基于图像评价的无核白葡萄成像系统构建

李泽平 李雪莲 周 军 郭俊先 黄 华 郭 阳 张亮亮

(1.新疆农业大学机电工程学院，新疆 乌鲁木齐 830052；2.新疆农业大学数理学院，新疆 乌鲁木齐 830052)

无核白葡萄作为新疆吐鲁番地区的主栽品种[1-2]，对吐鲁番农业经济的发展起重要作用。目前，无核白葡萄上市前品质等级主要依靠人工检测和分级，速度慢、效率低且主观性强[3-4]，果品的采后处理技术比较薄弱，不利于其精确有效的分级[5-6]。

无核白葡萄呈现强透光特点，成像质量和光源选取均直接影响无核白葡萄的指标预测和分级。如何获得无核白葡萄成像系统的最佳因素与水平，对提高图像质量具有重要意义[7]。常见的葡萄图像采集主要基于2种环境：室外特定光照环境下的露天环境和室内人工控制的机器视觉成像系统。例如，Zabawa等[8]使用卷积神经网络执行语义分割检测图像中的单个浆果，来计算每个浆果的数量。邱津怡等[9]提出了一种基于卷积神经网络(CNN)的多尺度葡萄图像识别方法，发现卷积神经网络对于特征提取的效果优于传统的特征提取算法。刘智杭等[10]针对自然光照复杂背景下，葡萄果穗区域分割准确度差的问题，提出了一种融合局部异常因子(LOF)算法和K均值聚类算法的图像分割算法。由于没有统一的衡量标准，目前通常都是采用图像评价的方法评价采集到的图像。

为消除葡萄粒透光和光晕问题，获得葡萄串的最佳分割效果，准确分析葡萄串的图像信息，试验拟采集不同背景、光源结构、打光模式下的无核白鲜葡萄图像，采用图像评价的方法对比各因素水平下采集的图像，确定无核白葡萄机器视觉成像系统因素的最佳取值，旨在为无核白葡萄的指标预测与分级提供参考依据。……