苟爽等

摘要如何对采集到的草莓图像进行分割和如何选取评定草莓等级的特征参数是草莓自动分拣系统的2个重要环节。该研究利用草莓R、G、B通道明显的像素差值来分割目标和背景，并且选取草莓的形状特征和成熟度作为草莓评级的特征参数，综合运用机器视觉、神经网络等理论方法，通过实验数据统计，建立极坐标下草莓外形轮廓特征参数及颜色空间下成熟度特征参数的提取方法，以人工神经网络为识别模型，实现对草莓的自动分类。实验结果表明，该方法对草莓的自动分级结果与人工分级结果相比较，准确率达到90%，具有实际的可行性。

关键词草莓；图像采集；图像分割；特征提取

中图分类号S126文献标识码

A文章编号0517-6611（2015）21-370-04

草莓的分选是其产后处理的一个关键环节[1]，目前我国对草莓分选大部分采用人工分选。人工分选方法主要依据肉眼观测判断等级，缺乏客观性。草莓大小不一，表面情况复杂，单纯依靠肉眼判断达不到较好的分级效果。而且，由于草莓果实的表面非常柔软脆弱，人工分选容易造成机械损伤，影响草莓的商品价值。因此，研究快速、准确、高效的草莓自动化分选技术及设备具有重要的科学意义和社会经济价值。

对于水果外观品质检测与分级，国内外研究人员开展了许多研究，研究思路主要采用基于计算机图像处理、机器视觉的方法，大多以外观形状规整的一些水果为对象，如苹果、柑橘、西红柿等[2-4]。相比而言，草莓的形状复杂，一般的水果分选原则，如形状、大小、圆度、弯曲度以及长度比等，很难用到草莓上。……