水果分揀平臺(tái)的開(kāi)發(fā)設(shè)計(jì)-基于樹(shù)莓派的機(jī)器視覺(jué)開(kāi)發(fā)

北京理工大學(xué)珠海學(xué)院2020屆本科畢業(yè)生設(shè)計(jì)水果分揀平臺(tái)的開(kāi)發(fā)設(shè)計(jì)—基于樹(shù)莓派的機(jī)器視覺(jué)開(kāi)發(fā)摘要我國(guó)作為世界首屈一指的農(nóng)業(yè)產(chǎn)品生產(chǎn)大國(guó)，在國(guó)際農(nóng)業(yè)貿(mào)易市場(chǎng)上的銷售額卻低于美國(guó)、英國(guó)等發(fā)達(dá)國(guó)家。在一段時(shí)間內(nèi)，這令人十分感到困惑，在經(jīng)過(guò)農(nóng)業(yè)與市場(chǎng)的專家學(xué)者調(diào)研后發(fā)現(xiàn)，其背后的原因是，我國(guó)的水果在成熟后，缺乏相應(yīng)配套的批量處理設(shè)施，特別是分揀部分，尚未完全實(shí)現(xiàn)自動(dòng)化流水線作業(yè)。在此領(lǐng)域我國(guó)長(zhǎng)期依賴手工作業(yè)，靠著大量的普通工人來(lái)對(duì)水果進(jìn)行分類。而隨著市場(chǎng)的變化，當(dāng)前的分類要求也越來(lái)越細(xì)致，從傳統(tǒng)的僅僅按照水果類別分類，如今已經(jīng)開(kāi)始按照水果的大小、個(gè)頭、顏色飽和度等更具有個(gè)性化的指標(biāo)來(lái)區(qū)分，這使得針對(duì)農(nóng)業(yè)果類自動(dòng)分揀平臺(tái)顯得日益迫切。結(jié)合當(dāng)前國(guó)內(nèi)外水果分揀的研究現(xiàn)狀，本設(shè)計(jì)實(shí)現(xiàn)了基于樹(shù)莓派機(jī)器的視覺(jué)開(kāi)發(fā)，可以在水果分揀平臺(tái)上得到很好的應(yīng)用。

關(guān)鍵詞：機(jī)器視覺(jué)；水果分揀；分類；樹(shù)莓派DevelopmentandDesignofFruitSortingPlatform—DevelopmentofMachineVisionBasedonRaspberryPiAbstractAbstract:Astheworld'sleadingagriculturalproductioncountry,China'ssalesintheinternationalagriculturaltrademarketarelowerthanthoseintheUnitedStates,Britainandotherdevelopedcountries.Foraperiodoftime,thiswasveryconfusing.Afterinvestigationsbyexpertsandscholarsinagricultureandthemarket,itwasfoundthatthereasonbehinditisthatafterthefruitsofourcountrymature,theylackthecorrespondingbatchprocessingfacilities,especiallythesortingpart.,Hasnotyetfullyrealizedautomatedassemblylineoperations.Inthisfield,Chinahaslongreliedonmanualwork,relyingonalargenumberofordinaryworkerstoclassifyfruits.Withthechangeofthemarket,thecurrentclassificationrequirementsarebecomingmoreandmoredetailed.Fromthetraditionalclassificationbasedonfruitcategories,theyhavestartedtodistinguishaccordingtomorepersonalizedindicatorssuchasthesize,size,andcolorsaturationoffruits.Itmakestheautomaticsortingplatformforagriculturalfruitsappearincreasinglyurgent.Basedonthecurrentresearchstatusoffruitsortingathomeandabroad,thisdesignrealizesthevisualdevelopmentbasedontheRaspberryPimachine,whichcanbewellappliedonthefruitsortingplatformKeywords:Machinevision;Fruitsorting;Classification;Raspberrypie目錄TOC\o"1-2"\u\t"標(biāo)題4,3"1緒論 11.1研究意義及背景 11.2國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì) 21.2.1國(guó)外研究現(xiàn)狀 21.2.2國(guó)內(nèi)研究現(xiàn)狀 21.3本文的主要內(nèi)容與章節(jié)安排 32系統(tǒng)框架設(shè)計(jì) 42.1系統(tǒng)總體設(shè)計(jì) 42.2系統(tǒng)硬件架構(gòu) 52.2.1樹(shù)莓派簡(jiǎn)介 52.2.2攝像頭 72.2.3筆記本計(jì)算機(jī) 92.3系統(tǒng)軟件平臺(tái)的構(gòu)建 102.3.1筆記本計(jì)算機(jī)軟件平臺(tái) 102.3.2樹(shù)莓派軟件平臺(tái) 102.3.3OpenCv概述 112.4本章小結(jié) 123圖像的采集與預(yù)處理 133.1水果圖像的采集 133.2水果圖像的預(yù)處理 143.2.1.圖像灰度化 143.2.2圖像二值化 163.3本章小結(jié) 174水果實(shí)時(shí)分類算法的實(shí)現(xiàn) 184.1水果圖像輪廓提取 184.2水果特征提取 204.3水果實(shí)時(shí)分類算法的設(shè)計(jì) 214.3.1決策樹(shù)算法 224.3.2基于決策樹(shù)的水果實(shí)時(shí)分類算法實(shí)現(xiàn) 224.4本章小結(jié) 245測(cè)試與結(jié)果分析 255.1水果分類功能測(cè)試 255.2水果分類性能測(cè)試 255.3本章小結(jié) 266總結(jié)與展望 276.1總結(jié) 276.2展望 27參考文獻(xiàn) 28致謝 29附錄1 30核心程序代碼 30附錄2 355種水果效果圖 351緒論1.1研究意義及背景我國(guó)一直是世界上水果種植產(chǎn)量排名較前的農(nóng)業(yè)生產(chǎn)大國(guó)，自20世紀(jì)90年代后，由于大面積的化肥的使用我國(guó)的水果收獲量一直處于世界前列。但由于工業(yè)的發(fā)展起步不夠領(lǐng)先，相比于歐洲等老牌工業(yè)國(guó)家我國(guó)的水果成熟后加工技術(shù)，配套的處理技術(shù)，一直處于一個(gè)較低的水平。也正是因?yàn)檫@種原因，一直無(wú)法在國(guó)際貿(mào)易市場(chǎng)獲得優(yōu)異的表現(xiàn)[1]。在2018至2019年，我國(guó)的生鮮蘋(píng)果的出口量就有168萬(wàn)噸，而同比我國(guó)的果實(shí)產(chǎn)量卻遠(yuǎn)高于此，除了部分果實(shí)是直接內(nèi)銷外，還有很多果實(shí)直接成為損耗成本了，因?yàn)槲覈?guó)一直采用人工的采集流水線作業(yè)，對(duì)比國(guó)外的全自動(dòng)機(jī)械化流水線，我國(guó)的果實(shí)產(chǎn)業(yè)競(jìng)爭(zhēng)力落后明顯。在我國(guó)，果實(shí)從田地收獲到包裝出售，每一步均依靠技能成熟的工人手工作業(yè)，即使工人們均接受了一定程度的訓(xùn)練，擁有比較高的效率，但是在分類與打包環(huán)節(jié)，依然耗費(fèi)了大量的生產(chǎn)時(shí)間，這倒是數(shù)量巨大的生鮮果實(shí)腐爛變質(zhì)失去了食用價(jià)值。而隨著人們對(duì)個(gè)人美食生活質(zhì)量的追求，人們購(gòu)買水果除了在原有的種類維度上，還更加關(guān)注色澤、飽和度、尺寸等更加細(xì)分的維度，這些元素的增加，無(wú)疑給人工分類的難度又提升了一個(gè)臺(tái)階，勢(shì)必導(dǎo)致效率進(jìn)一步的下降，收獲果實(shí)的有效產(chǎn)值更加低下。為了改善這種不良的競(jìng)爭(zhēng)情況，我國(guó)一直在把提升果實(shí)產(chǎn)業(yè)的效益，降低損耗作為研究發(fā)展的主要方向。我國(guó)目前已經(jīng)普遍可以購(gòu)買到機(jī)械分類設(shè)備主要是依靠物體的重量來(lái)進(jìn)行分類，顯然，針對(duì)果實(shí)產(chǎn)業(yè)這種需要精細(xì)分類的情況，面對(duì)的問(wèn)題與預(yù)想情況存在較大差距。針對(duì)這種具體的情況，有專家學(xué)者從視覺(jué)研究方向的角度提出，可以以圖像的應(yīng)用處理技術(shù)為理論基礎(chǔ)，將原本應(yīng)用于機(jī)器視覺(jué)領(lǐng)域的圖像識(shí)別技術(shù)，移植應(yīng)用到水果分揀領(lǐng)域，通過(guò)上述理論基礎(chǔ)建立起依靠機(jī)器視覺(jué)的自動(dòng)化果實(shí)分類系統(tǒng)。該系統(tǒng)在一般情況是通過(guò)高清攝像頭作為原始數(shù)據(jù)采集模塊，采集果實(shí)或者其他物件的圖像信息，然后傳送后臺(tái)的實(shí)時(shí)圖像數(shù)據(jù)分析處理模塊，得出原有的圖像信息，將水果的像素分布情況、水果的外形特征數(shù)據(jù)、果皮的顏色飽和度數(shù)值、整體尺寸的大小等高維信息進(jìn)行特征提取與數(shù)據(jù)處理，通過(guò)一定的映射關(guān)系將其轉(zhuǎn)變?yōu)闄C(jī)器可以識(shí)別的數(shù)字化信號(hào)，從而讓機(jī)器可以對(duì)這些圖像有一個(gè)認(rèn)識(shí)分類的前提，在獲取大量特征數(shù)據(jù)后，我們利用高性能的服務(wù)器算力，對(duì)這些特征進(jìn)行下一步的處理，最終使得機(jī)器能自動(dòng)學(xué)習(xí)到某些特征與一類水果的歸屬關(guān)系，從而為一步流水線上的機(jī)械手分揀操作，打下基礎(chǔ)。將前者與機(jī)械手系統(tǒng)聯(lián)合起來(lái)，整個(gè)系統(tǒng)就可以實(shí)現(xiàn)無(wú)人值守的自動(dòng)化操作方式，流水線作業(yè)分揀水果，最大程度的降低收獲果實(shí)的等待出庫(kù)時(shí)間，顯著提高了分揀效率。

國(guó)外已經(jīng)有成熟的分類產(chǎn)品，但是此類設(shè)備進(jìn)口價(jià)格非常昂貴，除了國(guó)內(nèi)的小農(nóng)戶無(wú)法承擔(dān)其價(jià)格外，還存在一旦出現(xiàn)問(wèn)題的時(shí)候，會(huì)面臨無(wú)人維護(hù)的麻煩局面。針對(duì)我國(guó)特有的小農(nóng)戶種植園的農(nóng)產(chǎn)品自動(dòng)化加工的需求，我們?cè)谘芯苛嗽S多專家學(xué)者的論文和調(diào)研了實(shí)際市場(chǎng)情況后，對(duì)水果自動(dòng)識(shí)別系統(tǒng)的研究開(kāi)發(fā)工作，目的是希望能解決我國(guó)小農(nóng)戶種植園的痛點(diǎn)需求，成功設(shè)計(jì)出一款成本相對(duì)低廉，工作環(huán)境耐受度高，且分類效果好，識(shí)別率有一定保障的水果自動(dòng)實(shí)時(shí)分類系統(tǒng)。系統(tǒng)硬件選擇樹(shù)莓派平臺(tái)與樹(shù)莓派匹配的專用攝像頭，結(jié)合本文設(shè)計(jì)的水果實(shí)時(shí)分類算法，實(shí)現(xiàn)多種水果的實(shí)時(shí)分類，系統(tǒng)在完成分類后將結(jié)果通過(guò)USB串口發(fā)送處理數(shù)據(jù)，使用更加統(tǒng)一化的USB口替代老舊的串口，除了可以提高信號(hào)的傳輸穩(wěn)定性外，還可更加方便的適配不用的機(jī)械模塊，便于后續(xù)的直接分類或是更復(fù)雜切割操作。通過(guò)模擬實(shí)驗(yàn)與測(cè)試，本文設(shè)計(jì)的水果分類系統(tǒng)面對(duì)常見(jiàn)的多種水果，能實(shí)現(xiàn)100%識(shí)別的精準(zhǔn)分類。1.2國(guó)內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)機(jī)器視覺(jué)被應(yīng)用的范圍非常之廣，從農(nóng)業(yè)到工業(yè)領(lǐng)域都有很大的應(yīng)用面。正因?yàn)槿绱?，世界上許多國(guó)家與地區(qū)都在此領(lǐng)域投入了巨大的人力與物力進(jìn)行發(fā)展，并實(shí)現(xiàn)了一些成果，總體上來(lái)過(guò)，國(guó)外的老牌工業(yè)國(guó)家在此領(lǐng)域的整體技術(shù)是大幅領(lǐng)先于國(guó)內(nèi)同期的發(fā)展水平。早在20世紀(jì)60年中期，以歐美國(guó)家，特別是美國(guó)為首的高技術(shù)發(fā)達(dá)國(guó)家已經(jīng)開(kāi)始著手這方面的科學(xué)研究，其中美國(guó)學(xué)者羅伯茲在此方面的研究最為深入。因此，發(fā)達(dá)國(guó)家基于機(jī)器視覺(jué)的產(chǎn)業(yè)已經(jīng)發(fā)展得十分完備，他們?cè)诟鞣N復(fù)雜物體的識(shí)別上、機(jī)械部分的聯(lián)動(dòng)上，均有了一段時(shí)間的成熟應(yīng)用。國(guó)外廠商推出的基于機(jī)器視覺(jué)的分揀系統(tǒng)具有噪音小、功耗低、機(jī)械手操作精準(zhǔn)、物體識(shí)別精度高等優(yōu)勢(shì)，而同期國(guó)內(nèi)的發(fā)展，仍處于研究發(fā)展初期，與頂尖的國(guó)際水準(zhǔn)仍持有的不可忽視的差距，其主要難點(diǎn)在于，視覺(jué)模塊的識(shí)別精度不夠高，對(duì)圖像的處理算法不夠先進(jìn)。所以我們機(jī)器視覺(jué)上的研究，對(duì)推進(jìn)機(jī)器視覺(jué)的分揀技術(shù)的發(fā)展很有意義。1.2.1國(guó)外研究現(xiàn)狀目前，國(guó)外對(duì)機(jī)器視覺(jué)的研究現(xiàn)狀已經(jīng)逐步從實(shí)驗(yàn)理論走向了工廠實(shí)踐，他們已經(jīng)有了非常多的型號(hào)的成熟產(chǎn)品。其實(shí)以美國(guó)、日本、意大利為第一批隊(duì)。例如英國(guó)的基恩士廠商，其機(jī)器視覺(jué)的實(shí)現(xiàn)不僅依賴于傳統(tǒng)的圖像識(shí)別，還增加光電感應(yīng)與近距離接觸感應(yīng)，其銷售產(chǎn)品遍布全球。意大利愛(ài)樂(lè)備公司推出的基于三維視覺(jué)的機(jī)械手臂同樣具有非常高的技術(shù)水平，能夠?qū)崿F(xiàn)的全方位多角度的物料獲取，在國(guó)際上屬于領(lǐng)先水平，可以規(guī)劃完成復(fù)雜多樣的取件操作。，美國(guó)的康耐視公司更是機(jī)械領(lǐng)域的頭部公司，公司旗下的視覺(jué)識(shí)別部門，專攻用于實(shí)現(xiàn)高精度、低誤差的分類視覺(jué)系統(tǒng)。1.2.2國(guó)內(nèi)研究現(xiàn)狀由于我國(guó)的步入工業(yè)時(shí)代比較晚，早期時(shí)候，我國(guó)的生產(chǎn)力主要以模仿制造為主，故在機(jī)器視覺(jué)技術(shù)上投入比例不大，研究的起步時(shí)間比較晚，相比于國(guó)外的情況，我國(guó)由于受一些歷史局限性的影響，在此領(lǐng)域起步較晚，直到20世紀(jì)90年代才開(kāi)始在這個(gè)領(lǐng)域投入資金與人力進(jìn)行研究。而在研究初期，絕大部門研究單位主要集中在一流高校的實(shí)驗(yàn)室，其中主要以哈爾濱工業(yè)大學(xué)為首，后期開(kāi)始才逐步將技術(shù)應(yīng)用到民營(yíng)企業(yè)。最近幾年，我國(guó)在此領(lǐng)域小有成就的公司開(kāi)始慢慢多了起來(lái)，例如深圳的慧眼機(jī)械公司、東莞的名賽機(jī)器人公司等。1.3本文的主要內(nèi)容與章節(jié)安排 本文設(shè)計(jì)利用樹(shù)莓派與搭載的攝像頭器件，構(gòu)建基于樹(shù)莓派的機(jī)器視覺(jué)開(kāi)發(fā)平臺(tái)。其主要內(nèi)容是，對(duì)原始圖片要進(jìn)行合理的預(yù)處理，否則原始輸入的數(shù)據(jù)量過(guò)大會(huì)導(dǎo)致樹(shù)莓派過(guò)熱死機(jī)，也會(huì)導(dǎo)致分類的速度過(guò)慢。然后在不失真的前提下盡量降低原始數(shù)據(jù)量，不能因?yàn)檫^(guò)度壓縮數(shù)據(jù)而使得圖片失真，要在預(yù)處理的圖片選取具有足夠代表性的特征維度，利用決策樹(shù)算法能準(zhǔn)確的分類識(shí)別水果種類，最后是重復(fù)第二步驟，反復(fù)嘗試選擇不同的特征，最終調(diào)整出最優(yōu)的水果分類算法。 本文共六章，各章節(jié)安排如下：第一章，緒論。從收集的資料與實(shí)際背景出發(fā)，結(jié)合我國(guó)當(dāng)前針對(duì)小戶農(nóng)村的果實(shí)分類系統(tǒng)發(fā)展現(xiàn)狀，從實(shí)際需求角度闡述了本次設(shè)計(jì)的必要性。第二章，系統(tǒng)的總體架構(gòu)設(shè)計(jì)。本章主要從完整的系統(tǒng)角度出發(fā)，闡述總體的框架設(shè)計(jì)思路，并自頂向下逐一對(duì)各單元內(nèi)容進(jìn)行說(shuō)明。結(jié)合理論指標(biāo)與實(shí)際需求，在盡量控制成本的情況下，確定最合適的實(shí)現(xiàn)方案。第三章，圖像的采集與處理，對(duì)水果圖像原始數(shù)據(jù)的預(yù)處理。本章根據(jù)不同種類的水果，提取不同的關(guān)鍵特征，并對(duì)原始圖像數(shù)據(jù)進(jìn)行降維。第四章，實(shí)時(shí)分類算法的實(shí)現(xiàn)。本章對(duì)預(yù)處理后的水果圖像，輸入到預(yù)先設(shè)定的訓(xùn)練模型，其主要算法是基于決策樹(shù)改良而來(lái)的分類算法，通過(guò)調(diào)整超參數(shù)、優(yōu)化輸出情況，避免過(guò)擬合，實(shí)現(xiàn)高效的水果實(shí)時(shí)分類系統(tǒng)。第五章，測(cè)試與結(jié)果分析。本章對(duì)水果分類系統(tǒng)的實(shí)時(shí)性能與效率性能進(jìn)行壓力測(cè)試，數(shù)據(jù)來(lái)源為前期采集的數(shù)據(jù)，選出一部分原始采樣數(shù)據(jù)作為測(cè)試數(shù)據(jù)，分析其最終實(shí)現(xiàn)的結(jié)果。第六章，總結(jié)與展望。本章本次設(shè)計(jì)論文的最終章，包含著對(duì)本次設(shè)計(jì)的系統(tǒng)性回顧，是對(duì)整個(gè)系統(tǒng)設(shè)計(jì)的一次重新學(xué)習(xí)，分析欠缺的地方并結(jié)合當(dāng)下前沿科技，提出展望。2系統(tǒng)框架設(shè)計(jì)針對(duì)小型農(nóng)戶的在水果加工銷售環(huán)節(jié)中的分類需求，本文設(shè)計(jì)并實(shí)現(xiàn)了基于樹(shù)莓派的視覺(jué)識(shí)別分類系統(tǒng)。本章根據(jù)所選水果的具體情況，簡(jiǎn)述系統(tǒng)各模塊的實(shí)現(xiàn)方法，設(shè)計(jì)樹(shù)莓派的程序算法，并選擇合適的器件型號(hào)，開(kāi)發(fā)所用的輔助工作軟件與筆記本系統(tǒng)操作平臺(tái)，進(jìn)行實(shí)際調(diào)配后，完成整個(gè)系統(tǒng)開(kāi)發(fā)軟件平臺(tái)的基礎(chǔ)搭建。2.1系統(tǒng)總體設(shè)計(jì) 水果分類系統(tǒng)主要用于將需要分類的水果進(jìn)行實(shí)時(shí)的檢測(cè)識(shí)別，先通過(guò)前端的數(shù)據(jù)采集模塊獲取原始信息，然后依托于優(yōu)化過(guò)的實(shí)時(shí)分類算法，匹配原始圖像信息與水果的實(shí)際種類，最終將系統(tǒng)分類完成的結(jié)果數(shù)據(jù)，以有線連接-USB輸出到上位機(jī)的接收系統(tǒng)，以執(zhí)行下一步的操作。系統(tǒng)主要分為三個(gè)模塊，分別是圖像采集與預(yù)處理模塊、算法部分-水果分類識(shí)別模塊、輸出部分-分類結(jié)果輸出模塊。系統(tǒng)的整體設(shè)計(jì)框架如圖2.1所示。圖2.1系統(tǒng)總體設(shè)計(jì)架構(gòu) 其中圖像采集與預(yù)處理模塊的工作是利用高清攝像機(jī)直接獲取原始圖片，它們是系統(tǒng)測(cè)試用例與訓(xùn)練用例數(shù)據(jù)的來(lái)源，還有包含有圖像數(shù)據(jù)作初步的預(yù)處理，通過(guò)一些簡(jiǎn)單的內(nèi)置成熟的模塊算法，初步對(duì)圖片進(jìn)行一些處理以降低后續(xù)樹(shù)莓派的硬件運(yùn)算壓力，包括對(duì)原始圖片進(jìn)行輪廓檢測(cè)、對(duì)原始圖像數(shù)據(jù)進(jìn)行降維。目的是減少輸入的數(shù)據(jù)量，降低后端的負(fù)載，提升效率。第二部分-分類識(shí)別模塊，這部分是本系統(tǒng)的核心模塊。本文設(shè)計(jì)準(zhǔn)備的分類算法的核心思想是決策樹(shù)算法，該算法性能穩(wěn)定，分類效率高，且編寫(xiě)簡(jiǎn)單，十分適合本次設(shè)計(jì)。首先我們通過(guò)學(xué)習(xí)決策樹(shù)的理論知識(shí)，然后根據(jù)本設(shè)計(jì)的實(shí)際需求，進(jìn)行改進(jìn)出適合本次的設(shè)計(jì)的算法，其主要功能是接受前一模塊預(yù)處理過(guò)的數(shù)據(jù)[2]。利用特征工程，分析處理出每類水果的典型特征，并提出特征，最后通過(guò)分類算法進(jìn)行分類，并將分類結(jié)果輸出。2.2系統(tǒng)硬件架構(gòu)系統(tǒng)選用高性能的嵌入式設(shè)備樹(shù)莓派(RaspberryPi3)作為數(shù)據(jù)處理平臺(tái)，圖像采集功能，通過(guò)其配套的RASPBERRYPICAMERAV2攝像頭實(shí)現(xiàn)，另外惠普筆記本一臺(tái)，用于編寫(xiě)程序，調(diào)試算法。系統(tǒng)硬件整體架構(gòu)如圖2.2所示。 圖2.2系統(tǒng)硬件整體架構(gòu)示意圖2.2.1樹(shù)莓派簡(jiǎn)介本系統(tǒng)使用的微處理器硬件開(kāi)發(fā)平臺(tái)為樹(shù)莓派（A3+），其實(shí)物如圖2.3.所示。截止到2020年，樹(shù)莓派迭代已經(jīng)超過(guò)四代，目前最新的型號(hào)為樹(shù)莓派4，但是綜合成本與需求考慮，本次設(shè)計(jì)最終選定為樹(shù)莓派A3+。 圖2.3樹(shù)莓派A3+實(shí)物圖本次選型的樹(shù)莓派A3+，是樹(shù)莓派基金會(huì)在2018第四季度發(fā)布，其尺寸是標(biāo)準(zhǔn)的樹(shù)莓派A+尺寸，面積小巧，重量輕便。它繼承了3代的雙頻2.4GHz和5GHz高速無(wú)線網(wǎng)絡(luò)，同時(shí)藍(lán)牙固件升級(jí)至低功耗的4.2版本，最重要的是，其處理器性有了更進(jìn)一步的提升，擁有一枚主頻為1.4GHz的四核處理器，并且引入焊鉗工藝，增強(qiáng)了散熱管理能力，相對(duì)于上一代，能長(zhǎng)時(shí)間的穩(wěn)定在峰值功率，持續(xù)輸出強(qiáng)大的運(yùn)算能力，使得我們的實(shí)時(shí)算法運(yùn)行更加穩(wěn)定。其主要性能參數(shù)如圖2.4所示。圖2.4樹(shù)莓派性能參數(shù)2.2.2攝像頭本系統(tǒng)選用的攝像頭模塊為樹(shù)莓派的專用攝像頭模塊（RPC-V2），其實(shí)物如圖2.4所示。目前攝像頭技術(shù)已經(jīng)發(fā)展得十分成熟，市面擁有多種性能優(yōu)越、價(jià)格低廉的攝像頭，但是不一定與本系統(tǒng)兼容，故綜合考量，最終攝像頭選型為樹(shù)莓派的專用攝像頭（RPC-V2）。圖2.4樹(shù)莓派專用攝像頭實(shí)物圖該攝像頭的感光元件采用索尼IMX219，支持最高分辨率為3280×2464，支持最大的捕獲幀率為30fps。相比于一代的攝像頭，二代主要解決了失焦與延時(shí)的問(wèn)題，新增了自動(dòng)對(duì)焦功能。其具體的性能參數(shù)如圖2.5所示。圖2.5攝像頭性能參數(shù)圖2.2.3筆記本計(jì)算機(jī)本系統(tǒng)中的實(shí)時(shí)分類算法，其具體的編寫(xiě)工作主要在計(jì)算機(jī)平臺(tái)上完成，其具體性能參數(shù)如圖2.6所示。圖2.6計(jì)算機(jī)性能參數(shù)圖2.3系統(tǒng)軟件平臺(tái)的構(gòu)建由于本設(shè)計(jì)中包含了嵌入式硬件，故系統(tǒng)平臺(tái)需要在Windos與Linux上做一些交互。針對(duì)不同的硬件，需要安裝不同的軟件系統(tǒng)，以便完成所需的工作。2.3.1筆記本計(jì)算機(jī)軟件平臺(tái) 需要在筆記本上安裝windows系統(tǒng)，以及開(kāi)發(fā)軟件Pycharm。它一款商業(yè)軟件，為了避免使用盜版軟件的不良現(xiàn)象出現(xiàn)，我們可使用它的免費(fèi)社區(qū)版，雖然后者功能較于前者功能減少一些，但是核心功能均可正常使用，可以滿足本文設(shè)計(jì)的程序設(shè)計(jì)部分的需求。軟件安裝如圖2.7所示。圖2.7Pycharm啟動(dòng)圖2.3.2樹(shù)莓派軟件平臺(tái) 樹(shù)莓派需要安裝專用的系統(tǒng)，其官方系統(tǒng)Raspberry，其安裝方法如圖2.8所示。 圖2.8樹(shù)莓派系統(tǒng)安裝方法圖2.3.3OpenCv概述OpenCV是一個(gè)用BSD協(xié)議開(kāi)發(fā)源代碼的計(jì)算機(jī)視覺(jué)庫(kù)[3]，它起初是美國(guó)因特爾公司開(kāi)發(fā)，截止到如今已有20多年的歷史，在實(shí)時(shí)分類與圖像處理，有著十分廣發(fā)的用途?，F(xiàn)在由美國(guó)WG提供主要支持。該庫(kù)支持多種平臺(tái)，故本系統(tǒng)的實(shí)時(shí)分類算法主要也依托于它來(lái)完成，其版本分發(fā)情況如圖2.9所示。圖2.9OpevCv版本分發(fā)圖2.4本章小結(jié)針對(duì)小農(nóng)用戶對(duì)水果分類的實(shí)際需求，對(duì)應(yīng)設(shè)計(jì)了嵌入式水果自動(dòng)分類系統(tǒng)。本章完成了對(duì)整體系統(tǒng)進(jìn)行了總體框架設(shè)計(jì)的敘述。包括從硬件選型的理由，出于出于性能和功耗綜合考慮，我們選擇嵌入式處理器選擇樹(shù)莓派（A3+），攝像頭采用樹(shù)莓派專用攝像頭，將它們作為本設(shè)計(jì)系統(tǒng)的軟件運(yùn)行平臺(tái)載體。從開(kāi)發(fā)程序的平臺(tái)軟件上，針對(duì)不同的設(shè)備安裝了不同的系統(tǒng)平臺(tái)，并配置程序的開(kāi)發(fā)編譯環(huán)境與所需的圖像識(shí)別庫(kù)，以完成開(kāi)發(fā)平臺(tái)的搭建，最后是分類算法，雖然當(dāng)下深度學(xué)習(xí)技術(shù)非?；馃幔谏疃葘W(xué)習(xí)的圖像分類技術(shù)也是研究的熱點(diǎn)，但是綜合本次設(shè)計(jì)的分類需求與分類算法開(kāi)發(fā)難度，本此設(shè)計(jì)最終選用較為傳統(tǒng)的決策樹(shù)分類算法，在其基礎(chǔ)上改造出本次設(shè)計(jì)所需的水果分類算法。

3圖像的采集與預(yù)處理本章選取生活中常見(jiàn)的5種水果作為本設(shè)計(jì)的研究對(duì)象，首先需要采集一定量的樣本圖片，然后對(duì)其進(jìn)行預(yù)處理。為了提取有效的水果圖像數(shù)據(jù)特征與降低分類系統(tǒng)的運(yùn)算壓力，需要把彩色樣本圖片變成灰度圖片，再二值化[4]3.1水果圖像的采集 水果圖像的采集工作通過(guò)樹(shù)莓派專用攝像頭完成。該攝像頭的性能參數(shù)，例如分辨率、傳感器尺寸已在上文介紹。一個(gè)分類系統(tǒng)的最終建模好壞程度，不僅和算法本身的邏輯處理方式有關(guān)，更重要的是前期的訓(xùn)練數(shù)據(jù)的質(zhì)量會(huì)直接影響分類器能優(yōu)化的最后精度。故水果圖像的采集是本文中重要的一步。一個(gè)好的圖像采集需要性能優(yōu)異的攝像頭與合適的環(huán)境光裝置。環(huán)境采光裝置是攝像頭采集原始圖像的前設(shè)條件，優(yōu)秀的采光方案會(huì)讓最后的訓(xùn)練數(shù)據(jù)也十分優(yōu)秀，從而使得分類器的訓(xùn)練過(guò)程變得十分順利。相反若是沒(méi)有設(shè)置環(huán)境光裝置，直接在沒(méi)有人為干預(yù)的自然光環(huán)境下直接拍攝圖像，可能會(huì)使得部分圖像過(guò)曝或者失真，更加難以讓人處理的是圖像中可能存在部分肉眼難以識(shí)別的偏色，這會(huì)直接影響后續(xù)的灰度和二值化處理，尤其是對(duì)水果的輪廓處理。好的光源應(yīng)該滿足一下幾點(diǎn)，第一是照明的流明度足夠，足夠的亮度才能保證攝像頭的傳感器能捕捉到足夠的細(xì)節(jié)，第二是照明的均勻度要有保證，由于本設(shè)計(jì)的圖像都要進(jìn)行灰度處理，顏色不均會(huì)使得灰度化變得模糊不均，第三是照明系統(tǒng)要有良好的散熱模組，以主動(dòng)散熱最佳，因?yàn)楸驹O(shè)計(jì)需要拍攝大量的照片，照明系統(tǒng)長(zhǎng)時(shí)間在滿額功率下輸出，這會(huì)使得照片系統(tǒng)溫度非常高，故必須配備散熱模組。綜合上述條件考慮，本次設(shè)計(jì)決定選擇工業(yè)級(jí)的LED燈，并通過(guò)自己的手工改良在其后面板上裝配主動(dòng)式的風(fēng)扇模組。本文實(shí)驗(yàn)所選擇是水果是市場(chǎng)非常常見(jiàn)的5種水果，分別為：蘋(píng)果、香蕉、草莓、葡萄、西瓜。對(duì)其中的每張水果均采樣100張，合計(jì)500組，將這些水果圖像參數(shù)組成訓(xùn)練數(shù)據(jù)集，用于后續(xù)的基于決策樹(shù)的實(shí)時(shí)水果分類算法的實(shí)現(xiàn)與測(cè)試。5種水果實(shí)物如圖3.1所示。圖3.1水果實(shí)物圖3.2水果圖像的預(yù)處理經(jīng)過(guò)樹(shù)莓派專用攝像頭直接拍攝的圖片，其原始圖片包含的數(shù)據(jù)量十分巨大，每張圖片的體積達(dá)到10余兆，且每張圖片均為彩色圖片，由于本文設(shè)計(jì)所編寫(xiě)的程序并沒(méi)有關(guān)于顏色分量的處理，所以原始圖片中的彩色信息對(duì)于本次分類識(shí)別的結(jié)果是完全沒(méi)有影響的，但是處理彩色照片會(huì)比處理黑白照片消耗更多的處理器資源，對(duì)我們的圖片數(shù)據(jù)處理會(huì)帶來(lái)十分巨大的壓力。更重要的是本文設(shè)計(jì)所選用的算法是基于決策樹(shù)的分類算法，與目前市場(chǎng)上火熱的深度學(xué)習(xí)算法不同，本文選用的算法不存在隱藏的參數(shù)模型，無(wú)法自動(dòng)的從圖像中提取數(shù)據(jù)，如果直接輸入原始圖像到分類系統(tǒng)中是無(wú)法順利完成模型訓(xùn)練的，我們先對(duì)圖像進(jìn)行一定的預(yù)處理，通過(guò)一些前置手段將原本包含許多信息內(nèi)容的原始圖像，變化成只帶有明顯特征的圖像，這樣分類算法就可以根據(jù)這些特征來(lái)時(shí)識(shí)別水果的種類。另外由于本設(shè)計(jì)采用的嵌入式處理平臺(tái)，即使我們換用更加性能優(yōu)異的算法，但是面對(duì)如此龐大的數(shù)據(jù)，如果直接輸入模型訓(xùn)練，會(huì)導(dǎo)致訓(xùn)練時(shí)間異常久，且機(jī)器存在宕機(jī)的風(fēng)險(xiǎn)。最后就是圖像的采集并不是一個(gè)嚴(yán)格的標(biāo)準(zhǔn)化流程，盡管我們額外配置了環(huán)境光源，選擇了最合適的攝像頭傳感器，但是仍然無(wú)法避免每張圖像都是一張合格的圖像，如果拍攝的同類水果圖像特征差異過(guò)大或者不同類的水果的差異特征不足，均導(dǎo)致分類失敗。為了避免上述這些異常情況的出現(xiàn)，我們需要對(duì)攝像頭直接采集的高清原始圖片進(jìn)行一定的降維[5]本文采用的方法主要是圖像灰度化、圖像二值化。3.2.1.圖像灰度化圖像灰度化，即將原本的包含彩色信息的圖片轉(zhuǎn)成僅包含亮度信息的圖片。該操作的目的是簡(jiǎn)化原始圖像所包含的信息，灰度變換可以主動(dòng)性的將圖像中需要關(guān)注的地方進(jìn)行著重色彩，而對(duì)不需要的特征進(jìn)行抑制，使得經(jīng)過(guò)處理后的圖像與人眼看上去的特征關(guān)注處對(duì)應(yīng)。我們把這種圖像數(shù)據(jù)的轉(zhuǎn)換過(guò)程被稱為圖像灰度化[6]色圖片經(jīng)過(guò)灰度化后，圖像包含的信息會(huì)顯著壓縮，但是原有的特征不會(huì)消失，這樣既可以不影響后續(xù)的分類訓(xùn)練，又可以提高訓(xùn)練效率。本文中對(duì)彩色圖片進(jìn)行灰度轉(zhuǎn)換的流程如圖3.2所示。圖3.2圖像灰度化流程圖可以從上述的流程圖看到，我們?cè)紨z像機(jī)拍攝的圖像為彩色圖像，也可以成為RGB圖像，其紅色、綠色、藍(lán)色，三通道的信息數(shù)據(jù)是完成的，正是紅綠藍(lán)這三種原色的組合，才使得我們能看到不用的彩色?；叶然奶幚磉壿嬍?，首先對(duì)每張相片以左上頂點(diǎn)為原點(diǎn)，建立直角坐標(biāo)系，然后自上到下，從左到右，依次處理每一個(gè)像素點(diǎn)，將原有的紅綠藍(lán)三通道的飽和值，分別乘以0.3、0.59、0.11的系數(shù)，這實(shí)質(zhì)就是降低了每一層顏色通道的飽和度，從視覺(jué)觀看的感覺(jué)就是，圖片失去了顏色變成灰色的一片，故我們將這個(gè)變化過(guò)程稱為灰度化。因?yàn)閷?duì)原始彩色圖像直接進(jìn)行圖像處理的時(shí)候，計(jì)算機(jī)程序需要對(duì)每一層通道到數(shù)據(jù)依次處理，這樣會(huì)到導(dǎo)致系統(tǒng)的運(yùn)行速度緩慢，而且我們編寫(xiě)的程序沒(méi)有針對(duì)顏色分量的處理程序，所以即使對(duì)每一層的通道信息進(jìn)行了識(shí)別也不會(huì)對(duì)分類的精度有任何提高，只會(huì)徒增性能開(kāi)銷且額外增加系統(tǒng)負(fù)載，故灰度化圖片是本次設(shè)計(jì)中一個(gè)不可缺少的部分，而是后續(xù)進(jìn)行其他處理的必須操作。

3.2.2圖像二值化 圖像二值化，即將圖像中像素點(diǎn)的灰度值設(shè)置成0或者255。經(jīng)過(guò)二值化轉(zhuǎn)變后圖像將變得黑白分明，其圖像灰度信息只包含亮或不亮兩種信息，類似比特信息里的0和1，作此種變換的目的是，更進(jìn)一步的壓縮圖像體積，為后續(xù)的模型訓(xùn)練作預(yù)備，同時(shí)經(jīng)過(guò)這種變換后的圖像，其特征表現(xiàn)也會(huì)增強(qiáng)，便于提高模型的訓(xùn)練效率。針對(duì)全彩圖像的灰度化處理方法有三種，一是最大數(shù)值法、二是通道分量法、三是均通平均法。 圖像二值化的流程如圖3.4所示。圖3.3圖像二值化流程圖

本文灰度化的處理流程如上，首先是設(shè)定好灰度閾值，綜合本文采集圖像的現(xiàn)場(chǎng)光源條件，本次閾值設(shè)置為150，然后掃描原始圖像的文件夾，將每一張超過(guò)閾值的圖像進(jìn)行處理，將其大于150的部分直接上升道255即純黑，將低于閾值的部分全部置零處理。將所有的采集圖片處理完成后再進(jìn)行二值化處理，最終預(yù)處理后圖像如圖3.4所示。圖3.4灰度圖片二值化3.3本章小結(jié)本章主要介紹了圖像的采集與預(yù)處理，其中圖像采集需要做到保證采集的同類圖片盡可能做到特征一致，不要產(chǎn)生較大的偏差，需要在合適的環(huán)境光照條件下完成圖片的采集工作。預(yù)處理是為后面分類算法的實(shí)現(xiàn)準(zhǔn)備的，因?yàn)樵诒敬卧O(shè)計(jì)所選擇硬件不具備處理完整彩色圖像的能力，故我們需要提前對(duì)原始圖像進(jìn)行預(yù)處理，提前抽取出特征便于分類訓(xùn)練。最后我們選取5種常見(jiàn)的水果，通過(guò)樹(shù)莓派的專用攝像頭批量采集原始圖片，然后對(duì)原始圖像進(jìn)行預(yù)處理，在經(jīng)過(guò)圖像灰度變幻、二值化處理后，構(gòu)成原始訓(xùn)練集。

4水果實(shí)時(shí)分類算法的實(shí)現(xiàn)本章將經(jīng)過(guò)預(yù)處理后的圖像，進(jìn)行簡(jiǎn)單歸并處理，利用濾波算法去除一些噪點(diǎn)數(shù)據(jù)，便于下一步完成特征提取的工作。對(duì)經(jīng)過(guò)預(yù)處理后數(shù)據(jù)再次選取特征，從而得到具有一定區(qū)分度的特征數(shù)據(jù)后，經(jīng)過(guò)數(shù)學(xué)歸一化處理，最終完成分類算法的編寫(xiě)。先在X86平臺(tái)上模擬測(cè)試一些數(shù)據(jù)，待確定模型算法無(wú)異常后，將并移植到linux開(kāi)發(fā)平臺(tái)-樹(shù)莓派硬件，最終從而實(shí)現(xiàn)水果實(shí)時(shí)分類算法的實(shí)現(xiàn)[7]其主要流程如圖4.1所示。4.1分類算法實(shí)現(xiàn)流程圖4.1水果圖像輪廓提取 進(jìn)行預(yù)處理后的圖像，雖然顏色信息減少了，但是圖像整體尺寸仍然很大，故需要圖像進(jìn)行水果輪廓提取，在水果提取之前需要對(duì)圖像進(jìn)行去噪處理。 在通過(guò)攝像頭獲取圖像的過(guò)程中，可能由于光線變化或者其他一些不可預(yù)知的因素導(dǎo)致圖像會(huì)帶有一些噪點(diǎn)，這些噪點(diǎn)數(shù)據(jù)會(huì)直接影響最后的分類效果，故我們需要提前對(duì)這些噪點(diǎn)數(shù)據(jù)進(jìn)行預(yù)處理。 水果輪廓的提取可以分為兩個(gè)步驟，第一個(gè)步驟是水果邊緣的提取，第二步驟是在前者的基礎(chǔ)上，進(jìn)行輪廓的切割，提取出有效的黑色區(qū)域，去除白色的背景區(qū)域，以達(dá)到將近一步壓縮輸入圖像信息量的目的。 在OpenCV3.1，我們使用cvCanny函數(shù)，對(duì)圖像進(jìn)行第一步驟的操作，完成邊緣切割，再利用cvFindContours函數(shù)[8]，完成第二部分，水果輪廓的提取操作，其水果邊緣切割與輪廓提取流程如圖4.2所示。圖4.2水果邊緣與輪廓處理流程圖 對(duì)水果輪廓的提取工作，可以分為以下3個(gè)步驟，第一是檢測(cè)出可能得范圍，第二是將其數(shù)據(jù)存入緩存，遍歷循環(huán)，第三是設(shè)定對(duì)應(yīng)的規(guī)則。對(duì)于所有的數(shù)據(jù)，均重復(fù)著三個(gè)步驟，直到所有數(shù)據(jù)被遍歷判斷完成，輪廓提取的重點(diǎn)代碼如圖4.3所示。圖4.3水果輪廓提取重點(diǎn)代碼圖4.2水果特征提取 圖像特征指原屬圖像數(shù)據(jù)的一部分具有代表性的數(shù)據(jù)，其特點(diǎn)是帶有明顯的個(gè)體標(biāo)識(shí)性能，能通過(guò)此局部的信息，推測(cè)出原有的主體全部圖像。圖像的特征具有很多，例如顏色、大小、設(shè)備拍攝信息、甚至包括地點(diǎn)記錄信息，其中常用于圖像分類的特征有：尺寸大小、空間形狀與色彩信息[9]。 選取越多的分類特征，就使得分類效果更好，但綜合本設(shè)計(jì)考慮，選擇過(guò)多的分類特征，也會(huì)導(dǎo)致處理器運(yùn)算的負(fù)載增大，算法的復(fù)雜度升高。本次設(shè)計(jì)所選取的5種水果，其拍攝地點(diǎn)均為實(shí)驗(yàn)室，且使用同一設(shè)備拍攝，除了顏色特征有差異外，其形狀也具有較大差異，故綜合性能與效率考慮，本設(shè)計(jì)擬選取圖像的輪廓面積特征，其具體參數(shù)包含面積、周長(zhǎng)和曲直度。面積特征面積特征通常指經(jīng)過(guò)一定的處理后圖像，其實(shí)際包含有效信息的面積區(qū)域。在本文設(shè)計(jì)中主要是圖像中實(shí)際為水果本身那部分圖像，由于我們?cè)谇半A段的已經(jīng)提取出輪廓的基礎(chǔ)上，可直接調(diào)用CvContourArea獲取有效的輪廓面積信息，該函數(shù)返回為一個(gè)精度16位的浮點(diǎn)數(shù)，經(jīng)過(guò)格式化后可以直接輸入模型計(jì)算。周長(zhǎng)特征周長(zhǎng)數(shù)據(jù)為數(shù)據(jù)預(yù)處理階段獲得為上階段獲取的水果輪廓的周長(zhǎng)，可直接調(diào)用cvarcLength函數(shù)獲得，該函數(shù)同樣返回為一個(gè)精度16位的浮點(diǎn)數(shù)，經(jīng)過(guò)格式化后可以直接輸入模型計(jì)算。曲直度特征通過(guò)下方的公式圖可以看出，曲直度主要描述圖像與正圓行之間的差距，其計(jì)算方法如式4.4所示：式4.4曲直度計(jì)算公式由公式可知，在同等情況下，如果輪廓邊緣越趨向圓形，則周長(zhǎng)也越短，曲直度C值，趨向1。反之，若輪廓邊緣為不規(guī)則形狀，其曲直度C值也增大?；诖斯?，我們用實(shí)際曲直度與圓形曲直度1的距離，可刻畫(huà)曲直度參數(shù)。4.3水果實(shí)時(shí)分類算法的設(shè)計(jì) 圖像的分類算法是當(dāng)下的熱點(diǎn)研究領(lǐng)域，從早期的機(jī)器學(xué)習(xí)分類算法到如今的基于深度學(xué)習(xí)的三維卷積神經(jīng)網(wǎng)絡(luò)（CNN）分類算法[10]。由于深度學(xué)習(xí)目前的應(yīng)用領(lǐng)域?yàn)閺?fù)雜的圖像分類領(lǐng)域，其需要的計(jì)算性能也極其龐大，需要使用專用的圖像計(jì)算卡（TPU）實(shí)現(xiàn)。而機(jī)器學(xué)習(xí)領(lǐng)域，常用的分類算法有：決策樹(shù)、遺傳算法、K近領(lǐng)算法、支持向量機(jī)、樸樹(shù)貝葉斯等算法。其中決策樹(shù)算法是一種經(jīng)典多分類算法，其實(shí)現(xiàn)邏輯可以抽象多層條件判斷，在程序?qū)崿F(xiàn)上也比較容易實(shí)現(xiàn)，其分類算法的智能程度可能沒(méi)有基于深度學(xué)習(xí)的算法高，但是分類精度也滿足本次設(shè)計(jì)的需求，故綜合考慮本次設(shè)計(jì)選擇該算法作為基礎(chǔ)算法。特別是其基礎(chǔ)理論較為清晰，實(shí)現(xiàn)步驟簡(jiǎn)單明了，更適合特征明顯的簡(jiǎn)單圖片分類情況。本設(shè)計(jì)以決策樹(shù)算法為基礎(chǔ)，設(shè)計(jì)水果的實(shí)時(shí)分類算法。4.3.1決策樹(shù)算法 該算法最早產(chǎn)生于上世紀(jì)60年代末期，其主要思想利用歸納算法生成一系列可讀的規(guī)則，然后構(gòu)建一棵樹(shù)形結(jié)構(gòu)的分類模型，該模型即為決策樹(shù)分類模型。生成一棵決策樹(shù)，需要先將所有原始數(shù)據(jù)提出具有代表性的特征數(shù)據(jù)，并將原始數(shù)據(jù)集按照一定比例劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，為避免出現(xiàn)過(guò)擬合的現(xiàn)象，需要多次反復(fù)調(diào)整參數(shù)，直至獲得最優(yōu)模型。圖4.5為一棵簡(jiǎn)單的決策樹(shù)。圖4.5簡(jiǎn)單決策樹(shù)模型4.3.2基于決策樹(shù)的水果實(shí)時(shí)分類算法實(shí)現(xiàn)根據(jù)本系統(tǒng)實(shí)時(shí)性的需求，本設(shè)計(jì)以具有高效分類效果、低算法復(fù)雜度的決策樹(shù)模型為基礎(chǔ)，設(shè)計(jì)水果實(shí)時(shí)分類算法。算法的主要思想如下：基于本文提取的三個(gè)特征參數(shù)，面積、周長(zhǎng)、曲直度來(lái)實(shí)現(xiàn)分類需求把每種水果對(duì)應(yīng)的特征參數(shù)劃分成樹(shù)形結(jié)構(gòu)逐一調(diào)整每一個(gè)特征參數(shù)的判斷閾值，劃分結(jié)果選取最優(yōu)參數(shù)，依次類推，劃分當(dāng)所有參數(shù)均調(diào)整最優(yōu)，完成建模 本設(shè)計(jì)使用WEKA軟件完成算法模型的構(gòu)建，其算法語(yǔ)言用Python實(shí)現(xiàn)，數(shù)據(jù)緩存采用Redis，樣本訓(xùn)練集存在MongoDB數(shù)據(jù)中。其中的每張水果均采樣100張，合計(jì)500組。 其中Instance模塊用于樣本訓(xùn)練集，模型前期所需的樣本訓(xùn)練數(shù)據(jù)均從此模塊抽，Classifier模塊是WEKA軟件自帶的原生分類器，它是一個(gè)不帶有任何特性的分類器學(xué)習(xí)框架，類似計(jì)算機(jī)網(wǎng)站前端開(kāi)發(fā)中的VUE框架，該模塊的存在可令我們不需要從頭到尾實(shí)現(xiàn)算法訓(xùn)練的程序編寫(xiě)，只需要在對(duì)應(yīng)的結(jié)構(gòu)中導(dǎo)入自己核心包就可以完成帶有自己定制化的分類器。模型的訓(xùn)練數(shù)據(jù)讀取工作由程序直接調(diào)用ArffLoader模塊中的特殊方法-getDataSet實(shí)現(xiàn)，其中ArffLoader模塊本軟件的文件加載器。首先將前階段采集的500組數(shù)據(jù)，分割成樣本訓(xùn)練集與模擬測(cè)試集。其中200組用于樣本訓(xùn)練，300組用于模擬測(cè)試，前者稱為Instance。分類算法由Python語(yǔ)言實(shí)現(xiàn)，其分類器稱為Classifier。數(shù)據(jù)載入由Redis實(shí)現(xiàn)，該結(jié)構(gòu)稱為ArffLoader。整體的分類模型構(gòu)建流程如下圖4.6所示。圖4.6分類模型構(gòu)建圖部分水果實(shí)時(shí)分類代碼如圖4.7所示，通過(guò)該部分代碼文件可看出，本次設(shè)計(jì)所構(gòu)建的決策樹(shù)以面積為根節(jié)點(diǎn)來(lái)劃分屬性，是本次設(shè)計(jì)中的核心判據(jù)。每次當(dāng)次讀入一個(gè)經(jīng)過(guò)處理后的圖像，對(duì)它按照下文代碼部分的規(guī)則遍歷每一個(gè)葉子節(jié)點(diǎn)，判斷是否符合預(yù)設(shè)規(guī)則。以判據(jù)結(jié)果為草莓為例，首先進(jìn)行判據(jù)的是面積因素，草莓的面積明顯明顯小于1，于是進(jìn)入右節(jié)點(diǎn)繼續(xù)判斷，周長(zhǎng)也小于30，繼續(xù)向右游走判定，最后發(fā)現(xiàn)區(qū)直度小于0.5,則我們可以做出最終判定該水果為草莓，這樣一次水果分類決策過(guò)程就完成的走完了，剩下的圖像判斷方法與上述是一致的。 圖4.7部分水果實(shí)時(shí)分類算法代碼4.4本章小結(jié) 本章結(jié)合實(shí)際需求出發(fā)，從性能功耗、運(yùn)行效率、算法時(shí)間復(fù)雜度出發(fā)，選取了適合本系統(tǒng)的關(guān)鍵特征。在當(dāng)下眾多的分類算法中，綜合本次設(shè)計(jì)考量，最終決定選取決策樹(shù)算法作為基礎(chǔ)，依托于此設(shè)計(jì)并實(shí)現(xiàn)了水果實(shí)時(shí)分類算法，并利用大量的訓(xùn)練樣本，完成了本算法模型調(diào)優(yōu)工作。

5測(cè)試與結(jié)果分析本章主要是對(duì)調(diào)優(yōu)完成的水果分類算法進(jìn)行實(shí)時(shí)測(cè)試，前期已使用模擬測(cè)試數(shù)據(jù)集進(jìn)行測(cè)試，結(jié)果良好。（模擬測(cè)試集為前期采集階段收集的300組數(shù)據(jù)），現(xiàn)使用采集模塊，實(shí)時(shí)采集數(shù)據(jù)，進(jìn)行測(cè)試，根據(jù)最終的測(cè)試結(jié)果，對(duì)該系統(tǒng)的實(shí)時(shí)分類結(jié)果簡(jiǎn)要分析。5.1水果分類功能測(cè)試 首先，在實(shí)驗(yàn)室選取一處不反光的平面，并調(diào)好光照強(qiáng)度，避免應(yīng)曝光過(guò)強(qiáng)而導(dǎo)致分類錯(cuò)誤。將準(zhǔn)備的測(cè)試水果置于攝像頭下，系統(tǒng)會(huì)自動(dòng)處理采集到的水果圖像數(shù)據(jù)，并實(shí)時(shí)地將其進(jìn)行分類。測(cè)試結(jié)果顯示，該系統(tǒng)能順利的完成水果的實(shí)時(shí)分類工作，樹(shù)莓派的分類結(jié)果如圖5.1所示。圖5.1樹(shù)莓派分類結(jié)果圖5.2水果分類性能測(cè)試 性能測(cè)試分為靜態(tài)性能測(cè)試與實(shí)時(shí)性能測(cè)試。靜態(tài)性能測(cè)試采用十折交叉驗(yàn)證法進(jìn)行測(cè)試，其測(cè)試思想為：將采集模塊獲取的數(shù)據(jù)集隨機(jī)抽取450條作為訓(xùn)練數(shù)據(jù)集，剩下的50條作為測(cè)試數(shù)據(jù)集，并將該測(cè)試過(guò)程重復(fù)十次，這種測(cè)試模式的數(shù)據(jù)的輸入為靜態(tài)的，從數(shù)據(jù)庫(kù)直接讀入，故稱為靜態(tài)性能測(cè)試，該測(cè)試能很好的反應(yīng)出本系統(tǒng)的分類效率，但存在過(guò)于理想化的特點(diǎn)，因?yàn)閿?shù)據(jù)的采集是一定波動(dòng)的，即使對(duì)于同一種水果，由于采集時(shí)間不同，可能會(huì)產(chǎn)生微小的差異。故本系統(tǒng)還設(shè)置了動(dòng)態(tài)性能測(cè)試，其測(cè)試思想為：每次只對(duì)同一種水果進(jìn)行分類，但是每次測(cè)試之前做細(xì)微的角度調(diào)整操作，重復(fù)若干次，得到最終的平均分類成功率。從水果數(shù)據(jù)集中隨機(jī)選取450條數(shù)據(jù)作為訓(xùn)練，剩下的50條作為測(cè)試輸入，重復(fù)此過(guò)程十次，最終的實(shí)驗(yàn)結(jié)果如圖5.2所示： 圖5.2十折交叉測(cè)試圖動(dòng)態(tài)測(cè)試結(jié)果如圖5.3所示：圖5.3動(dòng)態(tài)性能測(cè)試圖5.3本章小結(jié) 本章對(duì)水果實(shí)時(shí)分類系統(tǒng)進(jìn)行功能測(cè)試與壓力性能測(cè)試，其使用了動(dòng)態(tài)與靜態(tài)結(jié)合的方法進(jìn)行測(cè)試。根據(jù)測(cè)試結(jié)果可知，該系統(tǒng)設(shè)計(jì)能非常準(zhǔn)確的完成水果分類的需求，在靜態(tài)測(cè)試中，十次測(cè)試的平均準(zhǔn)確率達(dá)到了93.43%，在動(dòng)態(tài)測(cè)試中，錯(cuò)誤率一直維持在較低的水準(zhǔn)，最終的平均通過(guò)率為93.83%,與靜態(tài)測(cè)試的通過(guò)率幾乎一致，這也驗(yàn)證了本系統(tǒng)不僅有較高的分類正確率，且分類性能也十分穩(wěn)定，符合本次設(shè)計(jì)預(yù)期要求。

6總結(jié)與展望6.1總結(jié)本文設(shè)計(jì)并實(shí)現(xiàn)了基于樹(shù)莓派的水果實(shí)時(shí)分類算法，這對(duì)于我國(guó)的農(nóng)業(yè)機(jī)械加工領(lǐng)域有著重大的對(duì)于中小型農(nóng)產(chǎn)品加工企業(yè)具有重大的現(xiàn)實(shí)幫助意義。本設(shè)計(jì)利用樹(shù)莓派與搭載的攝像頭器件，構(gòu)建基于樹(shù)莓派的機(jī)器視覺(jué)開(kāi)發(fā)平臺(tái)，將小型的樹(shù)莓派作為核心計(jì)算單元，大幅降低了整個(gè)系統(tǒng)的體積，完成了小型化、可以移動(dòng)化、多設(shè)備兼容的需求。本文完成主要工作如下：通過(guò)采集模塊獲取原始圖片信息，再對(duì)原始圖片要進(jìn)行合理的預(yù)處理，預(yù)處理的圖片選取具有足夠代表性的特征維度。以決策樹(shù)算法作為基礎(chǔ)，在基礎(chǔ)上構(gòu)建實(shí)時(shí)水果分類算法，反復(fù)訓(xùn)練模型，調(diào)節(jié)參數(shù)，最終調(diào)整出最優(yōu)的水果實(shí)時(shí)分類算法。6.2展望 本文以決策樹(shù)原型為基礎(chǔ)，結(jié)合本次設(shè)計(jì)的事情，綜合考慮后改良適應(yīng)本次設(shè)計(jì)需求分類算法，以樹(shù)莓派3系統(tǒng)為基礎(chǔ)硬件設(shè)備，通過(guò)兩者的有機(jī)結(jié)合，設(shè)計(jì)并實(shí)現(xiàn)了基于樹(shù)莓派的水果實(shí)時(shí)分類算法。為進(jìn)一步提高系統(tǒng)性能，還可以對(duì)以下內(nèi)容進(jìn)行深入學(xué)習(xí)和探索。決策樹(shù)算法提出時(shí)間距今已有很長(zhǎng)的歷史，如果分類的種類數(shù)目增加，繼續(xù)使用決策樹(shù)算法則無(wú)法很好的滿足要求，會(huì)產(chǎn)生大量的冗余節(jié)點(diǎn)，這會(huì)使得決策樹(shù)的優(yōu)化操作-剪枝，變得更加復(fù)雜。當(dāng)下機(jī)器學(xué)習(xí)的分類研究正在進(jìn)行得如火如荼，在未來(lái)可以考慮將原本需要極高性能支撐的基于機(jī)器學(xué)習(xí)的分類算法，經(jīng)過(guò)特殊的優(yōu)化器優(yōu)化后，移植到微型的計(jì)算機(jī)中。我們也可以考慮深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)，已經(jīng)有大量的實(shí)例證明，三維卷積網(wǎng)絡(luò)(CNN)在圖像分類方面具有其他算法無(wú)可匹敵的準(zhǔn)確率與效率，這兩種算法都值得我們?cè)偃ミM(jìn)行深入的研究。樹(shù)莓派是一種微型計(jì)算機(jī)，其結(jié)構(gòu)小巧，功能齊全，但存在一定的脆弱性，相較于傳統(tǒng)的單片機(jī)，樹(shù)莓派擁有更強(qiáng)大的性能，更高的主頻，更大的內(nèi)存，但其穩(wěn)定性卻不如傳統(tǒng)的單片機(jī)系統(tǒng)。且樹(shù)莓派對(duì)于溫度環(huán)境的要求十分要求，無(wú)法在過(guò)高或者過(guò)于潮濕的環(huán)境工作，其電氣防護(hù)性能也遠(yuǎn)不如單片機(jī)。綜合兩者考慮，我們認(rèn)識(shí)FPGA是一條可行的優(yōu)化之路，這不僅可以保持原有算法的效率，且也能使得設(shè)備擁有更強(qiáng)的惡劣環(huán)境穩(wěn)定工作能力。參考文獻(xiàn)[1]朱玲.基于K-means聚類算法分類的水果等級(jí)識(shí)別與應(yīng)用[J].農(nóng)機(jī)化研究,2020,42(08):46-50.[2]陳雪鑫,卜慶凱,曹帥帥.基于LBP和GLCM的水果分類算法研究[J].電子元器件與信息技術(shù),2019(01):8-14.[3]陳雪鑫,卜慶凱.基于改進(jìn)的最大類間方差法的水果圖像識(shí)別研究[J].青島大學(xué)學(xué)報(bào)(工程技術(shù)版),2019,34(02):33-38+62.[4]張小花,馬瑞峻,吳卓葵,黃澤鴻,王嘉輝.基于機(jī)器視覺(jué)的果園成熟柑橘快速識(shí)別及產(chǎn)量預(yù)估研究[J].廣東農(nóng)業(yè)科學(xué),2019,46(07):156-161.[5]楊毅.基于深度學(xué)習(xí)的水果識(shí)別研究[J].信息與電腦(理論版),2019,31(21):119-120.[6]賀詢.水果識(shí)別中圖像特征綜述[J].河南科技,2017(21):34-35.[7]秦國(guó)防,秦明輝.視覺(jué)捕捉拾取機(jī)器人在水果分類系統(tǒng)中的應(yīng)用[J].農(nóng)機(jī)化研究,2020,42(09):212-216.[8]王詩(shī)婷.嵌入式水果自動(dòng)分類系統(tǒng)研究與設(shè)計(jì)[D].華中師范大學(xué),2017.[9]顏申,宋文浩,陳光,顏兵兵.基于視覺(jué)的橘類水果識(shí)別系統(tǒng)設(shè)計(jì)[J].佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版),2020,38(01):41-44.[10]RasoolKhodabakhshian,MohammadHosseinAbbaspour-Fard.Patternrecognition-basedRamanspectroscopyfornon-destructivedetectionofpomegranatesduringmaturity[J].SpectrochimicaActaPartA:MolecularandBiomolecularSpectroscopy,2020,231.

致謝在本設(shè)計(jì)的完成之際，也宣告著本科學(xué)習(xí)生涯的結(jié)束，大學(xué)這趟列車也終于到站?；叵肫鹪谛５狞c(diǎn)滴時(shí)光，充實(shí)而忙碌，緊張而有趣，自由而精進(jìn)，不僅有知識(shí)收獲，還有友情收獲，這些都讓我讓我十分留念。本設(shè)計(jì)的完成得到了文豪老師的悉心指導(dǎo)，他嚴(yán)謹(jǐn)治學(xué)的精神在我遇到困難時(shí)備受鼓舞。感謝老師對(duì)本論文從選題、構(gòu)思、資料收集到最后定稿的各個(gè)環(huán)節(jié)給予我細(xì)心的指引和教導(dǎo)，讓我對(duì)機(jī)器人視覺(jué)開(kāi)發(fā)有了深刻的認(rèn)識(shí)，并最終完成畢業(yè)論文，對(duì)此，我發(fā)自內(nèi)心由衷的感謝。同時(shí)也要感謝其他老師對(duì)于我的幫助及教導(dǎo)，老師們的高深精湛的造詣與嚴(yán)謹(jǐn)求實(shí)的治學(xué)精神將永遠(yuǎn)激勵(lì)著我。感謝幫助我收集資料的同學(xué)們，與你們的相識(shí)是我的幸運(yùn)，祝愿大家在畢業(yè)后，能繼續(xù)保持一顆赤子之心，善良而勇敢，面對(duì)挫折時(shí)，不缺不饒，我也會(huì)把各位親人、老師、同學(xué)的囑咐銘記在心，砥礪前行。感謝在百忙之中抽出時(shí)間對(duì)本文進(jìn)行審閱、評(píng)議和參加本人論文答辯的各位老師，再次表示感謝。最后，向所有給予過(guò)我無(wú)私幫助的朋友們，致以最真誠(chéng)的祝福與感謝。

附錄1核心程序代碼

附錄25種水果效果圖

HYPERLINK如何選擇組裝電腦配件

如何選擇組裝的電腦配件．

第一，選擇好CPU平臺(tái)，就是INTER還是AMD，看你是要配什么樣的電腦，高端還是低端的，兩個(gè)平臺(tái)都高低的產(chǎn)品。第二，選擇主板了，主板的品牌比較多，質(zhì)量，價(jià)格也不一，當(dāng)你第一步卻定了，那么主板也就相應(yīng)的卻定下來(lái)了，以INTER為例，只可以選擇775接口的主板（早期有478接口的，不推薦），主板的選擇主要有兩種，一是集成顯卡，二是不集成顯卡。集成顯卡的話，就可以省下顯卡的錢，但是對(duì)游戲玩家不推薦。那么當(dāng)然是選擇不集成顯卡的主板了，而且最好選擇一線品牌，如華碩，技嘉等。主板里，還有個(gè)蕊片組的選擇。關(guān)于蕊片組，各個(gè)品牌的主板命名有些不一樣，主流是INTER965，945，915，VIA的KT890，還有NFORCE4，NFORCE5。等。比較難說(shuō)清楚。最好是選擇INTER的蕊片組，雖然價(jià)格會(huì)稍高一些。推薦945，技術(shù)比較成熟。第三，顯卡的選擇。顯卡主要還是有兩類品牌，GEFORCE和ATI，兩個(gè)品牌有高，中，低的顯卡。顯卡選擇要看你個(gè)人喜歡了，預(yù)算充足的話，最好是買中，高端的顯卡。

第四，就是內(nèi)存了，內(nèi)存關(guān)系電腦的穩(wěn)定性。當(dāng)然是要好一點(diǎn)的。買一線品牌的?，F(xiàn)在配電腦，主流是DDR667，DDR800DDR1333第五，顯示器的選擇，推薦液晶。如何選擇硬件組裝電腦這是一個(gè)老生常談的問(wèn)題了，這也是一個(gè)讓高手們顯示自己硬件功底的問(wèn)題，同時(shí)這還是一個(gè)讓很多新手為之焦頭爛額的問(wèn)題。該怎么配？具體配什么？怎樣配才能盡量減小瓶頸？本文就將從內(nèi)到外，從理論到實(shí)踐，為朋友們抽絲剝繭一一道來(lái)。

一、CPU

作為一臺(tái)電腦最關(guān)鍵的組成部分，CPU確實(shí)起著舉足輕重的作用，但體現(xiàn)一臺(tái)電腦的綜合速度，并不是僅僅依靠CPU的，常?？吹胶芏嘈率謧?cè)谂潆娔X的時(shí)候，把CPU選的很好，但其他的東西諸如內(nèi)存、主板、硬盤等都選的不太理想，好像這臺(tái)電腦速度的快慢就體現(xiàn)在CPU速度的快慢上似的。甚至很多著名的品牌機(jī)廠商，都推出過(guò)類似“P4+256M內(nèi)存”的這種跛腳配置。其實(shí)對(duì)于一般的家用電腦而言，一個(gè)真正會(huì)配的高手，是不會(huì)把大量的錢花在CPU上的。家用電腦，畢竟不是做密集型科學(xué)計(jì)算用的，它講求的是多種媒體的配合工作，講求的是能一邊下載文件、一邊上網(wǎng)瀏覽網(wǎng)頁(yè)、一邊聽(tīng)音樂(lè)、一邊還能打開(kāi)其他的程序，在這種情況下，提升內(nèi)存的容量比提升CPU的主頻對(duì)速度的影響要明顯的多?，F(xiàn)今的中國(guó)家庭用戶，很多家長(zhǎng)對(duì)于電腦一竅不通，他們只聽(tīng)說(shuō)“奔四”代表著速度快，并不知道整機(jī)速度的快慢除了CPU以外，還有很多其他的因素影響著它。但在買電腦的時(shí)候，最后做決定并掏錢的人，往往都是這些啥都不懂的家長(zhǎng)們，于是就出現(xiàn)了上面的一幕：品牌機(jī)廠商為了能有更好的銷路、兼容機(jī)裝機(jī)店的銷售人員為了能拿到更多的獎(jiǎng)金，開(kāi)始違背良心來(lái)配置出這種高主頻處理器、低容量?jī)?nèi)存的跛腳電腦。說(shuō)嚴(yán)重點(diǎn)，這是屬于對(duì)消費(fèi)者的不負(fù)責(zé)任，是一種商業(yè)欺詐行為！同樣5000元的配置，高手配出來(lái)的賽揚(yáng)，比新手配出來(lái)的P4還要快很多，曾經(jīng)有一家全球著名的硬件網(wǎng)站在2003年的時(shí)候刊登過(guò)一篇關(guān)于配置家用電腦時(shí)各硬件占用總預(yù)算百分比的文章，文中很明確的提到了CPU的價(jià)錢最好不要超過(guò)總預(yù)算的10％－15％，我們雖然不能說(shuō)他肯定完全正確，但至少人家是通過(guò)很多調(diào)查后得出的結(jié)論，有借鑒的理由。反觀現(xiàn)在的很多所謂的“低價(jià)奔四電腦”、“3999元買P4品牌機(jī)”之類的廣告，我想說(shuō)的就是：你花了3999元，只買了一塊P4的處理器，其他的什么都沒(méi)有了！

二、內(nèi)存

對(duì)于配置一臺(tái)電腦來(lái)說(shuō)，內(nèi)存是重頭戲，容量、速度、類型等等每一項(xiàng)指標(biāo)都對(duì)最終的整機(jī)綜合速度起著至關(guān)重要的影響，尤其是內(nèi)存的帶寬和容量。對(duì)于內(nèi)存帶寬而言，很多人都認(rèn)為400MHz、533MHz前端總線的賽揚(yáng)四或P4，配單通道的DDR內(nèi)存就足夠了，雙通道DDR內(nèi)存是配合800MHz以上前端總線的P4處理器用的，其實(shí)這樣就大錯(cuò)特錯(cuò)了，哪怕是最老的賽揚(yáng)四，都需要雙通道的DDR內(nèi)存才能達(dá)到它的帶寬！也就是說(shuō)，你如果選擇賽揚(yáng)四1.8G，必須配合865以上的主板和至少雙通道DDR200的內(nèi)存，才能滿足它的帶寬要求！稍微計(jì)算一下就可以得知：賽揚(yáng)四1.8G的前端總線是400MHz，它的內(nèi)存帶寬理論值是400MHz×64bit÷8＝3.2G/s，但當(dāng)它裝在845系列的主板上時(shí)，由于845主板的限制，即使你插上能符合它帶寬要求的DDR400內(nèi)存，也只能運(yùn)行在DDR266上，這時(shí)的內(nèi)存所能提供的帶寬是266MHz×64bit÷8＝2.1G/s，比3.2G/s要小很多，即使你通過(guò)BIOS里的內(nèi)存調(diào)節(jié)選項(xiàng)往上調(diào)節(jié)一檔（也只能調(diào)節(jié)一檔而已），讓內(nèi)存運(yùn)行在DDR333下，所能提供的帶寬也僅僅是333MHz×64bit÷8＝2.66G/s，離3.2G/s還是有一定的距離，而內(nèi)存帶寬的降低，能非常明顯的降低整機(jī)的綜合速度，運(yùn)行任何程序都能明顯的感覺(jué)出來(lái)！所以如果想滿足賽揚(yáng)1.8G處理器的內(nèi)存帶寬要求，你必須要為它配置865以上的主板和雙通道的內(nèi)存才行！P4亦是如此。很多人也許會(huì)問(wèn)：那845系列的主板是配什么處理器的呢？我想回答你的就是：845系列的主板是屬于“不能用”的主板，因?yàn)樘幚砥饔肋h(yuǎn)比主板發(fā)展的快，當(dāng)初Intel造出845系列的芯片組是為了能給當(dāng)時(shí)的賽揚(yáng)和P4提供一個(gè)過(guò)渡的平臺(tái)，不至于讓它們成為“沒(méi)有主板配合”的處理器而已，也是為了能在低端市場(chǎng)分一杯羹，而現(xiàn)今865甚至9xx系列的主板橫行的時(shí)候，845系列的主板確實(shí)是屬于“不能用”的主板了，滿足不了任何一款處理器的內(nèi)存帶寬，造成性能上的嚴(yán)重低下，試問(wèn)這種主板你會(huì)選擇么？即使配臺(tái)2000多元的超低價(jià)電腦，也不要去選擇845系列的主板，至少需要865以上的和雙通道內(nèi)存才行，因?yàn)閮?nèi)存帶寬是一個(gè)非常影響系統(tǒng)性能的參數(shù)，倘若一味的為了省錢而配置845系列的主板，那就得不償失了。

內(nèi)存的容量方面，應(yīng)每個(gè)人對(duì)電腦的使用方向不同，容量的要求也是不同的，現(xiàn)在配置的家用電腦，筆者建議：如果不打游戲，或者是打打掃雷、紙牌之類的游戲，平時(shí)注重于上網(wǎng)瀏覽或者是聊天、看電影之類的應(yīng)用的話，內(nèi)存容量不應(yīng)該低于1G；如果是偶爾打打單機(jī)游戲或者是網(wǎng)絡(luò)游戲，內(nèi)存容量應(yīng)該選擇在2G左右，如果是經(jīng)常打大型的游戲或是進(jìn)行HDTV視頻編輯等應(yīng)用，那么4G的內(nèi)存是必不可少的。

三、主板

一臺(tái)電腦的穩(wěn)定性和兼容性，一大部分是看主板的，一款優(yōu)秀的主板不僅需要擁有上等的用料和優(yōu)良的做工，還需要擁有合理的走線設(shè)計(jì)，那些沒(méi)有技術(shù)實(shí)力的三、四線主板廠家生產(chǎn)的主板，多數(shù)是采用公版走線，而且用料非常差，穩(wěn)定性不堪一擊，這種類型的主板，筆者建議寧愿不買電腦也不要配這種主板，否則以后將會(huì)是個(gè)淘氣的祖宗。對(duì)于家庭用戶，主板方面一定不能省錢，預(yù)算夠的話最好能買個(gè)一線的主板品牌，如果預(yù)算實(shí)在不足，二線的主板是底線了，不要再往下選擇了，畢竟家用電腦是用來(lái)使用的，不是用來(lái)整天維修的。再談到主板的用料，筆者常?？吹胶芏嘈率衷谂渲弥靼宓臅r(shí)候，貌似老鳥(niǎo)似的說(shuō)某某品牌的主板好，某某品牌的不好，試問(wèn)你知道它好在哪里么？不好在哪里么？這個(gè)就要看主板的用料了，雖然用料好的主板并不能代表一定是高檔主板，但最少能代表它的電氣性能出色。舉一個(gè)很簡(jiǎn)單的例子吧：有A、B兩款主板，A主板的處理器供電濾波電容采用的是日系電容，B主板的處理器供電濾波電容采用的是臺(tái)系電容，那么基本上可以肯定的是：如果在電源輸出電壓的波動(dòng)范圍比較大的情況下，A主板就比較能耐得住，而B(niǎo)主板就很容易產(chǎn)生電容鼓包、漏夜等情況。不要小看這小小的電容，筆者從一個(gè)開(kāi)維修店的朋友那里得知，來(lái)維修主板的人，有80％的都是這幾個(gè)小電容損壞，究其原因，就是電源選擇的不好，導(dǎo)致了輸出電壓的不穩(wěn)定，久而久之最終導(dǎo)致這幾個(gè)小電容爆漿，并且詳細(xì)敘述了主板的品牌：“一線廠家的×碩牌主板就很少出現(xiàn)這種情況，但同樣為一線廠家的×星牌主板，經(jīng)常遇到！原因就是前者的大部分主板使用的是日系電容，而后者的大部分主板為了省錢，選用的是臺(tái)系電容！”廠家的廣告不能信，宣傳也不能信，看到一個(gè)產(chǎn)品的廣告之后，你所能相信的唯一一點(diǎn)就是：地球上有這么個(gè)產(chǎn)品的存在！然后其他的就統(tǒng)統(tǒng)都不能信了！網(wǎng)上有好多所謂的“評(píng)測(cè)”文章，都是槍手寫(xiě)的，基本上沒(méi)有任何參考余地，只能作為一篇小說(shuō)來(lái)讀，一款主板的真正性能，只有你自己使用了之后才能知道。廠家為了銷量、商家為了利潤(rùn)，他們能把最最垃圾的主板宣傳為最頂級(jí)的產(chǎn)品，筆者曾經(jīng)就看到過(guò)一款四線品牌的主板廠商，在對(duì)其主流主板的廣告上說(shuō)“最優(yōu)秀的設(shè)計(jì)、最精湛的工藝、最穩(wěn)定的性能”……結(jié)果一看報(bào)價(jià)：550元/塊……其他的話我也不想多說(shuō)了，只想問(wèn)問(wèn)這家廠商：你這么垃圾的主板都用了三個(gè)“最”字，那么華碩的同芯片組主板，售價(jià)是你三倍的，應(yīng)該用什么詞語(yǔ)來(lái)描述了？？中國(guó)有一句古話：一分錢一分貨，說(shuō)的非常正確！不要認(rèn)為價(jià)格高的主板就是暴利產(chǎn)品，從市場(chǎng)經(jīng)濟(jì)學(xué)上說(shuō)，暴利產(chǎn)品是不會(huì)被市場(chǎng)所接受的，之所以他能存活到今天，而且售價(jià)依然是這么高，肯定有他的理由，他在做工用料方面肯定比其他品牌的要好很多，成本高所以售價(jià)高，在此，筆者奉勸大家一句：買主板千萬(wàn)不要憑僥幸心理，認(rèn)為自己能花很少的錢買到很好的東西，只有錯(cuò)買的沒(méi)有錯(cuò)賣的，商家永遠(yuǎn)都比你精明！主板上面還是老老實(shí)實(shí)的多花點(diǎn)錢來(lái)買個(gè)一線產(chǎn)品吧，否則以后有你吃苦的時(shí)候！

四、硬盤

現(xiàn)在的電腦，硬盤的速度當(dāng)之無(wú)愧的成為了“第一大瓶頸”，無(wú)論你是再高的高手，配電腦的時(shí)候也無(wú)法消除這個(gè)瓶頸的存在，我們只有盡量的減小…再減小……。對(duì)于家用電腦的硬盤來(lái)說(shuō)，容量和速度是兩個(gè)非常重要的參數(shù)，容量上而言，筆者建議：如果你的電腦只是上網(wǎng)瀏覽瀏覽、偶爾打打小游戲的，那么160G的硬盤是個(gè)不錯(cuò)的選擇；如果你常常下載軟件或電影，那么250G的硬盤是個(gè)不錯(cuò)的選擇，如果你是個(gè)下載狂人，那么400G的硬盤比較適合你；如果你有DV或者是經(jīng)常編輯大型的視頻文件，那么400G×2比較適合你，如果你是個(gè)玩HDTV的人，那么恭喜你，400G×4也許你都不夠用。對(duì)于硬盤容量上的選擇，你不能考慮現(xiàn)在是否夠用，你應(yīng)該考慮未來(lái)的1年里是否夠用，大概的公式是：現(xiàn)在需要的容量×3。也就是說(shuō)，如果你現(xiàn)在感覺(jué)80G的硬盤差不多夠用了，那么你就需要買個(gè)250G的硬盤。如果你現(xiàn)在感覺(jué)120G的硬盤夠用了，那么就去買個(gè)400G的硬盤吧。硬盤另外的一個(gè)參數(shù)就是速度，受到內(nèi)部傳輸率等諸多因素的限制，一塊硬盤的實(shí)際傳輸速度是不可能達(dá)到它的接口速度的，現(xiàn)在的并口硬盤基本上都是ATA133了，串口硬盤也都是150了，但民用級(jí)硬盤的實(shí)際傳輸速度最快的也還沒(méi)突破66M/s，所以跟內(nèi)存相比，硬盤的速度是電腦中最大的瓶頸，那么怎么來(lái)減小這個(gè)瓶頸呢？于是人們就發(fā)明了RAID，就是磁盤陣列（當(dāng)然RAID不是僅僅為了這個(gè)而發(fā)明的），用兩塊一模一樣的硬盤來(lái)組成RAID0，速度理論上能提高1倍，雖然實(shí)際上是不可能達(dá)到1倍的，但至少能非常非常明顯的感覺(jué)到了硬盤速度的提升，筆者建議：如果你買的主板是帶有RAID功能的，并且你需要保存的數(shù)據(jù)不是很重要的話，那么強(qiáng)烈建議你在預(yù)算允許的情況下購(gòu)買兩塊硬盤來(lái)組建RAID0，這將使你能親身體會(huì)到飛機(jī)與火車的速度差別！但最好是串口的，如果是并口的話，因?yàn)椴⒖谧叩氖荘CI總線，由于PCI總線上的設(shè)備比較多，所以速度不可能達(dá)到比較高的地步，但如果是串口的話，那么硬盤的速度提升將更加明顯！

五、顯示器

顯示器方面，筆者想澄清一個(gè)觀念：曾經(jīng)聽(tīng)過(guò)非常多的人說(shuō)液晶顯示器保護(hù)眼睛，因?yàn)闆](méi)有輻射和閃爍……包括很多業(yè)內(nèi)人士都這么認(rèn)為的，其實(shí)錯(cuò)了，液晶顯示器比普通的CRT還要傷眼睛！因?yàn)閭劬Σ粌H僅是輻射和閃爍，還有對(duì)比度、亮度等參數(shù)，雖然液晶顯示器的輻射和閃爍比CRT要小的多，但它那要命的對(duì)比度、那要命的色澤度、還有那大于每平方米300cd的亮度，這些都會(huì)對(duì)眼睛造成很大的傷害，并且你即使將液晶顯示器的亮度和對(duì)比度調(diào)節(jié)到最低，也還是非常的刺眼。德國(guó)的一家權(quán)威機(jī)構(gòu)做過(guò)一項(xiàng)調(diào)查：液晶顯示器用久了會(huì)使人的眼睛感覺(jué)到疲倦，甚至頭痛等癥狀，而使用相同時(shí)間的CRT顯示器，卻基本沒(méi)有這些情況出現(xiàn)?，F(xiàn)在的通過(guò)TCO03認(rèn)證的CRT顯示器，其實(shí)外露的輻射已經(jīng)相當(dāng)小了，基本上對(duì)人已經(jīng)沒(méi)有多大的傷害了，閃爍感也可以通過(guò)調(diào)節(jié)刷新率來(lái)降低，筆者實(shí)在是搞不懂為什么很多人非要去選擇液晶顯示器，還非要說(shuō)液晶顯示器不傷眼睛？？一個(gè)最差的17寸液晶顯示器的價(jià)格，能買一臺(tái)不錯(cuò)的、通過(guò)TCO03標(biāo)準(zhǔn)的19寸CRT了，顯示面積也差不多大，而且CRT又比液晶更保護(hù)眼睛，液晶顯示器唯一的一個(gè)優(yōu)點(diǎn)就是占用空間小而已，其他的統(tǒng)統(tǒng)是缺點(diǎn)，為什么不選擇CRT呢？？說(shuō)到TCO03標(biāo)準(zhǔn)，現(xiàn)在很多的號(hào)稱是通過(guò)TCO03認(rèn)證的顯示器，其實(shí)都是貼牌的，都沒(méi)有真正的通過(guò)，關(guān)于怎樣鑒別一臺(tái)TCO03的顯示器，網(wǎng)上已經(jīng)有很多文章可以搜索到，筆者在此不想過(guò)多敘述，只是提醒大家一點(diǎn)：一臺(tái)真正的通過(guò)TCO03認(rèn)證的顯示器，外表的顏色除了白色以外，是不會(huì)有其他顏色的了，因?yàn)門CO03認(rèn)證中有重要的一條就是外殼可回收性，而除了白色以外，其他的任何顏色都加了有機(jī)染料在里面，是不能作為回收利用的，這點(diǎn)請(qǐng)大家購(gòu)買顯示器的時(shí)候一定要注意了！

六、電源

作為一臺(tái)電腦的動(dòng)力之源，電源質(zhì)量的好壞直接關(guān)系到這臺(tái)電腦的壽命，在這點(diǎn)上筆者先要肯定一下品牌機(jī)廠