基于SVM的柑橘品質(zhì)檢測技術.pdf

1、我國是一個農(nóng)業(yè)生產(chǎn)大國，擁有豐富的土地資源與人力資源，柑橘品種的生產(chǎn)多樣化，是柑橘的重要產(chǎn)地，擁有4000多年的栽培歷史。其中柑橘更是湖南的主要水果農(nóng)產(chǎn)品產(chǎn)業(yè)中的一大支柱產(chǎn)業(yè)。每年的柑橘產(chǎn)量非常多，但是對于柑橘后期處理不夠重視，目前柑橘的分級操作主要依賴于人工和粗略的機械設備，工作效率低，誤差大。因此，如何進行柑橘自動分級，降低勞動力，提高生產(chǎn)率是當前亟需解決的問題。
　　針對上述問題，本課題采用了圖像處理的技術來實現(xiàn)對柑橘的自動

2、分級檢測，通過對柑橘圖像進行處理，提取柑橘的外形及大小作為特征參數(shù)進行計算，從而實現(xiàn)柑橘的品質(zhì)分級檢測。研究工作內(nèi)容主要包括:首先，通過簡易的拍照裝置對收集的柑橘實物進行拍照采集柑橘圖像，同時，對柑橘的等級劃分及類別進行人工劃分，以此作為分級的標準。然后，利用MATLAB工具對柑橘圖像進行統(tǒng)一的實驗預處理工作，包括:將RGB顏色模型的原始圖像轉(zhuǎn)換為HSV顏色模型的圖像;通過提取S分量的像素值來進行圖像灰度化;然后利用MATLAB中自動獲

3、取最佳閾值的方法對灰度化后圖像進行二值化;再采用中值濾波來實現(xiàn)柑橘圖像去噪;最后選取了Canny算子進行邊緣信息檢測提取柑橘圖像的邊界信息。接下來又對SVM分類算法進行了研究，同時根據(jù)提取的邊緣信息得到柑橘圖像的外形及大小特征，即以柑橘圖像的周長、面積與圓形度作為特征參數(shù)輸入SVM分類器中進行訓練，構造合適的SVM分類器，最后再利用這些分類模型對測試數(shù)據(jù)進行測試。得到實驗結(jié)果表明，基于SVM的柑橘品質(zhì)檢測準確率能夠達到95％以上，表明該