基于Matlab的无花果成熟度识别技术孙阳;白皓然;初留珠;王高弟;李秀【摘要】利用 Matlab和图像处理技术对无花果果实进行处理识别,该系统可以快速、高效地辨别出七八分熟以上的无花果果实,进而提高了无花果自动化识别水平,同时为无花果采摘机器人的研究做了准备;无花果目前已知有八百个品种,绝大部分都是常绿品种,但目前市场上常见的大约在十种以内;并以布兰瑞克、金早、金傲芬、紫蕾、波姬红、绿早、青皮几种中国最受欢迎的无花果品种为对象,通过 Matlab软件研究了判别无花果成熟度的算法,分别依据果实裂口和颜色变化进行判别;综合两种算法对果实成熟度进行判断,正确率达到 89.5%.【期刊名称】《计算机测量与控制》【年(卷),期】2018(026)010【总页数】5页(P299-303)【关键词】图像处理;无花果;成熟度;采摘【作者】孙阳;白皓然;初留珠;王高弟;李秀【作者单位】青岛农业大学机电工程学院,山东青岛 266109;青岛农业大学机电工程学院,山东青岛 266109;青岛农业大学机电工程学院,山东青岛 266109;青岛农业大学机电工程学院,山东青岛 266109;青岛农业大学机电工程学院,山东青岛266109【正文语种】中文【中图分类】S240 引言随着电子技术和计算机技术的发展，智能采摘机器人作为高科技的产物，在果蔬收获这项劳动密集型工作中的应用越来越广泛，它是实现农业现代化的重要手段之一，使得农业生产更加精准、更加高效，也是实现果蔬收获自动化、智能化的重要标志。
近年来，农业果蔬采摘机器人的研究受到了很多国家的关注，并获得了许多成果，主要任务是对水果和蔬菜完成果实的采摘、分级、运输等任务[1-3]。
目前无花果果实主要依靠人工采摘，无花果生长势强，并有多次生长习性,所以存在着采摘时间长、劳动强度大等问题。
随着科技的进步，使用采摘机器人代替人工作业将成为可能。
无花果每年结果2次。
春果的结果部位均为上年生枝未曾结果的叶腋, 而夏、秋的结果部位均为当年生枝，夏果着生于春梢叶腋，秋果着生于秋梢叶腋。
信息通信INFORMATION & COMMUNICATIONS2020年第7期(总第211期)2020(Sum. No 211)基于神经网络的水果识别系统设计王梓桐(西安石油大学，陕西西安710065)摘要:人工智能的时代给我们的0常生活带来了极大便利，水果作为生活中的必要晶,每天食用适量的水果可以补充维生素C,对我们的身体健康十分有益,有关于对水果识别的研究就显得十分必要。
在对水果进行识别时,通过针对不同水果的形状、大小、颜色、纹理等特征进行分析，根据训练BP 神经网络达到对水果准确识别的目的。
关键词：图像处理;BP 神经网络；目标识别；matlab 中图分类号:TP183文献标识码:A 文章编号：1673-1131(2019)07-0056-030引言随着科技的高速发展，许多重复性高、耗时耗力的工作逐渐被计算机所取代，超市自助结账甚至无人超市都已经出现 在我们的生活中，节省了大量的人力。
水果的识别己经应用于很多领域，如对果园中的水果进行识别检测，通过水果的颜色、新鲜程度来判断水果的质量;超市中对水果进行识别称重,节省了不必要的排队等待时间；一些特殊的病人每天需要水 果的摄入，可以通过对水果的自动识别来判断水果的成熟程 度给病人食用。
1图像边缘检测算法图像的边缘位置大多出现在图像中具体的对象与对象之间或对象与某一区域相互交汇的地方，由于边缘区域的像素点变化的更为明显，所以对这些边缘像素点的检测是十分必要的。
在对图像进行边缘检测时,经常会用到三种检测算子,分别是Sobel 算子、Laplacian 算子和Canny 算子,下面对这三 种算子的工作原理进行概述。
1.1 Sobel 算子Sobel 算子作为最基本的一种边缘检测算子,在图像边缘检测中使用十分普遍。
图像中某一个像素点的梯度值与周围 相邻近像素点之间的灰度差值成正比，像素梯度值越大的点越能在图像中表现出更明显的灰度变化，图像的边缘处就表现出了这一特征。
基于计算机视觉和MATLAB的芒果特征提取系统设计金晶【摘要】为了实现芒果图像形状特征和颜色特征的提取,应用MATLAB软件设计了芒果静态图像特征提取系统,系统可实现芒果面积和周长等形状特征信息的提取,还能实现芒果颜色特征的提取.通过芒果形状和颜色特征可为芒果大小和品质自动分级奠定基础,该研究还为其他农产品的快速检测提供了理论依据.【期刊名称】《电子测试》【年(卷),期】2018(000)007【总页数】2页(P74-75)【关键词】计算机视觉;Matlab;芒果;特征提取;系统设计【作者】金晶【作者单位】海南工商职业学院,海南海口,570203【正文语种】中文0 引言芒果被誉为“热带水果之王”，由于其丰富的营养价值和保健功能[1]，在国内和国际市场需求较大。
芒果具有良好的经济效益，在我国其种植地分布较广，产地主要位于海南、广西、广东、福建、四川和云南等地区，同时海南地区的芒果种植面积和产量位居全国第一[2]。
为了提高芒果的经济效益和国际竞争力，需对芒果品质（成熟度、形状和外观颜色等）进行严格划分，但目前我国大部分的芒果分类是人工根据芒果大小和品质进行简单分级[3]，造成芒果实际经济效益被低估，同时得不到国内外市场的认可，在市场竞争中芒果品质是其经济效益大小的关键因素。
采用计算机视觉技术提取芒果的特征信息（形状和颜色特征等），提取的芒果颜色特征信息可以对其进行成熟度和外观颜色进行判别，其形状特征信息可以对芒果大小和形状等基本信息进行判别。
本文基于计算机视觉技术获得芒果图像，基于MATLAB GUI为开发工具，开发了一套芒果特征提取系统[4]，可提取芒果的形状特征和颜色特征信息。
1 计算机视觉系统本文采用计算机视觉提取芒果静态图像，计算机视觉系统由计算机、光照箱、环形光源、CCD 摄像头和图像采集卡等组成。
2 设计线路本文基于计算机视觉技术提取芒果静态图像为基础，采用MATLAB GUI 设计芒果图像提取与显示和在不同颜色模型下的颜色分量选取及显示相关颜色直方图，根据直方图确定图像的最佳阈值并根据阈值对芒果图像进行分割显示等功能。
基于MATLABGUI数字图像的水果边缘检测方法研究基于数字图像的水果边缘检测方法研究作者：*＊指导老师＊**1绪论1。
1课题研究的背景我国水果品种繁多，资源丰富。
作为一项新兴产业,在农业和农村经济发展中的地位已经十分重要,在很多地区己成为农村经济的支柱产业.纵观世界水果园科技的发展，二十一世纪我国的水果园也将从传统作业转化到以现代科学技术为基础的现代“集约持续水果园”上来。
水果园的发展将全面地体现生产、经济、技术、社会和生态的可持续性。
在水果分级方面,我国相继引进和开发了按大小和重量分级的分级设备,近几年国内也出现了基于机器视觉技术的水果分级设备.但是,进口设备价格昂贵,一般水果生产企业难以负担.而国产设备由于技术投入不够,与国外先进设备差距比较大。
但是,进口设备价格昂贵，一般水果生产企业难以负担。
而国产设备由于技术投入不够，与国外先进设备差距比较大。
随着机器视觉技术的发展,国外也出现了将机器视觉运用在水果分级系统上的相关研究，使得国外的水果分级分类系统的性能进一步提高，同时也进一步拉大了我国在水果生产自动化的技术差距。
由于我国的现状,如果不在水果产后处理上下功夫，我国的水果出口形势还会非常严峻，这就要求国内的研究者在水果分级技术进一步钻研,使我国的分级技术再上一个新台阶.将机器视觉(也称计算机视觉，图像处理）技术引入水果园自动化,是解决该问题的有效途径之一。
同时，基于机器视觉的水果自动化系统在水果流通过程也可提高自动化程度、降低劳动强度、增加收益提供快速、准确的检测手段。
Matlab设计源文件整套免费获取，需要的加QQ11624013871。
2选题的目的和意义上世纪80年代后期,由于计算机广泛生产，计算技术也广泛发展,针对于计算机视觉在各个领域的的研究成果也日新月异。
国外的很多学者在基于计算机视觉技术而提高水果的分级速度方面进行了研究，在理论和应用上有了较大进展,并取得了很好的经济效益。
而我国的水果自动识别技术研究则较晚,仅始于90年代，而且当时从事水果自动分级系统研究的科研院还很少,研究成果也不是很显著，但那却为我国在水果分级方面的研究奠定了基础。
