基于BP神经网络算法的柑橘成熟度辨识

许志凤　刘桐崎　陈宇

摘 要：针对柑橘成熟度人工辨识效率低的问题，设计了一个柑橘成熟度辨识系统。通过视觉系统收集彩色柑橘图片，将RGB颜色转换成HSV颜色，结合BP神经网络算法，通过训练得到不同成熟程度柑橘所对应的分类器模型参数，构造分类器，实现对柑橘成熟度类型的准确高效识别。

关键词：柑橘成熟度辨识；HSV颜色空间；BP神经网络算法

中图分类号：TP391.4 文献标识号：A 文章编号：2095-2163（2014）06-

Abstract： To deal with the low efficiency of citrus maturity artificial identification， a system of citrus maturity identification is present. With type camera as vision， the paper collects color citrus image through the visual system. The RGB images will be converted into the HSV images， combined with the BP neural network algorithm， the classifier model obtained by training the classifier is constructed corresponding with each class citrus， which achieves accurate and efficient identification of citrus maturity.

Keywords： Citrus Maturity Identification； HSV Color Space； BP Neural Network Algorithm

0引 言

柑橘是世界第一大类水果，而我国具有生产柑橘的优越自然环境和栽培柑橘的广阔地域空间，因此而成为了世界主要的柑橘种植大国，在种植面积和总产量两方面，均已位于世界首位。只是由于柑橘果木的林间隙及机械化采摘设备的技术缺陷，使得我国目前的柑橘采摘仍然通过人工完成与实现，具体弊端可表现为采摘速度慢，采摘成本高。而对于采摘后的柑橘，则需依据成熟度的不同进行相应分类，再限制于路途的远近来决策水果的配送。在此过程中，若能采用机器视觉系统，通过高分辨率摄像设备，对采摘后的柑橘表面进行统一扫描，获得相关图像信息，再通过计算机完成对应的处理与分析[1]，具体来说就是应用人工智能技术进行有效识别和准确分类，如此一来，该项研究即具有着重要的现实意义和实用价值。

颜色是果实非常直观的重要特征，不同果实的颜色差别很大，如此即刻借助此一指标有效提取果实特征，从而实现果实识别[2-3]。以往工作主要依靠人工，当下研究则借助计算机提高了工作效率，同时又大大提升了分析的准确性。

柑橘筛选装置是指通过机器视觉产品（CCD）将传送带上的运动柑橘转换成图像信号，直接递送至装置中的工控机处理系统，在得到最佳的图像颜色信息后，则使用特征提取和分类技术对柑橘进行分级处理；再将分级的结果转变成数字化信号，并传送给PLC控制器，进而控制传送带的分路装置。过程图示即如图1所示。

4结束语

设计了一个能够识别柑橘成熟度的系统。研究通过采集图像，获取目标信息，采用HSV颜色空间，并结合BP神经网络算法，通过训练得到每种成熟度柑橘所对应的分类器模型参数，由此而构造了智能分类器，进而实现了对不同成熟度柑橘准确高效识别。

参考文献：

[1] 孙力，蔡健荣.基于TOF成像技术的柑橘实时识别与定位[J].江苏大学学报，2013，34（3）：292-296.

[2] 韩东海.用X射线自动检测柑橘皱皮果的研究[J].农业机械学报，1998，29（4）：97-101.

[3] 熊焕亮，吴沧海.基于BP 神经网络的柑橘始叶螨图像识别[J].湖北农业科学，2013，52（23）：5863-5867.

[4] 蔡健荣，王建黑， 陈全胜.光谱图像技术结合SAM 算法识别自然场景下的成熟柑橘[J].光子学报，2009，38（12）：3171-3176.

[5] 徐惠荣，叶尊忠，应义斌. 基于彩色信息的树上柑橘识别研究[J].农业工程学报，2005，21（5） ：982 110.

[6] 司永胜，乔军，刘刚，等.苹果采摘机器人果实识别与定位方法[J].农业机械学报，2010，40 （ 9） ：148-153.

[6]雷成华，刘刚，李钦豪. BP神经网络用于单芯电缆导体温度的动态计算[J].高电压技术，2011，37（1）：184-189.

[7] 王吉权，王福林，邱立春. 基于BP神经网络的农机总动力预测[J].农业机械学报，2011，42（12）：121-126.

[8] 徐黎明，王清，陈剑平，潘玉珍. 基于BP神经网络的泥石流平均流速预测[J].吉林大学学报（地球科学版），2013，43（1）：186-191.