摘要：我国每年的水果产量在全世界名列前茅，但是在国内由于对水果的检测、分类技术缺失，我国水果深加工产品较少。目前我国对于水果的分拣主要是依靠人工来完成，这种分拣方式有一些缺陷，比如人力分拣效率低下，雇佣人力资源比较多等等。这都是人工分拣的隐患。尤其是在2020年的新冠疫情，人力分拣受到了极大的冲击，相反，国内自动化工厂丝毫不受影响。但是在国内的水果分类系统仅仅是停留在理论阶段，因平台要求高，实施性较差，目前尚未有大规模的成品系统出现。

本文针对以上问题，设计了一款能在Windows操作系统上运行的水果分类系统，本文主要研究了水果实时分类算法，并在Windows操作平台上实现。本文使用kaggle的fruit360水果库作为训练样本，提取每类水果的特征点形成独特的训练模型，使用SVM（Support-Vector-Machine，支持向量机）作为水果分类器，然后选定图片测试水果分类。测试结果表明，本水果分类系统成本低，精确度较优，能够达到中小型水果产商的需求。

本文主要完成以下工作：

(1)在Windows操作系统下搭建OpenCV环境。

(2)建立样本库，用于设计分类器，训练水果分类模型。

(3)对自己传入的水果图像进行预处理，然后与训练好的模型比对，并且预测结果。

关键词：水果分类；OpenCV；SVM；机器学习

 

目录

摘要

Abstract

1 绪论-1

1.1 研究背景和意义-1

1.2 国内外对于水果分类的研究-1

1.3 本文内容-1

2 相关技术和运行环境-3

2.1 运行环境-3

2.2 系统的软件平台搭建-3

2.2.1 Code::Blocks-3

2.2.2 OpenCV-3

2.2.3 CMake-3

2.2.4 Python-4

3 支持向量机（SVM）简介-5

3.1 支持向量机的历史-5

3.2 SVM的理论-5

3.3 SVM的应用-6

4 图像采集和预处理-8

4.1 图像采集-8

4.1.1 图像采集的几种常见方法-8

4.1.2 本系统采用的图像采样方式-8

4.2 图像的预处理-9

4.2.1 图像在计算机中的存储方式-9

4.2.2 本文使用的几种图像预处理方式-9

5 分类器的设计思路-11

6 系统设计-13

6.1 系统结构-13

6.2 系统设计以及实现-13

6.2.1 读取训练图像-13

6.2.2 图像预处理-14

6.2.3 特征提取-15

6.2.4 制作数据集-15

6.2.5识别水果-17

结论-18

参考文献-19

致谢-20