Tóm tắt Luận văn Nghiên cứu các kỹ thuật nhận dạng mẫu và ứng dụng đánh giá chất lượng trái bưởi
1
Bꢀ GIÁO DꢁC VÀ ĐÀO TꢂO
ĐꢀI HꢁC ĐÀ NꢂNG
Hꢃ ĐꢄC LĨNH
NGHIÊN CꢄU CÁC Kꢅ THUꢆT
NHꢆN DꢀNG MꢇU VÀ ꢄNG DꢈNG ĐÁNH GIÁ
CHꢉT LƯꢊNG TRÁI BƯꢋI
Chuyên ngành : Khoa hꢌc máy tính
Mã sꢍ : 60.48.01
TÓM TꢎT LUꢆN VĂN THꢀC SĨ Kꢅ THUꢆT
Đà Nꢏng - Năm 2012
2
Công trình ñưꢃc hoàn thành tꢄi
ĐꢀI HꢁC ĐÀ NꢂNG
Ngưꢅi hưꢆng dꢇn khoa hꢈc: TS. HUỲNH HꢐU HƯNG
Phꢉn biꢊn 1 : PGS.TS. PHAN HUY KHÁNH
Phꢉn biꢊn 2 : TS. TRƯƠNG CÔNG TUꢉN
Luꢋn văn ñưꢃc bꢉo vꢊ tꢄi Hꢌi ñꢍng chꢎm Luꢋn văn tꢏt
nghiꢊp thꢄc sĩ kꢐ thuꢋt hꢈp tꢄi Đꢄi hꢈc Đà Nꢑng vào ngày 15
tháng 12 năm 2012
Có thꢀ tìm hiꢀu luꢁn văn tꢂi:
- Trung tâm Thông tin - Hꢈc liꢊu, Đꢄi hꢈc Đà Nꢑng;
- Trung tâm Hꢈc liꢊu, Đꢄi hꢈc Đà Nꢑng;
3
Mꢋ ĐꢑU
1. LÝ DO CHꢁN Đꢒ TÀI
Nhꢒm giꢉm thiꢓu sꢏ lưꢃng trưꢅng hꢃp ngꢌ ñꢌc thꢔc phꢕm ngày
càng tăng trên thꢖ giꢆi và trong nưꢆc do ăn phꢉi nhꢗng quꢉ trái cây
kém chꢎt lưꢃng; ñꢓ tꢄo ra nhꢗng sꢉn phꢕm chꢎt lưꢃng cao, an toàn,
tiꢖn tꢆi sꢔ ꢘn ñꢙnh vꢚ chꢎt lưꢃng; nhꢒm tăng cưꢅng khꢉ năng cꢄnh
tranh cꢛa trái cây Viꢊt Nam, ñꢜc biꢊt là các loꢄi trái bưꢝi có giá trꢙ
kinh tꢖ cao như Bưꢝi Năm roi, Bưꢝi Da Xanh, .v.v. trên thꢙ trưꢅng
khu vꢔc và thꢖ giꢆi. An toàn thꢔc phꢕm theo hưꢆng GAP là vꢎn ñꢚ
sꢏng còn cꢛa rau quꢉ Viꢊt Nam.
Đꢚ tài tiꢖp cꢋn ꢝ khâu cuꢏi cùng cꢛa tiêu chuꢕn GAP nhꢒm kiꢓm
soát và ñánh giá chꢎt lưꢃng trái Bưꢝi trưꢆc khi ñưa vào ñóng gói và
xuꢎt khꢕu ra thꢙ trưꢅng: Rau quꢉ ñưꢃc thu hoꢄch ñúng ñꢌ chín, loꢄi
bꢞ các quꢉ bꢙ héo, bꢙ sâu, dꢙ dꢄng .v.v. Hiꢊn nay, ꢝ nưꢆc ta nhꢗng
công viꢊc này hꢟu hꢖt ñưꢃc thꢔc hiꢊn thꢛ công. Đꢚ tài sꢠ tꢋp trung
nghiên cꢡu các kꢐ thuꢋt xꢢ lý ꢉnh sꢏ và nhꢋn dꢄng mꢇu ñꢓ giꢉi quyꢖt
bài toán này.
Viꢊc ñánh giá chꢎt lưꢃng trái cây ñã ñưꢃc thꢔc hiꢊn bꢝi nhiꢚu
nhà nghiên cꢡu, mꢌt sꢏ công trình nghiên cꢡu tiêu biꢓu và mꢆi nhꢎt
ñưꢃc giꢆi thiꢊu trong mꢣc 1.10 cꢛa cuꢏn luꢋn văn này. Hꢟu hꢖt hꢈ
ñꢚu dꢔa trên các ñꢜc trưng quan trꢈng cꢛa trái cây như: kích thưꢆc,
hình dáng, màu sꢤc và kꢖt cꢎu bꢚ mꢜt.
2. MꢈC TIÊU VÀ NHIꢓM Vꢈ CꢔA Đꢒ TÀI
ꢀ Mꢀc tiêu cꢁa ñꢂ tài
Nhꢋn dꢄng và ñánh giá chꢎt lưꢃng cꢛa trái Bưꢝi bꢒng các kꢐ
thuꢋt xꢢ lý ꢉnh sꢏ và nhꢋn dꢄng mꢇu mà không phá vꢥ cꢎu trúc bꢚ
4
mꢜt cꢛa chúng.
ꢀ Nhiꢃm vꢀ cꢁa ñꢂ tài
-
Nghiên cꢡu các kꢐ thuꢋt xꢢ lý ꢉnh và các phương pháp
nhꢋn dꢄng trái cây.
-
Thu thꢋp, xây dꢔng cơ sꢝ dꢗ liꢊu ꢉnh trái Bưꢝi (quꢉ ñꢄt
chꢎt lưꢃng tꢏt và quꢉ có các khuyꢖt tꢋt, dꢙ dꢄng, ...)
-
Nghiên cꢡu các phương pháp tiꢖp cꢋn và kꢐ thuꢋt ñánh giá
chꢎt lưꢃng trái cây, kiꢓm tra bꢚ mꢜt trái cây.
3. ĐꢕI TƯꢊNG VÀ PHꢀM VI NGHIÊN CꢄU
ꢀ Đꢄi tưꢅng nghiên cꢆu: Mꢌt sꢏ loꢄi Bưꢝi xuꢎt khꢕu cꢛa Viꢊt
Nam.
ꢀ Phꢇm vi nghiên cꢆu
-
Nghiên cꢡu các kꢐ thuꢋt xꢢ lý ꢉnh và nhꢋn dꢄng trái
Bưꢝi.
-
Nghiên cꢡu các phương pháp phát hiꢊn khuyꢖt ñiꢓm trên
bꢚ mꢜt trái Bưꢝi ñꢓ tiꢖn tꢆi ñánh giá chꢎt lưꢃng trái trái
Bưꢝi.
4. PHƯƠNG PHÁP NGHIÊN CꢄU
ꢀ Phương pháp tài liꢃu
-
Tìm hiꢓu các kꢐ thuꢋt xꢢ lý ꢉnh sꢏ; Tìm hiꢓu các kꢐ thuꢋt
nhꢋn dꢄng ñꢏi tưꢃng, nhꢋn dꢄng mꢇu; Tìm hiꢓu các phương
pháp ñánh giá chꢎt lưꢃng sꢉn phꢕm trái cây.
-
Tìm hiꢓu mꢌt sꢏ công cꢣ hꢦ trꢃ lꢋp trình.
5
ꢀ Phương pháp thꢈc nghiꢃm
-
Xây dꢔng cꢝ sꢝ dꢗ liꢊu ꢉnh huꢎn luyꢊn (thu thꢋp ꢉnh trái
Bưꢝi ñꢄt chuꢕn xuꢎt khꢕu và ꢉnh trái Bưꢝi có khuyꢖt tꢋt).
-
Cài ñꢜt chương trình thꢢ nghiꢊm vꢆi mꢌt sꢏ mꢇu dꢗ liꢊu
và ñánh giá kꢖt quꢉ.
5. Ý NGHĨA KHOA HꢁC VÀ THꢖC TIꢗN
ꢀ Ý nghĩa khoa hꢉc
-
-
Nghiên cꢡu các kꢐ thuꢋt xꢧ lý ꢉnh và nhꢋn dꢄng mꢇu.
Nghiên cꢡu mꢌt sꢏ giꢉi thuꢋt, phương pháp ñꢓ ñánh giá
chꢎt lưꢃng trái Bưꢝi.
-
ꢨng dꢣng công nghꢊ xꢢ lý ꢉnh sꢏ và nhꢋn dꢄng vào bài
toán thꢔc tꢖ.
ꢀ Ý nghĩa thꢈc tiꢊn
-
Giꢉi quyꢖt bài toán: Kiꢓm tra, tuyꢓn chꢈn và ñánh giá chꢎt
lưꢃng trái Bưꢝi tꢄi Viꢊt Nam.
-
ꢨng dꢣng các kꢐ thuꢋt xꢢ lý ꢉnh và nhꢋn dꢄng mꢇu, ñꢏi
tưꢃng ñꢓ ꢡng dꢣng vào lĩnh vꢔc phân loꢄi và tuyꢓn chꢈn
chꢎt lưꢃng thꢔc phꢕm cho kꢖt quꢉ tꢏt, giá thành thꢎp và
nhanh chóng.
-
Đꢚ tài cũng mong muꢏn trꢝ thành mꢌt chꢛ ñꢚ mꢆi ñꢓ các
nhà nghiên cꢡu khác có thꢓ tiꢖp tꢣc nghiên cꢡu sang các
6
lĩnh vꢔc liên quan khác, như ñánh giá chꢎt lưꢃng rau sꢄch,
hꢉi sꢉn, v.v.
6. Bꢕ CꢈC LUꢆN VĂN
Nꢌi dung cꢛa luꢋn văn ñưꢃc trình bày bao gꢍm các phꢟn chính
như sau:
Mꢘ ñꢙu
Chương 1: Nghiên cꢡu tꢘng quan vꢚ xꢢ lý ꢉnh sꢏ và nhꢋn dꢄng
Chương 2: Trích lꢈc ñꢜc trưng và nhꢋn dꢄng
Chương 3: Kꢖt quꢉ nhꢋn dꢄng và phát hiꢊn khuyꢖt ñiꢓm
Kꢚt luꢛn và hưꢜng phát triꢝn.
CHƯƠNG 1. NGHIÊN CꢄU TꢞNG QUAN Vꢒ Xꢟ LÝ ꢠNH
Sꢕ VÀ NHꢆN DꢀNG
1.1. GIꢡI THIꢓU CHUNG Vꢒ Xꢟ LÝ ꢠNH Sꢕ VÀ ꢄNG
DꢈNG
1.2.TꢞNG QUAN Vꢒ Xꢟ LÝ ꢠNH Sꢕ
Các bưꢆc chính trong xꢢ lý ꢉnh sꢏ ñưꢃc thꢓ hiꢊn ꢝ hình dưꢆi ñây
[1], [14], [16], [19].
7
Hình 1.1: Các bưꢆc chính trong xꢢ lý ꢉnh sꢏ.
1.3. Xꢟ LÝ MꢄC THꢉP
1.3.1. Thu nhꢛn ꢢnh
1.3.2. Tiꢣn xꢤ lý ꢢnh
1.3.2.1. Khꢃ nhiꢄu
1.3.2.2. Bꢅ lꢆc trong miꢇn không gian
1.3.2.3. Bꢅ lꢆc trong miꢇn tꢈn sꢉ
1.4. Xꢟ LÝ MꢄC TRUNG
1.4.1. Phân ñoꢥn ꢢnh
Phân ñoꢄn ꢉnh có thꢓ thꢔc hiꢊn bꢝi ba kꢐ thuꢋt cơ bꢉn: phân
ñoꢄn ꢉnh dꢔa trên ngưꢥng, dꢔa trên biên và dꢔa trên vùng [1], [14],
[19], [20].
1.4.1.1. Phân ñoꢂn ꢊnh dꢋa trên ngưꢌng
1.4.1.2. Phân ñoꢂn ꢊnh dꢋa trên biên
1.4.1.3. Phân ñoꢂn ꢊnh dꢋa trên vùng
1.4.2. Biꢝu diꢦn và mô tꢢ ꢢnh
1.4.2.1. Biꢀu diꢄn ꢊnh
1.4.2.2. Mô tꢊ ꢊnh
1.5. Xꢟ LÝ MꢄC CAO
Xꢢ lý mꢡc cao trong xꢢ lý ꢉnh bao gꢍm: Nhꢋn dꢄng ꢉnh và nꢌi
suy ꢉnh.
1.6. CƠ SƠ TRI THꢄC
8
1.7.CÁC KHÔNG GIAN MÀU VÀ ꢠNH MÀU
1.7.1. Màu trong xꢤ lý ꢢnh sꢍ
1.7.2. Không gian màu RGB
1.7.3. Không gian màu HSV
Không gian màu HSV còn ñưꢃc gꢈi là không gian màu HSB.
Các giá trꢙ sꢤc ñꢌ, ñꢌ bão hòa và giá trꢙ ñꢌ sáng ñưꢃc sꢢ dꢣng làm
các trꢣc tꢈa ñꢌ.
1.7.4. Không gian màu cꢧa CIE
1.7.4.1. Không gian màu CIE XYZ
Không gian màu XYZ do CIE ñꢚ xuꢎt vꢆi ba màu cơ bꢉn X, Y,
Z. Hꢊ tꢈa ñꢌ không gian màu XYZ ñưꢃc chꢈn làm sao cho các vector
màu thꢔc (nꢒm trong quang phꢘ) ñꢚu ñi qua tam giác màu ñơn vꢙ
XYZ.
1.7.4.2. Không gian màu CIE L*a*b*
Không gian màu L*a*b* ñưꢃc CIE ñꢚ xuꢎt vào năm 1976. Các
miꢚn giá trꢙ cꢛa không gian màu này là thành phꢟn ñꢌ sáng L* có giá
trꢙ tꢩ ñen (-L) ñꢖn trꢤng (+L) và hai thành phꢟn màu sꢤc a*, b* mô tꢉ
sꢤc ñꢌ và ñꢌ bão hòa có giá trꢙ lꢟn lưꢃt trên các trꢣc tꢩ màu xanh lá
cây (-a) ñꢖn màu ñꢞ (+a) và tꢩ màu xanh dương (-b) ñꢖn màu vàng
(+b) [16].
1.8. Xꢟ LÝ HÌNH THÁI HꢁC TRÊN ꢠNH
1.8.1. Khái niꢨm cơ bꢢn
Phꢟn tꢢ cꢎu trúc (Structuring element): Đôi khi ñưꢃc gꢈi là mꢌt
nhân (Kernel). Có hai loꢄi phꢟn tꢢ cꢎu trúc: phꢟn tꢢ cꢎu trúc phꢪng
9
và phꢟn tꢢ cꢎu trúc không phꢪng. Mꢦi loꢄi phꢟn tꢢ cꢎu trúc ñꢚu có
hình dáng khác nhau.
Phꢟn lꢆn các phép toán hình thái hꢈc ñưꢃc ñꢙnh nghĩa tꢩ hai
phép toán cơ bꢉn là phép toán co ꢉnh (Erosion) và giãn ꢉnh
(Dilation).
1.8.2. Phép co và giꢢn ꢢnh
1.8.2.1. Phép co ꢊnh
Phép toán co ꢉnh cꢛa ꢉnh xám I vꢆi cꢎu trúc phꢟn tꢢ không
phꢪng H tꢄi vꢙ trí (x, y) cꢛa ꢉnh I ñưꢃc xác ñꢙnh như sau:
(I⊖H)(x, y) = min(I(x+i, y+j) - H(i, j) | (i, j) DH)
1.8.2.2. Phép giãn ꢊnh
(1.12)
Phép toán giãn ꢉnh cꢛa ꢉnh xám I vꢆi cꢎu trúc phꢟn tꢢ không
phꢪng H tꢄi vꢙ trí (x, y) cꢛa ꢉnh I ñưꢃc xác ñꢙnh như sau:
(I H)(x, y) = max(I(x+i, y+j)+H(i, j) | (i, j) DH)
(1.13)
1.8.3. Phép ñóng và mꢘ ꢢnh
1.8.3.1. Phép mꢍ ꢊnh
Gꢈi A là ñꢏi tưꢃng trong hình ꢉnh và B là phꢟn tꢢ cꢎu trúc, ()
là ký hiꢊu cꢛa phép mꢝ ꢉnh giꢗa tꢋp hꢃp A và phꢟn tꢢ cꢎu trúc B,
phép mꢝ ꢉnh ñưꢃc xác ñꢙnh bꢝi công thꢡc:
AB = (A⊖B)⊕B
1.8.3.2. Phép ñóng ꢊnh
(1.14)
Vꢆi tꢋp hꢃp A là ñꢏi tưꢃng trong ꢉnh, B là phꢟn tꢢ cꢎu trúc.
là ký hiꢊu phép ñóng ꢉnh. Khi ñó phép ñóng ꢉnh cꢛa tꢋp hꢃp A
•
bꢝi Phꢟn tꢢ cꢎu trúc B, kí hiꢊu là (A• B), xác ñꢙnh bꢝi:
(A• B)
=
(A B)
(1.15)
B
1.9. BIꢩN ĐꢞI WAVELET
10
1.9.1. Biꢚn ñꢪi Wavelet và ꢫng dꢬng
1.9.2. Biꢚn ñꢪi Wavelet rꢭi rꢥc
Trong xꢢ lý ꢉnh thꢔc phꢕm, DWT 2-D thưꢅng ñưꢃc sꢢ dꢣng ñꢓ
nén ꢉnh ñꢟu vào. ꢫnh sau khi nén ñưꢃc ñưa vào ma trꢋn GLCM ñꢓ
tính toán các ñꢜc trưng kꢖt cꢎu trong ꢉnh phꢣc vꢣ cho công viꢊc nhꢋn
dꢄng ꢉnh [6], [22].
1.10. MꢮT Sꢕ CÔNG TRÌNH NGHIÊN CꢄU LIÊN QUAN
ĐꢩN Đꢒ TÀI VÀ KꢩT QUꢠ
1.10.1. Nhꢛn dꢥng trái cây
Angel Dacal-Nieto và các cꢌng sꢔ [2] ñã tiꢖn hành ñánh giá chꢎt
lưꢃng cꢛ khoai tây dꢔa trên ñꢜc trưng màu sꢤc và kꢖt cꢎu.
Các tác giꢉ ꢝ [3] ñã phát triꢓn mꢌt thuꢋt toán nhꢋn dꢄng ñꢓ phân
loꢄi thꢔc phꢕm dꢔa trên ñꢜc trưng hình dáng và kꢖt cꢎu.
Hetal N. Patel và các cꢌng sꢔ [5] ñã ñꢚ xuꢎt phương pháp nhꢋn
dꢄng trái cây ꢝ trên cây (fruit on tree) dꢔa trên các ñꢜc trưng: Cưꢅng
ñꢌ sáng, màu sꢤc, biên, và hưꢆng.
Các nhà nghiên cꢡu [6] ñã ñꢚ xuꢎt mô hình nhꢋn dꢄng trái cây
dꢔa trên ñꢜc trưng vꢚ màu sꢤc và kꢖt cꢎu bꢚ mꢜt.
1.10.2. Phát hiꢨn khuyꢚt ñiꢝm trên bꢣ mꢯt trái cây
Panli HE [4] ñã ñꢚ xuꢎt mô hình phát hiꢊn khuyꢖt ñiꢓm trên bꢚ
mꢜt trái cây dꢔa trên biꢖn ñꢘi Fourier và phân lꢆp khuyꢖt ñiꢓm bꢒng
phương pháp SVM.
Deepesh Kumar Srivastava [7] ñã ñꢚ xuꢎt phương pháp khꢢ
chói trong ꢉnh và phát hiꢊn khuyꢖt ñiꢓm trên bꢚ mꢜt trái cây sꢢ dꢣng
bꢌ lꢈc Gabor.
11
Các tác giꢉ [10] ñã ñꢚ xuꢎt mꢌt phương pháp ñꢓ phát hiꢊn
khuyꢖt ñiꢓm trên bꢚ mꢜt nhꢗng trái cây thuꢌc giꢏng cam quít dꢔa
trên các ñꢜc trưng màu sꢤc.
Md. Zahangir Alom và Hyo Jong Lee [11] ñꢚ xuꢎt phương pháp
phân ñoꢄn ꢉnh Gaussian Mean (GM) ñꢓ phát hiꢊn bꢊnh tꢋt trên lá
lúa.
CHƯƠNG 2. TRÍCH LꢁC ĐꢰC TRƯNG VÀ NHꢆN DꢀNG
2.1. MÔ HÌNH Hꢓ THꢕNG NHꢆN DꢀNG TRÁI BƯꢋI
Sau quá trình nghiên cꢡu và thꢔc nghiꢊm, tác giꢉ xin ñꢚ xuꢎt mô
hình nhꢋn dꢄng trái Bưꢝi như hình 2.1.
2.2. THU NHꢆN ꢠNH
ꢫnh trái Bưꢝi ñưꢃc thu nhꢋn thông qua các thiꢖt bꢙ chꢣp ꢉnh
(máy ꢉnh Cannon) có ñꢌ phân giꢉi cao.
Tác giꢉ ñꢚ xuꢎt chꢣp ꢉnh trái Bưꢝi trong tư thꢖ ñꢓ thꢪng ñꢡng và
phꢉi chꢣp ꢝ hai mꢜt cꢛa trái Bưꢝi
(phương nꢒm ngang vuông góc
vꢆi trái Bưꢝi).
Hình 2.1: Sơ ñꢍ nhꢋn dꢄng
trái Bưꢝi
2.3. TRÍCH
LꢁC
ĐꢰC
TRƯNG
Trong lĩnh vꢔc nhꢋn dꢄng
ꢉnh trái cây có 4 ñꢜc trưng cơ
bꢉn ñó là: kích thưꢆc, màu sꢤc,
hình dáng và kꢖt cꢎu [1]. Tuy
nhiên, ñꢏi vꢆi trái Bưꢝi tác giꢉ ñꢚ xuꢎt chꢬ sꢢ dꢣng 3 ñꢜc trưng: Màu
sꢎc, hình dáng và kꢏt cꢐu ñꢓ nhꢋn dꢄng.
12
2.3.1. Màu sꢱc
Đꢓ tách ñưꢃc ñꢜc trưng vꢚ màu sꢤc, tác giꢉ chꢈn không gian màu
HSV.
2.3.1.1. Thuꢁt toán chuyꢀn ꢊnh màu RGB sang ꢊnh màu HSV
Thuꢋt toán chuyꢓn ñꢘi RGB sang HSV ñưꢃc ñưa ra bꢝi Travis.
Các giá trꢙ cꢛa S và V nꢒm trong khoꢉng 0 (màu ñen) và 1 (màu
trꢤng), giá trꢙ cꢛa H nꢒm trong khoꢉng 0 ñꢖn 360o.
2.3.1.1. Thuꢁt toán chuyꢀn ꢊnh màu HSV sang ꢊnh màu RGB
2.3.2. Hình dáng
2.3.2.1. Các phương pháp ño lưꢑng hình dáng trái cây
Có rꢎt nhiꢚu phương pháp khác nhau ñꢓ ño lưꢅng hình dáng
ñưꢃc áp dꢣng trong lĩnh vꢔc xꢢ lý ꢉnh trái cây, bao gꢍm hai loꢄi [1]:
ño lưꢅng phꢣ thuꢌc vào kích thưꢆc - SMD và ño lưꢅng không phꢣ
thuꢌc vào kích thưꢆc - SIM.
2.3.2.2. Đꢇ xuꢐt phương pháp ño lưꢑng hình dáng trái Bưꢍi.
Đꢏi vꢆi trái Bưꢝi tôi xin ñꢚ xuꢎt phương pháp ño lưꢅng hình
dáng bꢒng phương pháp SDM sꢢ dꢣng tham sꢏ ñꢌ rꢤn chꢤc cꢛa ñꢏi
tưꢃng ꢉnh. Hình 2.3 là sơ ñꢍ ño
Hình 2.3: Sơ ñꢍ ño lưꢅng ñꢜc trưng
lưꢅng ñꢜc trưng hình dáng cꢛa
trái Bưꢝi. Đꢌ lꢆn cꢛa hình dáng
trái Bưꢝi ñưꢃc tính toán dꢔa
trên diꢊn tích và chu vi theo
công thꢡc sau [23]:
hình dáng cꢛa trái Bưꢝi.
dien _ tich
(chu _ vi)2
4π
(2.4)
2.3.3. Kꢚt cꢲu bꢣ mꢯt
13
Kꢖt cꢎu cꢛa ꢉnh mô tꢉ các thuꢌc tính cꢛa các yꢖu tꢏ cꢎu thành
nên bꢚ mꢜt ñꢏi tưꢃng.
2.3.3.1. Các phương pháp phân tích ñꢒc trưng kꢏt cꢐu ꢊnh
Hiꢊn nay, có rꢎt nhiꢚu phương pháp ñưꢃc ñꢚ xuꢎt ñꢓ phân tích và
ño lưꢅng kꢖt cꢎu trong ꢉnh nhưng có thꢓ phân chúng thành 4 loꢄi
[25], [26]:
-
-
-
Phương pháp thꢏng kê – Statistical methods
Phương pháp cꢎu trúc – Structural methods
Phương pháp dꢔa trên biꢖn ñꢘi – Transform-based methods
-
Phương pháp dꢔa trên mô hình hóa – Model-based methods
2.3.3.2. Đꢇ xuꢐt phương pháp ño lưꢑng ñꢒc trưng kꢏt cꢐu
Tác giꢉ xin ñꢚ xuꢎt sơ ñꢍ trích lꢈc ñꢜc trưng kꢖt cꢎu như ꢝ hình
2.6.
Hình 2.6: Sơ ñꢍ trích lꢈc và ño lưꢅng ñꢜc trưng kꢖt cꢎu.
2.3.3.3. Sóng con Gabor
Trong xꢢ lý ꢉnh, bꢌ lꢈc Gabor là mꢌt bꢌ lꢈc tuyꢖn tính thưꢅng
ñưꢃc sꢢ dꢣng ñꢓ phát hiꢊn biên, phꢟn vùng ꢉnh, phân tích ñꢜc trưng
ꢉnh, phân lꢆp ꢉnh. Tꢟn sꢏ và hưꢆng ñưꢃc thꢓ hiꢊn trong các bꢌ lꢈc
Gabor tương tꢔ như hꢊ thꢏng thꢙ giác cꢛa con ngưꢅi. Hàm sóng con
Gabor trong miꢚn không gian có dꢄng như sau [27]:
x'2 +γ 2 y'2
x'
gλ γ (x, y) = exp(−
,θ ,ϕ ,σ ,
)cos(2
π
+ϕ )
(2.5)
2
σ 2
λ
14
) + y sin(θ )
y'= −xsin(θ) + ycos(θ)
x'= x cos(
θ
Trong ñó,
, và
.
Bưꢆc sóng (λ - lamda) ñꢄi diꢊn cho sóng cꢛa các tác nhân
cosine cꢛa hàm Gaussian, hưꢆng (θ - theta) ñꢄi diꢊn cho hưꢆng cꢛa
các ñưꢅng gꢄch sꢈc song song cꢛa hàm Gabor tꢄi mꢌt góc nào ñó
(ñꢌ), ñꢌ lꢊch pha (φ - phi) theo góc, và tꢬ lꢊ hưꢆng (γ - gamma) là tꢧ
lꢊ co giãn trong không gian và nó xác ñꢙnh tính ñơn giꢉn cꢛa hàm
Gabor, và ñꢌ lꢊch chuꢕn σ xác ñꢙnh kích thưꢆc cꢛa hàm Gaussian
tuyꢖn tính.
2.3.3.4. Ma trꢁn ñꢓng hiꢔn mꢕc xám Co-occurrence
GLCM cꢛa ꢉnh f(x,y) có kích thưꢆc MxM và có G mꢡc ñꢌ xám
là mꢌt ma trꢋn hai chiꢚu C(i, j). Mꢦi phꢟn tꢢ cꢛa ma trꢋn thꢓ hiꢊn xác
suꢎt xꢉy ra cùng giá trꢙ cưꢅng ñꢌ sáng i và j tꢄi mꢌt khoꢉng cách d và
mꢌt góc
xác ñꢙnh. Do ñó, có thꢓ có nhiꢚu ma trꢋn GLCM khác
nhau phꢣ thuꢌc vào cꢜp giá trꢙ d và . GLCM ñưꢃc tính toán như
sau [1]:
max(| x1 − x2 |,| y1 − y2 ) = d
(2.7)
Cd (i, j) = N ((x1, y1),(x2 , y2 )) MxM Θ((x1, y1),(x2 , y2 )) =
θ
θ
f (x1, y1 ) = i, f (x2 , y2 ) = j
Haralick ñã ñꢚ nghꢙ mꢌt tꢋp hꢃp gꢍm 14 ñꢜc trưng có thꢓ tính
toán ñưꢃc tꢩ ma trꢋn ñꢍng hiꢊn mꢡc xám GLCM có thꢓ ñưꢃc sꢢ
dꢣng ñꢓ phân lꢆp kꢖt cꢎu hình ꢉnh. Tuy nhiên, trong ñꢚ tài này tác
giꢉ chꢬ chꢈn lꢈc 05 ñꢜc trưng phù hꢃp vꢆi bài toán: năng lưꢃng
(energy), ñꢌ tương phꢉn (contrast), entropy, ñꢌ tương ñꢍng
(Correlation), tính ñꢍng nhꢎt (homogeneity).
ꢀ Đꢯc trưng năng lưꢳng: Đꢜc trưng năng lưꢃng F1 ñưꢃc tính toán
như sau:
15
G
G
F =
C(i, j)2
1
∑∑
(2.8)
i=1 j=1
Công thꢡc này ño lưꢅng tính ñꢍng nhꢎt cꢣc bꢌ trong ꢉnh. Giá trꢙ
cꢛa F1 nꢒm trong khoꢉng [0, 1]. Nꢖu F1 = 1 thì ꢉnh có giá trꢙ mꢡc
xám ñꢚu.
ꢀ Đꢴ tương phꢢn: Đꢌ tương phꢉn F2 ñưꢃc tính như sau:
G
G
F2 =
(i − j)2 C(i, j)
∑∑
(2.9)
i=1 j=1
Công thꢡc này cho chúng ta biꢖt ñưꢃc sꢏ lưꢃng ñiꢓm ꢉnh có mꢡc
ñꢌ xám biꢖn ñꢘi cꢣc bꢌ trong ꢉnh. Giá trꢙ F2 nꢒm trong khoꢉng [0,
(size(GLCM,1)-1)2].
ꢀ Đꢴ tương ñꢵng: Đꢌ tương ñꢍng F3 ñưꢃc tính như sau:
G
G
(i − µi )( j − µ j )C(i, j)
F =
∑∑
(2.10)
3
σ iσ j
i=1 j=1
Trong ñó, µi
,
và σ i ,
lꢟn lưꢃt là giá trꢙ trung bình và
µ j
σ
j
ñꢌ lꢊch chuꢕn cꢛa tꢘng hàng và cꢌt trong ma trꢋn. µi
,
và σ i ,
µ j
ñưꢃc tính như sau:
σ
j
G
G
G
G
,
,
µ j
=
j
C(i, j)
µi
=
i
C(i, j)
∑ ∑
∑ ∑
i=1 j=1
j=1 i=1
(2.11)
G
G
G
G
2
2
,
σ
=
( j − µ j
)
C(i, j)
∑
∑
σ i
=
(i − µi
)
C(i, j)
j
∑
∑
i=1
j=1
i=1
j=1
Tham sꢏ này phân tích sꢔ phꢣ thuꢌc tuyꢖn tính mꢡc ñꢌ xám cꢛa
các ñiꢓm ꢉnh lân cꢋn nhau. Giá trꢙ cꢛa F3 nꢒm trong khoꢉng [-1, 1].
ꢀ Entropy: Entropy F4 ñưꢃc tính toán như sau:
G
G
F = −
C(i, j)logC(i, j)
(2.12)
∑∑
4
i=1 j=1
Entropy ño lưꢅng tính ngꢇu nhiên cꢛa các phꢟn tꢢ cꢛa ma trꢋn
GLCM. Giá trꢙ cꢛa F4 nꢒm trong khoꢉng [0, 1].
16
ꢀ Tính ñꢵng nhꢲt: Tính ñꢏng nhꢎt F5 ñưꢃc tính toán như sau:
G
G
C(i, j)
F =
(2.13)
∑∑
5
j=1 1+ | i − j |
i=1
Đꢜc trưng tính ñꢍng nhꢎt ño lưꢅng tính khít hoꢜc tính dày ñꢜc
ñưꢃc phân bꢏ trong không gian cꢛa ma trꢋn GLCM. Giá trꢙ cꢛa F5
nꢒm trong khoꢉng [0, 1].
2.4. PHÂN LꢡP TRÁI BƯꢋI Sꢟ DꢈNG THUꢆT TOÁN k – NN
2.4.1. Thuꢛt toán k – NN
k-NN là thuꢋt toán phân lꢆp các ñꢏi tưꢃng dꢔa trên khoꢉng cách
gꢟn nhꢎt giꢗa các ñꢏi tưꢃng bao gꢍm ñꢏi tưꢃng cꢟn phân lꢆp và tꢎt
cꢉ các ñꢏi tưꢃng trong tꢋp huꢎn luyꢊn.
Giꢉ sꢢ chúng ta có hai vector xr và xs, trong không gian hai chiꢚu
vector xr có giá trꢙ là xr(xr1, xr2) và vector xs có giá trꢙ là xs(xr1, xs2).
Khoꢉng cách giꢗa hai vector này ñưꢃc tính toán theo công thꢡc như
sau:
d(xr , xs ) =| xr − xs |= (xr1 − xs1 )2 + (xr2 − xs2 )2
(2.14)
2.4.2. Thuꢛt toán k – NN và các tham sꢍ phân loꢥi trái bưꢘi
Đꢏi vꢆi bài toán nhꢋn dꢄng trái Bưꢝi, các tham sꢏ ñꢜc trưng ñã
trích lꢈc sꢠ ñưꢃc ñưa vào làm giá trꢙ ñꢟu vào cho k-NN. Tương ưng
vꢆi mꢦi ꢉnh ñꢟu vào chúng ta sꢠ có mꢌt vector chꢡa 12 tham sꢏ:
Tham sꢍ màu sꢱc bao gꢵm: Giá trꢙ trung cꢛa mꢦi kênh màu
HSV và ñꢌ lꢊch chuꢕn cꢛa mꢦi kênh màu trong không gian màu
HSV.
Tham sꢍ vꢣ hình dáng bao gꢵm: Đꢌ rꢤn chꢤc.
17
Tham sꢍ vꢣ kꢚt cꢲu bꢣ mꢯt bao gꢵm: Entropy, ñꢌ tương phꢉn,
ñꢌ tương ñꢍng, năng lưꢃng và tính ñꢍng nhꢎt.
2.5. PHÁT HIꢓN KHUYꢩT ĐIꢶM TRÊN Bꢒ MꢰT TRÁI BƯꢋI
2.5.1. Mô hình hꢨ thꢍng kiꢝm tra và phát hiꢨn khuyꢚt ñiꢝm
Qua quá trình nghiên cꢡu, tác giꢉ xin ñꢚ xuꢎt mô hình phát hiꢊn
khuyꢖt ñiꢓm trên bꢚ mꢜt trái Bưꢝi như hình 2.11.
2.5.2. Chuyꢝn không gian màu RGB sang CIE L*a*b* và ngưꢳc
lꢥi
Đꢓ chuyꢓn ñꢘi tꢩ không gian màu
Hình 2.11: Mô hình phát
RGB sang không gian màu CIE
hiꢊn khuyꢖt tꢋt trên bꢚ
L*a*b* chúng ta thꢔc hiꢊn các bưꢆc
như sau [17], [28]:
mꢜt trái Bưꢝi.
Chuyꢝn tꢷ không gian màu RGB
sang không gian màu CIE XYZ và
ngưꢳc lꢥi.
R
G
B
X
Y
Z
X
Y
Z
R
G
B
,
= M −1
(2.16)
= M
RGB
RGB
Trong ñó:
3.240479 −1.537150 −0.498535
0.412453 0.357580 0.180423
−1
RGB
MRGB= −0.969256 1.875992 0.041556
M
= 0.212671 0.715160 0.072169
0.055648 −0.204043 1.057311
0.019334 0.119193 0.950227
,
Chuyꢝn tꢷ không gian màu CIE XYZ sang không gian màu
CIE L*a*b*.
L* = 116Y’ – 16
a* = 500(X’ – Y’),
b* = 200(Y’ – Z’),
(2.17)
Trong ñó:
18
X’ = f(X/Xref), Y’ = f(Y/Yref), Z’ = f(Z/Zref), và
c1 / 3
if c > 0.008856
if c ≤ 0.008856
(2.18)
f (c) =
7.787c + 16/116
Thông thưꢅng, D56 ñưꢃc chꢈn là giá trꢙ tham chiꢖu cho các ñiꢓm
trꢤng Cref = (Xref, Yref, Zref). Tꢡc là Xref = 0.950456, Yref = 1.000000
và Zref = 1.088754. Giá trꢙ L* là sꢏ dương nꢒm trong khoꢉng [0,
100], các giá trꢙ cꢛa a* và b* nꢒm trong khoꢉng tꢩ [-127, +127].
Chuyꢝn tꢷ không gian màu CIE L*a*b* sang không gian
màu CIE XYZ.
2.5.3. Tăng cưꢭng ñꢴ sáng ꢢnh màu kênh a*
2.5.4. Lꢌc nhiꢦu bꢸng bꢴ lꢌc trung vꢹ trên ꢢnh màu kênh a*
2.5.5. Loꢥi bꢺ khuyꢚt ñiꢝm ꢘ bên ngoài ñꢍi tưꢳng sꢤ dꢬng phép
mꢘ ꢢnh
Phép xꢢ lý hình thái hꢈc – phép mꢝ ꢉnh ñưꢃc sꢢ dꢣng ñꢓ loꢄi bꢞ
mꢌt sꢏ ñiꢓm nhiꢭu còn sót lꢄi ꢝ khu vꢣc nꢚn cꢛa ꢉnh và nhꢗng
khuyꢖt ñiꢓm có kích thưꢆc nhꢞ. Qua quá trình phân tích và thꢢ
nghiꢊm nhiꢚu phꢟn tꢢ cꢎu trúc khác nhau, tác giꢉ ñꢚ xuꢎt phꢟn tꢢ cꢎu
trúc không phꢪng có hình quꢉ bóng (thꢔc chꢎt là hình Ellipse) vꢆi
bán kính R=1, ñꢌ cao H=3.
2.5.6. Phân ñoꢥn ꢢnh
2.5.6.1. Phân ñoꢂn dꢋa trên ngưꢌng toàn cꢖc - thuꢁt toán Otsu
Thuꢋt toán Otsu ñưꢃc sꢢ dꢣng ñꢓ tꢔ ñꢌng lꢎy ngưꢥng cꢛa ꢉnh
dꢔa trên hình dáng cꢛa lưꢃc ñꢍ mꢡc xám cꢛa ꢉnh hoꢜc giꢉm mꢡc ñꢌ
xám cꢛa ꢉnh ñꢟu vào thành ꢉnh nhꢙ phân.
Thuꢋt toán thꢔc hiꢊn qua các bưꢆc sau [19]:
19
a. Chꢈn mꢌt giá trꢙ ưꢆc lưꢃng khꢝi tꢄo cho T ( thưꢅng là giá trꢙ
trung bình mꢡc xám trong ꢉnh).
b. Sꢢ dꢣng T ñꢓ phân ñoꢄn ꢉnh. Kꢖt quꢉ cꢛa bưꢆc này sꢠ tꢄo ra 2
nhóm ñiꢓm ꢉnh: G1 chꢡa tꢎt cꢉ các ñiꢓm ꢉnh vꢆi giá trꢙ mꢡc xám
> T và G2 chꢡa các ñiꢓm ꢉnh vꢆi giá trꢙ mꢡc xám ≤ T.
c. Tính mꢡc xám trung bình trong nhóm G1 là ꢮ1 và trong nhóm G2
là ꢮ2.
d. Tính ngưꢥng mꢆi dꢔa vào ꢮ1 và ꢮ2: T = (ꢮ1 + ꢮ2) / 2
e. Lꢜp lꢄi bưꢆc 2 ñꢖn 4 cho ñꢖn khi nào giá trꢙ cꢛa T trong các lꢟn
lꢜp liên tiꢖp nhꢞ hơn mꢌt giá trꢙ ñꢙnh trưꢆc T∞.
Qua quá trình thꢢ nghiꢊm và phân tích, tác giꢉ ñꢚ xuꢎt chꢬ lꢎy
ngưꢥng toàn cꢣc Otsu nꢒm trong khoꢉng [0.4, 0.55].
2.5.6.2. Phân ñoꢂn sꢃ dꢖng thuꢁt toán k – Means
Trong xꢢ lý ꢉnh, k-Means phân ñoꢄn ꢉnh thành nhiꢚu lꢆp khác
nhau dꢔa trên khoꢉng cách vꢏn có giꢗa các ñiꢓm ꢉnh (giá trꢙ mꢡc xám).
Thuꢋt toán giꢉ sꢢ rꢒng tꢋp các giá trꢙ ñꢟu vào là mꢌt không gian vector
và cꢏ gꢤng tìm ra các cꢣm (lꢆp) mꢌt cách tꢔ nhiên giꢗa chúng. Đôi vꢆi
bài toán này, ñꢟu vào cꢛa thuꢋt toán là ꢉnh hai chiꢚu không gian màu
a*b* và ñưꢃc thꢔc hiꢊn qua các bưꢆc sau ñây [29], [30]:
a. Tính toán sꢔ phân bꢏ cưꢅng ñꢌ sáng cꢛa các ñiꢓm ꢉnh trong ꢉnh.
b. Khꢝi tꢄo các ñiꢓm tâm vꢆi các cưꢅng ñꢌ ngꢇu nhiên k.
c. Lꢜp lꢄi các bưꢆc dưꢆi ñây cho ñꢖn khi viꢊc phân cꢣm các nhãn
cꢛa ꢉnh không thay ñꢘi nhiꢚu.
d. Phân cꢣm các ñiꢓm tâm dꢔa trên khoꢉng cách tꢩ giá trꢙ cưꢅng ñꢌ
sáng ñiꢓm tâm ñꢖn các giá trꢙ cưꢅng ñꢌ sáng. (c(i) thưꢅng ñưꢃc
gꢈi là hàm chi phí cꢛa thuꢋt toán k-Means).
20
c(i) = argmin|| x(i)
− µj ||
(2.23)
(2.24)
j
e. Tính toán giá trꢙ ñiꢓm tâm mꢆi cho các cꢣm.
m
i=11{c(i) = j}x(i)
m
∑
µi
=
i=11{c(i) = j}
∑
Trong ñó, k là tham sꢏ ñꢟu vào cꢛa thuꢋt toán (sꢏ cꢣm cꢟn
tìm), i là biꢖn lꢜp trên tꢎt cꢉ các giá trꢙ cưꢅng ñꢌ sáng trong ꢉnh, j là
biꢖn lꢜp trên tꢎt cꢉ các ñiꢓm tâm và
cưꢅng ñꢌ sáng.
µ
i là ñiꢓm tâm cꢛa các giá trꢙ
CHƯƠNG 3. KꢩT QUꢠ NHꢆN DꢀNG VÀ PHÁT HIꢓN
KHUYꢩT ĐIꢶM
3.1. BÀI TOÁN ĐÁNH GIÁ CHꢉT LƯꢊNG TRÁI BƯꢋI
Hiꢊn nay, hꢟu hꢖt viꢊc kiꢓm tra và ñóng gói trái Bưꢝi ñꢚu ñưꢃc
thꢔc hiꢊn thꢛ công. Tác giꢉ giꢉi quyꢖt bài toán này bꢒng máy tính, sꢢ
dꢣng các phương pháp, thuꢋt toán trong lĩnh vꢔc thꢙ giác máy tính và
xꢢ lý ꢉnh sꢏ ñꢓ nhân dꢄng, phân tích hình ꢉnh ñꢓ kꢖt luꢋn vꢚ chꢎt
lưꢃng cꢛa trái Bưꢝi mà không phá vꢥ cꢎu trúc bꢚ mꢜt cꢛa chúng
nhꢒm tiꢖt kiꢊm thꢅi gian, chi phí cho các doanh nghiꢊp thu mua và
xuꢎt khꢕu trái Bưꢝi.
3.2. MÔI TRƯꢻNG VÀ CÔNG Cꢈ CÀI ĐꢰT THꢟ NGHIꢓM
3.3. MꢇU Dꢐ LIꢓU HUꢉN LUYꢓN VÀ KIꢶM TRA
Dꢗ liꢊu ꢉnh ñưꢃc lꢎy bao gꢍm: Mꢌt sꢏ trái Bưꢝi có chꢎt lưꢃng
tꢏt, ñꢄt tiêu chuꢕn xuꢎt khꢕu theo tiêu chuꢕn GAP (không có: vꢖt
bꢟm, sâu, thꢏi rꢢa, vꢖt chꢟy xưꢆc, sꢯo, .v.v). Mꢌt sꢏ trái Bưꢝi có mꢌt
sꢏ khuyꢖt ñiꢓm trên bꢚ mꢜt (có: vꢖt bꢟm, sâu, thꢏi rꢢa, vꢖt chꢟy
Tải về để xem bản đầy đủ
27 trang
14660
Free
Bạn đang xem 20 trang mẫu của tài liệu "Tóm tắt Luận văn Nghiên cứu các kỹ thuật nhận dạng mẫu và ứng dụng đánh giá chất lượng trái bưởi", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- tom_tat_luan_van_nghien_cuu_cac_ky_thuat_nhan_dang_mau_va_un.pdf
