基于圖像處理的蜜柑大小自動分級方法

譚 博，唐少先

（湖南農業大學 信息科學技術學院，湖南 長沙 410128）

分級是根據要求把物體分為不同等級的一種方法。蜜柑分級一直是我國水果產業上的一大薄弱環節，直接影響到蜜柑在市場上的銷售。柑橘類水果是我國產量最大的水果種類之一，也是非常重要的外貿果品。尤其是在南方一帶，廣泛種植了溫州蜜柑類水果，但是由于采摘后的分級技術落后，造成上市的蜜柑質量良莠不齊，嚴重了損害了蜜柑品牌的形象，降低了競爭力。同時隨著近幾年我國勞動力成本不斷飆升，人工分級的成本也較大，效率卻較低。

目前計算機技術在農業上應用越來越廣、深入。近年來圖像處理技術在農業的研究和應用已經成了一個熱點。如鄭秀蓮運用圖像處理技術，提取柑橘的兩個特征參數進行柑橘的無損檢測研究；RAO和YING等研究了關于柑橘果徑大小的最小矩形域檢測方法，通過對80個柑橘進行檢測，驗證了果徑測量的最大誤差小于1mm；黎移新通過對柑橘圖像中統計出來的亮度經驗值為閥值，檢測出柑橘病蟲害疤痕，對柑橘圖像中疤痕正確識別率達到88.64%；晁德起，章程輝等通過改進圖像灰化的方法，研究了運用計算機視覺技術對毛葉棗進行分級。

為了改變過去在圖像處理領域檢測蜜柑類大小時，效率低，或者實現環境復雜而不利于工業應用的狀況。本文根據蜜柑的特性以及工業應用的需要，提出了針對蜜柑直徑檢測的快速、高效的算法，實現快速分級。

1 分級系統原理與結構

1.1 分級系統原理

蜜柑分級系統主要采用微機和可編程控制器（PLC）相結合的控制架構。由微機組成的控制臺負責圖像信息采集、圖像處理及分析評級。同時在傳送帶下面設置PLC接受來自微機的分級信息并對分級執行結構進行邏輯控制，對底層硬件如伺服電機和攝像頭開關等進行控制。控制臺對圖像信息進行分析處理后，發布指令給PLC。PLC接受指令后，再對私服電機發送相應脈沖控制旋轉分離臂的轉向，將相應的蜜柑送到相應的等級通道中。

系統工作流程框架如圖1所示。

圖1 自動分級系統工作流程框架圖

1.2 圖像采集

當蜜柑由傳送帶運送進入分級系統時，分級系統采用雙錐形滾子傳送帶，每一個柑橘都落入雙錐形的凹槽中，然后進入燈箱。雙錐式滾筒在摩擦帶上繞水平軸轉動，帶動蜜柑進行翻轉運動，在燈箱內，由CCD攝像頭完成圖像采集，并將圖像信息傳遞給控制臺。

2 圖像處理及分析

采用MATLAB圖像處理工具箱對圖像進行處理和分析。具體過程是去除背景、圖像二值化、檢測直徑、圖像標定等。

2.1 背景去除及灰度化

圖像去背景采取相位一致性邊緣檢測的方法來實現，基于相位一致性邊緣檢測的計算過程本身就具有消除噪聲的功能，所以對原始圖像不必再預先進行消噪處理。

相位一致性邊緣檢測方法主要是針對灰度圖像，針對彩色圖像，還沒有基于彩色分量比較成熟的方法，所以應將圖像變換成灰度圖像。

實現圖像灰度化的語句如下：

X2=mat2gray(x1)

得到灰度圖像后采用非極大值抑制方法細化邊緣特征的一些信息進行相位一致性邊緣檢測。

相位一致函數如下：

其中，E（x）表示 x處的局部能量，An表示 Fourier變換各分量幅度，pc(x)表示x處的相位一致性。

其中，F（x）表示某一維信號，而 H（x）表示 F的希爾伯特變換。所以局部能量定義為信號與它的希爾伯特變換的平方和的平方根。

去除背景后并灰度化的圖像如圖2所示。

圖2 去背景后灰度化圖像

2.2 圖像二值化

為了后面的提取特征量，還需要將圖像進行二值化處理。二值化處理的一個關鍵就是閥值的選取。通過對大量樣本圖像的分析，采用自動搜索閥值法進行圖像的二值化處理。

使用最大類間方差法,即OTSU獲得閾值T后，用T將圖像分為兩部分。大于T的像素群取值1，小于T的像素群取值0，從而把圖像分化成僅留目標對象和黑色背景的兩個圖像區域。通過二值化處理，將檢測對象提取出來。

圖像二值化處理函數：

Matlab語句如下：

Level=graythresh(x2);

X3=im2bw(x2,level);

二值化處理后的圖像如圖3所示

圖3 二值化圖像

2.3 檢測直徑

蜜柑直徑的檢測精度直徑影響到了蜜柑的分級準確性，利用圖像處理技術進行直徑檢測時，通常用圖像像素數量表示空間尺度。最大果寬法是目前應該比較多的方法，但是此方法要求檢測果梗和花籌，而蜜柑的果梗和花籌并不明顯，實際過程中難以檢測，所以并不適用。應義賦提出的最小外接矩形法（MER）對柑橘類水果的最大直徑計算比較準確，但是該方法對蜜柑的擺放位置要求較高，同時對每一個蜜柑都要求取120哥外接矩形，耗時大，在生產中不適用。

在對最大直徑進行檢測的過程中，傳統的檢測方法大部分精度不夠，而且很多算法運行時間過長或不適用實際生產。同時經過上面的圖像基本處理后，得到了蜜柑的邊界信息，而邊界信息的獲取并不復雜，可以利用可靠的邊界信息來求取質心，再利用質心對圖像進行不斷分割，找到分割后形成區域的最大半徑，分割區域足夠小時，便可以取得最大直徑。

對蜜柑二值化處理后的圖像，將每個像素點的質量當做1。則質心的橫坐標就為所有像素點橫坐標之和除以像素點總數；質心的縱坐標則為所有像素點的縱坐標之和除以像素點總數。公式如下：

式中cx、cy為質心坐標，n為分割的總線段條數，x1i、x0i為同條直線上的邊界點坐標，I為像素點總數。

得到檢測圖像之后，還需要確定蜜柑直徑的檢測軸向，取垂直方向為軸向方向。這樣，垂直于軸向的最大蜜柑寬度即為蜜柑直徑大小。沿著軸向方向進行寬度檢測，將得到一系列蜜柑寬度，對其進行比較，最后確定最大值，這就是對蜜柑進行大小分級的特征量。

2.4 圖像標定

提取特征量后，得到的蜜柑的直徑值是像素坐標下的值。要進行蜜柑大小分級，還需要對其值進行像素坐標和實際坐標的轉化。

在圖像標定過程中，用水平放置的刻度尺來作為參考，在刻度尺上做兩處標記，記錄兩標記點間的實際坐標差。通過多次檢測兩標記點間的像素坐標差，利用下面的公式就可以得到像素坐標和實際坐標間的標定比例。

式中a為單位長度內的像素數，x1為左標記點的像素坐標，x2為右標記點的像素坐標，L為記錄的刻度尺的總長度。

3 自動分級

利用圖像標定比例對提取到的特征量進行轉化，可以得到蜜柑的實際直徑。蜜柑大小分級可以按照國家質量監督檢驗檢疫總局、國家標準化管理委員會于2008年8月7日發布的標準GB/T 12947-2008。

表1 蜜柑類直徑分級標準

由表 1 可見，取閥值 d1=75.0、d2=70.0、d3=65.0、d4=60.0、d5=40.0,設蜜柑的實際直徑大小為d。分級程序思路如下：

利用上面的程序，分級容易實現，且計算量小，分級速度快。

4 實驗驗證分析

隨即抽取80個溫州蜜柑樣本進行分級。機器視覺分級結果和人工分級結果見表2。

表2 自動分級結果和人工分級結果比較表

從實驗結果可以看出，通過圖像處理進行的自動分級與人工分級結果相一致的有77個，不一致的只有3個，準確率高達96.25%，可見自動分級技術有較高的可靠性和精準度。

5 結語

以圖像處理技術為基礎，按照國家標準GB/T 12947-2008，對蜜柑進行了自動分級。巧妙地利用和改進相位一致性邊緣檢測算法，達到了很好的處理效果。同時，實驗結果表明基于圖像處理技術的自動分級能夠達到較高的分級精度，而且計算復雜度小。

[1]鄭秀蓮，俞祖.計算機視覺的柑橘無損檢測技術[J].輕功機械，2008，26(1):83-85.

[2]Rao Xiuqin，Ying Yibin.A method of size inspection for fruit with machine vision[c].Proceedings of SPIE.[s.L]:[s.n]，2005，5996:443-450.

[3]Ying Yibin，Cheng Fang，Ma Junfu.Real-time size inspection of citrus with minimum enclosing rectangle method [J].Journal of Biomathematics，2004，19(3):352-356.

[4]黎移新.柑橘病蟲害疤痕的計算機視覺識別[J].機械與設計，2009，25(3):78-81.

[5]晁德起，章程輝，黃勇平等.毛葉棗的計算機視覺分級技術研究[J].農機化研究，2010，5:158-161.

[6]羅斌，涂錚錚，郭玉堂.基于運動信息和相位一致性的運動目標提取[J].系統仿真學報，2008，20(1):94-98.

[7]Otsu N.A threshold selection method from gray-level histogram[J].IEEE Trans.Systems ManCybernet，1979，9(1):62-66.

[8]章文英，應義賦.蘋果圖像的低層處理及尺寸檢測[J].浙江農業學報，2001，13(4):214-217.

[9]應義賦，成芳，馬俊福.基于最小矩形法的柑桔橫徑實時監測方法研究[J].生物數學學報，2004，19(3):352-356.