基于機算機視覺的楊梅自動檢測分級

李思廣

(周口職業技術學院，河南 周口 466000)

0 引言

楊梅是楊梅科的常綠喬木，其果實含有豐富的花青素、糖類和有機酸等，具有很高的食用和藥用價值，也是市場上很受消費者歡迎的一種水果。楊梅具有較為悠久的歷史，生長歷史達到7 000年，栽培的歷史也有2 000年。楊梅僅分布在中國、韓國、日本和印度等少數幾個亞洲國家，栽培面積約40萬hm2，年產量超過100萬t，而中國占比超過98%[1-2]。我國是楊梅的發源地，其主要分布在長江以南的地區，對當地的經濟發展起著重要的作用。浙江是我國楊梅主產區，出產的楊梅具有很大的果形是優良的品質，在2010年的產值已經達到49.5億元。目前，最著名的楊梅品種為東魁楊梅和荸薺種楊梅，占比分別為47.6%和28.3%[3]。

楊梅分布區域廣闊，生態適應性好。因分布區域內的地理環境差異大，因此形成了多樣的品種和品質[4-6]。對楊梅進行分析檢測的品質性狀包括果形指數、可食率、單果重、可溶性固形物含量、總糖含量、酸含量和維生素C含量等。各種楊梅品種都有其自身的品質特征，如地方品種的果形比栽培品種好，可溶性固形物含量更高，但是可食率較低[7]。楊梅的果實大小不一，不僅是重要的分級依據，還與楊梅的品質有著密切的關系。龔潔強的研究表明：東魁楊梅果實的大小與可食率和出汁率顯著正相關，而對酸含量有負面影響，與可溶固形物之間則沒有相關性[8]。楊梅的品質主要由品種的特性決定，此外還會受到栽培措施和生長期氣候因子的影響。黃海靜等利用設施大棚增加楊梅生長季節的有效積溫和濕度，明顯加快了其發育進程，也提高了果實品質[9]。

楊梅一般在高溫高濕的6-7月份采摘，質地柔軟，含水量高，沒有外果皮。這些導致楊梅極易因碰撞而受損，可運輸性和耐儲藏性都很差。若加工成各種產品，又要面臨儲藏和加工過程中的變質問題。人們對楊梅采摘后的各種品質變化進行了研究，如蔣玲玲建立了基于不同顏色空間的楊梅表面性狀和營養成分檢測方法，以便加強對楊梅采后品質的監測和分類[10]。

分級是水果采摘后商品化處理的一個環節，有利于提高銷售收益和市場競爭力。楊梅采摘后的挑選分級主要是去除損傷、畸形和病蟲害果，然后通過人工觀察判別等級。分級的依據主要是大小、顏色和成熟度等[11]。楊梅主要以鮮果的形式進行銷售和食用，銷售期最長僅為40天左右，集中銷售的時間更短至20天。因此，楊梅采摘后須要立刻進入市場銷售，加重了人工分級的勞動強度，較短的銷售時期也影響了消費者的購買熱情。

受農業發展水平的限制，我國的水果分級以人工方法為主。人工分級方法的勞動強度大、效率低且分級質量不穩定，這些問題在楊梅上體現得更為明顯。計算機視覺技術可以對圖像中的目標進行快速識別和檢測，其在水果分級中的應用成為了研究熱點。目前，對計算機視覺技術的研究主要集中于楊梅采摘機器人，用于對自然環境下的果實進行識別。徐黎明等通過同態濾波和K均值聚類的算法消除光照影響，增強楊梅的圖像，對自然光照條件下的楊梅取得了理想的識別效果[12-13]。

計算機視覺的分析軟件、算法已經成熟，可以針對水果的各種外部和內部品質進行檢測和分級。本文根據楊梅鮮果的特性，設計了一個基于計算機視覺的自動檢測分級系統。該系統利用CCD相機拍攝楊梅圖像，傳輸給計算機進行分析，經過預處理、灰度化和圖像分割后提取楊梅的輪廓；然后，檢測楊梅的大小、果形和顏色，并以此為依據進行分級。最后，通過試驗驗證了系統分級的實時性和準確性，以期為我國楊梅產業的可持續發展提供技術支撐。

1 系統的設計原理及組成

1.1 設計原理

系統以計算機視覺為核心，控制相機拍攝流水線上的楊梅圖像。圖像傳回核心計算機進行處理和分析，提取楊梅的各種性狀特征，然后依據相關的等級標準判定級別；計算機根據分級結果生成操作指令并發送給分級裝置，實現對相應鮮果的分級。

1.2 系統組成

光照室為0.4m×0.3m×0.5m的自制箱體結構，安裝在流水線上，內壁黑色。光照室上壁兩側各安裝一個10W的白熾燈作為光源，頂端安裝一臺Genie Nano C640型CCD相機。相機分辨率640×480，拍攝范圍0.2m×0.3m，形成BMP格式的彩色圖像。核心計算機為戴爾7040MT型臺式電腦，配置Intel i7中央處理器，8GB DDR4內存和1TB硬盤，其運行速度和存儲容量能夠滿足圖像處理分析的要求。計算機安裝Linux操作系統以及MatLab10.0視覺軟件，其流程設計靈活，圖像處理質量高，具有可視化界面設計和便捷的借口功能。計算機與光照室及分級裝置之間通過USB3.0接口連接，如圖1所示。

2 圖像分析

楊梅圖像在光照室中拍攝，雖然人工光源較為穩定，但是外界光照和鮮果個體不同，可能會產生孤立的亮點或陰影。另外，楊梅處于流水線上，具有一定的運動速度，也導致獲得的圖像中含有不同程度的噪音。這些噪音降低了成像的質量，引起圖像模糊，不利于對目標的精確識別和檢測。本文采用常見的5×5模式中值濾波法對原始圖像進行預處理，去除噪音，如圖2所示。然后通過Gamma校正非線性變換法進行灰度化處理，增強目標的圖像特征，如圖3所示。

圖1 檢測分級系統的組成

圖2 楊梅的預處理圖像

圖3 楊梅的灰度化圖像

圖像中的背景基本為灰黑色，楊梅為紫紅色，因此利用兩者的顏色差異將目標從背景中提取出來。計算機視覺常用的色彩空間有RGB和HIS模式，本文選用RGB模式。在R、G和B分量中，G分量在楊梅和背景之間的差異最大。因此，采用雙峰法在G分量的直方圖中確定最佳閾值，對圖像進行閾值分割，從背景中提取出楊梅的輪廓，如圖4所示。

圖4 楊梅的圖像分割

反映楊梅果實大小的指標有果徑及單果質量等，楊梅果實較為規則，一般為球形或近球形，因此本文選擇果徑作為指標。檢測方法是掃描鮮果輪廓所包含的像素點，根據像素點數和實測果徑值，確定兩者之間的關系為y=0.002 84N。其中，y代表果徑(mm)，N代表像素點數，果徑越大則品質越高。以圓形度作為衡量果形的參數，計算公式為e=(4π·S)/(L×L)。其中，e為圓形度，S、L分別為輪廓面積和周長(pixel)，圓形度越大則品質越高。顏色是楊梅的重要外觀特征和分級依據，但是無法用儀器直接測量。本文根據色彩飽和度與色彩形成原理的相似性，以R和G這2個分量作為特征，R所占比例越大則品質越高。最后，在視覺軟件中設定楊梅果實大小、果形和顏色的參數，按照相關的標準對其進行分級，如圖5所示。

3 試驗結果與分析

3.1 試驗設計

用東魁楊梅鮮果對系統的分級效率和準確性進行了測驗，設定流水線的運行速度0.3m/s，相機拍攝間隔為1s。分級的依據為DB44/T 1303-2014東魁楊梅鮮果的等級標準，共有特級、一級和二級3個等級，果徑要求分別為>35mm、28～35mm和24～28mm，果形要求端正，顏色為紫紅色。首先對楊梅進行人工分級，果徑用游標卡尺測量，目測果形和顏色并評判等級；然后選擇3個等級的鮮果各100個編號，用系統檢測分級，統計分級的準確性。

圖5 楊梅的檢測分級

3.2 試驗結果與分析

系統分級的結果如表1所示。由表1可知：對特級鮮果的準確率為94%，分別有4個和2個被誤判為一級和二級；對一級的準確率為92%，分別有3個和5個被誤判為特級和二級；對二級的準確率為92%，分別有1個和7個被誤判為特級和一級。整體而言，系統的分級準確達到92.7%，且對大小和果形的識別準確率很高，而對顏色深淺的檢測能力相對不足。單幅圖片處理所需時間為0.45s，小于拍攝的時間間隔，因而能夠滿足實時檢測分級的要求。若不考慮其它環節的限制，系統的分級效率理論上可以達到700個/s。

表1 系統分級的準確率

4 結論

設計了一個基于計算機視覺的楊梅自動檢測分級系統，利用CCD相機拍攝流水線上的楊梅圖像，經過計算機視覺軟件的預處理、灰度化和圖像分割后提取到鮮果輪廓；然后，檢測鮮果的果徑、圓形度和顏色深度，并根據東魁楊梅的等級標準進行分級。經過驗證，系統分級的準確達到92.7%，對大小和果形的識別準確率很高，而對顏色深淺的檢測能力相對不足；單幅圖片處理所需時間為0.45s，能夠滿足實時檢測分級的要求，理論效率達到700個/s。

不同楊梅品種的果徑和顏色都存在差異，本系統僅用東魁楊梅進行了驗證，因此還需要優化各項參數和閾值，以提高其對不同品種的適用性。楊梅鮮果質地柔軟，即使輕微的碰撞也會引起損失。為避免分級過程中的損傷，研制相應的分級執行裝置勢在必行。合適的分級裝置與計算機視覺結合使用，才能達到高效無損的分級效果，為我國楊梅產業可持續發展提供技術支撐。