱满、外圈和内圈颜色分布均匀的特点将完整瓜子区分为优质瓜子和普通瓜子。

3.2 最小二乘支持向量机

最小二乘支持向量机（LS-SVM）最由Suykens J.A. K等人提出，是支持向量机（SVM）的一种改进算法[9-13]，其基本算法原理如下所示。

其中，ak为正整数，ψ(x，xk)为核函数，b为实数。LS-SVM分类最优化所要求解的函数如下所示：

式（2）的约束条件如下：

由拉格朗日函数求解式（2）可得

其中，ak是拉格朗日乘子，最优化的条件如下式所示：

以线性方程组表示，式（5）可转换为如下形式：

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

由M ercer条件可得

从式（6）所示的方程组中选择和a，b相关的式子，如下所示：

而后可通过最小二乘的方法从线性方程组（8）中求解获取a和b的值。

3.3 遗传算法

遗传算法（GA）是一种广域优化算法，它包括：初始化、选择、重组、变异和终止等五个步骤[14-16]。算法通过模拟达尔文生物进化自然选择的原理：（1）首先初始化生成一定数量的染色体变量组构成原始种群，同时采用目标函数评估种群里各染色体的优劣；（2）而后通过重组使得较优的染色体在进化中保留下来的概率更大；（3）接着采用变异操作获得新的变量值，从而防止陷入入局部最优；（4）最后经过不断重复循环的评价、重组和变异的迭代进化，经过若干代后，求解获得满足要求的优化解。本文将遗传算法应用于LS-SVM核参数δ和惩罚参数γ的优化求解，相比于传统LS-SVM参数求解的网格搜索方法，遗传算法大大提高了问题的求解速度。

4 分类结果

4.1 完整瓜子和破损瓜子的检测分类

实验首先对完整瓜子和破损瓜子进行分类识别，其中完整瓜子400颗（包括200颗优质瓜子和200颗普通瓜子）、破损瓜子200颗。

将检测获取的西瓜子外形参数（如表1所示的8类参数）作为最小二乘支持向量机的训练输入。完整瓜子与破损瓜子基于遗传算法优化的支持向量机模型GA-LS-SVM和基于传统网格搜索（grid-search）优化的支持向量机模型GS-LS-SVM的建模检测识别结果如表2所示。

表2 完整瓜子和破损瓜子检测分类识别率结果

其中，遗传算法的初始种群数为20，搜索范围为0～150。网格搜索算法所搜索的最小二乘支持向量机惩罚参数γ和核函数参数σ的起始坐标为（0，0），搜索步长为1。

测试运行计算机的配置如下：W indow s XP，Intel酷睿2双核P8600处理器，2 GB DDRII内存，Intel GMA X 4500显示卡，320 GB硬盘。模型的验证方法采用留一验证法（Leave-One-Out Cross-Validation，LOOCV）。

实验测试结果显示，由GA-LS-SVM和GS-LS-SVM最小二乘支持向量算法获取的参数γ和σ均为最优参数。由于遗传算法变异过程中存在着随机性，因而每次优化求解的参数会略有不同，且可能产生多个解。为了验证实验模型中GA-LS-SVM算法的稳健性，对其进行了连续50次的寻优建模。实验测试结果显示，50次寻优建模的结果均能获得最优参数，表2中GA-LS-SVM的寻优建模时间为50次建模测试时间的平均值，GA-LS-SVM中的参数为50次建模求解获得的距离网格起始搜索点（0，0）最近参数值的平均。

4.2 优质瓜子和普通瓜子的检测分类

实验对优质瓜子和普通瓜子各200颗进行分类识别。首先，根据表1中的参数检测获取优质瓜子和普通瓜子外圈（图4中的黑色环状外圈）的外形参数和内圈（图4中的中心白色椭圆体）的外形参数，从而获得每颗瓜子的16个外形参数特征。

将上述检测获取的16个西瓜子外形参数作为最小二乘支持向量机的训练输入进行建模，建模和测试方法与4.1章节相同。优质瓜子和普通瓜子的分类识别结果如表3所示。

表3 优质瓜子和普通瓜子检测分类识别率结果

实验测试结果表明，由GA-LS-SVM和GS-LS-SVM最小二乘支持向量算法获取的参数γ和σ均为最优参数。

4.3 结果分析

上述实验测试结果显示，在利用机器视觉检测获取西瓜子外形参数的基础上，应用基于遗传算法优化的最小二乘支持向量机能够很好地实现西瓜子品质的分类识别。相比于传统的网格搜索，遗传算法能够较好地提高系统建模的速度。然而实验结果受样本数量的限制，未接受大数据量的不同批次、不同厂家和不同品种西瓜子黑箱测试，因而在实际应用中还有很多问题需解决和优化。

5 结论

本文采用机器视觉很好地获取了西瓜子的外形特征，包括面积、周长、圆形度和最小外接矩形等参数，应用基于遗传算法优化的最小二乘支持向量机算法，实现了西瓜子品质的分类识别。相比于传统的西瓜子人工手选，该系统具有可靠性高、分拣速度快和稳定性好的特点。然而对于西瓜子表面“翘板”和凹凸不平的缺陷仍无法识别。下一步的研究重点将是采用双目视觉和激光扫描的方法获取西瓜子表面的立体信息，实现西瓜子特征和等级的进一步区分与识别。

[1]宋昕，秦现生，刘琼，等.竹地板选片工艺的机器视觉化研究及实现[J].计算机工程与应用，2010，46（16）：221-225.

[2]王翥，姜鸣燕，王玲.基于图像处理的油液污染度实时分析系统的研究[J].液压与气动，2011（9）：31-34.

[3]潘磊庆，屠康，詹歌，等.基于计算机视觉和声学响应信息融合的鸡蛋裂纹检测[J].农业工程学，2011，26（11）：332-337.

[4]夏营威，徐大勇，堵劲松，等.基于机器视觉的烟叶面积在线测量[J].农业机械学报，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，孙涌，杨峰，等.西瓜子自动分捡系统核心特征提取算法的研究及应用[J].计算机应用和软件，2008，25（3）：91-93.

[8]管森，孙涌，杨新华，等.西瓜子自动识别辨析算法及分捡设备设计研究[J].计算机工程与应用，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机的无轴承同步磁阻电机解耦控制[J].控制与决策，2012，27（11）：1663-1668.

[13]崔炳德.支持向量机分类器遥感图像分类研究[J].计算机工程与应用，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.

浙江省教育厅科研项目（No.Y 201121959）。

陈锡爱（1981—），男，博士，讲师，研究领域为机器视觉，图像处理；柯霜（1981—），女，讲师，研究方向为统计学。

2012-09-20

2013-01-08

1002-8331（2014）16-0164-04

CNKI网络优先出版：2013-01-18,http://www.cnki.net/kcms/detail/11.2127.TP.20130118.1024.009.htm l