[发明专利]一种基于模态区间的葡萄干颜色分选方法

说明书

一种基于模态区间的葡萄干颜色分选方法，包括葡萄干图像提取、葡萄干图像去噪、葡萄干图像特征提取、葡萄干图像特征模态区间化、初始广义隐马尔科夫模型训练和葡萄干颜色分选。本发明提出了通过模态区间方法来处理葡萄干图像分选中的不确定性问题，并由广义隐马尔科夫模型的识别分类方法来识别葡萄干颜色；由于其通过模态区间的方法处理了图像获取、特征提取，模式识别中模型相似性等中的不确定性问题，将使识别的准确率提高。将经模态区间理论处理了的图像特征作为特征向量输入广义隐马尔科夫模型识别分类方法中，由于获取图像中的不确定性问题以及传统模型中的相似性得到了有效处理，将提高葡萄干颜色分选的准确性。

技术领域

本发明涉及一种基于模态区间的葡萄干颜色分选方法，属水果分选技术领域。

背景技术

葡萄干由于其丰富的营养价值，而且美味可口，尤其以保持了一部分鲜果中叶绿素的绿色葡萄干为最佳品种。由于环境条件的限制，晾晒过程的差异及葡萄干内部条件，常常出现黑红色、棕色等其它颜色的葡萄干，至使色泽混杂不一。葡萄干的色泽不同将会影响到葡萄干的出售等级和价格。为了保持葡萄干色泽的一致性，提高其品位及等级，必需对葡萄干的颜色进行分选，以将品味高的绿色葡萄干挑选出来。

长期以来，人们对水果颜色的分选主要使用眼和手这一传统的方法进行，不但不卫生，而且容易引起传染病。随着社会的进步，手工分选费用的提高，需分选的水果量的增大，以及光电技术的发展，目前许多工业发达的国家已广泛地使用光电分选设备来代替繁重的手工操作。水果光电分选技术的基本方法是通过摄像机拍摄水果图像，通过图像处理技术提取水果特征，由模式识别的方法对水果进行识别及分类，最后由分选设备完成对水果颜色分级。

水果光电分选技术也开始逐步应用于葡萄干颜色分选中，但在分选中存在着各种不确定性，将影响分类结果的准确性，如摄像机拍摄的图像受到外部环境的影响将使图像颜色存在差异；图像特征提取技术中由于认知不确定性的存在使提取的特征量存在不确定性；模式识别由于模型的相似性也存在不确定性。上述这些不确定性问题倘若不进行有效处理，将导致计算结果的产生偏差，最终导致分类的准确性降低。

模态区间理论由Kaucher在《Interval analysis in the extended intervalspace IR》(Computing Supplement)中提出。它通过区间的上界和下界进行描述，其上界与下界值大小不受限制，便于不确定性问题的建模与处理。模态区间不确定性问题处理方法将传统的精确值描述成模态区间形式，利用模态区间理论处理不确定性问题。现今关于模态区间的研究多见于其数学推理，工程应用中还处于一个刚刚起步阶段，在水果颜色分析中的应用还未见于报到。

发明内容

本发明的目的是，针对葡萄干颜色分选中的不确定性问题，提供一种基于模态区间的葡萄干颜色分选方法。

本发明实现的技术方案如下：一种基于模态区间的葡萄干颜色分选方法，包括葡萄干图像获取、葡萄干图像去噪、葡萄干图像特征提取、葡萄干图像特征模态区间化、初始广义隐马尔科夫模型训练以及广义隐马尔科夫模型识别分类。

所述葡萄干图像特征提取，利用Matlab获取去噪处理后的每幅图像的R(红)、G(绿)、B(兰)值，具体为遍历葡萄干图像中的每个像素，获得葡萄干图像中每个像素的R_n、G_n、B_n值，n为每个葡萄干图像中像素的个数，再利用求平均值的方法，求出整幅图像的R、G、B均值，即葡萄干每幅图像的R、G、B值。