摘要

该文描述使用机器视觉系统来对水果质量进行自动分拣。使用三种全局阀值算法对苹果腐烂的表面进行区分，同时，避免将水果根部的区域进行错误的分类。将对腐烂或有其他缺陷的表面进行统计分析， 然后作为数据对分类机进行有监督的训练。 识别率可以达到 90% 左右，大大减少了人工分类的时间和人力。

对苹果的质量进行分拣有困难，但是非常必要。人工分拣效率比较低下，而且错误比较多。 缺陷表面划分和识别一般比较困难，为了进行苹果缺陷表面划分，有人提出高斯模型，有人采用贝叶斯分类方法，我们同时使用三种方法对苹果进行分类，并且将总的分值作为最后的判定依据，识别效果非常好。为了适应实际的需要，在流水线旁边通过辅助镜子来使用一个相机同时采集多个方位的苹果图像，成本大大降低。我们的方案如下：

训练过程

1 图像采集和数据库

为了对分类进进行训练，使其能正确可靠的进行苹果分捡。使用灰度相机采集多 300 张左右苹果图片，这些图片中包含各种缺陷的苹果表面，如这些图片发黄，擦伤，腐烂，烫伤，指甲划痕，疤痕等。这些苹果属于随即抽取， 90% 以上为存在某中缺陷的苹果。

2 预处理

图片是在封闭和高对比度的背景采集的，苹果的定位非常简单可靠， 苹果定位以后，使用形态算法对其进行自动大小的膨胀和腐蚀算法处理。对缺陷部分进行增强。

3 缺陷部位隔离

使用三种不同的方法对图象进行阀值处理，在处理当中，苹果的腹部和头部也会被当作缺陷隔离，我们使用特殊的方法对其进行处理。

4 特征提取

对缺陷部分的特征描述使用平均值，方差，中值等统计参数描述，同时增加一些如缺陷比率等参数，查步多达 13 中特征值来描述缺陷表面。

5 识别

使用这些特征参数，来对不同的分类器进行训练。

实际分拣

根据训练后的分类机实际分拣，效果非常好。最高时速度每个小时可以处理 25,000 个苹果。

使用特征训练，智能分拣机同时可以对其它苹果如梨，桃等水果进行分拣。