张冬妍 张瑞 韩睿 曹军

(东北林业大学，哈尔滨，150040)

榛子形似板栗，果仁口感香酥、营养价值高，被赞誉为“坚果之王”。作为林业副产品中的优质资源，在烘焙食用、油料加工等方面的需求量极大[1-3]。受生长环境、保存条件等影响，榛子仁中常有干瘪、虫蛀、发霉、腐烂等缺陷。以往对其分类识别，主要依靠人工分拣，但人工分拣效率低，且评判标准不一，很容易出现检测结果的差异。且榛子仁个体间形状大致相近，肉眼可见差别不大；由于产地、种类及采摘期不同等原因，对于榛子仁的识别、分类难度会进一步加大。采用图像处理技术[4-7]，可提高榛子仁缺陷识别效率和准确率，减少人力资源的浪费。

由于榛子仁表面种皮粗糙，图像边界模糊，采用传统的阈值分割难以清晰地将样本与背景分开。而模糊C均值聚类(FCM)算法选取的聚类值具有非概率特性，聚类结果灵活[8]，可以把目标与背景间边界模糊不清的榛子仁个体，完整地从整体图像中提取出来。但传统的模糊C均值聚类算法对噪声不敏感。本研究以榛子仁为检测样本，采用模糊C均值聚类算法进行图像分割；利用飞蛾扑火(MFO)算法[9-11]改进其目标函数；利用函数对个体样本边缘提取[12-14]，标记边缘拐点位置，计算拐点个数；对边缘图像进行霍夫(Hough)变换的椭圆曲线拟合，标记并输出饱满籽粒个数；依据试验数据，分析应用改进的模糊C均值聚类算法和霍夫变换对榛子仁缺陷检测的效果。旨在为准确有效地对榛子仁中的缺陷籽粒进行识别检测、提高榛子仁加工过程中的分拣效率提供参考。……