基于計算機視覺技術大棗品質檢測分級的研究

顏秉忠，王曉玲

(河北對外經貿職業學院，河北 秦皇島　066311 )

0　引言

大棗是鼠李科棗屬植物的果實，也稱為紅棗。其所含的營養物質比常見的水果豐富，特別是礦質元素、糖類、氨基酸和維生素，因此具有很高的食用價值[1]。紅棗成熟后能夠作為零食直接食用，也可以晾干后加在菜肴和主食中食用，加工的方式也較多，如制作蜜餞和果脯等。相比其豐富的營養和食用方式，大棗的價格低，具有較高的性價比，因此受到消費者的歡迎。大棗是我國的特色水果，種植面積和產量占世界總量的比例超過95%[2]。作為大棗的發源地和唯一出口國，我國近10年來的大棗生產規模增長迅速，年產量已經突破800萬t，其中新疆為產量最高的省份。

為了便于運輸和儲藏，大棗產業以干棗的銷售和加工為主。由于受到深加工程度和技術水平的制約，我國的大棗產業仍然缺乏高附加值的產品，影響了在國際市場的競爭力和種植及加工企業的效益。因此，加強從生產到消費的各個操作環節的改進，對于推動我國大棗產業的升級具有重要作用。

分級是對水果和蔬菜果實的大小、形狀、顏色、營養物質含量、表面缺陷等性狀進行檢測和識別，然后根據行業標準劃分等級的操作過程。分級是果蔬進入市場銷售前的一個重要環節，有利于各個等級的果實統一定價銷售，提高經濟效益，增加相關產業的競爭力。我國的大棗產量和出口量巨大，加強大棗分級能夠帶來可觀的經濟效益，對大棗產業的升級也具有重要意義。目前，大棗的分級以人工方法為主，即通過目測觀察，或利用選果板等工具，主觀判定大棗的等級。人工方法的操作簡單易行，對大棗的評價全面，能夠涵蓋多種表面性狀[3]；但隨著勞動力的轉移，人工分級方法的成本升高，并且勞動強度大，效率降低。同時，視覺疲勞和主觀因素會影響操作人員分級的準確性，從而導致獲得的同級別大棗品質不一致。

在科學發展和技術進步的推動下，人們開發出了多種針對大棗的自動分級系統和方法，包括自動機械、光電系統和基于計算機視覺的方法。大棗的質量測量的難度相對較大，因此各種自動機械都是依據大棗的外形尺寸對其進行分級。自動機械在設計上根據分級標準規定的大小閾值，制作相應的間隙或空隙。大棗在機械中依靠離心力或自身的重力通過相應大小的間隙或空隙，從而得到分離。當前的大棗自動分級機械有多種，分級的部件形式包括帶式、滾筒式和滾杠式等[4]。自動分級機械的速度快，效率高，具有較好的通用性，已經用于實際生產；但是自動機械只能針對果實的外部尺寸，導致分級指標單一，且分級過程中的碰撞磨損會降低品質，限制了自動機械的更廣泛應用。光電式分級是采用光電傳感器，通過檢測大棗在移動時對光線的遮擋時間來計算其長度，從而判定級別并控制執行裝置實現分級[5]。光電式的分級精度和自動化程度高，分級過程中沒有接觸引起的磨損，但是與機械式一樣存在檢測指標單一和穩定性欠缺的問題，因而還未應用于實際生產。

計算機視覺是圖像處理技術的分支，是隨著計算機技術和信息科學發展起來的。計算機視覺通過專用設備采集圖像，然后轉換為數字信號后用計算機處理，可對各種目標特征進行分析和識別。計算機視覺的用途非常廣泛，在農業中用于機械導航、雜草識別及各種瓜果蔬菜的檢測分級等[6-10]。基于計算機視覺的分級排除了主觀因素的干擾，且檢測精度高，能實現無損操作。人們對計算機視覺在大棗分級中的應用進行了大量研究和實踐，設計了各種自動分級設備，并建立了針對不同性狀的檢測方法和算法，但目前其分級的實時性和質量需要提高[11-13]。本文基于計算機視覺技術，設計了一種大棗的品質檢測分級系統，以其大小和質量為依據進行分級，旨在為我國大棗產業的發展提供技術支撐。

1　系統的設計原理及組成

1.1　原理

品質檢測分級系統是大棗放置在傳送帶上隨其移動，經過拍照箱時由相機拍攝圖像，然后轉換為數字信號傳輸給計算機；傳送帶軸承上安裝的霍爾元件實時檢測其運動速度，發送給計算機；計算機計算拍攝頻率，并向相機發出指令，控制開啟拍攝的時機；拍攝的大棗圖像由計算機中安裝的視覺軟件處理分析，提取大小和尺寸特征，計算質量并作為依據對每個大棗進行分級。計算機根據分析結果向分級執行裝置發出指令，控制各個大棗進入相應的通道中實現分級。系統工作的原理如圖1所示。

圖1　檢測分級系統的工作原理

1.2　系統組成

檢測分級系統主要由傳送帶、計算機視覺模塊和分級執行裝置組成。工作時，大棗被放置在傳送帶上移動，傳送帶寬度0.3m；傳送帶前端的軸承上安裝1個HEX-302型霍爾元件，用于測定傳送帶的實時速度，并傳送給計算機。分級執行裝置安裝在傳送帶的末端，包括4個分級通道；分級裝置接收計算機的指令，控制氣泵的開啟，利用氣吹結合擋板的方式將大棗送入相應的通道內實現分級。

計算機視覺模塊包括拍照箱和核心計算機。拍照箱為0.4m×0.3m×0.5m的長方體，兩側開孔便于傳送帶運行。拍照箱內部為黑色，安裝1盞15W的環形白熾燈作為光源，以及1臺尼康D760型數碼相機。數碼相機由核心計算機控制開啟拍攝，拍照范圍0.4m×0.3m。拍攝形成的圖像為JEPG格式，經過FQ-WLQ型轉換器轉換為數碼信號后發送給核心計算機分析處理。核心計算機為惠普286型，安裝Windows10操作系統、Intel i3處理器和4G內存，運行速度快，性能穩定，能夠滿足實時檢測分級的要求。計算機視覺軟件為MatLab7.0工具箱，用于圖像的處理分析。

2　圖像分析

拍攝的大棗圖像為大小640×480的JEPG彩色圖像，背景為黑色傳送帶，干制大棗為深紅色。拍攝時大棗處于運動的狀態，影響了圖像的質量，不利于后續的分析處理。因此，采用3×3的中值濾波對圖像進行平滑處理，消除噪音，得到了質量增強的圖像，如圖2所示。

原始圖像的背景簡單，且識別目標與背景的顏色差異明顯，直接用RGB色彩空間進行處理。識別的目標為深紅色，因此RGB空間中的B分量具有顯著的峰值特征，可以得到更好的目標分割和特征識別效果。這里基于B分量，采用閾值分割法對圖像進行灰度化處理，如圖3所示。

圖2　大棗的原始圖像

圖3　大棗的灰度化圖像

經過灰度化后的圖像，再通過HIS加權進行二值化處理，消除小塊陰影面積和各種噪音點；然后根據B分量的峰值特征設定灰度閾值，進行圖像分割；最后選擇Sobel算子提取識別目標的邊緣，從而獲得大棗的輪廓，如圖4所示。

圖4　大棗的輪廓提取

大棗的尺寸和質量都是重要的品質特征。尺寸是質量的外觀表現，長寬不同的大棗可能具有相同的質量。因此，利用計算機視覺檢測大棗的尺寸，然后依據尺寸與質量之間的相關性計算質量，并作為依據劃分等級。隨機選取50個干棗進行編號，用天平測量質量，然后用該系統檢測它們的尺寸。選擇的特征參數為大棗輪廓最小外截矩形的長和寬，能夠分別反映大棗外形的縱軸和橫軸。用這50個干棗作為建模集，建立尺寸與質量之間的回歸方程，以3個質量3.5、4.0、4.5g為閾值，將大棗劃分為4級、3級、2級和1級，如圖5所示。

圖5　大棗的分級

3　試驗結果與分析

3.1　試驗設計

通過試驗對系統的實時性和精確度進行了驗證，采用的大棗品種為新疆干棗。用天平稱量單個大棗的質量并分級，選取每個等級的大棗各50個編號。各等級的大棗混合在一起用系統進行檢測分級，傳輸帶運行速度為0.5m/s，相機拍攝間隔0.8s。計算質量的方程為W=0.0034x+0.0041y-1.67。其中，W為質量(g)；x和y分別為最小外截矩形的長和寬(pixel)。最后調查分級結果，統計準確率。

3.2　試驗結果和分析

試驗結果如表1所示。由表1可知：系統對1級大棗的識別準確率為96%，有2粒被誤判為2級；對2級的識別準確率為94%，分別有2粒和1粒被誤判為1級和3級；對3級的識別準確率為92%，分別有1粒和3粒被誤判為2級和4級；對4級的識別準確率為94%，分別有1粒和2粒被誤判為2級和3級。從整體來看，系統對大棗的檢測分級具有很高的準確度，達到94%。處理單張圖片平均耗時0.5s，能夠滿足實時分級的要求，配合傳輸帶運行速度時的分級效率為20個/s。

表1　大棗分級的準確率

4　結論

1)建立了一個基于計算機視覺技術的大棗品質檢測分級系統。系統拍攝傳送帶上的大棗圖像，傳入計算機中進行灰度化、圖像分割和輪廓提取；然后以最小外截矩形的長寬為參數，計算大棗重量并以此劃分等級。系統對各級大棗的識別準確率為92%～96%，整體平均為94%，具有很高的精準度。系統處理單幅圖像的耗時為0.5s，能夠滿足自動分級的要求。在傳送帶運行速度0.5m/s、拍攝間隔0.8s時，可以實現20個/s的分級效率，能夠用于大棗的自動化分級。

2)與目前已經報導的基于計算機視覺的大棗檢測分級研究相比，本系統僅檢測兩個代表性的特征參數，減少處理過程中的計算量，提高了圖像處理的速度和分級效率。本文僅用新疆干棗對系統進行了驗證，若應用于其他品種的大棗，則需要對計算質量的方程進行優化，才能保證較高的分級準確率。