基于形状拟合与颜色模糊评判的香蕉识别

吴佩 屠礼芬 彭祺

摘要：针对大小椭圆形状拟合不能准确识别较直香蕉的局限，提出一种与RGB分量模糊评判相结合的识别方法，实现了香蕉更准确有效的识别。对香蕉进行目标特征提取，用大小椭圆进行轮廓拟合，对于不能准确识别的较直香蕉，再结合已建立的RGB模糊综合评判模型进行识别分类。实验结果表明，该方法识别准确度较高。

关键词：椭圆拟合；颜色识别；模糊数学；香蕉识别

DOIDOI：10.11907/rjdk.161062

中图分类号：TP317.4

文献标识码：A 文章编号：1672-7800（2016）005-0191-02

0 引言

制约水果自动化加工技术发展的关键问题在于对水果进行有效的识别和分类。王水平等[1]提取水果图像面积、色调及形状特征参数组成特征矢量，利用支持向量机SVM分类器对水果进行识别分类，但受光照影响，该方法不能准确提取色调特征，从而降低了识别的准确度。朱坚民等[2]通过提取水果图像的区域颜色和形状建立参数数据库来识别球形水果，但该方法仅针对球形水果进行识别。香蕉形状特殊，为非球形，大体成弯月形且弯曲程度不同，有弯、微弯、较直之分，从而对其进行识别和分类的难度也较大。

传统的形状描述算法有曲线拟合、水平集、傅立叶描述子等。曲线拟合[3]对形状边缘描述较为精准，但数据量较大，难以用数学公式表达。水平集[4]计算复杂度高，难以应用到实际生产中。傅立叶描述子[5]针对封闭曲线，而香蕉二值化图片受噪声干扰局部有破损，在应用中有一定局限性。本文提出的算法结合形状和颜色特征对香蕉进行识别，针对双弯曲香蕉的形状特征，应用大小两个椭圆对其形状进行拟合；对于较直的香蕉，再结合颜色RGB分量利用模糊数学原理对其进行识别和分类，算法复杂度低，计算较快。

1 算法实现

1.1 大小椭圆形状拟合

受生长环境等多方面因素影响，香蕉的弯曲度不同，有弯、微弯、较直等如图1（a）、图1（b）所示。运用基于开源发行的跨平台计算机视觉库OPENCV中的findContours函数，对预处理后的二值化图像进行轮廓搜索。轮廓检索模式设置为CV_RETR_TREE，轮廓近似方法设置为CV_CHAIN_APPROX_SIMPLE。找到图像中香蕉的轮廓后，为限定算法处理区域，寻找最小包围矩形，运用minAreaRect函数进行处理。接下来对香蕉轮廓进行初始化椭圆拟合，运用函数fitEllipse进行处理，可寻找出外切大椭圆拟合弯曲香蕉的下边缘。

在外切大椭圆参数的基础上构造内切小椭圆。因香蕉上下边缘有同指向性，因此可令大小椭圆短轴与X轴的夹角不变，内切小椭圆拟合上边缘，内切小椭圆不超出外切大椭圆范围；内切小椭圆圆心在外切大椭圆短轴直线上运动，直到内切小椭圆拟合弯曲香蕉的上边缘。如图1（c）所示，大小椭圆形状拟合方法对于弯和微弯的香蕉能够准确识别，但对于图（d）

弯曲度不够的较直香蕉失效，因此需结合香蕉颜色进一步识别。

1.2 RGB模糊综合评判模型

香蕉的颜色总类较少，一般分为绿色、黄色、黑色，分别对应生、熟、坏3种情况。香蕉作为一种自然水果，颜色不会是纯绿、纯黄、纯黑，对于不同个体的生香蕉，RGB分量按照不同的比例混合出细微差别的绿色，给香蕉颜色特征的精确描述带来困难。另外当香蕉处于生-熟过渡时，绿色的香蕉与绿色的黄瓜颜色近似，难以对RGB颜色阈值进行有效区分，此时需要利用模糊数学的理论构建一个FUZZY综合评判模型来判断是否为香蕉[6]。

2 算法处理过程及实现

程序算法流程如图2所示。

应用opencv中的CV_BGR2GRAY方法将彩色图像灰度化，再用阈值法对灰度图像二值化，接下来运用findContours函数，对二值化图像进行轮廓搜索，然后应用文本所述方法判断是否为香蕉。为排除因香蕉弯曲度不够而导致的形状拟合失效，需用FUZZY综合评判模型，综合颜色判断是否为香蕉。运用单因素评判矩阵对3种不同类型的香蕉进行综合评判，结果如图3所示。可以看出，3种不同类型的香蕉被正确标识为黄香蕉、绿香蕉和黑香蕉，黄瓜虽然也为绿色，但被正确识别出为非香蕉。

3 结语

大小椭圆形状拟合能快速准确识别典型双弯曲香蕉，降低了复杂度，但由于较直的香蕉不符合所建模型的参数而导致识别失效。本文结合RGB颜色分量利用模糊数学原理对形状不够典型的较直香蕉进行识别，在一定程度上消除了大小椭圆拟合形状识别香蕉的局限性。实验结果证明了本文方法的正确性和有效性。对颜色相似的目标物体也能进行有效区分，由于样本有限，仅能针对绿色香蕉和黄瓜进行区分，在后续工作中，准备扩充样本实现单因素评判矩阵精细化。

参考文献：

[1]王水平，唐振民，范春年，等.基于SVM的水果分类算法研究[J].武汉理工大学学报，2010（16）：44-47.

[2]朱坚民，雷静桃，翟东婷，等.基于灰关联分析和模糊隶属度匹配的球形水果自动识别方法[J].仪器仪表学报，2012，33（8）：1826-1836.

[3]BRYER M，HAHN R，PESCHEL S，et al.Analying fruit shape in sweet cherry[J].Scientia Horticulturae，2002，96（1-4）：139-150.

[4]GUI JS，RAO XQ，YING YB.Fruit shape detection by level set[J].Journal of Zhejiang University-Science A，2007，8（8）：1232-1236.

[5]胡孟晗，董庆利，刘宝林，等.基于椭圆傅里叶描述子的香蕉形状识别[J].浙江农业大学学报，2014（1）：200-205.

[6]胡宝清.模糊数学理论基础[M].武汉：武汉大学出版社，2004.

（责任编辑：孙 娟）