基于計算機視覺的花生霉變程度檢測

王金英，董 禮

(秦皇島職業(yè)技術(shù)學(xué)院,河北 秦皇島 066100)

0 引言

花生是世界范圍內(nèi)的油料作物，種植面積和重要性僅次于油菜。花生在16世紀傳入我國，19世紀末開始推廣種植，目前在很多的地區(qū)均有分布，其中河南和山東兩省是最大的種植區(qū)。我國花生的年產(chǎn)量約1 700萬t，占世界總量的40%。除了40%的脂肪含量外，花生還富含蛋白質(zhì)和維生素，具有很高的營養(yǎng)價值，也可以作為人們的日常食品。

花生的果實位于地表以下，土壤中存在黃曲霉或寄生曲霉等霉菌能引起花生的霉變。在花生的生長和儲存過程中，當(dāng)溫度和濕度適合時，上述的霉菌便會產(chǎn)生黃曲霉素這種毒性很強的次生代謝產(chǎn)物，并伴隨發(fā)霉的現(xiàn)象[1]。黃曲霉素是毒性最大和對人類健康危害最突出的一類霉菌毒素，被世界衛(wèi)生組織認定為一類致癌物，長期食用含有這類毒素的花生會對健康產(chǎn)生嚴重的影響。我國相關(guān)標(biāo)準(zhǔn)限定的花生及其制品中黃曲霉素B1最高含量為20ppb，而歐盟限定的為2ppb，導(dǎo)致我國花生在出口過程中時常因黃曲霉素超標(biāo)而被扣留或銷毀，造成嚴重經(jīng)濟損失的同時也削弱了在國際市場的競爭力[2]。

花生的黃曲霉素含量與霉變程度密切相關(guān)，因此對霉變程度的檢測可以為霉變花生的清選提供條件，極大地提高花生食用的安全性。傳統(tǒng)的花生霉變檢測方法是由人工觀察判別，工作強度大，且易受到人員體能和狀態(tài)的影響。生化檢測具有一定的優(yōu)勢，但是對人員的技術(shù)水平和工作經(jīng)驗要求較高，測定的成本和周期也相應(yīng)增加[3]。隨著花生加工和出口規(guī)模的增長，上述方法的局限性日益明顯，已經(jīng)無法滿足對食品安全的需求。

目前，對黃曲霉素的測定方法有薄層色譜法、高效液相色譜法及酶聯(lián)免疫吸附測定等。對含有黃曲霉素花生的分選有比色分選和圖像識別等，是根據(jù)外觀差異清除發(fā)生霉變的花生粒，還沒有實現(xiàn)以黃曲霉素含量為指標(biāo)的無損在線分選[4]。科學(xué)技術(shù)的發(fā)展為全面檢測花生霉變程度開辟了方法，如電子鼻、光電技術(shù)、光譜特征分析和計算機視覺分析，這些方法克服了檢測成本高和過程繁瑣的缺點，具有實際應(yīng)用的潛力。

電子鼻是由特異性的化學(xué)傳感器陣列組成的模式識別系統(tǒng)，能夠識別復(fù)雜的氣味。花生霉變過程中形成黃曲霉素的同時，也會產(chǎn)生特殊的氣味。惠國華等研制了一套電子鼻系統(tǒng)，通過分析花生霉變產(chǎn)生的氣味，較好地反映出了霉變的程度[5]。花生霉變的光電分選設(shè)備有兩種，即色選機和近紅外透射分選機。其中，色選機根據(jù)霉變花生與正常花生之間的顏色差異進行分選。花生發(fā)霉后，內(nèi)部的蛋白質(zhì)和脂肪酸會發(fā)生變化，對近紅外光的吸收強度出現(xiàn)差異，近紅外透射分選機則是根據(jù)這種特性進行分選[6]。另外，花生發(fā)霉后內(nèi)部的物質(zhì)發(fā)生變化，還會形成獨特的光譜特征，采集這些光譜特征并建立指數(shù)分析模型，能夠?qū)ㄉ拿棺冞M行準(zhǔn)確識別和檢測[7-8]。

計算機視覺是由相機拍攝圖像，通過電腦對圖像中的目標(biāo)進行識別和檢測。這種技術(shù)在20世紀80年代取得了較大的發(fā)展，現(xiàn)在已經(jīng)廣泛用于社會生產(chǎn)的各個領(lǐng)域。計算機視覺在農(nóng)業(yè)上主要用于水果采摘、分級檢測及田間雜草識別等，符合現(xiàn)代精準(zhǔn)農(nóng)業(yè)發(fā)展的趨勢[9-12]。陳紅等采用計算機視覺對花生仁進行識別，并引入神經(jīng)網(wǎng)絡(luò)的分析算法，對各種霉變程度的花生獲得了很高的檢測準(zhǔn)確率[13]；另外，還基于計算機視覺，采用不同的特征參數(shù)和分析方法，對花生霉變程度的判斷準(zhǔn)確率也達到了90%[14]。韓仲志等利用計算機視覺對花生的多種外觀特征進行測量，實現(xiàn)了對花生品質(zhì)的準(zhǔn)確檢測和分級[15]。上述方法在檢測環(huán)節(jié)上已經(jīng)較為完善，但是缺少對實時性的驗證，因此還沒有應(yīng)用于在線檢測分選。本文基于計算機視覺技術(shù)，用相機拍攝霉變花生的圖像并對外觀進行檢測，根據(jù)顏色特征評判花生的霉變程度，以期為花生的在線分選提供技術(shù)支撐。

1 硬件設(shè)備

花生圖像在封閉的暗箱中拍攝，拍攝箱是一個尺寸0.7m×0.6m×0.6m的長方體，內(nèi)壁為黑色以避免反光，底部的樣品臺也是黑色背景。拍攝箱內(nèi)部上方的4個角上各安裝1盞白熾燈，功率為10W。拍攝箱內(nèi)部正上方安裝1臺世紀科信UCMOS0300型CCD工業(yè)相機，拍攝花生圖像后由AD6673型A/D轉(zhuǎn)換器轉(zhuǎn)換為數(shù)碼信號，再通過USB數(shù)據(jù)線傳輸給計算機。

核心計算機為戴爾XPS8910型臺式電腦，配置包括北京大恒VRT-CG200型圖像采集卡、Intel i7處理器、GTX1070型顯卡和16G內(nèi)存，具有兼容性強、性能快速穩(wěn)定等優(yōu)點。圖像分析的軟件為MatLab工具箱，在Windows10環(huán)境中運行，可以滿足圖像實時分析處理的要求。

2 圖像分析

2.1 圖像預(yù)處理

由于受到各種環(huán)境因素的干擾，拍攝得到的圖像會存在一定的噪音，影響了圖像質(zhì)量和分析處理效果，需要進行預(yù)處理。圖像噪音去除的方法有多種，本文根據(jù)實際情況，采用維納濾波處理。維納濾波經(jīng)過多次循環(huán)后，圖像的清晰度增加，邊緣和細節(jié)信息保存較為完整，取得了良好的濾波效果。預(yù)處理得到的圖像中背景為黑色，花生的圖像明顯。正常花生表面的顏色均勻，光澤度好，呈現(xiàn)淺紅色；霉變花生的表面出現(xiàn)皺縮和黑色的斑點，顏色褐化不均勻，光澤較為晦暗，如圖1所示。

圖1 花生圖像的預(yù)處理

2.2 圖像分割

根據(jù)花生圖像目標(biāo)的顏色特征，采用HSL的顏色空間，以色調(diào)H、飽和度S和亮度L作為分量來增加圖像的對比度和減小亮度，獲得了HSL顏色空間下對L分量進行灰度化的圖像，如圖2所示。

圖2 花生圖像的灰度化

灰度化圖像中的背景為黑色，花生為淺紅色、灰白色或褐色，因此可以利用兩者之間顏色或亮度的明顯差異將檢測目標(biāo)從背景中分離出來。這里將圖像分解為R、G、B等3種原色，因B分量在灰度化圖像中邊緣保存完整，含有的噪音較少，因此利用閾值對B分量進行邊緣檢測；然后通過一系列形態(tài)學(xué)濾波消除冗余的信息，修復(fù)邊緣上的毛刺后得到平滑閉合的目標(biāo)輪廓；最后，對輪廓進行填充，得到從背景中分割出來的花生圖像，如圖3所示。

圖3 花生圖像的輪廓提取

2.3 特征提取

霉變花生和正常花生的差異主要體現(xiàn)在表皮顏色上，因此這里選用顏色相關(guān)的參數(shù)提取花生霉變的特征。為了獲得目標(biāo)區(qū)域的特征信息，對分割得到的花生圖像內(nèi)的各個像素點提取特征量并計算平均值。花生發(fā)生霉變后表面的明暗變化顯著，所以采用HIS的顏色模型對霉變的程度進行檢測。提取單個花生圖像區(qū)域的H、I、S顏色分量計算均值后，分析發(fā)現(xiàn)H顏色分量的變化最為明顯，且隨著霉變程度逐漸增加。因此，選用H顏色分量作為評判花生霉變程度的特征參數(shù)，根據(jù)設(shè)定的閾值將霉變程度分別劃分為正常0、輕度霉變1、中度霉變2和嚴重霉變3，并標(biāo)識在花生圖像內(nèi)，如圖4所示。

圖4 花生霉變程度評判

3 仿真試驗結(jié)果

通過仿真試驗對上述的檢測方法進行驗證，使用的花生品種為中花12號，不同霉變程度的花生各50粒，共200粒。每次隨機選取20粒花生排布在樣品臺上拍攝圖像，通過計算機視覺檢測后評判花生的霉變程度，劃分4種霉變程度的H分量閾值分別為0.057、0.063和0.069，最后統(tǒng)計檢測的準(zhǔn)確率。

仿真試驗的結(jié)果如表1所示。由表1可以看出：正常的花生粒中僅有3個被計算機視覺誤判為輕度或中度霉變，檢測的準(zhǔn)確率為94%；輕度、中度和嚴重霉變的花生分別有2粒、4粒和4粒被誤判為相鄰的等級，最低的檢測準(zhǔn)確率也達到了92%。總體上看，計算機視覺對花生霉變程度的檢測準(zhǔn)確率超過93%，單張圖像從拍攝到完成檢測并輸出結(jié)果共耗時1s，可以滿足實時檢測和在線分選的要求。

表1 花生霉變檢測的準(zhǔn)確率

4 結(jié)論

基于計算機視覺技術(shù)，用相機拍攝花生的圖像，依次采用維納濾波處理去除噪音、L分量進行灰度化、B分量進行圖像分割后獲得目標(biāo)區(qū)域圖像。選用H顏色分量作為反映花生霉變程度的特征參數(shù)，根據(jù)設(shè)定的閾值評判霉變等級。仿真試驗中僅有個別的花生粒被計算機視覺誤判為其它等級，對花生霉變程度檢測的整體準(zhǔn)確率超過93%。單張圖像的處理過程耗時1s，可以滿足實時檢測的要求。

花生霉變的本質(zhì)是內(nèi)部物質(zhì)的變化，而該方法檢測的是外部特征，若與近紅外透射和光譜分析等內(nèi)部特征檢測技術(shù)結(jié)合，則能更全面地評判花生的霉變情況。另外，計算機視覺檢測技術(shù)還需要配套相應(yīng)的分級執(zhí)行裝置，才能實現(xiàn)花生的在線分選。