程 磊CHENG Lei

(黄淮学院机械与能源工程学院，河南 驻马店 463000)

在苹果的生长、运输、贮存过程中，由于受到外界环境以及自身因素等各方面的影响，苹果表面会出现如孔洞、病虫、黑点、压伤、刺伤、裂果等各类缺陷，将会严重影响苹果的质量和后期的经济效果[1-2]，仅靠人工在高速运行的生产线上直接进行检测无法满足市场需求。

阈值算法(Threshold Algorithm, TA)是比较简单的智能化苹果检测方法。通过阈值将苹果图像缺陷目标和背景划分为不同部分进行分割[3]，但是阈值的选择由于涉及到图像整体灰度以及像素性质，对对比度特别高、特别低的苹果图像检测效果差。数学形态算法(Mathematical Morphology Algorithm, MMA)通过腐蚀运算检测出苹果边缘[4]，但对苹果图像中的噪声较敏感，容易把噪声检测为苹果边缘点。Prewitt算法对灰度渐变的苹果图像处理效果较好[5]，但对灰度幅值较小的边缘点检测存在断开现象。Roberts算法对边缘的定位比较精确[6]，但对灰度阶跃较小的苹果缺陷目标边缘定位较弱。

上述文献表明，通过智能算法可提高缺陷的识别效果。但由于大多缺陷果存在多个缺陷，分割阈值不易选择。粒子群具有实现容易、精度高、收敛快等优点，但在搜索后期很容易陷入早熟状态，对粒子群改进可以避免早熟状态发生。

本研究采用基于改进粒子群算法(Improved Particle swarm optimization，IPSO)对苹果表面缺陷进行检测。通过粒子群体适应值方差判断算法粒子群是否陷入早熟收敛，对粒子权重自适应控制，反余弦策略调整加速因子，然后对缺陷分割阈值进行取优，以获得最佳检测结果。……