基于外部特征信息的蟠桃質量預測模型

蔣 偉 溫寶琴 吳 杰 李 玲 馮 哲 徐虎博 王志鵬

（石河子大學機械電氣工程學院，新疆 石河子 832000）

蟠桃是新疆特色果品產業之一［1］，尤其是新疆石河子143團的蟠桃從口感、外貌到營養價值都屬于蟠桃中的極品，2000年10月被中國農業特產專業委員會正式命名為“中國蟠桃之鄉”。新疆蟠桃的銷量逐年增長，2013年銷量已達15萬t以上，但是增速在逐年降低［2］。經調查［3］發現，新疆蟠桃的自動化分級水平不高，生產效率低下，這是影響增速的原因之一。為了提高新疆蟠桃的商品價值及其在國際桃類高端市場上的競爭力，河北省地方標準［4］規定了根據蟠桃單果質量的不同分為特級、一級和二級的分級標準，通常特級蟠桃單果質量：早熟品種≥100g，中熟品種≥120g，中晚熟品種≥220g。

目前，蟠桃的稱重分級主要依靠人工處理，分級效率較低，而且損傷率較高。由于果蔬的尺寸與其質量存在一定關系，因此為了避免果品單果稱重所存在的效率低下、人為誤差較大，以及果品損傷率較高的缺點，通過分析國內外針對梨、馬鈴薯、獼猴桃等果蔬質量的預測方法，利用蟠桃的幾何特性尺寸來預測蟠桃質量。蟠桃幾何尺寸的獲取，可以采用計算機圖像處理技術，實現非接觸式測量，以減少蟠桃不必要的機械損傷，同時也可以降低人工成本。本研究擬采用計算機圖像處理技術對蟠桃的幾何特性進行分析，建立預測蟠桃質量的數學模型，旨為依據蟠桃質量來自動分級的裝備的設計提供依據。

1 材料與方法

1.1 材料

蟠桃：由新疆石河子墾區143團提供。隨機挑選無損傷、無蟲害，且剔除畸形果的蟠桃90個，將蟠桃氣調貯藏（4%～6%O2，2%～4%CO2，－1～1℃）。

1.2 幾何特性參數實測

本研究假設蟠桃的形狀為扁平狀［5］，蟠桃的幾何參數有：蟠桃橫剖面的面積x1、縱剖面的面積x2、縫合中線處的直徑x3，縫合中線垂直處的直徑x4，蟠桃厚度x5。用數顯游標卡尺測量x3、x4、x5，采用數方格法［6］測量x1、x2。蟠桃的質量y由數字式電子稱（精度為0.01g）稱量。蟠桃的三維圖見圖1。

圖1 蟠桃的三軸徑圖Figure 1 Three axes diameter of flat peach

1.3 蟠桃幾何參數圖像法獲取

蟠桃的圖像采集裝置（圖2）由計算機、背景板、CCD數碼相機、高度調節裝置、光源箱組成。采集圖像時，將相機攝像頭與測量臺間距調節至19cm，光源為白熾燈點光源，蟠桃放置于白色背景的底板上，處于攝像頭正下方。采集蟠桃正、反兩面以及側面（圖2中的蟠桃樣品為正面），應用MATLAB R2014a軟件對圖像進行濾波、二值化等預處理［7］，進而進行邊緣檢測［8］、背景分割、RGB分量提取［9－11］。同時對圖像進行形態學處理，以便得到蟠桃的外輪廓圖像，達到對圖像分析和識別的目的［12，13］，最終獲得軸徑參數、厚度參數和投影面積參數的像素值。圖像處理過程見圖3。

圖2 圖像采集系統Figure 2 Image acquisition system

圖3 蟠桃圖像處理過程Figure 3 Image processing process

1.4 蟠桃質量預測

針對蟠桃質量與各幾何參數（如縫合中線處的直徑，縫合中線垂直處的直徑，蟠桃橫、縱剖面的面積等）之間的關系，本研究采用了多元線性回歸方法擬合出實測值與蟠桃質量的預測模型，并比較了不同參數所得模型的擬合優度，找到最優質量預測模型。同時通過將MATLAB R2014a軟件獲取的像素值與相應幾何參數進行擬合，最終得到像素—質量預測模型。

2 結果與分析

2.1 實測值—質量模型

多元線性回歸：

式中：

b0～bn——回歸系數；

在3GPP國際標準中,4G移動網絡包括核心網與無線網,涉及網元主要有eNodeB、MME以及SAEGW。eNodeB主要負責用戶手機的無線接入以及給用戶手機分配無線帶寬和優先級,MME負責手機的移動會話管理,SAEGW負責手機流量的路由[2]。

x1～xn——樣本特征值；

y——目標特征值。

回歸函數：

式中：

b——回歸系數；

bint——回歸系數的區間估計；

r——殘差；

stats——檢驗回歸模型的統計量。

本試驗有5個自變量：蟠桃橫剖面面積x1，蟠桃縱剖面面積x2，縫合中線處的直徑x3，縫合中線垂直處的直徑x4，蟠桃厚度x5；一個因變量：蟠桃質量y。5個自變量的箱形圖見圖4。由圖4可知，x1的變化最大并且異常量較多，x2次之，x3最小。

圖4 箱形圖Figure 4 Box－plot

分別對5，4，3個自變量進行線性擬合，同時得出各自的殘差圖，見圖5。最終統計結果見表1。

表1 不同自變量擬合結果統計表Table 1 Fitting results of different independent variables

圖5 殘差圖Figure 5 Residual plot

由表1可知，4種回歸方程的擬合優度均較高，達到了90%以上。它們的顯著性概率P＝0.000 0＜0.05（默認95%置信區間），故拒絕零假設，認為回歸模型中至少有一個自變量的系數不為0，回歸方程有意義。其中第1個回歸方程擬合優度最高，達到了93.65%。但是自變量過多，統計繁瑣。第4個回歸方程只有3個自變量，擬合度達到了91.87%。綜上所述，第4個模型是最適合的模型。

最優回歸方程：

2.2 實測值與像素關系

通過MATLAB R2014a軟件獲取相應幾何參數的像素值，并將實測值與像素值進行擬合，結果見圖6。

通過 MATLAB R2014a對蟠桃x3、x4和x53個自變量與對應像素進行擬合，得到3個擬合模型：

由式（3）～（6）得像素—質量模型：

式中：

x′3——蟠桃縫合中線處的直徑，mm；

x′4——縫合中線垂直處的直徑，mm；

x′5——蟠桃厚度所對應的像素值；

y——蟠桃質量，g。

圖6 實測值與像素值擬合圖Figure 6 Fitting between the measured value and the pixel value

3 結論

本試驗分析了蟠桃質量與幾何特征參數間的關系，并運用多元線性回歸方法得到預測模型。選取的幾何參數自變量不同，所得質量預測模型的準確率不同。通過比較分析，第4種實測值—質量模型最優。將像素值與相應幾何參數進行代換，最終得到最優像素—質量模型，預測準確率達到91.87%，該模型可以準確的對蟠桃質量進行預測。同時，本研究方法也適用于其他種類的球體果蔬或物品的質量預測。通過殘差圖分析，實測值有6～7個異常值，在今后的研究中，可以分析異常值出現的原因并解決此問題，以達到更準確的效果。

1 趙建軍，丁繼高.新疆石河子蟠桃食心蟲防治技術［J］.果農之友，2011（3）：30.

2 新疆維吾爾自治區統計局.新疆統計年鑒（2014年）［Z］.北京：中國統計出版社，2014.

3 付洪波，何軼，張汝廷，等.蟠桃產業發展的SWOT分析及政策建議［J］.中國集體經濟，2013（3）：31～33.

4 河北省地方標準.DB13/T 1069—2009無公害果品蟠桃［S］，河北：河北省質量技術監督局，2009.

5 周祖鍔.農業物料學［M］.北京：農業出版社，1994：55～62.

6 于東寧，張國安，李建寧.瘢痕面積及其不規則程度的定量測量方法研究［J］.中國美容醫學，2005，15（5）：486～489.

7 施健，何建國，張冬，等.基于計算機視覺鮮棗大小分級系統研究［J］.食品與機械，2013，29（5）：134～137.

8 周林妹.數字圖像邊緣檢測算法及其在農產品加工中的應用［J］.食品與機械，2009，25（3）：139～142.

9 楊杰.數字圖像處理及MATLAB實現［M］.北京：電子工業出版社，2009.

10 王紅君，陳偉，趙輝，等.復雜背景下植物葉片的彩色圖像分割［J］.中國農機化學報，2013，34（2）：207～211.

11 謝中華.MATLAB統計分析與應用：40個案例分析［M］.北京：北京航空航天大學出版社，2010.

12 Xu Li－ming，Zhao Yan－chao.Automated strawberry grading system based on image processing［J］.Computers and Electronics in Agriculture，2010（72）：32～39.

13 Joseph D，Eifer T，Gabriel C，et al.Prediction of raw produce surface area from weight measurement［J］.Journal of Food Engineering，2006（74）：552～556.