简钦，张雨墨，简献忠

（1.200093 上海市 上海理工大学 机械工程学院；2.200093 上海市 上海理工大学 光电信息与计算机工程学院）

0 引言

1994 年以来，我国水果总产量稳居世界第1 位[1]。国家统计局数据显示，2000～2016 年我国水果总产量持续增加，从6 225.15 万t 增至28 351.1 万t。虽然我国水果产量巨大，但多以鲜果销售为主，食用加工比例低下，且损耗率较高，水果加工产业严重落后于欧美发达国家。提高水果产业的工业化、智能化水平成为一个亟待解决的问题。

20 世纪，科研人员着手于水果分类技术的研究，已经开发了一些依赖于形状、颜色和纹理特征的方法用于水果分类。Bolle[2]等人利用最邻近技术，将水果图像的直方图与预先训练好的带有标签的直方图进行对比，再根据直方图的相似度对水果图像进行分类；陶华伟[3]等人利用颜色完全局部二值模式(color completed local binary pattern，CCLBP) 提取果蔬图像的纹理特征，利用HSV 颜色直方图和BIC 颜色直方图提取果蔬图像的颜色特征，采用融合算法将颜色和纹理特征相融合实现果蔬分类。

近年来，许多机器学习技术已经应用在水果分类领域。Peng H[4]等人利用形状不变矩合成水果的颜色和形状特征，再应用SVM 分类器根据提取的特征向量对水果图像进行分类；Erwin[5]等人使用模糊颜色直方图（FCH）方法进行颜色提取，用矩不变量（MI）方法进行形状提取，K-均值聚类算法进行聚类，KNN 方法用来对水果图像分类；Zhang Y[6]等人提出了BBO-FNN 方法，该方法首先提取图像的颜色、形状和纹理特征，然后使用主成分分析(PCA)来去除过多的特征，最后使用一种基于生物地理学优化（BBO）和前馈神经网络（FNN）的方法对水果图像分类。……