李同強(qiáng) 甘建鵬

(浙江工商大學(xué)信息與電子工程學(xué)院，杭州 310018)

基于計(jì)算機(jī)視覺(jué)的大米整精米率檢測(cè)

李同強(qiáng) 甘建鵬

(浙江工商大學(xué)信息與電子工程學(xué)院，杭州 310018)

提出了一種在線的基于計(jì)算機(jī)視覺(jué)的大米整精米率檢測(cè)的新方法。采用最大方差閾值分割對(duì)大米圖像進(jìn)行處理，再對(duì)分割結(jié)果進(jìn)行形態(tài)學(xué)操作，實(shí)現(xiàn)連接著的大米的分離，最后對(duì)分離后的大米二值圖像進(jìn)行面積和周長(zhǎng)特征的提取。根據(jù)米粒周長(zhǎng)像素?cái)?shù)目的大小采取不同識(shí)別模式，當(dāng)大米周長(zhǎng)的像素?cái)?shù)目大于某一固定值(先驗(yàn)值)時(shí)，即該種大米是長(zhǎng)粒型，采取周長(zhǎng)識(shí)別模式;短粒型大米則采取面積識(shí)別模式。通過(guò)使用這一能夠智能選擇識(shí)別模式的檢測(cè)方法，能夠大大提高整精米率的檢測(cè)效率。

計(jì)算機(jī)視覺(jué) 整精米率 周長(zhǎng) 面積 特征提取

整精米是指糙米碾磨成精度為國(guó)家標(biāo)準(zhǔn)一等大米時(shí)，米粒產(chǎn)生破碎，其中長(zhǎng)度仍達(dá)到完整精米粒平均長(zhǎng)度的3/4以上(含)的米粒。整精米占凈稻谷試樣質(zhì)量的比例為整精米率。一般認(rèn)為，整精米率高的稻米質(zhì)量較好。2009年3月28日，國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局、國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)批準(zhǔn)發(fā)布了《稻谷》(GB 1350—2009)等國(guó)家標(biāo)準(zhǔn)，于2009年7月1日起正式實(shí)施。標(biāo)準(zhǔn)主要指標(biāo)的設(shè)置和評(píng)價(jià)方法符合WTO的規(guī)則，能進(jìn)一步增強(qiáng)我國(guó)糧油在國(guó)際市場(chǎng)上的競(jìng)爭(zhēng)能力，這對(duì)于提高我國(guó)主要糧食的質(zhì)量、規(guī)范稻米購(gòu)銷(xiāo)具有重要意義［1－2］。正確識(shí)別整精米數(shù)量是檢測(cè)整精米率指標(biāo)的關(guān)鍵。目前，在糧食生產(chǎn)與經(jīng)營(yíng)過(guò)程中，大米整精米率的檢測(cè)方法，大多還停留在手工階段，主要依靠肉眼進(jìn)行識(shí)別。這種方法人為因素大、檢測(cè)時(shí)間長(zhǎng)、準(zhǔn)確性低、可操作性和重復(fù)性差，難以滿足在糧食收購(gòu)過(guò)程中，對(duì)大米品質(zhì)檢測(cè)快速、客觀和準(zhǔn)確的要求。

本研究基于計(jì)算機(jī)圖像識(shí)別技術(shù)，探討自動(dòng)檢測(cè)當(dāng)前市場(chǎng)上流通的大米整精米率的可行性。由于現(xiàn)在市場(chǎng)上的大米種類(lèi)繁多，外觀差別很大，故必須尋求一種能夠嚴(yán)格按照國(guó)標(biāo)中關(guān)于整精米的定義對(duì)其進(jìn)行自動(dòng)識(shí)別的智能檢測(cè)方法。對(duì)于市面上流通的大米，根據(jù)大米的粒形，可以粗略地將大米分為3類(lèi):長(zhǎng)粒型，短粒型(圓粒型)與中等粒型。一般來(lái)說(shuō)，長(zhǎng)粒型大米的長(zhǎng)度較長(zhǎng)，從而大米圖像通過(guò)邊緣提取之后的大米周長(zhǎng)也較長(zhǎng);而短粒型大米雖然寬度較寬，但其整個(gè)輪廓的平均周長(zhǎng)比長(zhǎng)粒型大米小?？梢愿鶕?jù)大米的平均周長(zhǎng)設(shè)定一個(gè)閾值，如果大米的平均周長(zhǎng)大于該閾值的，認(rèn)為這是長(zhǎng)粒型大米，則對(duì)它的輪廓周長(zhǎng)特征進(jìn)行檢測(cè);反之則認(rèn)為這是短粒型大米，對(duì)它的面積特征進(jìn)行檢測(cè)。

1 材料與方法

1.1 材料與設(shè)備

為進(jìn)行大米外觀質(zhì)量檢測(cè)，主要以3種市場(chǎng)上常見(jiàn)的品種作為試驗(yàn)樣本，如圖1。

圖1 試驗(yàn)樣品圖

樣品A是江蘇產(chǎn)秈米，米粒長(zhǎng)度較短;樣品B是東北產(chǎn)粳米，米粒長(zhǎng)度中等;樣品C是泰國(guó)秈米，米粒長(zhǎng)度較長(zhǎng)(按試驗(yàn)需要，在3種大米樣品中人為添加了若干碎米，并不代表大米的實(shí)際質(zhì)量)。為取得較好的效果，在背景為黑色美術(shù)紙的振動(dòng)平臺(tái)上，結(jié)合分離梳的使用使大米均勻地分布在黑色美術(shù)紙上，這樣既便于獲得最佳閾值對(duì)圖像進(jìn)行二值化分割，又確保了大米不會(huì)重疊在一起而給圖像處理帶來(lái)難度。

FL－311C型Digital CCD攝像頭:FOSULINK電子科技國(guó)際有限公司;AT104－C10型圖像采集卡:中國(guó)(加拿大)杭州奧泰圖像系統(tǒng)集成有限公司;PCM－6551型主板:英德斯科技公司。

1.2 試驗(yàn)方法

1.2.1 米粒識(shí)別系統(tǒng)流程

整精米檢測(cè)系統(tǒng)流程:

采集大米圖像→灰度變換→圖像預(yù)處理→圖像分割→特征提取與數(shù)據(jù)處理→結(jié)果輸出

1.2.2 灰度變換

檢測(cè)主要是對(duì)灰度圖進(jìn)行處理［3］。將RGB圖像轉(zhuǎn)換為灰度圖的方法是利用256色的調(diào)色板，調(diào)色板的RGB 3個(gè)分量的值是相同的，即從(0，0，0)、(1，1，1)到(255，255，255)。(0，0，0)是全黑的，(255，255，255)是全白的，中間灰度依次變化。利用RGB圖像各個(gè)像素點(diǎn)3個(gè)分量的不同，從而分辨出圖像各像素的灰度。方法有3種:

由于本系統(tǒng)的背景為黑色，與白色的大米灰度相差較大，故在對(duì)采集到的大米圖像進(jìn)行灰度化后，一方面不會(huì)影響到大米與背景圖像的分割，另一方面縮減了圖像存儲(chǔ)的空間和加快了圖像處理的速度。因此使用式(4)對(duì)大米原始圖像進(jìn)行灰度化處理。

1.2.3 圖像預(yù)處理

在現(xiàn)實(shí)條件下，很難得到無(wú)噪、理想的圖像。通過(guò)圖像采集裝置得到的圖像一般都受到噪聲干擾，而且拍攝的背景亮度也不可能?chē)?yán)格均勻。噪聲干擾是圖像采集系統(tǒng)存在的電氣和光學(xué)噪聲引起的，可采用3×3模板的中值濾波進(jìn)行濾波處理。中值濾波器的原理是用像素領(lǐng)域內(nèi)灰度的中值代替該像素的值，該濾波器對(duì)處理脈沖噪聲(椒鹽噪聲)非常有效。中值濾波是一種非線性濾波，既能濾除噪聲又能夠很好的保護(hù)圖像邊緣。

中值濾波是一種經(jīng)典的非線性的圖像平滑方法，常用來(lái)保護(hù)邊緣信息［4］。它對(duì)脈沖干擾級(jí)椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時(shí)能有效保護(hù)邊緣不受模糊。線性濾波器如均值濾波器、最小均方濾波器等濾波后一般會(huì)使圖像細(xì)節(jié)模糊。

中值為窗口中數(shù)據(jù)按大小順序排列后處于中心位置的數(shù)值，用其來(lái)代替指定點(diǎn)(一般是窗口的中心點(diǎn))的灰度值。對(duì)于奇數(shù)個(gè)數(shù)，中值就是指大小排序后，中間的數(shù)值;對(duì)于偶數(shù)個(gè)元素，中值指排序后中間2個(gè)元素灰度值的平均值。一般可以采用冒泡法獲取窗口的中值。

式中:S為模板;{fi，j}為二維圖像數(shù)據(jù)序列。

二維中值濾波的模板形狀和尺寸設(shè)計(jì)對(duì)濾波效果影響很大，模板尺寸一般先用3×3，再取5×5，這樣逐點(diǎn)增大，直到濾波效果滿意為止。

1.2.4 圖像分割

圖像分割是由圖像處理到圖像分析的關(guān)鍵步驟，它是表達(dá)目標(biāo)的基礎(chǔ)，對(duì)特征測(cè)量有重要的影響;圖像分割將圖像轉(zhuǎn)化為更抽象更細(xì)致的形式，為更高層的圖像分析與理解提供可能性［5］。

本研究采用最大方差閾值分割方法得到大米的二值化圖像［6］。大津閾值分割把直方圖在某一閾值處分割成兩組，當(dāng)被分成的兩組間方差為最大時(shí)，決定閾值?，F(xiàn)在，設(shè)一幅圖像的灰度值為0～m－1級(jí)時(shí)，灰度值i的像素為ni，其像素總數(shù):

然后用T將其分成2組C0={0～T－1}和C1={T～m－1}，各組產(chǎn)生的概率如下:

從1～m－1之間改變T，求式(13)為最大值時(shí)的T，即求 maxδ2的 T*值，此時(shí) T*便是閾值。把δ2(T)叫做閾值選擇函數(shù)。

此方法不管圖像的直方圖有無(wú)明顯的雙峰邊界，都能得到較滿意的結(jié)果，因此這種方法是閾值自動(dòng)選擇的最優(yōu)方法［7］。

1.2.5 米粒的分離與特征提取

在經(jīng)過(guò)前面步驟處理得到二值化大米圖像之后對(duì)這一圖像進(jìn)行特征提取［8］，便于得到需要的特征:米?？倲?shù)、碎米數(shù)、整精米率。

1.2.5.1 米粒的分離

雖然在試驗(yàn)儀器上采用了振動(dòng)平臺(tái)與分離梳的結(jié)合避免出現(xiàn)米粒的重疊與大面積的連接，但對(duì)于部分連接在一起的大米還要進(jìn)行分離工作，以便于特征的提取。方法是對(duì)大米二值圖像進(jìn)行形態(tài)學(xué)操作。即先對(duì)二值圖像進(jìn)行區(qū)域腐蝕(圖2)，斷開(kāi)米粒之間的連接，實(shí)現(xiàn)米粒的分離。在特征提取的時(shí)候再用與腐蝕操作相同的算子對(duì)腐蝕后的圖像進(jìn)行膨脹處理(圖3)，找到分離后的米粒輪廓。

1.2.5.2 周長(zhǎng)特征提取算法

依次按照從上到下、從左到右的方法對(duì)大米的二值化輪廓圖像進(jìn)行掃描，當(dāng)掃描到黑色像素點(diǎn)(像素值為0)時(shí)，且該點(diǎn)未被標(biāo)記，則表示掃描到一個(gè)新的米粒。之后對(duì)該米粒進(jìn)行四領(lǐng)域檢測(cè)，在其四領(lǐng)域內(nèi)查找下一未標(biāo)記過(guò)的黑色像素點(diǎn)，標(biāo)記這個(gè)黑色像素點(diǎn)，并將這個(gè)黑色像素點(diǎn)作為當(dāng)前點(diǎn)，再次查找四領(lǐng)域內(nèi)下一未標(biāo)記過(guò)的黑色像素點(diǎn)。如此反復(fù)，直到當(dāng)前像素點(diǎn)的四領(lǐng)域內(nèi)找不到未標(biāo)記過(guò)的黑色像素點(diǎn)時(shí)，則完成了這一米粒周長(zhǎng)上的所有黑色像素點(diǎn)的掃描工作。最后，回到這一米粒周長(zhǎng)像素掃描的起始點(diǎn)，繼續(xù)根據(jù)從上到下、從左到右的原則掃描下一米粒的未標(biāo)記黑色像素點(diǎn)，直到掃描完整幅圖像。

1.2.5.3 面積特征提取算法

同周長(zhǎng)特征提取一樣，從上到下、從左到右掃描圖像，當(dāng)掃描到黑色像素點(diǎn)時(shí)，且該點(diǎn)未被標(biāo)記，則表示掃描到一個(gè)新的米粒。從該點(diǎn)坐標(biāo)開(kāi)始向右掃描完全部的黑色像素點(diǎn)，記下終點(diǎn)的坐標(biāo)，并標(biāo)記所有掃描過(guò)的黑色像素點(diǎn)。之后在該行所有找到的黑色像素點(diǎn)從左到右依次判斷下一行是否存在未標(biāo)記過(guò)的黑色像素點(diǎn)，若存在則同樣查找該行黑色像素點(diǎn)的起點(diǎn)坐標(biāo)與終點(diǎn)坐標(biāo)。如此反復(fù)，直到當(dāng)前掃描行的所有黑色像素點(diǎn)的下一行不存在未標(biāo)記過(guò)的黑色像素點(diǎn)，則表示完成這一米粒面積的所有黑色像素點(diǎn)的掃描工作。最后，回到這一米粒面積像素掃描的起始點(diǎn)，繼續(xù)根據(jù)從上到下、從左到右的原則掃描下一米粒的未標(biāo)記黑色像素點(diǎn)，直到掃描完整幅圖像。

1.2.6 先驗(yàn)特征與數(shù)據(jù)處理

1.2.6.1 先驗(yàn)特征提取

確定長(zhǎng)短粒型大米周長(zhǎng)的像素閾值:先在被測(cè)樣品中分別選出100粒長(zhǎng)粒型整精米與短粒型整精米，用圖像采集裝置采集原始圖像，用上述方法處理后，掃描整個(gè)圖像，分別按照輪廓特征的提取算法提取其平均的周長(zhǎng)像素點(diǎn)的數(shù)目。之后根據(jù)2份輪廓像素的平均值確定長(zhǎng)短粒型大米的周長(zhǎng)像素?cái)?shù)目閾值t。

提取完長(zhǎng)短粒型大米的閾值t之后按同樣的方法分別提取長(zhǎng)粒型大米的碎米與整精米的周長(zhǎng)特征閾值t1以及短粒型大米的碎米與整精米的面積特征閾值 t2。

1.2.6.2 數(shù)據(jù)處理

對(duì)提取輪廓之后的大米二值化圖像按照周長(zhǎng)識(shí)別模式提取大米的周長(zhǎng)特征。將周長(zhǎng)特征與閾值t(用于區(qū)分大米長(zhǎng)短粒型的周長(zhǎng)像素閾值)進(jìn)行比較以判斷大米的長(zhǎng)短粒型:大于閾值t則為長(zhǎng)粒型;反之為短粒型。完成長(zhǎng)短粒型的判斷之后，調(diào)用相應(yīng)的特征提取算法求得各個(gè)米粒周長(zhǎng)或面積的像素?cái)?shù)目，之后與t1或t2進(jìn)行比較即可得到該米粒是否為整精米。按照此種方法檢測(cè)大米圖像中的所有米粒，統(tǒng)計(jì)得到碎米總數(shù)與整精米數(shù)目之后，計(jì)算得到整精米率。

數(shù)據(jù)處理流程圖如圖4所示。

圖4 數(shù)據(jù)處理流程圖

2 結(jié)果與分析

整精米識(shí)別系統(tǒng)用Visual C++6.0編制。程序設(shè)計(jì)提供2種模式，既接受用戶對(duì)長(zhǎng)短粒型大米的周長(zhǎng)像素閾值與面積像素閾值的修訂，也滿足用戶智能識(shí)別大米長(zhǎng)短粒型的要求。各種粒型各準(zhǔn)備8組樣品，每組60粒，米?？倲?shù)為480粒。

2.1 短粒型大米檢測(cè)

對(duì)樣本A進(jìn)行整精米率檢測(cè)，結(jié)果見(jiàn)圖5。對(duì)于短粒型大米進(jìn)行的整精米率檢測(cè)，由于短粒型的大米，其碎米與整精米的周長(zhǎng)相差不大，如果采用周長(zhǎng)區(qū)分碎米與整精米的話，誤差較大。經(jīng)過(guò)比較，如果采用面積識(shí)別模式則能取得更好的效果，識(shí)別精度在99%以上(見(jiàn)表1)，能夠滿足較高的工業(yè)應(yīng)用要求。

圖5 樣品A的整精米率檢測(cè)結(jié)果(面積識(shí)別模式)

表1 樣本A的抽樣檢測(cè)結(jié)果

2.2 中等粒型大米檢測(cè)

對(duì)樣本B進(jìn)行整精米率檢測(cè)，結(jié)果見(jiàn)圖6與圖7。對(duì)于中等粒型大米，碎米與整精米的差別較小，分別應(yīng)用兩種模式進(jìn)行識(shí)別。兩種方法檢測(cè)所得的碎米數(shù)目相差3粒。通過(guò)觀察可見(jiàn)這3粒米粒在碎米與整精米的判斷上顯得比較模糊，采用哪種方法都可以接受。故對(duì)于中等粒型大米，采用周長(zhǎng)或面積識(shí)別模式都是可取的。

2.3 長(zhǎng)粒型大米檢測(cè)

對(duì)樣本C進(jìn)行整精米率檢測(cè)，結(jié)果見(jiàn)圖8。對(duì)于長(zhǎng)粒型大米進(jìn)行的整精米率檢測(cè)，由于長(zhǎng)粒型的大米，其碎米與整精米的周長(zhǎng)相差較大，可采取周長(zhǎng)識(shí)別模式。對(duì)于長(zhǎng)粒型大米采用周長(zhǎng)識(shí)別模式，一方面識(shí)別精度高;另一個(gè)方面，由于周長(zhǎng)識(shí)別遍歷的像素點(diǎn)較少，在檢測(cè)速度上比面積檢測(cè)模式要快。通過(guò)試驗(yàn)，采用周長(zhǎng)識(shí)別模式能取得很好的效果，識(shí)別精度在99%以上(表2)，能夠滿足較高的工業(yè)應(yīng)用要求。

圖8 樣本C的整精米率檢測(cè)結(jié)果(周長(zhǎng)識(shí)別模式)

表2 樣本C的抽樣檢測(cè)結(jié)果

3 討論與結(jié)論

本研究中所提出的大米整精米率有別于一般的稻谷整精米率檢測(cè)方法，著重研究市場(chǎng)上流通的大米整精米率而非稻谷的整精米率。另一方面，在整精米率的計(jì)算上也采用不同方式:通過(guò)計(jì)算機(jī)圖像處理技術(shù)準(zhǔn)確地提取出碎米數(shù)目，不難得到整精米數(shù)，之后除以大米總數(shù)，計(jì)算比例，最后得到大米的整精米率。經(jīng)過(guò)試驗(yàn)證明，基于計(jì)算機(jī)圖像處理的整精米識(shí)別技術(shù)可以很好地滿足目前階段對(duì)于大米整精米率檢測(cè)的要求，適用于替代傳統(tǒng)的人工檢測(cè)方法，具有重大的現(xiàn)實(shí)意義。由于計(jì)算機(jī)視覺(jué)處理的對(duì)象是二維數(shù)字圖像，故拍攝視角的不同會(huì)影響到整精米的判別，為了減少誤差，可以對(duì)待測(cè)樣品進(jìn)行多次取樣求平均計(jì)算。

選取了具有代表性的3種類(lèi)型的大米(長(zhǎng)粒型、中等粒型與短粒型大米)進(jìn)行試驗(yàn)，對(duì)不同類(lèi)型的大米提出了相應(yīng)的檢測(cè)手段，有助于提高大米整精米率的檢測(cè)效率。一般認(rèn)為，長(zhǎng)粒型的大米采用周長(zhǎng)識(shí)別模式效率較高，識(shí)別精確度在99%以上;短粒型的大米采用面積識(shí)別模式效率較高，識(shí)別精確度亦在99%以上。

［1］國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)，中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì).稻谷(GB 1350—2009)，2009

［2］國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局，中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì).稻谷整精米率檢驗(yàn)法(GB/T 17891—2008)，2008

［3］張玉枝，史忠科.一種新的車(chē)牌識(shí)別預(yù)處理算法［J］.西北工業(yè)大學(xué)學(xué)報(bào)，2002，20(1):83 －86

［4］劉宏兵，楊萬(wàn)海，馬劍虹.圖像小波邊緣提取中閾值選取的一種自適應(yīng)方法［J］.西安電子科技大學(xué)學(xué)報(bào)，2000，27(3):294－296

［5］邢偉利.圖像檢索中顏色的特征提取及匹配算法［J］.微機(jī)發(fā)展，2004，14(2):86 －88

［6］謝鳳英，趙丹培.Visual C++數(shù)字圖像處理［M］.北京:電子工業(yè)出版社，2008:285－288

［7］Refael，C.Gonzalez，Richard E.Woods 著，阮秋琦，阮宇智等譯.數(shù)字圖像處理(第二版)［M］.北京:電子工業(yè)出版，2007:482－495

［8］Giannakis，GB.Heath，R.W.，Jr.Blind identification of multichannel FIR blurs an － d perfect image restoration［J］.IEEE Trans－actions on Image Processing，2000:1877 －1896.

Whole－Rice Ratio Detection Based on Computer Vision

Li Tongqiang Gan Jianpeng
(Zhejiang Gongshang University，Hangzhou 310018)

A method was developed for real－time determining whole－rice ratio based on computer vision.The maximum variance threshold segmentation methods was adopted to process rice image and to conduct morphological operations on the segmentation result in order to separate connected rice and to finally obtain area features and perimeter features after we got the separated rice binary image.According to the number of pixels of rice perimeter，we decided whether recognition mode，perimeter recognition mode or area recognition mode should be adopted.When the number of pixels of rice perimeter was more than a fixed value，in other words，we considered rice was long － grain shape and took the perimeter recognition mode，or otherwise，the area recognition mode should be taken for shortgrain rice.This kind of detection method，which could smartly choose recognition mode，would greatly improve detection efficiency of whole－rice ratio.

computer vision，whole － rice ratio，area，perimeter，feature extraction

TP29

A

1003－0174(2011)08－0114－05

2010－11－09

李同強(qiáng)，男，1960年出生，教授，模式識(shí)別

甘建鵬，男，1986年出生，碩士，模式識(shí)別