果蔬分類中計(jì)算機(jī)視覺(jué)的應(yīng)用

前言：想要寫(xiě)出一篇引人入勝的文章？我們特意為您整理了果蔬分類中計(jì)算機(jī)視覺(jué)的應(yīng)用范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

摘要:計(jì)算機(jī)視覺(jué)在農(nóng)產(chǎn)品分類領(lǐng)域廣泛應(yīng)用，但受限于類間相似性和不規(guī)則的類內(nèi)特征，果蔬分類仍是一個(gè)復(fù)雜的問(wèn)題。本文針對(duì)近年來(lái)基于計(jì)算機(jī)視覺(jué)的水果分類進(jìn)行比較，簡(jiǎn)述了現(xiàn)階段果蔬分類所面臨的挑戰(zhàn)，并提出展望，以期為提高果蔬分級(jí)效率提供參考。

關(guān)鍵詞:計(jì)算機(jī)視覺(jué)；果蔬分類；應(yīng)用；挑戰(zhàn)；展望

自“農(nóng)業(yè)4.0”時(shí)代的來(lái)臨，以“互聯(lián)網(wǎng)+”為驅(qū)動(dòng)的農(nóng)業(yè)技術(shù)已成為發(fā)展農(nóng)業(yè)強(qiáng)有力的支撐。在果蔬業(yè)中，果蔬分類通常由經(jīng)過(guò)訓(xùn)練的人員人工評(píng)估農(nóng)產(chǎn)品或農(nóng)作物的質(zhì)量。但是，人工分類會(huì)帶來(lái)許多相關(guān)的限制，工作人員需要熟悉果蔬的許多特征，并且高強(qiáng)度的機(jī)械性工作帶來(lái)的失誤不可避免，因而分類技術(shù)的提高是農(nóng)產(chǎn)品質(zhì)量提升的關(guān)鍵。計(jì)算機(jī)視覺(jué)技術(shù)具有效率高、非接觸、抗干擾能力強(qiáng)等優(yōu)點(diǎn)，在多個(gè)領(lǐng)域已經(jīng)廣泛應(yīng)用，能實(shí)現(xiàn)農(nóng)產(chǎn)品快速無(wú)損檢測(cè)的要求[1]。果蔬分級(jí)效率的提升對(duì)我國(guó)產(chǎn)品質(zhì)量提升、農(nóng)民增產(chǎn)增收具有重要意義。

1圖像處理技術(shù)在果蔬分類領(lǐng)域的應(yīng)用

本文對(duì)基于計(jì)算機(jī)視覺(jué)技術(shù)的果蔬分類進(jìn)行了比較調(diào)查，發(fā)現(xiàn)研究人員多使用一種或者多種傳感器或者機(jī)器學(xué)習(xí)技術(shù)進(jìn)行農(nóng)產(chǎn)品的分類與分級(jí)，但是由于相同水果品種不同造成形狀、大小與顏色的不同，果蔬的分類依然面臨著許多挑戰(zhàn)[2]。為解決這些問(wèn)題研究人員已經(jīng)進(jìn)行了多種實(shí)驗(yàn)，其中結(jié)合機(jī)器學(xué)習(xí)技術(shù)對(duì)于系統(tǒng)有明顯提升。通過(guò)使用傳感器捕獲水果與蔬菜的特征，使用機(jī)器學(xué)習(xí)對(duì)任務(wù)進(jìn)行優(yōu)化，以提高系統(tǒng)整體性能[3]。

2果蔬分類的主要挑戰(zhàn)

雖然已經(jīng)在多個(gè)產(chǎn)業(yè)中實(shí)現(xiàn)目標(biāo)分類，但將果蔬作為對(duì)象進(jìn)行分類仍然是一項(xiàng)復(fù)雜的問(wèn)題。在實(shí)際過(guò)程中，環(huán)境、光及空間等因素制約了系統(tǒng)的優(yōu)化，使系統(tǒng)的時(shí)間與準(zhǔn)確性方面受到限制。光照方向及亮度、色溫以及背景所造成的鏡面反射與漫反射都會(huì)制約系統(tǒng)的進(jìn)一步優(yōu)化，并且不同種類果蔬的特征并不相同，這也使果蔬分類系統(tǒng)沒(méi)有被廣泛地開(kāi)發(fā)。

2.1缺乏合適的傳感器

分類任務(wù)的一個(gè)關(guān)鍵步驟就是選擇適合場(chǎng)景的傳感器用于數(shù)據(jù)采集。在果蔬的分類任務(wù)中視覺(jué)傳感器與非視覺(jué)傳感器已經(jīng)廣泛地應(yīng)用，但是由于各種傳感器性質(zhì)不同其所適用的應(yīng)用場(chǎng)景亦有不同[4-6]。例如超聲波傳感器與觸覺(jué)傳感器都不太適合易損的目標(biāo)物[7]。因?yàn)檫@些傳感器需要物理接觸果蔬以獲取數(shù)據(jù)。另外，視覺(jué)傳感器對(duì)許多因素高度敏感，例如照明條件和背景環(huán)境。這些基本因素是許多復(fù)雜因素的結(jié)合，包括反射、折射、縮放、旋轉(zhuǎn)和平移，這在系統(tǒng)實(shí)際的設(shè)計(jì)中需要深入考慮。傳感器大致分為視覺(jué)傳感器和非視覺(jué)傳感器。由于每個(gè)傳感器具有一定的局限性，例如視覺(jué)傳感器對(duì)照明條件和背景顏色高度敏感。高光譜相機(jī)可以得出物體反射特性，檢測(cè)具有相似顏色或背景的不同對(duì)象的固有特性，其對(duì)許多顏色等因素不敏感，并且高光譜信息與水果的其他特征相結(jié)合，可以提高系統(tǒng)性能。最近，熱紅外分析已用于許多領(lǐng)域，例如植物病害檢測(cè)、冷藏對(duì)果實(shí)的冷害、農(nóng)作物成熟度估算和農(nóng)作物產(chǎn)量估算[8]。然而，由于蔬菜和背景的熱物理性質(zhì)大致相似，并且這種技術(shù)對(duì)溫度變化敏感，因而熱紅外分析仍不能很好地完成綠顏色水果和多葉蔬菜的分類任務(wù)。

2.2難以準(zhǔn)確選擇特征

特征是用于與其他物體區(qū)分的物理特征。果蔬具有多種物理特征，例如顏色、質(zhì)地、形狀和大小，這些都是可以用作分類的特征參數(shù)，并且果蔬具有類間和類內(nèi)的同異性。類別間的變化是主要變化，即顏色、紋理和形狀的變化，而類別內(nèi)的變化更難以發(fā)現(xiàn)，特征更加難以區(qū)分。理想的系統(tǒng)能夠進(jìn)行類間和類內(nèi)分類。研究表明，單個(gè)特征不能有效地對(duì)果蔬或物體進(jìn)行有效分類。計(jì)算機(jī)視覺(jué)是用于圖像分類和識(shí)別的一種技術(shù)，可以設(shè)計(jì)算法通過(guò)多種方式對(duì)果蔬進(jìn)行分類，通常分類是基于神經(jīng)網(wǎng)絡(luò)完成。在任何機(jī)器學(xué)習(xí)應(yīng)用程序中選擇合適的算法至關(guān)重要，但是由于果蔬的類間相似性，算法優(yōu)化尤為重要。數(shù)字圖像中某些與特性有關(guān)信息的識(shí)別、分類、檢索、重建稱為特征描述，果蔬具有相關(guān)的獨(dú)特視覺(jué)特征。果蔬的分類和識(shí)別最常用的特征是顏色、形狀、大小和質(zhì)地，可以根據(jù)整體或局部圖像特征來(lái)選擇特征描述是全局或者局部的特征。特別是對(duì)于對(duì)象識(shí)別，全局圖像特征描述整個(gè)對(duì)象，具有良好的不變性，而局部圖像特征則易于實(shí)現(xiàn)快速匹配。因此，通常將局部和全局圖像特征配合使用以提高整體性能。在圖像經(jīng)過(guò)去噪、平滑等操作之后，圖像的細(xì)節(jié)將不可避免地丟失，因而需要更加注意特征的選取。這些因素對(duì)特征描述的選取造成了一些限制。

3展望

在果蔬分級(jí)中用于數(shù)據(jù)采集的傳感器由于實(shí)際應(yīng)用場(chǎng)景中的各種因素而受到限制。因此，不同環(huán)境的傳感器選擇尤為重要。在果蔬分類中使用多個(gè)傳感器會(huì)提高預(yù)期結(jié)果，但是由于產(chǎn)生的數(shù)據(jù)不同對(duì)數(shù)據(jù)處理的要求也不斷提高，各傳感器數(shù)據(jù)擁有的不同性質(zhì)的使用也受到限制。單使用機(jī)器視覺(jué)算法對(duì)于多特征分類是難以實(shí)現(xiàn)的。大多數(shù)傳感器尚未應(yīng)用于果蔬分類領(lǐng)域，其中很大一部分原因是缺乏數(shù)據(jù)，需要擴(kuò)充數(shù)據(jù)以建立新的數(shù)據(jù)集，以使各種傳感器獲得更有效的結(jié)果。

4參考文獻(xiàn)

[1]張書(shū)彥，張文毅，余山山，等.圖像處理技術(shù)在信息農(nóng)業(yè)中的應(yīng)用現(xiàn)狀及發(fā)展趨勢(shì)[J].江蘇農(nóng)業(yè)科學(xué)，2017，45（22）：9-13.

[2]羅錫文，廖娟，胡煉，等.提高農(nóng)業(yè)機(jī)械化水平促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2016，32（1）：1-11.

[3]陳桂芬，李靜，陳航，等.大數(shù)據(jù)時(shí)代人工智能技術(shù)在農(nóng)業(yè)領(lǐng)域的研究進(jìn)展[J].吉林農(nóng)業(yè)大學(xué)學(xué)報(bào)，2018，40（4）：502-510.

[4]陸勇，李臻峰，浦宏杰，等.基于聲振法的西瓜貯藏時(shí)間檢測(cè)[J].浙江農(nóng)業(yè)學(xué)報(bào)，2016，28（4）：682-687.

[5]李小昱，徐森淼，馮耀澤，等.基于高光譜圖像與果蠅優(yōu)化算法的馬鈴薯輕微碰傷檢測(cè)[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（1）：221-226.

[6]徐賽，陸華忠，周志艷，等.基于高光譜與電子鼻融合的番石榴機(jī)械損傷識(shí)別方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（7）：214-219.

[7]張麗芬.基于計(jì)算機(jī)視覺(jué)技術(shù)的櫻桃自動(dòng)分選系統(tǒng)設(shè)計(jì)[J].農(nóng)機(jī)化研究，2017，39（9）：212-214.

作者：劉同金 劉生智 熱娜古麗·熱西提 劉冠華 單位：塔里木大學(xué)信息工程學(xué)院