食品表面質量的視覺檢測方法研究

朱錚濤，余雄益，張延杰

（1.廣東工業大學信息工程學院，廣東廣州510006；2.咀香園健康食品（中山）有限公司，廣東中山528436）

食品表面質量的視覺檢測方法研究

朱錚濤1，余雄益1，張延杰2

（1.廣東工業大學信息工程學院，廣東廣州510006；2.咀香園健康食品（中山）有限公司，廣東中山528436）

根據食品表面質量的檢測要求，提出了利用視覺檢測技術實現食品表面色澤、單元完整性、表面花紋清晰性及露餡等項目的檢測，把圖像的灰度均值、斑點面積和局部閾值分割結果等作為圖像特征，實現各項目客觀、定量、準確和快速的檢測。

視覺檢測，食品，表面質量，色澤，完整性，花紋

食品的外觀形態和色澤對于評價食品的新鮮程度、食品是否有不良改變等有著重要意義。傳統的食品質量判別依賴于人體器官，要求鑒定人員必須具有健康的體質、健全的精神素質，無不良嗜好、偏食和變態性反應，而且自身感覺器官必須機能良好，對色、香、味、形有較強的分辨力和較高的靈敏度。對于非食品專業人員，還要求對所鑒別的食品有一般性的了解，即對其色、香、味、形有常識性的知識和經驗。這種傳統的檢測方法，依賴于人的主觀判別，且只能給出定性的數據，而一些理化和微生物檢驗方法可以給出定量的檢測數據，但實現起來價格昂貴。隨著計算機技術與圖像處理技術的發展與普及，已經有許多學者嘗試將視覺檢測技術應用于傳統的食品行業，替代人體感官對食品表面色澤、食品外觀形狀大小以及食品表面花紋清晰性等檢測項目進行客觀的評價。文獻[1]利用發酵后溶液圖像的顏色分量，經訓練好的BP神經網絡計算大腸桿菌的數目；文獻[2]論述了國內外計算機視覺檢測技術在食品物流中的應用和發展情況；文獻[3]綜述了國內外農產品和食品檢測中計算機視覺技術的應用研究和發展情況；文獻[4]研究自動生產線上利用視覺檢測系統實現包裝的質量檢測。其他應用的例子還很多，但用視覺技術實現食品表面質量檢測的研究案例未見有詳細報道。針對烘烤食品表面質量檢測要求，本文從食品表面的色澤、個體單元的完整性以及表面花紋清晰性三個方面，探求各項目利用視覺檢測的方法、圖像的特征表示以及這些特征的提取方法。研究結果表明，利用視覺檢測技術，可以在傳統食品行業產品最終檢測過程中替代人眼感官進行相應項目的質量檢測。

1 食品表面質量的感官檢測

好的食品表面質量，可以勾起人的食欲，而視覺所能感覺到的色與形，與人的食欲具有很大的關系。視覺能檢測的食品質量，包括了食品表面的色澤、食品單元的完整性和利用單元形狀進行的分類、食品表面圖案的清晰性等。

食品的色澤是食品的顏色和光澤的總稱，是食品被光照射時所反射的色光（未被食品吸收和透過的光）的混合色。食品的色澤可以反映食品的新鮮程度，又與食品的風味有關。對于烘烤食品來說，食品的配方及烘烤工藝過程會影響表面的色澤，合適的烘烤過程，將使加工食品外形豐滿，形狀整齊，色澤黃亮，內部松脆。而色澤的深淺，傳統方法是依賴于人的眼睛去定性判別，例如色澤深、色澤淺等，但這種定性的分析對于相近的色澤一般難以區別，或者區別的結果會因人而異。

食品的形狀及個體單元的完整性檢測，可以用來對食品進行分類或對單元食品進行破損檢測。不同的食品具有不同的形狀，有時需要根據形狀對食品進行分類，而食品在最后包裝工序前，需要進行完整性檢測，防止破損不完整的個體單元進入到下道工序或者進入到包裝環節。

不同的食品表面常常有不同的花紋，花紋清晰性判別也是食品表面質量檢測的重要環節。對于有餡的食品，要求花紋清晰之外還要求表面不露餡。人工判別是否出現露餡以及判別花紋清晰與否，比較簡單，但對于視覺檢測來說，難度就較大，特別是花紋的清晰性判別。

2 食品表面質量的圖像檢測方法

基于圖像的食品表面質量檢測，利用攝像頭獲取被測表面的圖像，通過圖像預處理，圖像分割、圖像特征提取等一系列操作，給出相應檢測項目的圖像評判方法。

2.1 食品表面色澤檢測的圖像特征

圖1是某烘烤食品由人工檢測分類得到的不同批次食品，經過黑白相機拍攝得到的灰度圖像。由圖分析可知，不同色澤批次的食品圖像具有不同的整體灰度特征，色澤淺對應灰度值大，色澤深，對應灰度值小。因此，可以根據食品區域的灰度值大小進行烘烤食品表面的色澤分類。

圖1 不同色澤批次烘烤食品的圖像Fig.1 Pictures of different batch of baked foods

設f（x，y）為待處理的食品圖像，U為食品單元所在區域，F為圖像分割閾值，Count為滿足條件的像素個數。

則食品區域灰度均值、一定灰度值下的像素灰度均值以及某個像素值下像素個數等圖像特征可以由式（1）～式（3）計算得到：

色澤深淺與式（1）、式（2）計算結果的關系是：色澤越淺，其值越大；色澤深淺與式（3）計算結果的關系是：色澤越淺，其值越小。

2.2 食品單元完整性和形狀判別

對于某些烘烤食品，食品單元凹陷的部分色澤較淺，凸起部分的色澤較深，普通的全局閾值圖像分割，色澤較淺部分可能會劃為背景，食品中的黑色區域被作為前景。根據形態學算子對噪聲和孔洞處理的特點，對閾值處理之后的圖像依次采用形態學開閉操作，結合斑點分析中的面積特征，可以完整地提取食品單元區域。

膨脹和腐蝕是數學形態學中最基本的操作，膨脹可以使目標擴張，孔洞收縮，而腐蝕的作用正好相反，膨脹與腐蝕的級聯操作，可以形成不同的形態學算子，先腐蝕后膨脹的開運算，使目標輪廓光滑，并去掉毛刺、孤立點和銳化角；先膨脹后腐蝕的閉運算則填平小溝、彌合孔洞和裂縫。

圖2中最后得到的白色區域，就是原來食品所在區域。該區域在數字圖像處理中被稱為一個斑點，其面積可以作為食品單元完整性的判別依據。當斑點面積小于設定值的時候，可以判斷該食品單元存在破損現象。圖2是提取食品區域各階段的處理結果圖，從上到下，依次是原始圖像、圖像取反、全局二值化及數學形態學的開閉操作處理的結果。

圖2 本文算法提取的食品區域Fig.2 Areas of foods using algorithm in this text

所用公式依次為式（4）～式（6）：

斑點是具有相同圖像特征且彼此具有連通關系的圖像區域。圖2中的白色區域即是一個斑點。描述斑點形狀特征的主要參數是：長短軸的比例、致密度、粗糙度系數（周長/凸外殼周長之比）、長條形斑點的長、寬及長寬比。利用斑點中的形狀特征可以分類具有不同形狀的食品，例如圓形、長方形等食品。

2.3 食品表面花紋清晰性判別

幾乎每個食品表面均有花紋圖案，如圖1所示，花紋可能代表某個企業的某種產品。食品表面的圖案是否清晰，長期以來依賴于人工判別。鑒于花紋圖案的高頻特性，視覺方法分析的時候，將其轉化為表面花紋的邊緣檢測。對于同一種表面清晰的食品，成像后的表面應該有數量接近的邊緣信息。但烘烤后食品表面的不均勻性，采用單一的全局閾值進行圖像分割，不能很好地提取由花紋引起的邊緣。

對于烘烤前表面涂上蛋清等的食品，烘烤后表面會泛起金黃色的色澤，但其表面色澤一般不具有均勻特性，為此，我們采用局部閾值法來提取表面圖案的輪廓線。

假設圖像用f（x，y）表示，取當前像素（x，y）的一個3×3鄰域，計算該鄰域的像素均值m（x，y），當f（x，y）≤m（x，y）-6時，取g（x，y）=0，否則取g（x，y）=255。則對于圖1所示不同色澤月餅提取的圖案邊緣圖像見圖3。代表花紋邊緣的黑像素數目見表1，由表1數據分析可知，具有同樣花紋和清晰圖案的烘烤食品，圖像處理之后其黑色像素數目在一定的取值范圍，也即根據黑色像素的數目可以進行表面花紋清晰性的判別。

圖3 提取食品區域的邊緣Fig.3 The edge of food areas

表1 利用局部閾值提取食品的邊緣像素數Table 1 The edge pexels of foods using local threshold value

對于烘烤后表面沒有色澤變化的食品，利用同樣的局部閾值處理進行圖像分割不能很好地提取花紋邊緣。圖4所示的食品，（a）和（b）分別是合格表面和露餡表面的圖像，局部閾值處理的結果見圖4（c）和（d），圖中的黑像素個數分別為37501、37003，從數字來看，合格單元和露餡單元的黑像素個數差別非常小；改變局部閾值處理中所用的閾值，同樣的圖片處理結果見圖4（e）、（f），里面的黑像素個數分別為7832和8465。

由于花紋表面和底面的高度區別不大，沒有色澤變化，因此，花紋邊緣形成的灰度差非常小，采用局部閾值處理不能提取圖案的邊緣，因而無法判別表面圖案花紋的清晰性。

露餡是指食品中的餡料露出在表面的現象，這種現象可以利用餡料與食品表面的不同灰度特征加以區別。對于圖4（b）所示食品的露餡檢測，可以在全局二值化處理之后，再進行圖像分割或者斑點分析計算黑像素的面積，判別是否有露餡。原始圖像同圖4（a）、（b），圖5（a）、（c）為對應的全局閾值分割結果。明顯地看到露出的杏仁區域存在一個比較大的黑色區域。全局二值化處理之后，再用數學形態學腐蝕與膨脹級聯操作，消除食品區域外圍邊緣和里面的噪聲，結果見圖5（b）、（d），其中的黑像素數量分別為0和27006，根據預先設定的閾值，就可以判別是否存在露餡現象。

圖4 無色澤變化食品的圖像局部處理的結果Fig.4 Results of pictures local treatment of foods that no change of color

3 結論

利用CCD獲取被檢測食品單元的圖片，可以完成食品表面質量的定量評判。研究結果表明，利用視覺檢測技術可以實現諸如表面色澤、個體單元完整性、表面花紋清晰以及露餡的判別，檢測結果可以作為分類或者反饋控制烘烤過程的依據，研究方法可以推廣應用到類似的食品、醫藥等行業。

[1]殷涌光，丁筠.基于計算機視覺的食品中大腸桿菌快速定量檢測[J].吉林大學學報：工學版，2009，39（2）：344-348.

[2]林朝朋，許曉春.計算機視覺檢測技術在食品物流中的應用與展望[J].食品科學，2006，27（11）：543-547.

[3]吳雪.計算機視覺技術在農產品和食品檢測中的應用[J].食品研究與開發，2002，23（2）：76-77.

[4]王健.食品包裝機器視覺檢測系統[J].中國食品工業，2000（11）：36-39.

Study on food surface quality inspection using vision method

ZHU Zheng-tao1，YU Xiong-yi1，ZHANG Yan-jie2
（1.Guangdong University of Technology，Guangzhou 510006，China；2.Ju Xiang Yuan Health Food（Zhongshan）Co.Ltd.，Zhongshan 528436，China）

Aiming to the request of food surface quality inspection，the method of using vision was presented to inspect the food surface color and luster，the unit completeness and the distincting of surface pattern.The image character including image gray mean value，blob area and local thresholded segmeantation were used to realize the inspection of objectivity，quota and accurate.

vision inspection；food；surface quality；color and luster；completeness；pattern

TS207.3

A

1002-0306（2012）01-0332-03

2010－12－24

朱錚濤（1967-），博士，副教授，主要從事計算機視覺檢測等方面研究。

廣東省部產學研項目經費資助（2009B090300439）。