蘇 欣

(承德石油高等專(zhuān)科學(xué)校 計(jì)算機(jī)系，河北 承德 067000)

?

基于計(jì)算機(jī)視覺(jué)信息處理技術(shù)的蘋(píng)果自動(dòng)分級(jí)研究

蘇 欣

(承德石油高等專(zhuān)科學(xué)校 計(jì)算機(jī)系，河北 承德 067000)

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展和人們消費(fèi)水平不斷的提高，消費(fèi)者在購(gòu)買(mǎi)蘋(píng)果時(shí)對(duì)其品質(zhì)的要求也越來(lái)越高。在傳統(tǒng)農(nóng)產(chǎn)品加工作業(yè)中，導(dǎo)致分級(jí)精度低和勞動(dòng)生產(chǎn)率低。利用計(jì)算機(jī)視覺(jué)信息處理技術(shù)，依據(jù)主特征參量對(duì)蘋(píng)果進(jìn)行自動(dòng)分級(jí)，相較于傳統(tǒng)的蘋(píng)果等級(jí)人工分離方法，不僅提高了蘋(píng)果等級(jí)分離的正確率，且極大地節(jié)約了勞動(dòng)力。

蘋(píng)果自動(dòng)分級(jí)；計(jì)算機(jī)視覺(jué)；信息處理；特征提取；多特征

0 引言

計(jì)算機(jī)視覺(jué)技術(shù)已經(jīng)被證明是新鮮水果和蔬菜檢驗(yàn)的有力工具，目前在水果和包裝蔬菜的自動(dòng)加工系統(tǒng)中應(yīng)用比較廣泛。農(nóng)業(yè)作為人類(lèi)生存的最基本要素，計(jì)算機(jī)視覺(jué)的應(yīng)用范圍更加廣泛，如植物生長(zhǎng)狀態(tài)的采集、共享農(nóng)業(yè)資源信息的建設(shè)、農(nóng)副產(chǎn)品等級(jí)區(qū)分和質(zhì)量檢測(cè)等方面。機(jī)器視覺(jué)信息處理技術(shù)在農(nóng)副產(chǎn)品分級(jí)和品質(zhì)鑒別中的應(yīng)用，衍生出一個(gè)新型的農(nóng)業(yè)方向—精細(xì)農(nóng)業(yè)。由于農(nóng)副產(chǎn)品在產(chǎn)前和產(chǎn)后加工處理等環(huán)節(jié)中受到諸多因素的影響，其等級(jí)、品質(zhì)等方面(如大小、形狀、顏色、缺陷等)或多或少存在著差異，需在等級(jí)分離和質(zhì)量檢測(cè)的過(guò)程中全面區(qū)分；而計(jì)算機(jī)視覺(jué)用機(jī)器眼代替人眼，即用視覺(jué)采集裝置采集的圖像和機(jī)器替代人眼對(duì)受檢產(chǎn)品進(jìn)行信息區(qū)別和分離等，然后將圖像效果改善成更易于區(qū)分的圖像。在過(guò)去的農(nóng)業(yè)生產(chǎn)中，農(nóng)產(chǎn)品外觀是最基礎(chǔ)的鑒別方式，都是依靠人眼來(lái)判定的。近些年來(lái)，在精細(xì)農(nóng)業(yè)方面取得了很多成就，如趙靜等[1]采用修改了的CANNY算數(shù)法和當(dāng)量直徑法相結(jié)合的方式來(lái)區(qū)分蘋(píng)果的大小等級(jí)。因此，利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)蘋(píng)果進(jìn)行多個(gè)特征[2-3]進(jìn)行等級(jí)判別，可極大地提高生產(chǎn)效率，分級(jí)效果更精確可靠，可提高蘋(píng)果在國(guó)內(nèi)外市場(chǎng)銷(xiāo)售額。

1 實(shí)驗(yàn)設(shè)計(jì)

1.1 設(shè)計(jì)原理

蘋(píng)果加工包含了采后的檢測(cè)分級(jí)、清洗、上蠟、貼標(biāo)簽等工序，等級(jí)分離是蘋(píng)果爭(zhēng)奪市場(chǎng)競(jìng)爭(zhēng)力的關(guān)鍵影響因素之一。近年來(lái)，隨著農(nóng)業(yè)的精細(xì)化,農(nóng)產(chǎn)品分級(jí)已是農(nóng)業(yè)生產(chǎn)的必備手段了，分級(jí)方式也從依靠人眼采用單純的大小或質(zhì)量分級(jí)發(fā)展到計(jì)算機(jī)視覺(jué)自動(dòng)分級(jí)。自動(dòng)分級(jí)系統(tǒng)可從多個(gè)方面(如形狀、顏色、缺陷等因素)進(jìn)行等級(jí)區(qū)分，使蘋(píng)果品質(zhì)區(qū)分效果明顯、分級(jí)效率提高。

本文采用紅富士蘋(píng)果作為實(shí)驗(yàn)對(duì)象，通過(guò)計(jì)算機(jī)視覺(jué)采集圖像，以大小、形狀、顏色、缺陷4個(gè)特征為主要提取特征參量，考察分級(jí)效果。

1.2 總體設(shè)計(jì)

基于計(jì)算機(jī)視覺(jué)的蘋(píng)果自動(dòng)分離系統(tǒng)由輸送帶、定向裝置、視覺(jué)采集設(shè)備、照明裝置和計(jì)算機(jī)構(gòu)成。工作時(shí)，采摘下來(lái)的蘋(píng)果放置在輸送帶上，因定向裝置的輔助使蘋(píng)果的輸送定向。與此同時(shí)，在照明裝置的協(xié)助下視覺(jué)采集設(shè)備完成目標(biāo)物圖像信息的采集，并將信息輸送到計(jì)算機(jī)，再根據(jù)計(jì)算機(jī)中的圖像分析軟件綜合分析，并按照蘋(píng)果等級(jí)區(qū)分的國(guó)家標(biāo)準(zhǔn)GB/T 10651-2008進(jìn)行蘋(píng)果等級(jí)分離；然后，由電腦發(fā)出指令，將蘋(píng)果輸送相對(duì)應(yīng)等級(jí)的傳輸帶上，完成蘋(píng)果等級(jí)的分離。

2 蘋(píng)果圖像特征提取

2.1 蘋(píng)果圖像預(yù)處理

通過(guò)攝像頭采集的圖像需要經(jīng)處理才能進(jìn)行分析，只有圖像清晰、像素高，才能突顯目標(biāo)圖形，故要采用手段去除圖像中干擾和噪點(diǎn)。通過(guò)改善圖像視覺(jué)效果等方法，可以使采集的圖像更易于分析和鑒別，抑制不需要的特征，使圖像中信息突顯，提高圖像判讀和識(shí)別效果。圖像改善常用方法有：①灰度等級(jí)直方圖方法。該方法使改善后的圖像在某一個(gè)灰度值區(qū)間內(nèi)有著更大的對(duì)比度。②干擾抑制。通過(guò)空間域法中具有代表性的算法，如局部求平均值法和中值濾波(取局部鄰域中的中間像素值)法等，來(lái)去除或減弱采集的圖像上噪聲和隨機(jī)性干擾。③邊緣銳化。通過(guò)高通濾波、差分運(yùn)算或某種變動(dòng)，使圖形的輪廓線(xiàn)邊緣突顯，便于目標(biāo)識(shí)別。④偽彩色處理。該方法是將圖像中的無(wú)色轉(zhuǎn)變?yōu)橛猩?/p>

2.2 大小特征提取

提取蘋(píng)果大小的特征量比較常用的有面積、線(xiàn)度等，本文以蘋(píng)果的橫徑作為蘋(píng)果大小的特征量。從蘋(píng)果二值圖像中分析得到蘋(píng)果橫徑，使用迭代閾值分割法得到f(x,y)，再通過(guò)轉(zhuǎn)化得蘋(píng)果橫徑。根據(jù)國(guó)家推薦標(biāo)準(zhǔn)GB/T 10651中規(guī)定的參數(shù)，來(lái)確定蘋(píng)果等級(jí)分離時(shí)的大小。

2.3 形狀特征提取

利用邊界線(xiàn)半徑和二維傅立葉動(dòng)態(tài)變換[4]對(duì)蘋(píng)果的形狀分析描述， 不僅可提高等級(jí)分離的正確率，還能提高分級(jí)工作的效率。在對(duì)蘋(píng)果的等級(jí)分離過(guò)程中，對(duì)果形的要求并不高，蘋(píng)果等級(jí)區(qū)分可以有一定的上下浮動(dòng)范圍，也不需要用傅立葉半徑描述中的所有特征參量來(lái)描述。因此，中間較小的特征分量可以去除，進(jìn)而減少特征個(gè)數(shù)。研究發(fā)現(xiàn)，取傅立葉前9項(xiàng)分量就基本可以復(fù)原圖像中物品的輪廓。

2.4 顏色特征提取

顏色是蘋(píng)果等級(jí)區(qū)分的最重要、最直接視覺(jué)特征之一，高品質(zhì)的蘋(píng)果底色黃綠，有密集鮮紅色條紋且色澤均勻。由于色飽和度模型與人類(lèi)眼睛觀察色彩的原理相似，因此本文以色飽和度模型的色度圖像作為蘋(píng)果色澤的特征提取參數(shù)。

2.5 缺陷特征提取

蘋(píng)果表皮經(jīng)常出現(xiàn)一些損傷，會(huì)形成銹果型及花臉型等，且多在大萼洼處先出現(xiàn)黃綠色、鐵銹色斑紋或斑塊，致使果面龜裂、凹凸不平。果實(shí)畸形就會(huì)導(dǎo)致蘋(píng)果等級(jí)下降，也是質(zhì)量的重要影響因素，由于蘋(píng)果表面呈不規(guī)則的狀態(tài)，導(dǎo)致采集圖像的灰度值由中心點(diǎn)向邊沿呈現(xiàn)遞減的趨勢(shì),再加上大小及噪點(diǎn)等因素的影響，無(wú)法利用模型識(shí)別來(lái)評(píng)判蘋(píng)果的等級(jí)，鑒定難度高，不能達(dá)到等級(jí)區(qū)分的目的。因此，本文采用從右至左、再至右對(duì)整個(gè)蘋(píng)果圖像進(jìn)行全方位的掃描，檢查它們的左、右臨界點(diǎn)(Lli、Lri)，那么整個(gè)圖像像素點(diǎn)為:Li=Lri-Lli+1。然后，再找到一個(gè)f(x，y) 為0的像素點(diǎn)，該處即為缺陷；將蘋(píng)果采集圖像中的缺陷面積累加，可得到蘋(píng)果的全部缺陷的面積，從而分析出蘋(píng)果等級(jí)缺陷影響指數(shù)。

3 實(shí)驗(yàn)與結(jié)果

3.1 實(shí)驗(yàn)條件

根據(jù)國(guó)家推薦標(biāo)準(zhǔn)GB/T 10651的要求，蘋(píng)果分為4個(gè)等級(jí)分別為: 優(yōu)等、一等、二等和次品。本文以紅富士蘋(píng)果為試驗(yàn)對(duì)象，數(shù)量為200個(gè)( 每個(gè)等級(jí)50 個(gè))，以大小、形狀、顏色及缺陷4個(gè)特征參量選擇各等級(jí)蘋(píng)果。

3.2 實(shí)驗(yàn)方法

為了檢測(cè)采用計(jì)算機(jī)視覺(jué)信息技術(shù)的蘋(píng)果自動(dòng)分級(jí)裝置的有效性，以人工分級(jí)來(lái)做對(duì)比。首先，讓工人嚴(yán)格按照大小、形狀、顏色、缺陷這4個(gè)特征指標(biāo)，將試驗(yàn)品按照國(guó)家標(biāo)準(zhǔn)中4個(gè)等級(jí)標(biāo)準(zhǔn)要求分為4個(gè)級(jí)別，統(tǒng)計(jì)各個(gè)級(jí)別的蘋(píng)果數(shù)量；然后，采用計(jì)算機(jī)視覺(jué)信息處理技術(shù)自動(dòng)分級(jí)設(shè)備，設(shè)置大小、形狀、顏色、缺陷這4個(gè)特征指標(biāo)為主特征參量數(shù)值，將試驗(yàn)果進(jìn)行檢測(cè)，得到4個(gè)等級(jí)蘋(píng)果數(shù)，如表1所示。

表1 人工與自動(dòng)分級(jí)效果對(duì)比

由表1數(shù)據(jù)可知：采用計(jì)算機(jī)視覺(jué)技術(shù)等級(jí)分離的正確率較人工的更高，實(shí)現(xiàn)了蘋(píng)果等級(jí)分離的自動(dòng)化生產(chǎn)，并全方位地考慮蘋(píng)果等級(jí)區(qū)分的影響因素，最大程度提高了分級(jí)的正確率。

4 結(jié)論

采用人工等級(jí)分離方法，需要人工多、勞動(dòng)強(qiáng)度大，且缺乏應(yīng)有客觀性和準(zhǔn)確度，嚴(yán)重影響了蘋(píng)果等級(jí)區(qū)分的效率和精度，沒(méi)有達(dá)到分級(jí)的目的。計(jì)算機(jī)視覺(jué)技術(shù)為蘋(píng)果等級(jí)的分離提供了一種自動(dòng)、高效的方法，本文將蘋(píng)果在市場(chǎng)上銷(xiāo)售的主要影響因素定為分離參數(shù)，為蘋(píng)果等級(jí)分離提供了重要依據(jù)。利用機(jī)器視覺(jué)技術(shù)進(jìn)行農(nóng)產(chǎn)品等級(jí)分離，不僅增加了生產(chǎn)商的利潤(rùn)，同時(shí)也保證了消費(fèi)者的利益。

基于計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行的蘋(píng)果等級(jí)分離的正確率高、效率高，很大程度避免了人工等級(jí)分離時(shí)受員工主觀心理因素的影響而導(dǎo)致等級(jí)區(qū)分不準(zhǔn)確的問(wèn)題。因此，該技術(shù)在精細(xì)農(nóng)業(yè)中的應(yīng)用將會(huì)越來(lái)越廣泛。

[1] 謝靜.基于計(jì)算機(jī)視覺(jué)的蘋(píng)果自動(dòng)分級(jí)方法研究[D].合肥:安徽農(nóng)業(yè)大學(xué),2011.

[2] 龍滿(mǎn)生，何東健，寧紀(jì)峰． 基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋(píng)果綜合分級(jí)系統(tǒng)[J]．西北農(nóng)林科技大學(xué)學(xué)報(bào)，2001，29( 6) : 108-111．

[3] 包曉安，張瑞林，鐘樂(lè)海．基于人工神經(jīng)網(wǎng)絡(luò)與圖像處理的蘋(píng)果識(shí)別方法研究[J]．農(nóng)業(yè)工程學(xué)報(bào)，2004，20( 3) :109-112．

[4] 高華,王雅琴. 基于計(jì)算機(jī)視覺(jué)的農(nóng)產(chǎn)品形狀分級(jí)研究[J]. 計(jì)算機(jī)工程與應(yīng)用,2004(14):227-229.

Apple Automatic Grading Computer Vision Information Processing Technology

Su Xin

(Department of Computer & Information Engineering，Chengde Petroleum College，Chengde 067000, China)

With the rapid socio-economic development, people's consumption levels continue to increase, people are buying Apple its quality requirements are also getting higher and higher, the market is now on the quality of apple grading sales. In the traditional agro-processing operations, separating workers picking fruit and put them in bags or boxes on the ground, and then be transported manually to the trailer park where to be sent to the area of post-harvest packaging line. Note that this hierarchical model is inefficient, more importantly, which includes dead time, it is difficult to fully consider the situation of each apple, resulting classification accuracy and low labor utilization rate. The computer system has been widely used in precision agriculture, such as detecting and removing weeds yield grade, automatic harvesting of fruits and vegetables or agricultural products.How it works: computer vision acquisition variety of apple image feature extraction, using edge detection, image enhancement, image binarization image data processing method for image analysis acquisition, processing feature can set up multiple, according to the main characteristic parameters apple automatic grading.The results show that the traditional apple grade artificial separation method compared to using machine vision grade apples were separated, not only improve the accuracy of the apple grade separation, but also greatly save labor.

apple automatic grading; computer vision; information processing; feature extraction; multiple featuresr

2016-05-12

承德市科學(xué)技術(shù)研究與發(fā)展計(jì)劃項(xiàng)目(201422105)

蘇 欣(1981-)，男，河北承德人，講師，碩士研究生，(E-mail)bbisuxin@126.com。

S126

A

1003-188X(2017)06-0242-03