(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210365637.5 (22)申请日 2022.04.08 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 (72)发明人 李腊全　赖宗萱　沙霖　张桂铭　 胡景怡　余海燕　邵亚斌　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 专利代理师 卢胜斌 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/764(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于随机森林模型和模糊聚类的柑橘 品质分类方法及系统 (57)摘要 本发明属于计算机视觉应用技术领域， 具体 涉及一种基于随机森林模型和模糊聚类的柑橘 品质分类方法及系统； 该方法包括： 获取待识别 的柑橘图像， 将获取的柑橘图像输入到训练好的 随机森林模型中， 得到初始的模糊样本； 采用改 进的半监督模糊算法SSFCM对初始模糊样本中的 数据进行聚类， 得到品质分类结果； 根据品质分 类结果对柑橘打上品质标签； 本发 明采用机器学 习的方法对柑橘的品质进行分类， 提高了分类的 效率和精确度。 权利要求书2页 说明书8页 附图4页 CN 114692770 A 2022.07.01 CN 114692770 A 1.一种基于随机森林模型和模糊聚类的柑橘品质分类方法， 其特征在于， 该方法包括： 获取待识别的柑橘图像， 将获取 的柑橘图像输入到训练好的随机森林模型中， 得到初始的 模糊样本； 采用改进的半监督模糊算法SSFCM对初始模糊样 本中的数据进 行聚类， 得到品质 分类结果； 根据品质分类结果对柑橘打上品质标签。 2.根据权利要求1所述的一种基于随机森林模型和模糊聚类的柑橘品质分类方法， 对 随机森林模型进行训练的过程包括： 步骤1： 获取图像数据集， 对图像数据集进行 预处理； 步骤2： 对预处理后的图像进行特征提取； 该特征提取包括果面色泽特征参数提取、 果 实大小参数提取、 果实形态参数提取以及果 面光滑程度参数提取； 步骤3： 将所有提取的特 征参数进行封装； 并对封装后的数据进行随机取样； 步骤4： 计算随机抽取的样本的基尼系数， 并将计算出的基尼系数作为该样本的属性度 量； 步骤5： 根据基尼系数构建 分类回归决策树； 步骤6： 将封装后的特征参数输入到构建好的分类回归决策树中进行分类投票， 得到分 类投票结果； 步骤7： 将图像数据集中的每个 图像的分类投票结果进行集合， 得到模糊样本， 完成模 型的训练。 3.根据权利要求2所述的一种基于随机森林模型和模糊聚类的柑橘品质分类方法， 对 图像数据集进行预处理包括： 采用cvSmooth函数对图像数据集中的图像进行中值滤波处 理， 得到去噪后的图像。 4.根据权利要求2所述的一种基于随机森林模型和模糊聚类的柑橘品质分类方法， 果 面色泽特征参数提取 的过程包括： 获取图像的颜色通道的灰度值， 该颜色通道灰度值包括 绿色通道灰度值G、 红色通道灰度值 R以及蓝色通道灰度值B； 根据颜色通道的灰度值计算颜 色特征参数， 计算的表达式为： Ccolor＝2G ‑R‑B； 根据计算出颜色特征参数计算柑橘典型色 泽区域百分比； 根据典型色泽区域百分比对果实颜色进行分级， 得到果 面色泽特 征参数； 果实大小参数提取包括釆用投影面积、 周长、 最大横径以及体积对果实进行大小分级， 得到果实大小参数； 果实形态参数提取包括采用亮度分量灰度图对柑橘缺陷进行检测， 将检测结果进行边 缘处理， 得到柑橘表面的缺陷特征； 根据缺陷特征对果实形态进行分级， 得到果实形态参 数； 果面光滑程度参数提取包括采用梯度法来测量柑橘表皮的光滑程度， 得到果面光滑程 度参数。 5.根据权利要求4所述的一种基于随机森林模型和模糊聚类的柑橘品质分类系统， 根 据典型色泽区域百分比对果 实颜色进 行分级的过程包括： 将 柑橘典型色泽区域百分比大于 99％以上的柑橘作为一等品， 将柑橘典型色泽区域百分比在75％～99％的柑橘作为二等 品， 将柑橘典型色泽区域百分比在35％～75％的柑橘作为三等品， 其余柑橘典型色泽区域 百分比的柑橘丢弃。 6.根据权利要求1所述的一种基于随机森林模型和模糊聚类的柑橘品质分类方法， 采 用改进的半监 督模糊算法对初始模糊样本中的数据进行聚类的过程包括：权　利　要　求　书 1/2 页 2 CN 114692770 A 2步骤1： 设置聚类个数c， 平衡指数α； 根据初始模糊样本中的标记信息获取样本的二值 向量b＝[bj]和初始隶属度矩阵F＝[fij]； 步骤2： 计算初始模糊样本中有等级标签的样本和无等级标签的样本与聚类中心 的距 离； 步骤3： 根据样本的二值向量、 初始隶属度矩阵以及样本与聚类中心的距离计算新的隶 属度矩阵； 步骤4： 根据新的隶属度矩阵计算 新的聚类中心； 步骤5： 将新的聚类中心与原始聚类 中心进行比较， 当聚类中心不发生变化或者达到最 大迭代次数， 则算法停止， 输出 该聚类中心； 否则返回步骤2。 7.根据权利要求6所述的一种基于随机森林模型和模糊聚类的柑橘品质分类方法， 聚 类中心不发生变化 为SSFCM算法的目标函数收敛； S SFCM算法的目标函数为： 其中， m表示加权指数,c表示聚类个数， N表示样本总数， 表示隶属度矩阵， 表示 样本j与聚类中心的距离， α 表示平衡指数， fij表示初始隶属度矩阵， bj表示二值向量。 8.一种基于随机森林模型和模糊聚类的柑橘品质分类系统， 该系统用于执行权利要求 1～7所述的任意一种基于随机森林模型和模糊聚类的柑橘品质分类方法， 其特征在于， 该 系统包括： 数据获取模块、 柑橘品质分类模块以及结果输出模块； 所述数据获取模块用于获取待进行品质分类的柑橘图像， 并将该图像输入到柑橘品质 分类模块中； 所述图像预处理模块用于对待进行品质分类的柑橘图像进行预处理， 该预处理包括对 数据集中每个图像的像素归一化处理， 对归一化后的图像进行特征标准化处理； 对经过特 征标注化的图像进行PCA/ZCA白化处 理； 所述柑橘品质分类模块包括数据预处理模块、 特征提取模块、 随机森林模块以及模糊 聚类模块； 所述数据 预处理模块用于对待进行品质分类的柑橘图像进行预处理， 该预处理包括采 用cvSmooth函数对图像数据集中的图像进行中值滤波处 理， 得到去噪后的图像； 所述特征提取模块用于对去噪后的图像进行特征提取， 该特征提取包括果面色泽特征 参数提取、 果实大小参数提取、 果实形态参数提取以及果 面光滑程度参数提取； 所述随机森林模块用于对特征提取模块提取的特征进行处理， 得到品质分类投票， 并 构建模糊样本； 所述模糊聚类模块用于对 模糊样本进行聚类， 得到柑橘品质分类结果； 所述结果输出模块用于 输出品质分类结果。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行， 以实现权利要求 1至7中任一项基于随机森林模 型和模糊聚类的柑橘品质分类 方法。权　利　要　求　书 2/2 页 3 CN 114692770 A 3