基于matlab的 ＢＰ 神经网络的水果识别研究

基于 ＢＰ 神经网络的水果识别研究

摘 要： 本文介绍了一种基于 ＢＰ 神经网络的水果识别方法。  随着模式识别技术不断的发展，图像识别作为最具代表性的应用，受到了众多学者的关注，尤其是在图像快速识别方面。  为了解决传统水果图像分类识别算法人工提取特征的缺陷，将经过训练的 ＢＰ 神经网络应用在水果的识别中。 本实验使用数字图像处理的方法，首先对采集到的图像进行预处理，并针对多种水果混合的图像进行提取和识别。 实验表明，基于 ＢＰ 神经网络的水果识别方法能够获得很高的识别率，能够有效地将同一幅图像中的不同水果识别出来。

关键词： 水果识别； 图像处理； ＢＰ 神经网络； ＭＡＴＬＡＢ

０ 引 言

在中国，通常采用人工方式进行水果分级，而人工分级往往效率低、劳动量大、有较大的人工误差等，难以实现标准分级［１］ 。 并且人工识别具有诸多的不稳定因素。 因此，研究和开发水果自动实时分级系统，对经济、农业的发展具有广阔的应用前景。从 ８０ 年代开始，国内外有许多学者研究水果分级的自动识别算法，近年来也出现了一些基于水果识别的算法，如郑小东等人［２］ 根据区域特征进行水果的自动识别。 项辉宇等人实现了对苹果大小、缺陷以及颜色特征的检测。 程荣花等人［３］ 对水果图像的主成分分析， 从而对其进行识别预测。 王水平等人［４］ 利用 ＳＶＭ 分类器，对水果进行分类预测。 这些方法虽然在水果识别中取得了一定效果，但对于同副图像中的多种水果识别还有欠缺。 针对这一问题，本文基于 ＢＰ 神经网络对水果图像进行识别。首先，根据水果的不同特征，对图像进行预处理；然

后，通过标签化处理将图像中各个连接成分进行分离，从而实现对水果特性的研究，再提取出不同水果的颜色、边界不规则、形状等基本特征，对得到的水果图像特征参数进行计算；最后，使用多幅图像训练

ＢＰ 神经网络，并完善水果特征库，以达到快速识别水果的目的。

１ 数字图像处理

首先，本文对不同水果图片进行数字图像处理。目的是为了提高图片的质量，得到理想的图像效果。图像处理的方法有：图像变化、图像编码压缩、图像增强和复原、分割、描述等。 本文采用图像识别方法的主要步骤为：首先，预处理图像；然后，对预处理的图像进行分割和特征提取；最后，对图像进行判断分类。 图像分类多数情况采用传统的识别模式。 传统识别模式分为 ２ 大类：统计模式分类和结构模式分类。 近几年研究中，模糊模式识别、人工神经网络模式识别，这２ 种新兴的图像识别方法颇受学术界的

本文图像预处理分为图像去噪、图像增强和图像二值化 ３ 个步骤。 本文采用中值滤波法对图像去噪，中值滤波法是一种去噪声的非线性平滑处理办

维矩阵分别表示各个像素的 ３ 种颜色分量，Ｒ、Ｇ、Ｂ

３ 个分量分别表示每一个像素的颜色，图像的行列数由 Ｍ、Ｎ 表示。

法。 本文采用反锐化掩模法［５］ 对图像增强，该方法是一种常用的图像锐化方法，先模糊处理图像，再与原图进行差值运算，再乘上一个修正因子，最后得到轮廓增强的图像。 该算法表达式如下：

ｇ（ ｘ，ｙ） ＝ ｆ（ ｘ，ｙ）  ＋  Ｃ［ ｆ（ ｘ，ｙ）  －  （ ｆ＇（ ｘ，ｙ）］． （１）

二值化是将图像呈现为黑白的对比效果的过程，该方法将图像像素的灰度值设为“ ０” 或“ ２５５”。图像阈值分割法是应用较普遍的图像分割技术，利用了图像的背景与对象之间的灰度差异。    本文采用

阈值分割法对图像进行二值化，从而得到效果更好

B

蓝(Blue)

黑(Black)

青(cyan)

品红

(Magenta)

G

绿(green)

红(red)

图 １ ＲＧＢ 色彩空间

Ｆｉｇ． １    ＲＧＢ ｃｏｌｏｒ ｓｐａｃｅ

白(white)

黄(yellow R

的二值化水果图像。

２ 水果图像特征提取

数字图像处理后， 水果和背景被明显的分开。下一步，需要对每种水果进行特征提取。 具有代表性的水果特征有：纹理、形状、颜色［６］ 等。 计算机视觉技术主要通过从图像或者视频中提取出的物体特征，经对比区别出不同物体。 在农业领域中应用的水果自动分类识别系统，也是通过提取所拍摄的水果图像中的特征参数，并以此为依据进行训练得到识别模型从而达到分类识别的目的。

２．１ 图像颜色模型

水果的颜色特征在图像方向、尺寸等特征发生改变时无明显变化，因此，在图像识别中常用到颜色特征。 颜色模型是用作精确标定且生成多种颜色的一种方法。 对于显示设备来说，可以用红色、绿色、蓝色发光量来描述 ＲＧＢ。 ＲＧＢ 又叫相加混色模型， 其在实际生活中主要用于光照、显示器等中。

（１） 颜色特征，包括彩色和灰度信息处理；对于彩色信息处理，主要采用几种常见的色彩空间；而对于灰度信息处理，主要采用直方图技术。

（２） 红绿蓝 ３ 色光按不同比例和强度混合可以用其表示近乎所有自然界的可见光，其颜色模型称之为 ＲＧＢ 色彩空间模型［７］ ，如图 １ 所示为 ＲＧＢ 色彩空间模型。 红绿蓝 ３ 色位于彩色立方体的 ３ 个顶角，其产生的点汇聚在彩色立方体的对角线上，即灰色线。 在使用 ＲＧＢ 模型时，由于任一基本色上无亮度，所有 ＲＧＢ 颜色显示黑色。 当 ３ 基色变为最高的高度，空间即会显现出白色。 其余较低高度但等量的 ３ 种基色就显示灰色。 ＲＧＢ 图像每一个像素的