劉 韋

（濟南大學 泉城學院，山東 蓬萊 265600）

雙孢蘑菇（Agaricus bisporus）的質地厚實、味道鮮美、顏色潔白，是目前世界上生產(chǎn)量最大、栽培區(qū)域最廣的食用菌品種，又被稱為洋蘑菇、白蘑菇和口蘑等[1-2]。隨著雙孢蘑菇需求量的不斷增加，現(xiàn)階段已經(jīng)實現(xiàn)工廠化生產(chǎn)，較大規(guī)模工廠每日生產(chǎn)的雙孢蘑菇高達上百噸[3]。目前，國內(nèi)主要通過人工對雙孢蘑菇進行分級處理，工人自身素質會影響到人工分級的精準度，且人工分級還存在分級精度不穩(wěn)定、勞動量大、分級標準不統(tǒng)一和生產(chǎn)效率低的問題，因此需要研究雙孢蘑菇的采收和分級方法[4]。

1 概述

邢士元等[5]提出基于機器視覺的產(chǎn)品分級方法，該方法結合邊界跟蹤法和中值濾波法可對蘑菇圖像進行預處理，通過外界矩形旋轉法和三點一線法計算蘑菇的縱軸長和橫軸長， 將蘑菇的中軸曲率、橫軸長、偏心率、縱軸長、似圓度作為分級特征，通過BP神經(jīng)網(wǎng)絡實現(xiàn)蘑菇分級，該方法存在特征提取精準度低的問題。顏秉忠等[6]提出基于計算機技術的分級方法。在計算機中輸入蘑菇的圖像，并對其做灰度化處理，分割獲得的灰度圖像，根據(jù)分割結果提取蘑菇的輪廓，將輪廓的長寬作為參數(shù)，對新鮮雙孢蘑菇進行分級，該方法提取蘑菇輪廓所用的時間較長，分級效率低。

綜上所述，提出新鮮雙孢蘑菇采收和自動化分級方法。

2 新鮮雙孢蘑菇采收

新鮮雙孢蘑菇采收和自動化分級方法通過機械采收器采收雙孢蘑菇，具體步驟，見圖1。

圖1 機械采收器的采收步驟Fig.1 Mechanical harvester harvesting steps

通過圖1可知，采用機械采收器采收雙孢蘑菇主要包括兩個步驟，分別是采收雙孢蘑菇和將雙孢蘑菇從菌床中運走。

在采收雙孢蘑菇時，需要切斷雙孢蘑菇的菌柄，并使雙孢蘑菇直立，將雙孢蘑菇與菌簇分開。

傳送雙孢蘑菇時的主要步驟為：分割菌床，將雙孢蘑菇從床面上提起，并使雙孢蘑菇離開菌床，將其放到傳送帶中或容器中。

3 雙孢蘑菇自動化分級方法

3.1 圖像預處理

新鮮雙孢蘑菇采收和自動化分級方法在雙孢蘑菇行業(yè)標準的基礎上，將雙孢蘑菇分為小、中、大三個級別。采集新鮮雙孢蘑菇圖像，提取圖像中新鮮雙孢蘑菇的特征參數(shù)時，發(fā)現(xiàn)雙孢蘑菇的柄部和圖像中存在的陰影是影響特征提取精準度的主要影響因素，因此新鮮雙孢蘑菇采收和自動化分級方法結合尋找最大閾值分割法和全局閾值分割法對雙孢蘑菇圖像進行第一次分水嶺處理，去除雙孢蘑菇圖像中存在的陰影，之后結合閉運算和Canny算子對雙孢蘑菇圖像進行第二次分水嶺處理，去除圖像中的非邊緣部分，具體過程如下：

3.1.1 獲得閾值T1

通過全局閾值法對雙孢蘑菇進行第一次分水嶺處理之前，提取雙孢蘑菇圖像中的感興趣區(qū)域，具體步驟如下：

針對全局閾值，設定初始估計值G。采用估計值G對雙孢蘑菇圖像進行分割，獲得兩組像素。分別是由灰度值高于G的像素構成的G1，以及由小于等于G的像素構成的G2。

設g1、g2分別代表的是像素G1、G2對應的平均灰度值，通過上述參數(shù)獲得新閾值G的計算公式如下：

重復上述過程，當閾值G在迭代過程中的差值滿足零時，停止迭代，最后獲得的G即為閾值T1。

二值化處理雙孢蘑菇圖像之前，需要用灰度圖代替原始雙孢蘑菇圖像，當閾值T1小于像素點的灰度值時，此時像素點變?yōu)榘咨?，對應的灰度值?55；當閾值T1大于像素點的灰度值時，此時像素點為黑色，對應的灰度值為0，獲得雙孢蘑菇圖像1。

3.1.2 獲得閾值T2

隨機變量的不確定性可以用熵描述，隨機變量的不確定性越高，對應的熵值越大。在雙孢蘑菇圖像中，背景和前景交界處之間存在的信息最多，對應的熵值越大。

新鮮雙孢蘑菇采收和自動化分級方法通過KSW算法確定閾值并使熵值最大。

設t代表的是分割閾值；L代表的是雙孢蘑菇圖像中存在的灰度級總數(shù)，存在公式：

式中：i=0，1，L，L-1；Pi代表的是第i個灰度在圖像中出現(xiàn)的概率。

設T代表的是{0，1，2L，t}對應的灰度密度；B代表的是{t+1，t+2，L，L-1}對應的灰度密度，則：

上述公式中參數(shù)Pn的計算公式如下：

設H(T)代表的是灰度密度T對應的熵；H(B)代表的是灰度密度B對應的熵，其計算公式分別如下：

設?(t)代表的是熵函數(shù)，其計算公式如下：

通過上述計算得到的最大熵函數(shù)對應的灰度級即為閾值T2。將雙孢蘑菇圖像轉變?yōu)榛叶葓D后對其進行二值化處理，當閾值T2的值小于像素點對應的灰度值時，此時像素點呈灰色，灰度值為128；當閾值T2的值大于像素點對應的灰度值時，此時像素點呈黑色，灰度值為0，獲得雙孢蘑菇圖像2。

3.1.3 第一次分水嶺

標記的雙孢蘑菇圖像的前景選用圖像1的前景，此時像素點呈白色，對應的灰度值為255；標記的雙孢蘑菇圖像的背景選用圖像2的背景，此時像素點呈灰色，對應的灰度值為128；剩余像素點呈黑色，對應的灰度值為0。在雙孢蘑菇圖像中標記出前景區(qū)域，獲取不確定區(qū)域和背景區(qū)域，在背景特征和前景特征的基礎上采用分水嶺算法去除雙孢蘑菇圖像中的陰影。

3.1.4 第二次分水嶺

Canny算子被廣泛的應用在邊緣檢測領域中，將獲得的閾值T1和T2分別作為高低閾值。在由低閾值構成的邊緣分布圖中，只保存存在連接鏈路的邊緣點，并將由高閾值構成的邊緣分布圖邊緣和低閾值構成的邊緣分布圖中保存的點連接，獲得雙孢蘑菇第一輪的輪廓圖contours1，通過上述過程去除了低閾值分布圖中存在的邊緣點對應的孤立鏈，保存了高閾值分布圖中存在的邊緣點。

將雙孢蘑菇圖像前景對應的像素點灰度值設置為0，像素點呈現(xiàn)黑色，背景對應的像素點灰度值為255，像素點呈現(xiàn)白色。通過Canny算子挖掘雙孢蘑菇輪廓，即contours1的前景對應的像素點灰度值設置為255。此時前景呈現(xiàn)為白色；將背景像素點對應的灰度值設置為0，此時背景呈現(xiàn)為黑色。將上述兩個圖像做運算或邏輯，如果其中一個圖像的值為1，則結果為1；如果以上兩個圖像的值都為0，則結果為0，獲得result1圖像。對獲得的result1圖像做閉運算處理，去除雙孢蘑菇圖像中存在的非邊緣，保留雙孢蘑菇的內(nèi)部邊緣。

3.2 自動化分級

新鮮雙孢蘑菇采收和自動化分級方法提取雙孢蘑菇的大小特征和形狀特征，將提取到的雙孢蘑菇的大小特征和形狀特征輸入分類函數(shù)中，實現(xiàn)新鮮雙孢蘑菇的自動化分級，具體步驟如下：

3.2.1 雙孢蘑菇大小特征提取

根據(jù)得到的雙孢蘑菇的輪廓，通過曲線對輪廓中的點進行描繪，設代表的是該區(qū)域對應的中心，可通過下式計算得到：

式中：n描述的是像素的總數(shù)；xi、yi描述的是第i個像素點的坐標。

計算輪廓中各像素點和中心之間存在的距離，并將距離平均值當做雙孢蘑菇的直徑r0，其計算公式如下：

3.2.2 雙孢蘑菇形狀特征提取

根據(jù)中心點對應的坐標獲取與中心點橫坐標相同的一個點，以及與中心點縱坐標相同的另一個點，通過下式計算兩個點與中心點之間的距離d：

將上式計算得到的兩個距離值進行比值處理，如果比值與1接近，表明雙孢蘑菇的形狀較好，如果比值與0較近，表明雙孢蘑菇的形狀較差。

將提取的雙孢蘑菇大小特征和顏色特征輸入支持向量機分類函數(shù)k(x,xi)中，完成雙孢蘑菇的自動化分級，支持向量機分類函數(shù)k(x,xi)的表達式如下：

4 試驗結果

為了驗證新鮮雙孢蘑菇采收和自動化分級方法的整體有效性，在Matlab平臺中對新鮮雙孢蘑菇采收和自動化分級方法進行測試，對雙孢蘑菇分級的基礎是提出雙孢蘑菇的特征，分別采用新鮮雙孢蘑菇采收和自動化分級方法（方法1）、基于機器視覺的蘑菇分級方法（方法2）和基于計算機技術的分級方法（方法3）進行測試，對比3種不同方法的特征提取精準度如圖2所示。

圖2 3種不同方法的特征提取精準度Fig.2 Feature extraction accuracy of three different methods

分析圖2可知，采用新鮮雙孢蘑菇采收和自動化分級方法在多次迭代中獲得的特征提取精準度均高于基于機器視覺的蘑菇分級方法和基于計算機技術的分級方法，原因在于新鮮雙孢蘑菇采收和自動化分級方法進行特征提取之前去除了雙孢蘑菇圖像中存在的陰影，減少了陰影對特征提取結果造成的影響，提高了特征提取精準度。

測試3種不同方法的分級時間，結果見圖3。

圖3 3種不同方法的分級時間Fig.3 Classification time of three different methods

分析圖3（a）可知，采用新鮮雙孢蘑菇采收和自動化分級方法對雙孢蘑菇進行分級處理時，在多次迭代中所用的時間均在0.2 s以下；分析圖3（b）和圖3（c）可知，采用基于機器視覺的蘑菇分級方法和基于計算機技術的分級方法對雙孢蘑菇進行分級處理時，所用的分級時間在0.4 s和0.5 s附近波動。對比上述測試結果可知，新鮮雙孢蘑菇采收和自動化分級方法所用的分級時間均少于試驗對比方法。去除雙孢蘑菇圖像中存在的非邊緣，減少特征提取過程中需要計算的數(shù)據(jù)量，縮短對雙孢蘑菇分級所用的時間，具有較高的分級效率。

5 結語

工業(yè)化生產(chǎn)流水線中較為重要的環(huán)節(jié)是分揀不合格產(chǎn)品和次品。工業(yè)產(chǎn)品具有一致性和規(guī)則性，對產(chǎn)品進行分級是較為容易的，但是農(nóng)產(chǎn)品具有數(shù)量龐大和品種繁多的特點，由于營養(yǎng)、生長環(huán)境等因素相同農(nóng)產(chǎn)品也會存在差異，使分級成為農(nóng)產(chǎn)品領域中的難點問題。當前雙孢蘑菇分級方法存在特征提取精準度低和分級效率低的問題，提出新鮮雙孢蘑菇采收和自動化分級方法，試驗結果表明，本文方法可精準的提取出雙孢蘑菇的特征，在較短的時間內(nèi)完成雙孢蘑菇的分級，解決了雙孢蘑菇分級中存在的問題。