[发明专利]一种基于归一化色度直方图的水果按表面颜色分级方法

说明书

技术领域

本发明涉及一种水果分级方法，尤其是涉及了一种基于归一化色度直方图的水果按表面颜色分级方法。

背景技术

水果的表面颜色往往影响人们的购买行为，如作为礼品的水果就要求表面颜色鲜艳、同一包装内的水果表面颜色一致。对水果颜色进行检测和分级，是提高水果商品价值的有效手段。

水果表面颜色有时还与其内部品质相关。研究表明，红葡萄含有丰富的钾、水杨酸、铁、花色甙的蹂质，其中水杨酸可降低胆固醇，花色甙有助于供血，勒质酸稀释血液，所以红葡萄可以预防心肌梗塞和中风。而绿葡萄仅含有钾、铁及维生素C、B。因此，红葡萄营养价值高；每100g红辣椒含有200mg维生素C，是绿辣椒的2倍，红辣椒还富含胡萝卜素、维生素B、维牛素E和叶酸，能增强免疫力。因此，红辣椒比绿辣椒价值高。

水果表面的颜色是其重要的外观品质指标之一，与内部品质有着密切的关系。若靠人的感官进行评定，缺乏客观性和准确性。

在水果的表面颜色检测方面，已完成的工作主要有：

Tao等人(Tao Y,Heinemann P H,et al.Machine vision for color inspection of potatoes and apples.Trans of the ASAE.1995.38(5):1555-1561)研制成功了用于苹果颜色检测的机器视觉系统，它可以区别黄色与绿色的“金帅苹果”。

Abdullah等人(Abdullah M Z,Mohamad-Saleh J,Fathinul-Syahir A S，et al.Discrimination and classification of fresh-cut starfruits(Averrhoa carambola L.)using automated machine vision system.Journal of Food Engineering,2006,76(4):506-523)研制了用于金帅starfruits(一种海星状水果)表面颜色和果形检测的机器视觉系统软件，该软件利用HIS颜色空间，采用线性判别函数和多层神经网络进行检测水果的成熟、未成熟及过成熟状态，对200个样本的检测表明，线性判别函数和多层神经网络的检测准确率分别为65.3％和90.5％。

Mendoza等人(Mendoza F,Dejmek P,Aguilera J M.Calibrated color measurements of agricultural foods using image analysis.Postharvest Biology and Technology,2006,41(3):285-295)分别研究了sRGB，HSV和L*a*b*颜色模型在水果品质检测计算机视觉的应用，结果表明，sRGB效率较高，但易受背景、水果表面曲率及散射影响，L*a*b*更适于在计算机视觉系统中用于水果表面颜色的检测。

杨秀坤等人(杨秀坤，陈晓光.用遗传神经网络方法进行苹果颜色自动检测的研究.农业工程学报，1997，13(2):173-176)通过计算机视觉技术获取苹果的色度直方图并提取其表面颜色特征，采用先进的遗传算法建立了一个多层前馈神经网络系统。

李庆中(李庆中，张漫.基于遗传神经网络的苹果颜色实时分级方法.中国图象图形学报(A辑)，2000，5(9):779-784)介绍了苹果颜色自动分级系统的硬件组成，确定了苹果颜色特征的提取方法，利用遗传算法实现了多层前向神经网络识别器的学习设计，实现了苹果颜色的实时分级，并通过实验验证了方法的有效性，试验结果表明，颜色分级识别准确率在90％以上，分级一个苹果所用的时间为150ms。这种方法需先指定标准样本，采集图像进行分析后，训练网络，当水果品种更换时，需重新进行网络训练，用户使用不便，品种适应性较差。

冯斌等人(冯斌，王懋华.基于颜色分形的水果计算机视觉分级技术.农业工程学报.2002，18(2):141-144)在利用水果表面分布的分形维数为特征对不同着色等级水果进行分级时，采用了HIS模型，利用各色度点的累计和空间分布特性。

饶秀勤(饶秀勤，基于机器视觉的水果品质实时检测与分级生产线的关键技术研究，2007，浙江大学)采用HIS颜色模型、主成分分析方法和马氏距离法，实现了水果按表面颜色分级。对800幅水果图像进行的分级结果表明，总的相对误差1.75％，能满足水果颜色检测与分级的要求。