水果分级实际上就是按照品质对水果分出等次，淘汰劣质水果，保留优质水果，最终实现按质定价。传统分级是人工分拣方法，不免存在很多问题。应用机器视觉技术，不仅降低了人工成本，而且具有较高的准确率。柑橘作为我国主要生产的水果之一，数量大且种类多，使用柑橘作为实验材料，方便易得且具有代表性。本文在国内外水果自动分级的研究基础上，设计并搭建光照箱，拍摄柑橘图片，并提取出大小、形状、颜色、表面缺陷和纹理等特征，参考国家鲜柑橘分级标准，使用Python初步实现柑橘的分级系统。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
1．1 问题的提出 1
1．2 国内外研究现状 2
1．1．1 国外研究现状 2
1．1．2 国内研究现状 2
1．3 水果选择及其分级标准 2
1．3．1 水果的选择 2
1．3．2 柑橘的分级标准 2
1．4 研究目的和内容 3
1．4．1 研究目的 3
1．4．2 研究内容 3
1．5 技术路线 3
2 系统设计 4
2．1 机器视觉技术 4
2．1．1 视觉技术概述 4
2．1．2 机器视觉系统构成 4
2．2 柑橘分级系统设计 4
2．3 视觉系统设计及实现 4
2．3．1 光源和摄像头 5
2．3．2 光照箱及背景 5
3 摄像机的标定 5
3．1 张正友标定法 5
3．2 具体实现 7
3．2．1 标定 7
3．2．2 畸变校正 8
4 图像预处理 9
4．1 图像灰度化 9
4．2 单通道转化为三通道 9
4．3 RGB和HSV色彩空间 9
4．4 彩色背景分割 10
4．4．1 分水岭算法 10
4．4．2 GrabCut算法 11
5 特征提取 11 *景先生毕设|www.jxszl.com +Q: #351916072# 

5．1 大小特征提取 11
5．2 形状特征提取 13
5．3 成熟度特征提取 13
5．4 缺陷提取 14
5．5 纹理特征提取 14
5．5．1 灰度共生矩阵(GLCM) 14
5．5．2 BP神经网络 15
5．5．3 支持向量机(SVM)算法 17
6 软件系统的实现 18
6．1 分级标准 18
6．2 分级系统实现 18
6．2．1 编程语言的选择 19
6．2．2 软件系统界面的设计与开发 19
6．2．3 开发结果展示 22
7 总结与展望 25
7．1 总结 25
7．2 不足之处及展望 25
致谢 26
参考文献 26
基于机器视觉的柑橘的无损检测与分级
引言
引言
1 选题背景
1．1 问题的提出
柑橘是我国需求量最大的水果之一，包括橘，甜橙，柑，柚子等多种品类，被大众所青睐和喜爱。据显示，2017年，我国的水果进口量达到456.27万吨，出口量达到361.19万吨。2018年17月，进口量为350.63万吨、出口量为268.57万吨。可是如此大规模的柑橘的生产，对于果农和质检部门都是一个相当大的难题，尤其是在质量分级的时候，往往需要在确保不影响其质量的情况下通过外观区分它的优劣。近几年来，机器视觉技术高速发展，人们渐渐意识到利用机器视觉技术可以有效的解决这一大难题。
1．2 国内外研究现状
1．1．1 国外研究现状
1985年Rehkugler[1]使用苹果作为实验样本，根据它的灰度值来检测缺陷，但是检测精度非常低。1989年，Miller等[2]以桃子作为实验样本，提出了使用近红外图像来分析损伤的算法。1996年，ZhangShuhai，TakahashiT[3]以苹果作为实验样本，通过模式识别来实现检测和定位。1998年，H.F.Ng等[4]以玉米为实验样本，提取果仁的绿色部分，获取图像中的机械损伤面积。并将腐烂区域与图像分离，以获得玉米的腐烂损伤。2000年，Z.Wen和Y.Tao[5]在机器视觉系统中使用了两台摄像机获得水果图像，并比较图像以快速区分花萼、茎杆和缺陷。2001年，D.M.Bulanon[6]等人开发了苹果机器拣选系统，该系统分析了苹果亮度和红色分量直方图，通过设定阈值来识别红富士苹果，使用亮度阈值识别有效，但是R分量阈值就无效了，由此可知，亮度更能体现苹果完好和缺陷部分的区别。2002年，Shahin等人[7以苹果作为实验样本，研究了可将苹果分类的X射线的图像技术。2016年MM Sofu等人提出了一种基于实时处理的自动苹果分拣和质量检测系统。苹果的品种按颜色，大小和重量分为不同的类别。它还能检测污渍和腐烂影响的苹果，平均分选的准确率为7396％。
1．1．2 国内研究现状
1998年，应义斌等[8]提出了一种快速算法。该方法利用小直径梨果杆，选择不同大小的模板，确定图像中是否有果梗，并获得果柄，果实和梨的交点坐标。根据切线斜率判断杆是否完整。王江枫、罗锡文[9]分析了确定所需图像区域的算法，实验表明，果实表面损伤分类的准确率分别为76％和80％。1999年，张泰岭、邓继忠[10]检测梨的挤压伤，建立了用于测量挤压伤面积的数学模型。2001年,章文英、应义斌[11]提出利用块状扫描根据苹果茎的特征确定果柄的存在，识别受损区域并区分果柄和果实。2002年冯斌、汪懋华[12]用彩色分形机视觉分级技术分析不同颜色等级的果实，正确率达到95%。2005年，中国农业大学的博士章程辉[13]，完成了关于红毛丹质量检测的博士论文，提出了使用XCT的图像机器视觉技术。2012年，李翔[14]利用机器视觉技术获得图像上水果的总像素数来表示水果大小；然后求取水果的周长，以圆形度作为指标来衡量水果的形状特征。鲁伟奇等[15]在识别不同种类葡萄的无损检测方法研究中，在Matlab中直接对彩色图像进行目标提取，均方误差为0.000252%。2017年孙珂，李英等人研究了计算机视觉技术在苹果表面光泽度评价中的应用，确定了一种快速评价苹果表面光泽度的方法。以“红富士”苹果为实验材料，利用针孔光泽计和色度计对苹果样品的表面光泽值和色标进行检测。收集并处理苹果样品的图像以提取高光区域的颜色参数。结果表明，在苹果表面光泽预测中，训练组和试验组SVM分类模型的分类准确率分别为100和96.7％。最后，开发了苹果表面光泽等级分类软件，在分类准确率和计算速度上都取得了良好的运行效果。

原文链接：http://www.jxszl.com/jsj/wljs/563975.html