基于樹莓派平臺(tái)的蘋果自動(dòng)化分級(jí)系統(tǒng)實(shí)現(xiàn)

李彬，胡步發(fā)，劉顧勝

(福州大學(xué) 機(jī)械工程及自動(dòng)化學(xué)院，福建 福州 305116)

0 引言

近年來，我國(guó)農(nóng)業(yè)發(fā)展迅速，水果產(chǎn)量在世界范圍內(nèi)也是名列前茅。隨著社會(huì)的發(fā)展，人工成本的提高，對(duì)水果分級(jí)智能化提出了更高的要求[1]。在國(guó)外，對(duì)水果分級(jí)的研究成果很多已應(yīng)用于實(shí)際。例如土耳其 Süleyman Demirel大學(xué)[2]提出并設(shè)計(jì)了一種基于圖像的蘋果質(zhì)量檢測(cè)及分級(jí)系統(tǒng)；伊朗大不里士大學(xué)[3]研發(fā)了一套用于棗椰果在線分級(jí)系統(tǒng)。國(guó)內(nèi)也已擁有許多自主研發(fā)的水果分級(jí)技術(shù)。例如北京市農(nóng)林科學(xué)院與上海交通大學(xué)聯(lián)合研發(fā)了一套對(duì)蘋果早期腐爛情況進(jìn)行檢測(cè)的自動(dòng)分級(jí)系統(tǒng)[4]；王鑫等人[5]基于機(jī)器視覺對(duì)蘋果的在線分級(jí)系統(tǒng)進(jìn)行了設(shè)計(jì)。本文設(shè)計(jì)出一種低成本的蘋果自動(dòng)分級(jí)系統(tǒng)。選擇嵌入式設(shè)備樹莓派作為系統(tǒng)平臺(tái)實(shí)現(xiàn)蘋果分級(jí)，USB攝像頭作為圖像的采集部分。采用Canny算子[6]完成水果圖像的邊緣檢測(cè)，選擇BP神經(jīng)網(wǎng)絡(luò)作為機(jī)器學(xué)習(xí)的分級(jí)算法。

1 圖像預(yù)處理和Canny算子邊緣提取

1.1 圖像預(yù)處理

消除圖像噪聲的過程稱為圖像平滑或?yàn)V波，目的主要是改善圖像質(zhì)量和減小特征提取難度。噪聲源的種類多且復(fù)雜，進(jìn)行濾波的方法也多種多樣[7]。濾波分為圖像空間域去噪和圖像變換域去噪。本文采用空間域去噪[8-11]。圖像增強(qiáng)的方式有很多，本文使用空間域增強(qiáng)，即灰度變換法、二值化處理以及空間濾波。

1.2 基于Canny算子的邊緣提取

用一個(gè)二維函數(shù)表示一幅圖像，圖像邊緣是圖像中灰度發(fā)生急劇變化的部分。在該邊界上圖像的梯度存在極最大值，故圖像邊界可以用灰度分布的梯度來反映，通過計(jì)算各個(gè)像素點(diǎn)梯度和幅值信息，找到區(qū)域極值點(diǎn)，最終反映出圖像邊界。利用邊緣點(diǎn)判定最大化原則，Canny將二維高斯函數(shù)分解為兩個(gè)一維濾波器，利用它們與圖像的卷積，得到高斯濾波后的圖像，計(jì)算該圖像2×2鄰域差分可以得到它的梯度幅值和方向。通過計(jì)算圖像點(diǎn)的梯度幅值和方向后，將圖像中的點(diǎn)映射到梯度幅值陣列M(i,j)中，M(i,j)中每個(gè)點(diǎn)的值代表圖像中對(duì)應(yīng)點(diǎn)的梯度幅值，M(i,j)中每個(gè)點(diǎn)對(duì)應(yīng)的值越大代表該點(diǎn)的梯度幅值越大。在確定一個(gè)區(qū)域內(nèi)的某個(gè)方向上連續(xù)的較大幅值點(diǎn)的集合過程中，這個(gè)方向上的高幅值點(diǎn)往往有一定的寬度，必須對(duì)該邊緣帶的區(qū)域點(diǎn)進(jìn)行細(xì)化，即極大值抑制。經(jīng)過非極大值抑制處理后，之前M(i,j)區(qū)域的寬屋脊帶被細(xì)化為一個(gè)像素點(diǎn)寬，但仍然能夠有效地描述邊緣的情況，并保留了邊緣梯度的幅值信息。

2 蘋果分級(jí)算法

2.1 基于當(dāng)量直徑的蘋果大小分級(jí)算法[12]

蘋果周長(zhǎng)和半徑之間關(guān)系為R=L/2π，蘋果周長(zhǎng)可以反映半徑的大小。實(shí)驗(yàn)中，蘋果周長(zhǎng)L是用圖像邊緣的像素點(diǎn)表示的，令D=2R=L/π，由GB 10651-89標(biāo)準(zhǔn)，蘋果相鄰等級(jí)直徑反映到圖像中，其當(dāng)量直徑會(huì)有明顯的區(qū)別，因此測(cè)得的像素周長(zhǎng)誤差不會(huì)影響分級(jí)結(jié)果。對(duì)不同蘋果等級(jí)設(shè)置對(duì)應(yīng)的當(dāng)量直徑閾值就可以對(duì)蘋果實(shí)現(xiàn)大小分級(jí)。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的蘋果顏色分級(jí)算法

1) 利用HSI色彩空間確定蘋果顏色特征參數(shù)

本文選擇HSI模型作為顏色分類模型，該模型中I分量與彩色信息無關(guān)，考慮實(shí)際中光照強(qiáng)度基本不變，則與其對(duì)應(yīng)的S分量亦可認(rèn)為不變。因此對(duì)蘋果顏色識(shí)別時(shí)只需要考慮H分量就可以了， RGB模型和HSI模型可以相互轉(zhuǎn)換，其中H的轉(zhuǎn)換可用公式(1)確定[13]：

(1)

根據(jù)測(cè)試實(shí)驗(yàn)可得，不同色彩等級(jí)的蘋果H值均分布在0°～60°之間。對(duì)已知不同顏色等級(jí)的蘋果進(jìn)行H值的像素統(tǒng)計(jì)如圖1所示。其中，橫坐標(biāo)表示H值，縱坐標(biāo)表示對(duì)應(yīng)于該H值的像素個(gè)數(shù)即色度頻度。

圖1 不同顏色等級(jí)蘋果H值像素頻度

為了提高分級(jí)準(zhǔn)確性，根據(jù)圖1中H值分布規(guī)律，將色度區(qū)間分為等距的4個(gè)區(qū)間[14](0～15、15～30、30～45、45～60)，分別用Ⅰ、Ⅱ、Ⅲ和Ⅳ表示。計(jì)算H值在不同區(qū)間的百分比P1、P2、P3、P4，將這4個(gè)參數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的輸入。經(jīng)分區(qū)間后的蘋果圖像像素統(tǒng)計(jì)圖如圖2所示。圖2(a)、圖2(b)、圖2(c)、圖2(d)分別對(duì)應(yīng)優(yōu)等、一等、二等和等外，其中橫坐標(biāo)表示色度區(qū)間，縱坐標(biāo)表示該色度區(qū)間占總像素的百分比Pi。

圖2 不同等級(jí)蘋果色度百分比分布圖

2) 基于BP神經(jīng)網(wǎng)絡(luò)的蘋果顏色分級(jí)

BP神經(jīng)網(wǎng)絡(luò)由輸入層(I)、隱含層(H)和輸出層(O)組成，節(jié)點(diǎn)與節(jié)點(diǎn)之間有權(quán)重。設(shè)節(jié)點(diǎn)i與節(jié)點(diǎn)j之間的權(quán)重為w{ij}，節(jié)點(diǎn)j的偏置為b{j}，每個(gè)節(jié)點(diǎn)的輸出值為x{j}。本實(shí)驗(yàn)中激勵(lì)函數(shù)選擇S型，則相鄰兩層之間的計(jì)算公式為：

(2)

(3)

其中：m表示輸入層層數(shù)，也就是輸入的維度；f為激勵(lì)函數(shù)。在BP神經(jīng)網(wǎng)絡(luò)中，利用誤差的反向傳遞可以反復(fù)地修正權(quán)值和偏置。令δij=(dj-yj)f(Sj)[1-f(Sj)]，根據(jù)梯度下降法，對(duì)于隱含層和輸出層之間的權(quán)值和偏置調(diào)整有如下的迭代公式：

(4)

(5)

輸入層和隱含層之間的權(quán)值和偏置調(diào)整與此類似。本文使用隱含層為5的神經(jīng)網(wǎng)絡(luò)，因?yàn)閷訑?shù)低于5時(shí)誤差無法收斂。根據(jù)分級(jí)要求設(shè)置輸出節(jié)點(diǎn)為2個(gè)(其中優(yōu)等為00，一等為01，二等為10，等外為11),建立4-5-2型的BP神經(jīng)網(wǎng)絡(luò)模型。

3 實(shí)驗(yàn)

3.1 樹莓派實(shí)驗(yàn)平臺(tái)

本系統(tǒng)使用的硬件平臺(tái)為樹莓派(Raspberry Pi)硬件平臺(tái)，其發(fā)明者為英國(guó)劍橋大學(xué)博士EBEN Epton，本意是將其應(yīng)用于教育行業(yè)[15]。本文設(shè)計(jì)一款低成本的蘋果自動(dòng)分級(jí)系統(tǒng)。樹莓派實(shí)驗(yàn)平臺(tái)如圖3所示。

圖3 樹莓派實(shí)驗(yàn)平臺(tái)

3.2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)使用蘋果種類為紅富士，屬于大型果。預(yù)處理后蘋果圖像如圖4所示。圖4中依次為(a)蘋果原圖、(b)灰度變換、(c)濾波、(d)圖像增強(qiáng)、(e)二值化后的蘋果圖像。

圖4 蘋果預(yù)處理圖像

1)蘋果大小分級(jí)實(shí)驗(yàn)結(jié)果

利用大型果分級(jí)標(biāo)準(zhǔn)，隨機(jī)選取不同等級(jí)蘋果樣本各10個(gè)進(jìn)行實(shí)驗(yàn)。分級(jí)結(jié)果如表1所示。

表1 蘋果大小分級(jí)實(shí)驗(yàn)結(jié)果

2)蘋果顏色分級(jí)實(shí)驗(yàn)結(jié)果

顏色分級(jí)實(shí)驗(yàn)中，選擇40個(gè)蘋果樣本，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，訓(xùn)練完成后隨機(jī)選取不同顏色等級(jí)的蘋果各10個(gè)，利用已知的神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行分級(jí)實(shí)驗(yàn)。其中單個(gè)一等果的原圖像和對(duì)應(yīng)的圖像色度頻度數(shù)據(jù)如圖5所示，分級(jí)實(shí)驗(yàn)結(jié)果如表2所示。

圖5 原圖像和對(duì)應(yīng)的圖像色度頻度數(shù)據(jù)

表2 蘋果顏色分級(jí)實(shí)驗(yàn)結(jié)果

4 結(jié)語

本文基于樹莓派平臺(tái)，對(duì)蘋果圖像完成了采集、濾波、邊緣提取和分級(jí)，實(shí)驗(yàn)結(jié)果表明正確分級(jí)率可達(dá)92%以上，驗(yàn)證了系統(tǒng)的正確性和有效性，基本可滿足應(yīng)用要求。