基于机器视觉的珍珠颜色特征提取与识别-《江苏农业科学》(2019年20期).docx

龙源版权所有 基于机器视觉的珍珠颜色特征提取与识别作者：叶佳英 邓飞 王佩欣 赵大旭 王毓综 寿国忠来源：《江苏农业科学》2019年第20期 摘要：为了提高珍珠颜色分类的准确率，拟设计半球型珍珠图像获取装置，并提出基于Lab[L表示亮度（luminosity），a表示从洋红色至绿色的范围（+127，-128），b表示从黄色至蓝色的范围（+127，-128）]颜色空间的GA-SVM（基于遗传算法寻优的支持向量机）的珍珠颜色识别方法。结果表明，设计的图像获取装置能够有效地避免珍珠反光，获取了颜色信息较全面的珍珠图像;提出了适用于珍珠图像分割的全局自动阈值与K-means相结合的分割方法。根据GB/T 18781—2008《珍珠分级》进行珍珠颜色的分类，通过不同颜色特征值以及不同分类器的对比试验结果表明，使用Lab颜色空间三通道均值作为GA-SVM的分类训练特征值，准确率最高，交叉验证准确率达到98.42%以上，测试分类准确率为100.00%。 关键词：机器视觉;珍珠;颜色特征;提取;识别;光源装置;GA-SVM;Lab颜色空间 中图分类号： TP391.4文献标志码： A 文章編号：1002-1302（2019）20-0226-05 我国淡水珍珠的年产量占世界珍珠产量的95%以上，其中浙江诸暨是我国淡水珍珠生产的最大基地，拥有珍珠加工企业1 500多家。珍珠分级的内容主要有大小、形状[1-2]、颜色等，由于珍珠的宝石质地，使其具有较强的反光性，从而造成实现机器视觉的珍珠分拣难度较高。其中颜色受光线的影响最大，实现计算机识别的难度也最大。目前，珍珠颜色分级仍然依靠人工目测完成，需要投入大量劳动力，并且珍珠颜色的检测人员需要经过严格的培训，不仅费时费力且分类标准不统一，易受人的主观因素和外界光线的影响。在人工智能的时代，计算机视觉得到了广泛应用，基于计算机视觉的机器分拣能够在封闭光源的固定环境中获取珍珠的颜色图像，不受其余光线干扰，有助于对分级标准进行量化统一且可重复的操作。 目前，国内外对珍珠颜色的分类研究较为鲜见，虽然国外已有色度级别的相关检测设备，但是价格高达几十万美元，具体资料不详。国内基于计算机视觉实现珍珠颜色识别的研究主要集中在21世纪初，至今仍处于研究阶段。李革等在HIS[色调（hue，简称H）-亮度（intensity，简称I）-饱和度（saturation，简称S）]颜色模型中，通过I分量分割掩模以消除珍珠的反光区域，利用RPROP（振荡传播）神经网络和特征值H进行颜色分类，主要分为红、白、黑3个色系[3]。汤一平等实现了通过单目多视角视觉获取珍珠图像，提取光亮区的H分量直方图进行颜色检测，通过颜色像素所占比例来区分颜色类别，主要分为红色、白色[4]。 基于颜色特征的分类应用广泛，在食品[5-6]、交通[7-8]、农产品[9-13]等领域已取得一定的成果，与珍珠较为相似的有矿物颜色识别等[14]。以上研究对珍珠的颜色识别具有一定的参考借鉴作用，珍珠的颜色分类与以上物体颜色分类的主要不同在于图像的获取困难，主要由于珍珠体积小、反光强。 因此，针对现有研究的不足，本研究拟设计珍珠图像获取装置，获取较好的珍珠颜色信息，在Lab[L表示亮度（luminosity），a表示从洋红色至绿色的范围（+127，-128），b表示从黄色至蓝色的范围（+127，-128）]颜色空间提取颜色特征值，构建基于遗传算法寻优的支持向量机（GA-SVM）分类模型，根据GB/T 18781—2008《珍珠分级》对淡水珍珠颜色的分类，实现计算机视觉分类，并测试分析不同颜色特征值及不同分类器针对颜色分类的效果。 1珍珠图像获取装置 本研究采用半球形遮光罩来减少不可控的自然光照及其他灯光光照的干扰，照明装置采用可调节发光二极管（LED）灯条照明。光源装置如图1所示，其中的半球形遮光罩2为白色PLA（聚乳酸）材料，能够有效遮挡其他非试验装置光源如日光灯、太阳光等的干扰，减少珍珠由于强光影响而产生的光斑;3为白色纸筒;4为磨砂半透明遮光纸，能够使LED灯条5产生的光源更加柔和均匀;相机1的型号为GYM300，光学尺寸为1/2″CMOS（互补金属氧化物半导体）彩色。 在无遮光罩、自然光及室内日光灯条件下拍摄的图片如图2-a所示，可见珍珠图片有较多杂乱的光斑产生，对体积越小的珍珠，图像采集产生的影响越大，光斑所占比例越大，导致珍珠图像颜色信息丢失严重，对颜色的提取造成干扰。图2-b为文献[3]中的珍珠图像。图2-c为文献[4]中用单目多视角装置获取的某个视角的珍珠图像。文献[3]和[4]中2种对于珍珠颜色的分类方法，都采取了I分量分割珍珠反光区域的方法来消除光线干扰。图2-d显示，在该条件下获取的珍珠图像无光斑，颜色与实际接近，是较为理