基于機器視覺有機磷類農藥殘留半定量檢測研究

王成剛++曲令帥++丁建軍++章盛++楊飄++宴芙蓉

摘要 本文針對水體環境中有機磷類農藥殘留污染物現場快速檢測的需要，提出基于機器視覺的農藥殘留半定量檢測的方法。該方法與彩色數字圖像處理技術相結合，提取出農藥殘留檢測卡的顏色信息RGB值。由于RGB每個通道均有256個亮度等級，故可以組成1 677多萬種顏色，克服了灰度圖像亮度等級少、圖像區分不明顯的缺點，從而提高了檢測的靈敏性。結果表明，本文提出的方法簡單、快速、高效，適用于水體壞境農藥殘留的快速檢測。

關鍵詞 機器視覺；有機磷農藥；半定量檢測；LOG邊緣檢測；RGB顏色空間

中圖分類號 S481+.8 文獻標識碼 A 文章編號 1007-5739（2017）19-0105-02

Abstract In this paper，a method for semi-quantitative detection of pesticide residues based on machine vision was presented to meet the needs of rapid detection of organophosphorus pesticide residues in water environment.The method combined the color digital image processing technology to extract the color information RGB value of pesticide residue detection card.Because each channel of the RGB has 256 brightness levels，it can be composed of about 16.77 million colors which overcomes the disadvantage that the brightness level of the gray image is not obvious，and the detection sensitivity is improved.The experimental results showed that the proposed method was simple，rapid and efficient，and could be used for the rapid detection of pesticide residues in aquatic environment.

Key words machine vision；organophosphorus pesticide；semi-quantitative detection；LOG edge detection；RGB color space

水資源污染會威脅人類生命健康，也會破壞整個生態世界。然而，由于農業現代化的快速發展，農戶為了保護農作物免受害蟲和雜草的影響加大了農藥的使用劑量，農藥在土壤表面被雨水沖刷到河流中造成了水資源的嚴重污染。因此，檢測水體環境中的農藥殘留是否超標對我國環境保護和生態工程建設具有重要意義。目前，農藥殘留檢測的主要方法有頂空氣相色譜法、離子色譜法、電子捕獲-毛細色譜法[1]，但這些方法對試驗環境要求較高，難以實現現場的快速檢測要求。針對這一問題，國內外研究人員已經研發出了基于酶抑制原理的農藥殘留速測卡，依據速測卡的顏色特征判斷農藥殘留的含量。我國也頒布了《蔬菜中有機磷和氨基甲酸酯類農藥殘留量的快速檢測》（GB/T 5009.199—2003）國家標準，規范了速測卡的操作流程[2]，但檢測卡的判讀結果一般為人眼比色完成，誤差較大。本文應用機器視覺技術，依據農藥殘留檢測卡的顏色特征進行水體環境中農藥殘留的定量檢測，避免了人為主觀因素造成的誤差，從而提高了檢測精度。

1 機器視覺系統的構成及規格參數

機器視覺系統主要通過工業相機采集圖像，獲取被拍攝目標的顏色、形態、紋理等圖像信息，通過機器視覺處理軟件將圖像信息轉化成數字信號，達到用機器代替人眼做測量和判斷。本文機器視覺系統由CCD相機、工業鏡頭、環形光源、機器視覺實驗平臺組成[3]，圖像分析處理軟件主要由MATLAB圖像處理工具箱組成，系統的具體選型見表1。

2 檢測原理及過程

2.1 農藥殘留檢測原理

速測卡檢測農藥殘留基于酶抑制法，其方法原理是：有機磷類和氨基甲酯類農藥可以抑制膽堿酶活性，進而影響膽堿酶與底物的顯色反應，水解生成乙酸和藍色的靛酚。根據反映后檢測卡的顏色信息可判定樣品中農藥殘留情況[4]，農藥殘留檢測卡如圖1所示。其中，左側圓區域為靛酚乙酸酯，右側橙色區域為膽堿酯酶。對樣品進行簡單的前處理后，以少量緩沖液提取樣品中的農藥殘留，取1 μL提取液滴到酶片上，配以簡易的恒溫裝置，經過抑制反應和顯色反應后即可判定結果。

2.2 試驗過程

用蒸餾水配備A、B 2個系列濃度梯度的乙酰甲胺磷農藥殘留標準液。其中，A系列為較低濃度農藥殘留標準液，具體濃度為0、0.005、0.010、0.020、0.040、0.060、0.080、0.100、0.200、0.300 mg/kg。B系列為較高濃度農藥殘留標準液，具體濃度為0.50、0.75、1.00、2.00、4.00、6.00、8.00、10.00、12.00、15.00 mg/kg。取20組速測卡，撕去上蓋膜，用滴管量取2 mL農藥殘留標準液，滴在右側底物上，在37 ℃恒溫裝置中放置10 min進行預反應。預反應后將農藥殘留檢測卡對折讓膽堿酯酶與靛酚乙酸酯反應3 min。用機器視覺系統獲取反應后的農藥殘留檢測卡低濃度圖像如圖2所示，高濃度圖像如圖3所示。

3 圖像處理與特征值檢測endprint

3.1 基于LOG的邊緣檢測

拉普拉斯高斯（LOG）算法是一種二階邊緣檢測算法，通過尋找圖像灰度值中二階微分的過零點檢測邊緣點，其原理是圖像先與高斯函數G（x，y）進行卷積，這一步既平滑了圖像又降低了噪聲，然后利用無方向性的拉普拉斯算子？犖2實現邊緣檢測[5]。

設原圖像為f（x，y），通過卷積運算和拉普拉斯算子作用，得到輸出圖像為：

稱作拉普拉斯算子。求h（x，y）的所有過零點軌跡即可得到圖f（x，y）的邊緣，如圖4所示。

3.2 目標區域的提取原理

農藥殘留檢測卡的目標區域為右邊圓形區域，通過LOG邊緣檢測可得目標區域的大致位置，可通過Hough變換來進一步提取目標區域。Hough 變換的實質是將圖像空間的具有一定關系的像元進行聚類，尋找能把這些像元用某一解析形式聯系起來的參數空間累計對應點。Hough變換檢測圓是將圖像空間中的邊緣點映射到參數空間中，然后將在參數空間中得到的所有坐標點元素對應的累加值進行累加統計，根據累加值判斷圓的大小和圓心所在位置[6]。用 V代表圖像中的所有邊緣點的集合。從 V中隨機選取3個像素，3個不在同一直線上的點確定一個圓。Hough變換用一個加法器去記錄所有候選圓的計數。其中，圓的方程可表示為2*x*a+2*y*b+d=x2+y2。（a，b）為圓心，r為半徑。取vi=（xi，yi），i=1，2，3。則該3點確定圓心半徑為：

確定待選圓的圓心cijk 和半徑，在進行數據累加過程，先取遍V中的點vl，如果dl→ijk則計數加 1[7]。取完后如果計數大于自定義閾值150，則確定該圓為真實圓，然后進行下一輪候選圓的檢測。按上述方法依次將20組農藥殘留液由低濃度到高濃度依次檢測，其中前10組低濃度農藥殘留檢測卡目標區域見圖5，后10組高濃度農藥殘留檢測卡目標區域見圖6。

3.3 提取目標圖像顏色特征值

由于農藥檢測卡發生特異性反應后會顯示不同的彩色圖像，本文用matlab軟件計算檢測卡的RGB三通道的特征值，依據RGB值的大小判斷農藥殘留的濃度[8-9]。低濃度農藥殘留與RGB的關系見表2，高濃度農藥殘留與RGB的關系見表3。

在低濃度時農藥殘留濃度與顏色特征B分量成負相關，如圖7所示。在高濃度時農藥殘留濃度主要與R分量顏色特征成正相關，如圖8所示。

4 結論

（1）提出機器視覺與農藥殘留檢測卡相結合的方法檢測農藥殘留濃度。試驗結果表明，該方法快速高效，可滿足農藥殘留半定量檢測的要求[10]。

（2）結合圖像處理技術利用拉普拉斯高斯二階邊緣檢測算法和Hough變換提取農藥殘留檢測卡的目標圖像；利用matlab軟件提取目標圖像的顏色特征RGB值。

（3）在低濃度時農藥殘留濃度主要與顏色特征B分量有關。無有機磷類農藥殘留時，農藥殘留檢測卡的顏色特征B分量灰度值達到最高200。在0.300 mg/kg時，農藥殘留檢測卡的顏色特征B分量灰度值為171。在0～0.300 mg/kg之間的農藥殘留含量與與顏色特征B分量在灰度為171～200時二者成負相關。在高濃度時，農藥殘留濃度與顏色特征R分量有關。在0.50 mg/kg時，農藥殘留檢測卡的顏色特征R分量灰度值最小，為177。在15.00 mg/kg時，農藥殘留檢測卡的顏色特征R分量灰度值最大，為223。在0.50～15.00 mg/kg之間的農藥殘留含量與顏色特征R分量在灰度為177～223時，二者成正相關。

5 參考文獻

[1] YARITA T，AOYAGI Y，OTAKE T.Evaluation of pressurized liquid ext-raction for determination of organophosphorus and pyrethroid pesticides in soybean[J].Journal of Environmental Science & Health.B，2012，47（10）：942.

[2] 賈冰慧，張沛強，羅宇強，等.基于機器視覺的農藥殘留速測卡結果判讀方法[J].計算機工程與應用，2017，53（7）：231-234.

[3] 謝俊，吳滎滎，朱廣韜，等.基于機器視覺的二維尺寸檢測[J].工具技術，2017，51（1）：98-100.

[4] 朱松明，周晨楠，和勁松，等.基于酶抑制法的農藥殘留快速比色檢測[J].農業工程學報，2014（6）：242-248.

[5] 鄧彩霞，陰茵，馬偉鳳，等.改進的LOG算子與小波變換融合的邊緣檢測方法[J].哈爾濱理工大學學報，2012，17（5）：87-90.

[6] QIANG J，HARALICK R M.Error propagation for the Hough transform[J].Pattern Recognition Letters，2001，22（6/7）：813-823.

[7] 王建鋒，吳慶標.一種隨機Hough變換檢測圓的改進算法[J].計算機工程與應用，2005，41（14）：64-64.

[8] 張宏薇.基于圖像分析的多通道農藥殘毒檢測系統[D].長春：吉林大學，2016.

[9] 吳莉莉，李輝，惠國華，袁超.傳感器技術在農產品無損檢測中的應用研究[J].江西農業學報，2010，22（5）：101-105.

[10] 潘立剛，張縉，陸安祥，等.農產品質量無損檢測技術研究進展與應用[J].農業工程學報，2008，24（增刊2）：325-330.endprint