計算機視覺技術在水果分級中應用的研究進展

桑國珍

(渭南師范學院計算機學院 陜西 渭南 714099)

一、前言

傳統的水果分級是利用手工進行分級，依靠人的肉眼和經驗進行判斷，這種手工分級存在很多弊端，例如效率低下，速度慢，精度低而且人工成本高，直接影響了商品的成本等。勢必無法滿足市場的需求，影響了經濟效益。在現今激烈的市場競爭環境下，這些水果采摘后的商品化處理，既能增強其市場競爭力，又能提高經濟效益，而對水果進行分級是其中商品化處理中的重要環節。

二、計算機視覺技術在水果分級中的應用

計算機視覺試圖建立能夠從圖像或者多維數據中獲取“信息”的人工智能系統，需要多種相關的理論、技術和方法的支持，神經網絡技術在農產品分級中的應用較為廣泛、現概括如下：

(一)蘋果分級

長期以來，我國的蘋果分級主要采用人工進行分級，分級標準有很大的出入，標準很難把握，分級的效率低，無法適應規模化和產業化生產的要求。所以采用自動的分級方式被提出，李慶中等人早在文獻中已提出基于遺傳神經網絡的蘋果顏色實時分級方法，首先介紹了對蘋果顏色進行自動分級的系統的硬件構成,然后確定了蘋果顏色特征的提取方法,最后利用遺傳算法實現了多層前向神經網絡識別器的學習設計,從而實現了蘋果顏色的實時分級，試驗結果表明,顏色分級識別準確率到達90%以上,分級一個蘋果所用的時間為150ms。另在李慶中在文獻中在所報道的分級速度相對較快，通過多視覺、多光譜、光學成象以及機電技術的有機集成，提出了一種快速獲取水果全視角圖象的新方法，并完成了該系統的研制。目前有學者袁金麗等在文獻中提出采用蘋果顏色作為分級特征，利用神經網絡建立分類器的分級方法采將計算機視覺技術引入到蘋果進行自動分級研究中；龍滿生提出采用蘋果紋理作為分級特征，遺傳神經神經網絡進行自動分級。為了提高了蘋果分級的精度，龍滿生等人在文獻中通過提取更多的特征，并設分類性能更優的分類器，利用機器視覺和人工神經網絡兩種技術,建立了蘋果綜合外觀品質檢測與分級系統,實現了對蘋果正確分級,正確率可達到90.8%,與此同時還借助于遺傳算法對神經網絡進行設計,提高了其學習速度從而提高蘋果分級的精度。

(二)芒果分級

目前，芒果分級主要是采用人的肉眼和經驗進行判別，分級結果存在速度慢、精度低和人為損傷嚴重等不足，導致無法滿足市場的需求，影響經濟效益。隨著計算機視覺技術的不斷成熟，文獻中報道，研究基于計算機視覺的芒果外觀品質分級方法，可以解決芒果的商品化處理自動等級分類問題。文獻中主要研究了在進行芒果分級過程中，用投影法進行圖像處理窗口的確定、采用彩色圖像矢量中值濾波法能夠相對較好地去除圖像采集過程噪聲的干擾，同時，又克服了傳統的將彩色圖像經過處理再合成而產生原圖像中不存在的顏色的缺點；通過使用改進的線性灰度變換進行圖像增強以及用基于直方圖的閾值法分割圖像與背景。通過這一系列的圖像低層處理方法能滿足進一步芒果表面缺陷檢測與分類的要求，從而高效地實現芒果分級。

在此研究基礎上李國進等人，針對目前芒果的外觀品質分級主要采取人工方法所存在的不足，提出了一種基于計算機視覺和極限學習機神經網絡(ELM)模型的芒果分級方法。這種芒果分級方法首先是利用圖像處理技術對拍攝到的芒果圖像進行預處理；然后，根據芒果的外觀特征提取芒果面積、等效橢圓長短軸之比、H分量均值和缺陷面積所占百分比4個特征參數，作為模型的輸入向量，并以芒果的三個等級級別為模型輸出向量。在模型的建立過程中，采用粒子群優化算法(PSO)對ELM隨機給定的輸入權值矩陣和隱層閾值進行尋優，最后以實驗獲得的數據對模型進行訓練和測試。試驗結果表明:使用粒子群算法優化后的極限學習機模型(PSOELM)與單純的ELM、傳統的BP和SVM相比，具有更高的分級精度，為水果的等級分級提供了一種新的方法。

(三)草莓分級

目前我國對草莓分級大部分采用人工分級，主要通過肉眼觀測來判斷等級。由于草莓大小不一，表面情況不同，單純地靠肉眼判斷分級效果不太好。而且在分級過程中容易將柔軟脆弱的果實損傷，影響草莓的銷售價格。近些年來，針對這些問題，國內外研究人員進行了相關研究曹其新等利用圖像信息處理技術，研制出根據草莓的形狀和尺寸進行分級的自動分選系統。日本學者Pepito M Bato等建立了檢測草莓形狀的三維形狀測量實驗臺。Nagata M等研究了在OHTA色度空間下草莓收獲機器人的水果分離與分級方法。

在現有研究的基礎上，文獻中，茍爽等人綜合運用計算機視覺、神經網絡等理論方法，建立了包括圖像采集、圖像分割、建立極坐標下草莓外形輪廓特征參數及顏色空間下成熟度特征參數的提取方法、模型識別各環節的草莓自動分級方法，并進行了實驗驗證。與人工分級結果相比，測試中準確度可達到90%。不過需要注意的是在實際操作過程中要保證圖像采集時光照均勻、色溫適中，使圖像最大程度地反映草莓真實顏色，這樣能提高判別結果的準確度。實驗證明所提出方法的可行性和準確性。

(四)葡萄分級

我國鮮食葡萄產量居世界首位,然而由于采后處理、分選分級技術水平低,我國葡萄產品在國際市場上的競爭力較差,出口量很小。目前葡萄的分選分級主要由人工完成,效率低下且難以做到客觀準確。葡萄是一種穗狀水果,形狀復雜,每穗果實包括相互堆積的多枚果粒,且果實柔軟多汁，因此基于機器視覺進行葡萄分級具有一定的特殊性，目前國內鮮有報道在這方面的研究。文獻中報道，陳英等人參考人工分級標準開發出一套葡萄實時檢測和分級系統，此套系統包括驅動裝置、輸送機構、夾持機構、圖像采集與處理系統和分級控制系統,將葡萄以懸掛方式連續輸送，兩個CD攝像機在外觸發模式下實時采集葡萄的兩面圖像。采用計算機視覺技術，基于RGB色彩空間計算果面著色率,采用投影面積法和果軸方向投影曲線計算果穗大小和形狀參數,進而實現葡萄外觀品質分級。

三、小結

綜上所述，將計算機視覺技術應用在多種水果的自動分級方法當中能夠避免人工分級存在的多種弊端所帶來的不良后果。例如受個人主觀情緒和經驗的影響較大，效率低下，容易導致水果受損等等。同時，我們也可以將計算機視覺技術推廣應用到更多品種水果分級中提供一定的思路及借鑒作用。