杨凌霄，王振营，刘群坡，王高伟，杨彦超

(河南理工大学 电气工程与自动化学院,河南 焦作454000)

颜色是评价水果的重要指标之一，并且表皮颜色与果实内部糖度也存在着间接的联系[1-2]。水果表面颜色直接影响水果的市场价格。近年来，许多机器视觉技术以及机器学习等方法被用于水果质量检测[3-6]。文献[7]研究了水果图像的HSV、RGB色彩模型，并将RGB模型转换为HSV颜色模型，提取颜色分量作为判别基准，对水果大小和色泽进行判别，实现水果的有效分级。文献[8]中设置阈值分割红色区域进行颜色检测。文献[9]利用HIS颜色模型中的H通道识别草莓成熟度。但是，单一颜色通道会丢失颜色信息。文献[10]中提取YIQ颜色空间参数来判断水果的成熟度。文献[11～12]将基于RGB的苹果图像转化为HIS模型，通过OTSU算法在H通道中进行水果和背景的分割，并根据H值范围提取颜色特征并用支持向量机与LVQ(Leorning Vector Qoantization)神经网络分级，LVQ神经网络分级精度高于支持向量机。在检测水果外观特征时，文献[13]研究了一种基于RGB颜色模型的红富士苹果表皮红色区域检测算法。该方法通过苹果RGB图像的光照补偿，降低了光照变化和光照不均带来的影响。此外，在此基础上使用超红-超绿阈值分割法，检测分割后苹果图像的红色区域并计算其面积。文献[14]用改进的HSV和分水岭算法检测成熟的番茄。文献[15]在对大枣进行色泽分级时，在RGB颜色空间中使用R-G直方图去分析大枣的表面颜色，并且使用R-G平面创建了R-G直方图。该方法舍弃了B通道，损失了部分颜色信息，且在RGB颜色空间中识别颜色时，识别结果容易受到图片亮度的影响。……