張弘煬，蔡 騁

(西北農(nóng)林科技大學(xué) 信息工程學(xué)院，陜西 楊凌 712100)

0 引言

蘋(píng)果在我國(guó)水果市場(chǎng)中占有較高的比例，蘋(píng)果采摘機(jī)器人具有廣闊的應(yīng)用前景?？紤]到部分蘋(píng)果果實(shí)患有生理病害，有必要在蘋(píng)果采摘機(jī)器人中加入無(wú)損在線檢測(cè)蘋(píng)果病害的模塊，以便指導(dǎo)蘋(píng)果采摘機(jī)器人的采摘行為。

水心病是我國(guó)西北地區(qū)元帥和秦冠蘋(píng)果園中常見(jiàn)的一種蘋(píng)果病害，是在抗藥性、溫度、果實(shí)大小及土壤環(huán)境等因素綜合作用下形成的蘋(píng)果內(nèi)部病害。輕度患有水心病的蘋(píng)果果實(shí)，其果心附近的果肉糖化，呈現(xiàn)出半透明的水漬狀的斑紋，果面與無(wú)病蘋(píng)果沒(méi)有明顯區(qū)別。水心病只是對(duì)蘋(píng)果果實(shí)有害，對(duì)于人類(lèi)無(wú)害且其口感比無(wú)病蘋(píng)果要好，因此日本等地的蘋(píng)果園挑選出患有水心病的蘋(píng)果進(jìn)行高價(jià)售賣(mài)。重度患有水心病的蘋(píng)果果實(shí)，其水漬狀的斑紋一直延伸到蘋(píng)果果實(shí)表面，不僅嚴(yán)重影響了果實(shí)的美觀程度，而且其部分果肉腐敗褐變，不適合進(jìn)行食用?；加兴牟〉奶O(píng)果會(huì)在短時(shí)間內(nèi)加快患病程度，因此有必要在蘋(píng)果采摘機(jī)器人中加入蘋(píng)果水心病無(wú)損在線分級(jí)系統(tǒng)，優(yōu)先采摘輕度患有水心病的蘋(píng)果，以便通過(guò)減少水心病加重造成的損失和通過(guò)單獨(dú)售賣(mài)糖心蘋(píng)果提高經(jīng)濟(jì)效益。

因?yàn)橐３痔O(píng)果的完整性以便售賣(mài)，所以只能采用無(wú)損檢測(cè)技術(shù)地對(duì)蘋(píng)果水心病進(jìn)行分級(jí)檢測(cè)，本文基于高光譜技術(shù)和計(jì)算機(jī)視覺(jué)特征對(duì)此進(jìn)行了研究。計(jì)算機(jī)視覺(jué)是一種無(wú)損檢測(cè)技術(shù)，使用計(jì)算機(jī)算法對(duì)采集到的農(nóng)業(yè)圖像進(jìn)行分析，與人工分析農(nóng)業(yè)圖像相比， 不受個(gè)人主觀影響，可以挖掘出人眼觀察不到的底層圖像特征，并可自動(dòng)化運(yùn)行。目前，計(jì)算機(jī)視覺(jué)被廣泛用于農(nóng)業(yè)機(jī)械領(lǐng)域，如計(jì)算機(jī)視覺(jué)用于棉花生長(zhǎng)監(jiān)測(cè)自主導(dǎo)航車(chē)輛及玉米植株高度檢測(cè)等。

韓東海等人于2004年使用蘋(píng)果果實(shí)的密度和透光強(qiáng)度對(duì)蘋(píng)果水心病的分級(jí)檢測(cè)進(jìn)行了研究，將蘋(píng)果按照水心病患病程度分為了4個(gè)等級(jí)。王思玲等人于2015年基于蘋(píng)果果實(shí)對(duì)高光譜近紅外光的吸收值，采用特征選擇算法和支持向量機(jī)算法對(duì)蘋(píng)果果實(shí)是否患有水心病進(jìn)行了檢測(cè)。闕玲麗于2017年采用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)獲取到的蘋(píng)果圖像進(jìn)行邊緣檢測(cè)、圖像預(yù)處理操作，然后提取出形狀特征和顏色特征對(duì)蘋(píng)果果實(shí)進(jìn)行了分級(jí)研究。蘇欣于2017年采用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)蘋(píng)果圖像提取出了大小特征、形狀特征和顏色特征，并根據(jù)主特征參量對(duì)蘋(píng)果果實(shí)進(jìn)行了分級(jí)研究。

本文采用計(jì)算機(jī)視覺(jué)技術(shù)，在西北農(nóng)林科技大學(xué)白水蘋(píng)果試驗(yàn)示范站無(wú)損在線采集到秦冠蘋(píng)果的高光譜透射圖像和果面圖像，然后使用K-SVD壓縮感知算法對(duì)蘋(píng)果圖像進(jìn)行降噪預(yù)處理，并提取計(jì)算機(jī)視覺(jué)領(lǐng)域的圖像金字塔特征，用支持向量機(jī)算法進(jìn)行蘋(píng)果果實(shí)水心病患病程度的分級(jí)，根據(jù)分級(jí)結(jié)果指導(dǎo)蘋(píng)果采摘機(jī)器人的采摘行為。

1 系統(tǒng)設(shè)計(jì)

1.1 蘋(píng)果果實(shí)圖像采集模塊

本系統(tǒng)在西北農(nóng)林科技大學(xué)白水蘋(píng)果試驗(yàn)示范站采集到479個(gè)蘋(píng)果的高光譜透射圖像和果面圖像，然后剖開(kāi)蘋(píng)果根據(jù)蘋(píng)果內(nèi)部水心病患病情形對(duì)其水心病患病程度進(jìn)行標(biāo)注。其中，采集到的高光譜透射圖像的大小為512×512，采集到的果面圖像的大小為400×600。

1.2 蘋(píng)果果實(shí)圖像降噪預(yù)處理模塊

本系統(tǒng)采用壓縮感知算法K-SVD對(duì)蘋(píng)果果實(shí)圖像進(jìn)行降噪處理。該算法基于壓縮感知，假設(shè)圖像中局部區(qū)域是由基本的圖像紋理、圖像邊緣等基本信號(hào)線性組合而成，則

arg minx‖x‖0s.t.‖y-Dx‖2≤

(1)

針對(duì)容量為K的基本信號(hào)字典，K-SVD算法每次使用OMP算法根據(jù)當(dāng)前基本信號(hào)字典為蘋(píng)果果實(shí)圖像求解出線性組合系數(shù)，對(duì)基本信號(hào)字典的每一列計(jì)算出當(dāng)前殘差，并使用SVD分解殘差的結(jié)果更新基本信號(hào)字典；迭代有限次后即可求得與圖像內(nèi)容相關(guān)的自適應(yīng)基本信號(hào)字典，基本信號(hào)字典與對(duì)應(yīng)線性表示系數(shù)的乘積即為降噪預(yù)處理后的蘋(píng)果果實(shí)圖像。

1.3 蘋(píng)果果實(shí)圖像計(jì)算機(jī)視覺(jué)特征提取模塊

計(jì)算機(jī)視覺(jué)特征有直方圖特征、LBF(Local Binary Pattern)特征、GIST特征、HOG(Histogram of Oriented Gradient)特征、SIFT(Scale Invariant Feature Transform)特征及SPM(Spatial Pyramid Matching)特征等。在這些特征中，SPM特征基于SIFT特征和直方圖特征，既有SIFT特征對(duì)平移不變、對(duì)尺度不變、對(duì)旋轉(zhuǎn)不變及對(duì)光照有一定程度不變的優(yōu)點(diǎn)，又可以保留圖像的空間分布信息。

SPM特征將圖像劃分為尺度0到尺度L,對(duì)于每個(gè)尺度l，將圖像分割為2l個(gè)區(qū)域并對(duì)每個(gè)區(qū)域分別提取128維度的SIFT特征，使用kmeans聚類(lèi)算法從所有SIFT特征求取K個(gè)基本信號(hào)組成特征字典；將所有尺度的SIFT特征用其對(duì)應(yīng)的聚類(lèi)中心的索引表示，拼接所有尺度的索引數(shù)組得到最終的SPM特征。

1.4 蘋(píng)果水心病分級(jí)模塊

根據(jù)人工標(biāo)注好4種等級(jí)水心病患病程度無(wú)水心病、輕度水心病、中度水心病和重度水心病的蘋(píng)果果實(shí)圖像，對(duì)采用RBF核函數(shù)的支持向量機(jī)進(jìn)行訓(xùn)練。即假設(shè)4個(gè)等級(jí)水心病患病程度的蘋(píng)果果實(shí)圖像的計(jì)算機(jī)視覺(jué)特征經(jīng)過(guò)RBF核函數(shù)映射后是線性可分的，使用支持向量機(jī)算法訓(xùn)練4個(gè)等級(jí)中每一對(duì)等級(jí)的蘋(píng)果果實(shí)圖像對(duì)應(yīng)的計(jì)算機(jī)視覺(jué)特征的劃分邊界。對(duì)于未知等級(jí)的蘋(píng)果果實(shí)圖像，使用訓(xùn)練好的支持向量機(jī)劃分邊界，基于1-vs-1策略可以無(wú)損在線對(duì)蘋(píng)果的水心病患病程度進(jìn)行分級(jí)。

1.5 水心病分級(jí)結(jié)果對(duì)蘋(píng)果采摘機(jī)器人行為的指導(dǎo)

根據(jù)對(duì)蘋(píng)果園中蘋(píng)果果實(shí)的水心病患病程度的分級(jí)結(jié)果，果農(nóng)可以對(duì)蘋(píng)果采摘機(jī)器人的行為進(jìn)行調(diào)節(jié)，優(yōu)先采摘輕度水心病的蘋(píng)果果實(shí)。這樣，不僅可以盡早將糖心蘋(píng)果提供給消費(fèi)者以避免蘋(píng)果果實(shí)由輕度水心病發(fā)展成重度水心病造成浪費(fèi)，而且可以通過(guò)高價(jià)出售糖心蘋(píng)果來(lái)提高經(jīng)濟(jì)效益。

2 實(shí)驗(yàn)結(jié)果

本次研究使用計(jì)算機(jī)視覺(jué)函數(shù)庫(kù)OpenCV3.0為蘋(píng)果果實(shí)圖像提取SPM特征，使用libSVM庫(kù)根據(jù)蘋(píng)果果實(shí)圖像的SPM特征進(jìn)行蘋(píng)果果實(shí)水心病患病程度的分級(jí)。

尺度數(shù)量L對(duì)蘋(píng)果水心病分級(jí)準(zhǔn)確率的影響如表1所示。K=200時(shí)，使用5-fold交叉驗(yàn)證對(duì)系統(tǒng)的參數(shù)L進(jìn)行研究發(fā)現(xiàn)，L=2時(shí)的蘋(píng)果水心病分級(jí)準(zhǔn)確率最高。

表1 尺度數(shù)量L對(duì)蘋(píng)果水心病分級(jí)準(zhǔn)確率的影響

基本信號(hào)數(shù)量K對(duì)蘋(píng)果水心病分級(jí)準(zhǔn)確率的影響如表2所示。由表2可以看出：L=2時(shí)，使用5-fold交叉驗(yàn)證對(duì)系統(tǒng)的參數(shù)K進(jìn)行研究發(fā)現(xiàn)，K=200時(shí)的蘋(píng)果水心病分級(jí)準(zhǔn)確率最高。

表2 基本信號(hào)數(shù)量K對(duì)蘋(píng)果水心病分級(jí)準(zhǔn)確率的影響

Table 2 Apple water core classification accuracy with different number of base signalK

KSPM特征維度雜草種子識(shí)別準(zhǔn)確率/%100420075.4200840078.2

續(xù)表2

3 結(jié)論

本系統(tǒng)將壓縮感知降噪算法、計(jì)算機(jī)視覺(jué)特征與機(jī)器學(xué)習(xí)算法用于蘋(píng)果水心病的無(wú)損在線分級(jí)，構(gòu)建了蘋(píng)果水心病分級(jí)系統(tǒng)用于果園中無(wú)損在線獲取到蘋(píng)果果實(shí)的高光譜透射圖像和果面圖像；然后，經(jīng)過(guò)降噪預(yù)處理和計(jì)算機(jī)視覺(jué)特征提取后，對(duì)蘋(píng)果水心病的患病程度進(jìn)行分級(jí)，最后根據(jù)分級(jí)結(jié)果指導(dǎo)蘋(píng)果采摘機(jī)器人的采摘行為。實(shí)驗(yàn)表明：本系統(tǒng)實(shí)現(xiàn)了基于計(jì)算機(jī)視覺(jué)對(duì)蘋(píng)果水心病患病程度進(jìn)行分級(jí)及根據(jù)分級(jí)結(jié)果優(yōu)先采摘糖心蘋(píng)果的目標(biāo)，可以取得降低人工成本、提高經(jīng)濟(jì)效益的結(jié)果，值得推廣。