基于PCA-SVM的红枣缺陷识别方法

楚松峰 赵凤霞 方 双 吴振华

(郑州大学机械与动力工程学院，河南 郑州 450001)

红枣受到外部自然环境和采收运输的影响，表面会受到一定程度的损伤，产生黑斑、干条、破头等缺陷，这些缺陷影响着红枣的品质和等级。因而，红枣缺陷检测是红枣深精加工过程中的一个重要环节。随着种植面积和产量的提升，单纯依靠传统的人工分级，工作量大、产能低、成本高，已经不能满足实际生产的需要。

近年来国内外许多学者针对红枣缺陷检测进行了相应研究，且取得了一定的进展。赵杰文等[1]以河北金丝小枣为研究对象，利用红枣色调H的均值和方差特征，通过支持向量机对红枣油头、浆头和霉烂枣进行分类。由于提取的特征较少，只对霉烂果进行了分类，无法对干条、鸟啄等缺陷进行分类，分选的种类不足以满足实际生产需要。曾窕俊等[2]对裂纹枣进行了分类，通过帧间路径搜索的方法获得图像中单个枣的位置坐标并构建数据集，再通过集成卷积神经网络的方式，构建多个卷积神经网络分别进行分类，最终根据分类结果选择最优解。海潮等[3]根据红枣及其表面缺陷特征，提出在颜色空间中采用BLOB分析算法实现图像的分割及红枣缺陷的识别。该方法对干条缺陷识别率较低且速度较慢。

支持向量机(Support Vector Machine，SVM)在模式识别中有许多优势[4]，针对红枣缺陷类别较多，多种多分类思想能够对红枣所有缺陷进行同时分类。缺陷类别多也决定了必须采集较多特征来反映红枣的整个表面信息，如何准确选择区分度较高的输入特征是SVM研究运用中的一个重点。……