視覺引導淡水魚自動去頭尾系統關鍵技術

李楷模 文躍兵

（湖南工業職業技術學院，湖南 長沙 410208）

淡水魚食品加工需要進行去頭尾作業，通常是人工操作實現的，生產效率低，不能滿足現代生產的要求。中國淡水魚產量近幾年連續增加，淡水魚食品加工技術在冷凍保鮮、自動去鱗、腌熏與烘烤加工等方面進展很快，但自動去頭尾技術的研究還未涉及，影響了淡水魚食品加工企業的生產規模。近年來，隨著計算機視覺技術迅速發展，出現了許多應用計算機視覺技術的生產自動化系統［1－3］，如利用計算機視覺技術根據蘋果的大小自動分級［4］、根據藥丸顆粒的顏色自動分類等，提高了生產效率。本研究提出了一種視覺引導淡水魚自動去頭尾系統方案，該方案的關鍵就是如何運用計算機視覺技術實現對淡水魚頭、尾的準確定位。由圖像不變矩理論，利用計算機視覺技術實現魚頭、尾匹配定位方法，然后應用可編程邏輯控制器（PLC）實現準確對刀及自動完成去魚頭、尾作業。

1 工作原理

視覺引導去頭尾系統如圖1所示，該系統用于淡水魚食品加工自動生產線。系統工作時，去鱗的淡水魚由輸送帶1送到工作臺2，當魚頭接觸3接觸傳感器E時，接觸傳感器E發出指令，啟動工作臺中間的帶式傳動機構，魚身朝圖1中左方向直線移動，當魚頭接觸11接觸傳感器F時，接觸傳感器F發出兩個指令：① 工作臺中間的帶式傳動機構停止，魚身處于待去頭尾工作狀態；② 指令夾緊裝置7動作，夾緊裝置的“弓”形壓塊內設氣囊，由進氣、排氣電控閥控制進排氣，進氣電控閥5獲得指令打開進氣閥門，夾緊裝置7下的氣囊進氣將魚夾緊到調定的壓力值后壓力傳感器自動關閉。圖1中13、15是圖像傳感器 M、N分別采集魚頭、魚尾數字圖像信號，該信號由千兆以太網傳輸給控制計算機。控制計算機通過圖像處理算法實現魚頭及魚尾位置的準確定位，并經由PLC模塊控制步進電機驅動刀具進入切割魚頭及魚尾位置，完成魚頭、魚尾切割作業。具體由圖像傳感器M、N獲得特征圖形后發出指令控制電機A、B完成X方向準確對刀，電機D完成工作臺上下Z軸方向動作控制，使刀具能完全切到魚頭、魚尾部分；電機C控制工作臺前后Y方向動作，Y、Z方向的控制使刀具能完全分割魚頭、魚尾；魚頭、尾分割完后，刀具必然接觸工作臺底部傳感器10和右側的傳感器8，分別發出指令：① 將分割的魚頭、尾移走（圖中沒有標明）；② 排氣電控閥6放氣，將夾緊的魚松開；③ 控制工作臺回到原來狀態；④ 工作臺中間的帶式傳動機構啟動，將切割了魚頭、尾的魚身移向傳送帶12，準備下一個加工工序，同時工作臺準備下一個工作循環。

圖1 視覺引導去頭尾系統結構圖Figure 1 Visual guide to cutting the head and tail system structure diagram

2 魚頭、魚尾位置定位算法設計

中國的淡水魚養殖家魚主要有：青魚、草魚、鳙魚和鰱魚，其身體結構見圖2～5。

圖2 青魚身體結構Figure 2 Black carp body structure

圖3 草魚身體結構Figure 3 Grass carp body structure

圖4 鳙魚身體結構Figure 4 Bighead carp body structure

圖5 鰱魚身體結構Figure 5 Silver carp body structure

通過4種常見的淡水魚魚身結構，不難發現4種淡水魚的魚頭、尾部均呈規則的幾何形狀，頭部呈扇形，尾部呈燕尾形。針對上述特點，本研究基于具有仿射和旋轉不變性的Hu矩［5－7］設計魚頭、魚尾定位算法。

2.1 魚頭、魚尾匹配定位原理

“矩”是一個統計學概念，用于描述隨機變量的分布形態，在數字圖像處理中，矩可用來描述某一圖像物體的形狀，圖像I中某一模版的pq階矩定義為：

pq階中心距定義為：

其中，xa、ya分別為該模版圖像x坐標和y坐標的平均值，將中心矩除以m00的冪，可得到歸一化處理的中心距：

Hu矩是歸一化中心矩的線性組合，對于圖像的某些變化縮放、旋轉和鏡像映射等具有不變性，Hu矩的定義為：

本試驗的方法應用Hu矩來判斷檢測圖像中某一區域和標準魚頭（魚尾）模板的相似程度，進而實現魚頭、魚尾的精確定位。判定某一區域為魚頭（魚尾）的判據為：

其中，D為模板相匹配閾值，可根據檢測對象的統計數據確定，hAi和hBi分別表示圖像區域和標準魚頭（魚尾）的i階Hu矩。

2.2 檢測步驟

（1）制作需加工魚魚頭（魚尾）標準模板，計算標志模板的Hu矩，設定模板相匹配閾值D；設定檢測圖像中魚頭（魚尾）匹配區域初始大小及初始位置。

（2）計算檢測圖像魚頭（魚尾）初始區域的Hu矩，按照式（11）所述判據判斷初始區域是否就是魚頭（魚尾）所在位置。

（3）若初始位置不是魚頭（魚尾）所在位置，以5像素為步長，向初始區域的8鄰接方向移動匹配區域，計算新匹配區域的Hu矩，判斷新區域是否是魚頭（魚尾）所在位置。

（4）若移動80個像素仍然未找到魚頭（魚尾）所在位置，以5像素為步長調整匹配區域大小，重復步驟（3）。

（5）若區域大小變化了±20個像素沒有找到魚頭（魚尾）所在位置，程序停止，報錯；（2）～（4）任一步驟中若找到魚頭（魚尾）所在位置，輸出該區域參數。

3 試驗及分析

（1）驗證本試驗提出的Hu矩匹配魚頭、魚尾判據的有效性。分別制作100×80像素大小的鳙魚魚頭（魚尾）標準模板，在另一分辨率為800×600像素的鳙魚圖像中選定20個區域，其中第1～4個區域基本和魚頭（魚尾）位置重合（如圖6中A、B所示），5～20個區域則是魚的其他部分（如圖6中虛線區域所示），各區域按照匹配判據計算得到T值如圖7所示。由圖7可知，當區域為魚頭魚尾部分時，式（11）判據中T值計算結果小于3.1；當區域為魚的其他部分時，式（11）判據中T值大于4.3；兩者區別顯著，沒有交錯部分，本研究提出的魚頭、魚尾匹配判據是有效的。

（2）對本試驗檢測算法進行進一步驗證，采用上述鳙魚魚頭（魚尾）標準模板在50幀分辨率為800×600像素不同的鳙魚圖像中尋找魚頭（魚尾）；應用式（11）所述判據時，模板相匹配閾值取值3.7，共有43幀圖像正確找到了魚頭（魚尾）；4幀圖像只找到了魚頭、魚尾之一；3幀圖像魚頭、魚尾均未能找到，本試驗檢測算法有效率達86%。

圖6 區域選取Figure 6 Illustration of selected areas

圖7 不同區域T值計算結果Figure 7 Results of different Tvalue

4 結論

提出了一種視覺引導淡水魚自動去淡水魚頭、尾系統方案；基于圖像不變矩理論，提出了魚頭、魚尾匹配定位方法。結果表明，本試驗采用的匹配判據能有效區分魚頭（魚尾）與魚的其他部分；本試驗檢測算法用于鳙魚魚頭、魚尾定位檢測有效率達86%以上，數據表明此技術完全可以應用于鳙魚食品加工自動生產線。

引入Zernike矩和小波矩的一些思想，并與本試驗算法相集成，進一步提高魚頭、魚尾識別的準確性，是下一步研究的方向。

1 胡永彪，杜成華.機器視覺技術在工程機械上的應用［J］.機械工程，2009，40（10）：53～56.

2 張萍，朱政紅.機械視覺技術及其在機械制造自動化中的應用［J］.合肥工業大學學報（自然科學版），2007，30（10）：1 292～1 295.

3 譚建平，王憲，文躍兵.一種基于機器視覺平面擺動的擺心測試方法：中國，201110382185.3［P］.2012－07－04.

4 安愛琴，余澤通，王宏強.基于機器視覺的蘋果大小自動分級方法［J］.農機化研究，2008（4）：163～166.

5 李迎春，陳賀新，趙銘，等.基于飛機目標的仿射不變矩研究［J］.吉林大學學報（信息科學版），2003，21（5）：85～88.

6 張水發，王開義，王書鋒，等.基于優化矩不變特征的鮮切菜在線分級技術［J］.農業工程學報，2011，27（10）：354～358.

7 應義斌，景寒松.黃花梨果形的機器視覺識別方法研究［J］.農業工程學報，1999，15（1）：192～196.