基于SVM算法的目标分类筛选方法研究

赵嘉玮

(武警甘肃省总队，甘肃 兰州 730000)

0 引言

我国是草莓生产和栽培面积最大的国家，针对草莓分类工作存在漏检率高、精准度低和草莓品相、颜色、饱满度容易忽略的问题，本研究在日本宫崎县草莓上市标准的基础上，结合草莓果实的周长、面积、形状、颜色、成熟度特征，对草莓等级进行分类。

本研究对中国农业网草莓数据和实拍补充的500张草莓实体图进行图像预处理，并对预处理的图像进行目标分割及特征提取，主要目的是提取形状特征、颜色特征、成熟度特征。具体步骤分为3个部分。

首先，研究人员在Matlab中利用最小二乘法划分目标区域，调用bwperim函数计算周长，利用像素点和计算有效面积，将图像转换为HSV坐标化图像后，调用HSV模型对颜色成熟度和饱和度进行刻画，利用傅里叶描绘子得到草莓形状(饱满度)，对提取到的各特征进行加权，最终将草莓划分为特等品、一等品、二等品、不合格4个等级。

其次，研究人员利用SVM算法对提取到的草莓特征值进行逐类目标特征训练，对目标识别出的各类特征进行分类打分，经过加权算法最终划分目标等级。

最后，研究人员对成果进行测试。研究人员采集新的草莓图像，利用传统的人工分类方式，对草莓进行分类，将采集图像输入程序与人工分类进行对比，验证分类的准确性、鲁棒性。

1 图像预处理

图像预处理包括图像二值化、图像HSV坐标化图像、图像剪裁、目标分割与剪裁[1]。

1.1 图像二值化

研究人员在Matlab中调用rgb2hsv函数，将 RGB 的颜色转换为HSV坐标，即RGB的值转化为对应的明度、色调、饱和度坐标；利用mat2gray函数实现图像归一化，即所有在矩阵中的值为1或0；最后研究人员利用im2bw函数设置阈值(本研究阈值设置为0.6)，将图像转变成二进制图像。

1.2 目标分割与剪裁

本方法利用im2bw函数将图像转化为二进制图像，通过imclose进行形态闭合，对相似像素点进行取舍，确定目标；然后利用imfill函数填充刚刚圈定的目标孔，使已确定像素目标中包含背景，呈多孔目标图像，利用此函数对其进行填充，使其成为一个完整闭合的图像；最后再次调用imcrop函数进行剪裁。

2 特征提取

2.1 周长与面积的获取

本方法获取周长和面积的方式是在Matlab中，通过bwperim函数计算周长，通过像素点之和计算面积。图像的预处理会使面积的计算更精确，尤其适用于不规则图形面积的计算。

2.2 形状特征的获取

研究人员利用傅里叶描绘子对草莓形状进行定义[2]。封闭的草莓轮廓Ω={(xi，yi)，i=1，2，…，m}初始位置相同，研究人员可将其视为一个周期，利用傅里叶级数正弦波的形式展开研究。草莓轮廓Ω在复平面上的参数方程为：c(t)=x(t)+jy(t)，t∈(0，2π]。曲线c(t)在(x，y)方向上的傅里叶：

(1)

曲线c(t)的傅里叶描述子为：

(2)

曲线受高频噪声影响，所以采用N个低频椭圆傅里叶描述子描述草莓果形，即草莓形特征向量：FD=[FD1，FD2，…，FDN][3]。

2.3 基于HSV模型的颜色分析

HSV是一种直观特性颜色模型，也叫六角椎体模型，是色调、饱和度、明度的综合模型，用来反映所要表达事物的颜色、饱和度、成熟度的数据特征与特性[4]。

研究人员通过实验，首先对涉及变量进行加权：将变量h划分权重9，变量s划分权重3，变量v划分权重1；其次进行12级量化；最后将0～2级记作Ⅰ(不合格)，3～5级记作Ⅱ(二等品类)，6～8级记作Ⅲ(一等品类)，9～11级记作Ⅳ(特等品类)。

3 SVM算法

SVM算法又被称为支持向量机，是一种二分类的模型，修改后可用于多类别问题的研究与分类。该算法主要解决线性与非线性两大类问题，为找到空间内能够将所有分类划分的超平面，使得所有本集合中的元素到这个超平面的距离最短，利用该算法对提取的特征值进行训练，以达到对其他草莓进行分类的效果。SVM算法本质上是特征的训练和分类，属于机器学习。

3.1 测试实验

研究人员将收集到的数据进行置乱，随后设置训练比，1.0为全训，本文设置为0.8，数据集中共有500张照片，400张用来训练，100张用来测试。

实验运用SVM算法建立模型，首先确定核函数和惩罚参数，本文选用了网格搜索和交叉验证的方法，用网格搜索确定待定参数(г，C)的组合；再对组合进行交叉验证来再次确认[5]；最后取交叉验证正确率最高的参数作为模型参数训练整个SVM算法。测试结果如图1和表1所示。

图1 测试结果

表1 测试过程

由表1可知，特等品、一等品、二等品、不合格这4种草莓分级正确率分别为90%，78.57%，92.72%和76.19%，综合正确率为84.37%，表明使用SVM进行形状分级是可行的。机器视觉和图像处理运行时间为58 m，表明该筛选方法具备实时性。

4 结语

本研究在SVM算法的基础上，从周长、面积、形状、颜色、成熟度5个方面分别对草莓进行相应的评级处理，根据加权比重，制定4个等级的草莓分级，利用逻辑运算关系串联4个工作流程，建立一套草莓自动分级系统。该分级系统分级速度快(平均处理时间50 ms)，参考因素全面，提高了人工分类的效率。利用该系统对100个草莓进行分级测试试验，分级准确率达到84.37%(分类错误的草莓只出现在相邻等级，没有越级样本)，共耗时58 ms，可以满足草莓实时分级的需要。