計算機(jī)視覺信息處理技術(shù)在蘋果自動分級中的應(yīng)用

闕玲麗

(廣西工商職業(yè)技術(shù)學(xué)院 教務(wù)科研處，南寧 530008)

?

計算機(jī)視覺信息處理技術(shù)在蘋果自動分級中的應(yīng)用

闕玲麗

(廣西工商職業(yè)技術(shù)學(xué)院 教務(wù)科研處，南寧 530008)

蘋果在水果消耗中占有較大份額，對其進(jìn)行分級銷售可提高經(jīng)濟(jì)效益。在以往的蘋果分級中，大都采用人工方法進(jìn)行，只考慮大小、色澤方面的影響，導(dǎo)致分級精度低和人工消耗大。計算機(jī)系統(tǒng)現(xiàn)今已被廣泛應(yīng)用在精細(xì)農(nóng)業(yè)中，如水果和蔬菜的自動收獲及農(nóng)產(chǎn)品的分級。為此，利用計算機(jī)視覺系統(tǒng)采集提取蘋果圖像，采用邊緣檢測、圖像改善、圖像二值化等圖像數(shù)據(jù)處理方法對采集的圖像前處理，設(shè)定等級區(qū)分參數(shù)，再依據(jù)特征參數(shù)對蘋果進(jìn)行自動分級。采用機(jī)器視覺進(jìn)行蘋果等級分離，提高了蘋果分級的正確率，節(jié)省了勞動力，可以廣泛地推廣應(yīng)用。

計算機(jī)視覺；蘋果自動分級；圖像信息提取；多特征分級

0 引言

聯(lián)合國歐洲發(fā)達(dá)國家的農(nóng)副產(chǎn)品質(zhì)量等級區(qū)分標(biāo)準(zhǔn)中的品質(zhì)會有最低要求和分級要求兩個方面，且已經(jīng)有了比較完善的農(nóng)副產(chǎn)品等級區(qū)分要求，消費(fèi)者也已經(jīng)習(xí)慣了農(nóng)副產(chǎn)品的分級[1]。我國作為蘋果產(chǎn)量最大的國家，進(jìn)行產(chǎn)品分級可以增加蘋果種植戶收入，加強(qiáng)國產(chǎn)蘋果在國外市場上的競爭力。目前，計算機(jī)視覺技術(shù)已經(jīng)是新鮮水果和蔬菜檢驗(yàn)一個有力工具，在植物生長狀態(tài)的采集、共享農(nóng)業(yè)資源信息的建設(shè)、農(nóng)副產(chǎn)品等級區(qū)分和質(zhì)量檢測等方面的應(yīng)用得到了不斷發(fā)展。因蘋果在生產(chǎn)和之后加工處理等環(huán)節(jié)中受到諸多因素的影響，其等級、品質(zhì)等方面就會產(chǎn)生很大的差異，如大小、形狀、顏色、缺陷等或多或少存在著差異的，因此必需在對其進(jìn)行分級和質(zhì)量檢測的過程中進(jìn)行全面地區(qū)分。計算機(jī)視覺技術(shù)用攝像頭代替人眼，剔除了人眼的各種影響因素，提高了分級工作的效率。在20世紀(jì), Rehkugler和Throo p[2]研究了機(jī)器視覺如何檢查蘋果表皮損傷范圍，并依據(jù)分級標(biāo)準(zhǔn)進(jìn)行了分組，設(shè)計出缺陷檢查和等級分離設(shè)備，經(jīng)試驗(yàn)證實(shí)蘋果分級效果良好。近年來，在農(nóng)業(yè)生產(chǎn)上，利用計算機(jī)視覺技術(shù)對蘋果進(jìn)行多參量[3-4]等級區(qū)分判別，可以很大程度地提高生產(chǎn)效率，分級效果更加精確可靠。

1 新技術(shù)論述

1.1 計算機(jī)視覺概念

計算機(jī)視覺是指利用攝像頭替代人眼的技術(shù)，即用攝像頭和計算機(jī)代替人眼對標(biāo)的物進(jìn)行辨別、信息追蹤和質(zhì)量檢測等。其利用鏡頭采集的圖形，將圖形前處理后，使圖形變得更突出清晰，突顯需要的信息；然后，通過軟件分析，根據(jù)設(shè)定的參數(shù)來判斷圖形信息。

1.2 工作原理

采用計算機(jī)視覺技術(shù)的蘋果自動分級系統(tǒng)的工作原理：將蘋果擺放適當(dāng)?shù)奈恢茫R頭拍照，獲取蘋果初級圖像；將圖像輸送到計算機(jī)，利用計算機(jī)上的分析處理軟件，進(jìn)行圖像前處理及特征(大小、形狀、顏色、缺陷)提取，然后根據(jù)提取的圖像信息綜合分析確定蘋果等級，工作原理流程如圖1所示。

1.蘋果輸送裝置 2.定向裝置 3.蘋果 4.攝像頭 5.照明設(shè)備 6.計算機(jī)

1.2.1 圖像前處理

通過鏡頭采集的圖像易受到各類因素干擾，采集的圖像一般都不是很清晰，存在很多噪聲干擾，使得分級增加難度。采集的圖像需要經(jīng)過處理才能提取其中的特征信息，只有圖像清晰，才能突顯目標(biāo)圖形。首先，對圖像灰度處理，灰度處理后的圖像某一個灰度值區(qū)間內(nèi)有著更大的對比度；然后，通過局部求平均值法或中值濾波法(取局部鄰域中的中間像素值)去噪，再將圖像邊緣銳化；最后，進(jìn)行偽彩色處理。經(jīng)過前面幾個步驟處理的圖像清晰，需要提前特征信息突顯，分級效果更好。

蘋果分級過程中特征提取是決定分級效果的關(guān)鍵環(huán)節(jié)，等級的區(qū)分就是根據(jù)特征來確定，所以特征提取是否合理是決定分級正確率的最重要因素。

1.2.2 大小特征提取

提取蘋果大小的特征量比較常用的有面積、線度等，以蘋果的最大橫切面直徑作為特征量。在蘋果圖像中確定果心，以果心為圓點(diǎn)繞圖形邊緣旋轉(zhuǎn)，旋轉(zhuǎn)1周后得到最大值即為蘋果的最大果徑，再根據(jù)軟件中設(shè)定的大小參量確定蘋果的大小等級。

1.2.3 形狀特征提取

蘋果的形狀是不規(guī)則的曲面，可用二維傅立葉動態(tài)變換[4]對蘋果的形狀提取。蘋果等級區(qū)分是可以微調(diào)的，不需要用傅立葉半徑描述中的所有特征參量來分析，中故去除中間較小的特征分量，利于快速分析。研究發(fā)現(xiàn)，傅立葉前9項分量基本可以復(fù)原圖像中蘋果的輪廓邊緣，進(jìn)而可以判斷蘋果的形狀等級，如圖2所示。

圖2 傅立葉分量

1.2.4 顏色特征提取

顏色是蘋果等級區(qū)分的最直觀視覺特征，在蘋果外觀分級時，顏色是最重要的影響因素。本文采用色飽和度模型與人類眼睛觀察色彩的原理相似，以色飽和度模型的色度圖像進(jìn)行作為蘋果顏色的分析，可以確保分級的正確率。

1.2.5 缺陷特征提取

蘋果在生長和加工過程中經(jīng)常受到一些損傷，造成蘋果表皮缺陷的形成，直接影響蘋果的外觀，因此蘋果缺陷也成為蘋果等級區(qū)分的重要影響因素。由于蘋果表面呈不規(guī)則的狀態(tài)，無法從一個方面來進(jìn)行缺陷的檢測，也無法利用模型識別來評判蘋果的等級，鑒定的難度比較高，不能達(dá)到等級區(qū)分的目的。因此，本文采用對整個蘋果圖像進(jìn)行全方位的掃描，檢查其左、右臨界點(diǎn)及圖像像素點(diǎn)，提取缺陷點(diǎn)，將圖像中的缺陷點(diǎn)面積累計，就可得到全部缺陷的總面積，確定蘋果等級缺陷影響指數(shù)，從而判斷蘋果等級。

2 應(yīng)用的方式方法

蘋果采摘后要進(jìn)行后續(xù)檢測、等級分離、清理、上蠟等工序。其中，蘋果的分級是后續(xù)加工中的重要環(huán)節(jié)，而且等級分離是蘋果爭奪市場競爭力的關(guān)鍵影響因素之一。

引入計算機(jī)視覺的蘋果自動分級系統(tǒng)由安裝了定向裝置的輸送帶、采集鏡頭、光照補(bǔ)充裝置、圖像輸送裝置、計算機(jī)及分析軟件構(gòu)成。工作原理：將采摘下來的蘋果置于輸送帶上，在輸送的過程中，定向裝置可以使蘋果調(diào)整到適當(dāng)?shù)姆较颍诤竺娌杉瘓D像；輸送帶輸送蘋果的過程中，由補(bǔ)光裝置補(bǔ)充光照，鏡頭采集圖像，輸送裝置將目標(biāo)物圖像傳輸?shù)接嬎銠C(jī)上；利用計算機(jī)中的圖像分析軟件，將圖像處理好后，再根據(jù)事先設(shè)定的多個特征參數(shù)，綜合分析處理，確定蘋果的級別；然后，發(fā)出指令，將蘋果分配到相對應(yīng)等級的輸出口，完成蘋果等級的劃分。

3 效果和突破

國外從20世紀(jì)90年代已研發(fā)了利用機(jī)器視覺技術(shù)的分級系統(tǒng)，典型的有OSCARTM 型和MERLIN 型分級生產(chǎn)線，可以用于大多數(shù)水果的等級分離和品質(zhì)測定[5]。日本研究的計算機(jī)視覺檢測設(shè)備，還增加顏色、損傷、紋理等多特征的分級特征，其分級速度可達(dá)8 000個/h。

我國在20世紀(jì)末開始研究該項目，如農(nóng)業(yè)大學(xué)研究的圖像分割技術(shù)，利用光學(xué)反射特性的圖像技術(shù)進(jìn)行壞損檢測，可以對壞損蘋果進(jìn)行檢測。李慶中[7]研究了蘋果色澤提取分級方法， 采用多層前饋網(wǎng)絡(luò)識別器方法，可以基于蘋果色澤的實(shí)時等級分離，試驗(yàn)的正確率都在90%以上，消耗時間為0.15s。2002年，浙江大學(xué)成功地研發(fā)出動態(tài)檢測等級分離生產(chǎn)線，該線主要由雙錐式滾筒輸送翻轉(zhuǎn)系統(tǒng)、圖像識別系統(tǒng)和等級分離系統(tǒng)3部分構(gòu)成，可以依據(jù)大小、形狀、色彩、缺陷和表面光潔度進(jìn)行檢測，這是在原來基礎(chǔ)上取得的重大突破。目前已研發(fā)出蘋果內(nèi)部無損檢測技術(shù)，可將蘋果進(jìn)行更精細(xì)化的分級。

4 結(jié)論

計算機(jī)視覺技術(shù)方法引入為蘋果等級的分離提供了一種高效、自動的方法。利用機(jī)器視覺技術(shù)進(jìn)行農(nóng)產(chǎn)品等級分離不僅增加了生產(chǎn)者的利潤，也保證了消費(fèi)者的利益。基于計算機(jī)視覺技術(shù)進(jìn)行的蘋果等級劃分的正確率高、效率高，最大程度地規(guī)避了人工等級劃分時受情緒的影響而導(dǎo)致的不良后果。計算機(jī)視覺技術(shù)在蘋果外部等級劃分中的應(yīng)用已非常成熟，現(xiàn)已開始進(jìn)行蘋果的含糖量、農(nóng)殘等方面的研究，可改變蘋果產(chǎn)業(yè)結(jié)構(gòu)，提高國產(chǎn)蘋果國際市場競爭力。

[1] 張靈光.農(nóng)產(chǎn)品質(zhì)量分級標(biāo)準(zhǔn)是增強(qiáng)市場競爭力的基礎(chǔ)[J]．農(nóng)業(yè)標(biāo)準(zhǔn)化，2007(10):59-62．

[2] Rehkug ler G E, Thr oo p J A. Apple so rting with machine v ision[J].Transactions of the ASAE, 1985, 29(5): 1388-1395.

[3] 龍滿生，何東健，寧紀(jì)峰．基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋果綜合分級系統(tǒng)[J]．西北農(nóng)林科技大學(xué)學(xué)報，2001，29(6):108-111．

[4] 包曉安，張瑞林，鐘樂海．基于人工神經(jīng)網(wǎng)絡(luò)與圖像處理的蘋果識別方法研究[J]．農(nóng)業(yè)工程學(xué)報，2004，20(3):109-112．

[5] 高華,王雅琴.基于計算機(jī)視覺的農(nóng)產(chǎn)品形狀分級研究[J].計算機(jī)工程與應(yīng)用,2004(14):227-229.

[6] 蔣煥煜,應(yīng)義斌,王劍平,等.水果品質(zhì)智能化實(shí)時檢測分級生產(chǎn)線的研究[J].農(nóng)業(yè)工程學(xué)報,2002(6):158-160.

[7] 李慶中,張漫,汪懋華,等.基于遺傳神經(jīng)網(wǎng)絡(luò)的蘋果顏色實(shí)時分級方法[J].中國圖像圖形學(xué)學(xué)報,2000,5(9):779-784.

Computer Vision Information Processing Technology in Automatic Apple Grading

Que Lingli

(Academic Research Office，Guangxi Vocational College of Technology and Business，Nanning 530008，China)

The fruit as a daily consumables, the purchase is will pick one or two, selling fruit on the market today is a hierarchical sales approach. Apple accounted for the largest share in the fruit consumption, it is graded sales can fully play its value. Before Apple sales are artificial methods of rough grading, when using this method of classification may only consider the size or color of the impact, efficiency classification mode is very low, it is more important difficult to fully consider the situation of each apple, leading to low precision grading and artificial consumption. The computer system is now widely used in precision agriculture, such as detecting and removing weeds yield grade, automatic harvesting of fruits and vegetables or agricultural products. The working principle of computer vision grading system aapple: apple computer vision Acquisition extract images using edge detection, image improvement, image binarization image data processing method for pre-acquisition image processing, parameter setting level distinction, according to features required to set multiple parameters, and then based on the characteristic parameters of the apple automatically grade separation. Apple uses machine vision were grade separation, not only improve the accuracy of the apple grade separation, but also greatly save labor, while apple computer vision grading can also get a wide range of application.

computer vision; apple automatic grading; image information extraction；multi-grade features

2016-05-11

廣西高校科學(xué)技術(shù)研究項目(KY2015YB454)

闕玲麗(1979-)，女，廣西玉林人，講師，碩士，(E-mail)40605449@qq.com。

S226.5;TP391.41

A

1003-188X(2017)05-0246-03