基于二维离散小波的鲜玉米果穗成熟度的等级评定

基于二维离散小波的鲜玉米果穗成熟度的等级评定 第 卷 第期 ,,,, ，,,::,,,,, , 吉 林 大 学 学 报 工 学 版 年月 ,:,,,,,，:～,,:，,,,,;,，,,;;,,,,,;:～,::，,:,,,,,,,,,,,,,,,,,,,,,:,, ,,! ,,,! 基于二维离散小波的鲜玉米果穗成熟度的等级评定 ,,,,,王慧慧孙永海刘晶晶张婷婷王笑丹方旭君 吉林大学 生物与农业工程学院,长春,, ,,::,, ,,摘 要采用计算机视觉技术经二维离散小波分解后提取与玉米果穗成熟度相关的图像特征 。 实现成熟度等级评定在 颜色模型下对鲜玉米果穗图像 分量进行二维离散小波 分 ，,， ， ,。 解提取低频子带的颜色特征在 颜色模型下提取鲜玉米果穗图像高频子带的纹理特 ,,, 。 。 ,征通过主成分分析法实现特征参数的降维以前构建概率神 个主成分值作为网络输入, ,,。经网络实现鲜玉米果穗成熟度的等级评定评定正确率为,,, ,,,,,关键词食品机械二维离散小波分解鲜玉米果穗成熟度神经网络 ,,,,,文章编号中图分类号 文献标志码 ,,,,,,,,,:,,:,:,,,:,,,,,:,,,,,, , ，,,～,:,:,～,,,:;,～::,;,,,,,;,,,,,,,,,,,,,,,,!,, :,,:,,;,,:,,,,:;;,,,;;,,,,,,,,,, ,,,,,, ,,，, ，～～～,,， ,:,～，,，,,，,，, ,,,,,，, ,:,,,,，, ,～～,,,,,,,,，,,,,,,,,,,,,,,,,,,,,,,,::,,;;:,,:,:,:,,,,,,,,:～,,～,,,，,,,;;,,,，,,,,,,,,;,,,,:～,,:～～,,,::,,:～,,, ,,,,,!,, , ,,，～:,: ,～,,:～:, ,,～:～～:,～:,,,,,,:,,,,,,,,,,,,;,:,;,,,,,,;,,;,,:,;,,,,,,,,,,,,,,! ,,,,，,,;:～,,,:,;,,,,,:, :, ,,,～,,,,,,,,,;,; ;,,,,:,;, ,,,;, ,,:,,,;,,,:,,, ,,,:,;,; ,,,;,;, ,,!,, ,:::,;::,,,,,:,,，, ，，,::,:,,:,;,,,,;,;,,;::,,,,,:,:,， ::,,;,,,,,:,,,,;,:～,,,,,～; ,,, : , , :::～,,:;,:,:， ::,;,,;;;,,:;,::,;～;,:,～,,,,,,,～;;,～; ,,,,,,,,,,,,,,,,,,,,,,,,! ,:～,,,:,;,,,,,:,,;,;;,,,,:,;,,,:,～,～,,;～;,:,～,,,,,,,,,,::,:,,:,;,,,,,;,,,:,,;,～:,,:, ,,,! ::, ,,, ,::～,,:;,:,,;;,,,,;;,;,～,,,:,::,;,,,,,,;～:,,,～;,,,,,,,,,,,,,,,, ,,,,,,,,,,,,,,,,,! :,:～,,,,:,,,::,,;,,,,,～;,,;,;,,，;,,,,～;,;,,:,，,,～,,,,～;,:,,,,,,,,,:,;～,,,,;,,:,， ,,,,, ,，,;,,,,;,;,:;,,:,,,,～,,,,,,,,:,,,;,～::,,;,,,,,,,～;,,,,,,::～,,:,,,,:～,,,, , !,,,,!!, ,,,,::,,,,::, ,,:～,,;,,,:,,,;,,,:,,,,:,;,; ,,,;,;,,;::,,,,,:,,,;,～::,,;,,,,,～,,,,,,,,,!,! ,,,;～,,;,:，,,,,, ,,目前鲜玉米果穗成熟度等级主要由专业人不同成熟度鲜玉米果穗原料在相同参数生产中 ,,,员依靠经验进行评定劳动强度大缺乏客观一致 下进行加工难以保证产品质量均一性因此加工 ,。 性很大程度上限制了果穗产品的精加工利用 。前进行成熟度等级评定是加工参数设定的前提,计算机视觉技术可以降低人为因素的影响并且 计算机视 觉 技 术 在 农 产 品 实 际 加 工 中 已 广 泛 应。 ,,有利于实现产品加工的无损检测和自动化工业 ,,,,、用主要包括果蔬外观 品 质成 熟 度 等 级 等 的 收稿日期, ,:,::,:,,,, 基金项目,“”国家高技术研究发展 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 项目,,,,,,::,,,,::,:,, ,,,,,,,作者简介王慧慧女博士研究生研究方向农产品智能检测与评价 ,,,,,,,，,,,,,,～～,,,,,,,,::, ,,,,,,,,,通信作者孙永海男教授博士生导师研究方向农产品智能检测与评价 ,,,,,,,,,,，,,～,～～,;,～,:,,,!, 。,,。,品 种 等 的 识 别 检 测对 于 整 穗 鲜 玉 米 分边缘细节信息主要体现在高频部分因此对,, ,,,,玉米果穗局部图像进行二维离散小波分解在低 ,研究了所采集果穗图 像 的 分 割 方 法,,,,,,～, ,,频部分进行基于颜色的特征提取在高频部分进 ,并通过计算机视觉技术进行了果穗尺寸的测量。行纹理特征提取 。在此基础上提出了穗形的判别算法基于小波的 、计算机视觉技术广泛应用于滤波图像检索等方 ,、用 对于小波分解后的低频和高频部分 ，，,,,,,面但上述研究不适用于鲜玉米果穗成 熟 度 等 、、表示第层果穗图像的子带区 ，， ，， ，，, ,,,。 级评定本文应用计算机视觉技术对图像进行小 ,,域其 中 为 图 像 水 平 和 垂 直 方 向 低 频 子 带 ，， ,,波分解并提取相关特征利用神经网络实现鲜玉 、为图像水平方向高频垂直方向低频的子 ，， ,。米果穗成熟度等级评定 ,、带为图 像 垂 直 方 向 高 频水 平 方 向 低 频 的 ，， , ,。子带为图像水平和垂直方向高频的子带 ，，, 图像采集 , 果穗图像分解层数的确定 ,,, 用 表示层分解时高频子带能量总和与 , ,, 试验用玉米果穗为经清洗和去除苞叶后的垦 ,总能量的比值即 ,黏一号糯玉米果穗由天景食品有限公司九台基 ,。地提供 ，，， ，， ，，，，， ， ,,,,, ,, , ,、采集装置由 图 像 采 集 卡, ,,:,;;:,,,,? ， 、、计 算 机数 据 采 集 卡,,,,,,, ,:，, ,,:,, ,, ,,,式中 ,， !,，，,，， ,,??、、型 工 业 摄 像 机镜 头环 形 ,,:, ,，:,,, ，，, , ,! , , ,,、、、,,,光源白光检测箱光电开关传送装置组成系 ，, ，， ,,，， ! ,, ??, !。 , 统装置简图如图 玉米通过光电开关后所示, ,,, , ,， ,，， ,，， ! ,, ,数据采集卡接收到触发信号控制图像采集卡对 ?? , !,,果穗进行图像采集采集位置为玉米果穗中部图 、 、 、、子带能分别为 ，，，，， ，， ，，，， ，，，，,,, , , ,,像为图 像分 辨 率 为 位 像 素 ,, ,,, ,,: ×,,: ,,, ,,,、,,、,,量分 别 为 ,,,,!,!,!， ， ，， ，， ,,,。 像素图像采 集 和 分 析 软 件 采 用 ， ， ,,～,:,,、、,子 带 小 波 系 数为 图 像 总 能 ，，，，，，，,,, 。 。量 编写,,: ,用表示与前一层的比值,, ,, ,,,,,,… , ,,,,,,, , ,,,,,, ,,,, ,,。式中为最佳分解层数本文中, , , ?,,,,,, ,,取最小值时边缘信息几乎完全 ,,, ,,,,, ,,,,进行基于从低频子带中分离出来故对 ，， ,,,, 。,颜色的特征提取时高频信息逐渐趋于 ,, ,,,, ,,平滑故应结合和小于 越大纹理越不清晰 , ,,,, 。层的高频图像进行基于纹理的特征提取 ,,,, 基于颜色的果穗图像特征提取,,, 选择比较符 合 人 对 颜 色 描 述 习 惯 的 颜 ，,， 。色模型进行基于颜色特性的小波分解特征提取 ,,,,图像采集卡数据采集卡计算机工业摄像机 ,,,,,,,,对表示图像色调的 分量进行二 维 离 散 小 波 分 ， ,,,,,镜头环形光源检测箱玉米果穗光电开关 ,,,,,,,,,,,。解基函数选取应用比较广泛的哈尔小波 传送装置 ,:,对不同成熟度的个鲜玉米果穗局部图像 ,,: 系统装置简图图 ,,分量进行计算得到的至层的小波分解， , , ,, ,,,, ,,,;, ,;,,:;,,,,,, ,!,的平均值为 小波分解和特征提取 , , :,,,,, , , 烄由于人类的感觉器官和物理仪器都有一定的 , :,,,,,, , ,, ,烅, ,,分辨率对低于一定尺度的信号特征无法识别小,,,,:,, , 波分解的意义就在于能够在不同尺度上对信号进 ,,,,,,, , ,烆 ?? ,,,,,吉 林 大 学 学 报 工 学 版 第卷 ,, ,,由此可知时最小因此确定小波分解层 ,,, ,, 。数为层 , ,图像经高频信息中 几 乎 不 层小波分解后, ,,,,,,,含颜色信息颜色特征和 能 量主 要 集 中 在 低 ,,频信息 中因 此 提 取 子 带 中 的 小 波 系 数并 ，，, 、、计算其均值 方差能量均值 和颜色熵 ,,，，, , 。作为果穗成熟度的特征参数 ,,, , , , , , ， ,，，,, ,! , ?? , ,×, ! , , ,,, ,, ,,,， , , ，，!,，，!,,, , ???? , ,× ,, !! ,, ,,,,,,式中为低频子带大小为 , ,,，，×，， ,!, , 。对应的小波系数 基于纹理的果穗图像特征提取 ,,, ,图像经小波分解后果穗纹理信息主 要 存 在 。于高频部分颜 色 模 型 是 与硬件显示相关 ,,, ,,的模 型可 以 直 观 地 观 察 纹 理 分 布因 此 选 择 在 图 高频子带图像, , 模型下进行基于纹理的小波分解特征提取,,, ～～ ,,,，～;;,:,～,,,,,,,,,,,,,,,,!,, ,、、。 纵向纹理因此分别选择 作为纹 对高频部分进行图像纹理信息的提取与空间域 ，，，，，，,,, ,,。,,,相比由于没有低频部分信号的干扰由纹理表现 理的研究对象如图所示图像经层分解,, , 、。出的成熟度特征更加明显可靠 ,,后 子带变光滑反映果穗的纹理信息较少 ，，, 由于计算机的显示设备只可以在有限范围内 、、。因此计算 的灰度梯度共生矩阵 ，，，，，，, , , ,,,,进行显示而本研究的二维离散小波分 解 所 得 设高频子带灰度梯度共生矩阵为,,,,部分小波系数数值超出了如要观察到纹 :,,,,,,,,,,… ,,, ,,:,，,!, , ,,,,,,理分布情况必须将小波系数映射到映 :,,,,,… ,, ,,:,，,,,, , , !, ,,射过程为 ,,,,、式中为果穗图像灰度为梯度为时 ,,, !! ,,,总像素点数为规定的灰度级取值为 ，,,， ,,,,, ,′,,′,,,,,,,,,, ,。为规定的梯度级取值为 ,, ,,,,,, ,, ,′,′ ,,, ,,,,,,,,提取 的个纹理特征参数相关性 ,,,,!,,,,,式 中为 原 始 的 小 波 系 数为 ,′,,′,,,, ,,、,,、,,、灰度分布不均匀性能量灰度 ::,,，,!,,,,,,,, 的最大值为 的最 小 值,′,,′,′,, ,,,,,,、,,、,,、熵逆差分矩大梯度优势梯 ,,, ，;,，!,,,,对 取 整 即 为可用于显示 设 备的 小波系 , ,,、、,,,,度均方差梯度均值梯度分布不均 ,,,,,, 。数 ,,、,,、,,、匀性梯 度 熵 灰 度 均 值 混 ,,,,,,, ;!,由前述研究确定的小波分解层数为 各 层 ,,,、,,、,,、合熵灰度均方差惯性矩小梯 ，,,;,,!。层小波分解高频子带图像如图所示, ,,。度优势 ,,,,,,,,,、、图分别为 子带 ,,,:，，，，, , , ，，、、 纹理 参 数 与 成 熟 度 等 级 的，，，，，，, , , ,,,,,,,、、图像图分别为 子带 ,,;，，，，,, , , ，，。相关系数如表所示, 。图像由于玉米果穗局部图像既有横向纹理又有 相关系数表表 , ,,,;, ::;,:,::;:;,,,,,,,,,,,, ,,::，,,,,,,,,,,,,,,;，;,，,,, ,; ， ,, ,, , !!,!!, ，，:,,:,,:,,:,,:,,:,,:,,:,,:,,:,,:,,:,,:,,:,,:,,, ，，:,,:,,:,,:,,:,::,,:,,:,,:,,:,,:,,:,,:,,:,,:,,, ， ，,:,,:,,:,,:,,:,::,,:,,:,,:,,:,,:,,:,,:,,:,,:,, ,)(，。 ，系数之间为中度相关及以上的特征参数及贡献率如表所示由表可得前个主成 :,,, , , ? 。 ，进行果 穗 成 熟 度 等 级 评 定 的 研 究因 此,分的累积贡献率已达因此利用主成分，，, , ,,,,,,、,,选择 选择 选择 和。,,,,,, ,,，，,,;，，,即可反映个特征参数代表的信息 ,,,!,, ,, : 、、、。，、其中各特征计 和;，,,,, ，;,, ,,算如,!, 特征值及贡献率表 ,:下 ,,,，,～,,～,～:,,～:,: ,;;,,;,,:,,,;:,,,,,,,,,,,,,,,, ， , ， , ,,, ,,, 贡献率 累计贡献率 主成分特征值 ,,λ , ,( ) , , ,, ,,, , , ,, !! ?? ,,,,,,,,,,,,,,,,,,,: : ,,!， ， ,,,, , , , ,,,,,,,,,,,,,,,,,:,,, (,,, , ,, ,,, ,,,, , , , ,!, , ? ? ,,,,,,,,,,,,,,,,,,: ,: !, (, ,,,:,,,,,::,,,,,,, ， ,， , ,, , , , :,,,, ,,,,, ,,,,,, ,, ), , ,,,, , ,，! ! ?? !,: ,,: 表为个特征参数前 个主成分对应的 , ,, , (, ,,,,, ， ,， , ,, ,,，特征向量构建矩阵, , , , ,, , ! ??: ,: ,,! ～～～～,,,,,,,, 烄烌， ,， , ， ,， , ,,,, ,,,,,,～～,, ,, ～～,,,, , , ,, , ,,,; , , ,, , , ! , ! (,???? , ,,,: ,: : ,: ,,,,!! (, ,: ～～～～ ,,,,,,,, 烆 烎， ,， , ,,，, , ,,, 。:式中 取,, ,,, , , , , , , , , , , ,;,,,, ,, !!,! ???,: :,:,!,, 表 特征向量表,， ,,， ,, , , , ,,,;,，;,,;::,:::;,:,,,,,,,,,,,,,,,,,,, , , ,, , ! ! ?? : ,:!,, 特征 ,,,,(,,,,, ，,,, ,, ， ,， , ,,, ,,,, ,,,，，:,,,,:,,:,:,,:,,:,,,, ,, , ,, , ! ?? : ,: ,,!,, ,,，，,,,:,,,,:,,,,:,,,,:,,,,,， ， ,,,, ,, ,, ,, ,:,,,,:,,,,:,,,,:,,,,, , , , , ,,( ) ，，,, ,,，; , , , , ,,,, ! ,! ??: : ,!,, :,,:,:,,,,:,,,,,:,,,,,, ;，，,， , ,,!， , , ,, ,,,, (,, , ,, , :,,,,:,,:,:,,,:,:,,:,,, ,,, , , , ,,, !!!;，，，,,, , ? ?: ,: ,!, ,,,:,,,,:,,,,:,,,,:,,,,,, ，，,,,(, ,, ,:,,,,:,,,,:,,:,:,:,:,, ,， , ， , ,，，，;，,,, ,, ,, :,,,,:,,,,:,:,,:,::,:,, , ,,, , , , 式 中为 ,,, , ,,,!, ! !, ,，,,，， ,!??: ,: ,,! ,:,,:,,:,,,,:,,,,,:,,,,, ,,,,，，,, ,,,,。经归一化处理后的结果 ,,! :,,,,:,,,,,:,,,::,,,,, 成熟度等级评定 :,,,,,:,:,,:,,,,:,,:,, ,:,,,,,:,,,::,,:,:,,,,特征参数的主成分分析 ,,, ，:,,:,,:,,:,:,,,,:,,,,,，基于以上研究鲜玉米果穗局部图像 经 二 维 ，:,,,, ,:,:,, :,,,, :,,:, , ， 离散小波二层分解后进行成熟度等级评定的特 :、 征参数 分 别 为颜 色 模 型 下 子 带 的 ， 由以上计算可得前 个主成 分 值用 矩 阵 ，,，，,， , ,, 进行表示为 、,、 和 子带的 颜色模型下 ,，，,,,，，,,,,, , , ,,,、 、、子 带 的 子 带 的 ,, ,,，，,,;，，,;，, ,,,!,(, , , ,′ ,,,、、。、评定模型的建立 ,,, ，;,,,,!, ,,, ，对于上述个参数使用主成分分析法进行 ,, (,，概率神经网络是径向基网络的一种 ,，， 。 降维提取个玉米果穗局部图像参数得到样,,: 。 是在 贝叶 斯 最小风险准则基础上的并行算法,， 本矩阵 为消除量纲的影响对进行 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化处,, 网络在利用线性 学 习 算 法 完 成 非 线 性 算 法 ,，， ?? ,,,,,吉 林 大 学 学 报 工 学 版 第卷 ,, ～ , :～～,,,,::,:,～:,,::;,,:,,,,,,,,,,,,,,,!,!,,工作的同时还能够保持非线性算法较高的精度 —,,～,,, , ;,,;,;,，,::;,,,,，;::,:,,,,,,,,,,,,因此应用较为广泛并且网络结构比较简单需要 , ,,,,,,,,,,。,,,:～,,～,;,,,,,,,,,设定的参数较少尤其适合解决分类问题 ,::,,,, , ,,,,,,,:～;,，,～,,,:;,,:::,,,:,;;,,,,,,,, ,,,,,,,根据前述研究选择主成分分析的前 个 主 , ～,～,,::,;,,:,,,,,～:,;::,,:～,;,,,,,,,,,,!,, ,,成分值作为特征参数进行鲜玉米果穗成熟度的评 ,,, 。,定构建 网 络以 前 个 主 成 分 值 作 为 网 ～, ，,::;,,,,，;::,:,,,:～～;,,,,,,,,,,,,,，， , ,, ,,,,, 络的输入隐层神经元数由网络根据训练样本数 ,:,:,:,,,,,,, ,,,,,,,,,,,,～,,,,,,, , ，,,,,,,:,,,，,,,～,,,:,,:, 自适应确定根据天景食品成熟度评定等级确定 , ,,:,,,;:,;,,,,,,,,,,,,,, ,:,;,,,,:,,～,; ,,!,、、输出层神经元数为 分别表示 个 成 熟 度 ,,,, ,,～,,,,,,,:,,,:,:,::,,;,,,,,,，,::,,;,,,,, ,,,,。 等级成熟度逐级增加扩展常数对网络的分类 :,,,,,，;::,:,,,:～～;,,,:,,,,,,,,,,,,,,,,,,:, 性能影响显著根据试验测试扩展常数取 时 :,,, ,,, 宋琳琳王相海小波域颜色和纹理特征提取及图像。 ,,,网络有比较 好 的 效 果根 据 以 上 研 究共 取 ,,: 检索 方 法 研 究 ,,小型微型计算机系统,,，, ,::,,:,个 玉 米 果 穗 进 行 试 验其 中 选 取 前 述 研 究 中 的 ,,,,,,:,:,,,:,,, ,:,，,,,,,,,～,,::,,,,,,,,,,,,,另取个果穗作为网络训练样本个果穗作 ,,: ,: , :,,,;,～;;,,::,,,,;,;,:～:,;;,,,,,,,,,,,,,, ,,,为网络测试样本与人工分级作比较分级结果如 ,, ;,,,,,;,:, ,,,;;;:，,，:～,,::,,,,,,,,,,,,,,,!,。表分级正确率为所示, ,,, ,,,,,～～, ::,,,,:,:,,,:,;,;,;, ,,;,,,!,::,,:, ,, ,,, 鲜玉米成熟度等级评定结果表 , ,,,,,,:～,,:，,,～:,:,,,,,;;::,:,,,,, ,,,,,,, ,,,;;;::,,～::,,～;,:,:, :,;;:,,,,,,,,,,,,,,,, ,,,,, ,～,,～:～:, ,;,,,,,,,;,,,,;,:,;,,,,,,,,!,, ,,,,～,;;::,，,,,;,,, ,,:,::,,,,,，,,,,,,,,::,,, 分级结果 测试样本量,个人工分级,,, ,,,,,,,,, ,,, 王卫卫,杨波,宋国 乡基于图像小波分解低频系数 ,,,, ,,,,,::,,,,,,,的数字水 印 算 法 信 号 处 理 ，,,,,,,,::,,, ,,,:,,,,,,, ,,::,,,,, ,,,;,,;,,,,,:,:,,～:,,,,,,,,;,,, , ,, ,,,, ,,，,,,～;,:,;,,,,:,,,,,,:,:,,,,;,;,,,,,,,:,,, , 结束语 ,,,,,,,,,,:,:,,,,;，,,,,,,,,::;,,,,,::,,, ,,, ,,, ,,,,,,,,,,针对目前鲜玉米果穗成熟度评定的 现 状采 ,,靳 济 芳小 波 分 解 技 术 与 工 程 实 践,,,～:， ， ,,,,用计算机视觉技术在小波域下对玉米果穗图像进 北京人民邮电出版社,,,,, ,,::,,,行研究经二维离散小波分解提取 颜色模型 ，,，周云龙范振儒苏 耀 雷基于图像傅里叶变换纹理 ,,,,,,、、,下子 带 的 和 颜 色 模 型 下 ，，,,，，,,,, , ,特征和概率神经网络的气固流化床流型识别,,化 ，,、、,,子 带 的 子 带 的 , ，，,,,,,,,，，,,;, ,, ,,,,,工自动化及仪表,,,,,, ,～:～,～,,:,,::,,,,,、、、、、,,,子带的 并利 ,,,,～;,～,～,,:;,,;,:,,，,,,,,,，，,;，,,,, ，;,,,,,,,, , !,!, ,,,,:,;～:,::,;;,,,;,:,,;,;,～; ,,,,,,,,,,,,用主成分分析进行降维以前 ,,个主成分值作为, ～,:～,:,,,:,,,～;,,,;,,;,,,,,,,,,,,:;,,,,,,,,,,, !,,网络输入利 用 网 络 实 现了鲜玉米果穗成 ,，， ,,,,:,:,～,,,,,，,::,:,, ;,,，,,,,;;,,,,,,,,,,,,,,,。熟度的等级评定评定正确率为,,, ,,,,, ，,,,,～,;,,,,, :～;,,:,,，,,～,,,,,,,::,,,, !,参考文献 ,,, ,,, ,,:,,,,,,～,, ,,,,;::,,,,,,,:,,，,,,,,,,,,,,,