基于機器視覺的紅棗大小分級方法研究

朱麗娟

新疆理工學院 新疆阿克蘇 843000

“世界紅棗在中國，中國紅棗在新疆”——我國棗種植面積及產量居世界第一，占世界棗種植面積及產量的98%以上。近幾年來，新疆的紅棗栽植面積和產量增長迅猛，成為全國最大的商品化紅棗種植基地。據統計年鑒數據，2019年新疆紅棗產量占到我國紅棗總量的50%，是我國紅棗的絕對主體。新疆紅棗主要分布在和田、喀什、阿克蘇、巴州和東疆的吐魯番、哈密等地區，并已形成和田駿棗、阿克蘇紅棗、若羌棗、哈密大棗等獲得國家農產品的地理標志保護的暢銷品牌。

新疆晝夜溫差大、雨水少而蒸發量大的特殊地理位置給新疆的紅棗產量爆發式的增長提供了得天獨厚的自然條件，另外，由于國家對新疆農業產業政策的大力支持和人們對棗產品日益增長的市場需求以及農民從棗樹種植中獲得良好的經濟回報的實際價值等各種條件都促使新疆紅棗產量激增。

紅棗不僅是食材，而且也是一味非常好的藥材。它的味道甘甜，性質溫和，紅棗中所含成分可以提高人體免疫力，有補中益氣，安神養血的功效。生吃紅棗，可保留棗中更多的超強抗氧化物質維生素C，防止黑色素在體內沉積，減少黑色素及斑點的產生，并具有改善毛細血管壁的功能。棗中富含鈣和鐵，對防治骨質疏松、產后貧血有重要作用。棗有很好的增強肌力、消除疲勞、擴張血管、增加心肌收縮力、改善心肌營養等功效。

隨著居民可支配收入的提升以及對生活品質的提高，人們對棗果的外觀品質和內在營養成分有更高的要求。紅棗的外部品質主要是指大小、表面褶皺、病害等。在紅棗分級中，機械式分級設備中的滾筒式分級機和滾杠式分級機的技術最為成熟。機械式紅棗分級機主要是通過改變篩網孔眼大小或滾杠間隙，使得紅棗在不同大小的篩網孔眼或滾杠間隙掉落，完成對紅棗大小等級的分級。由于分級機械機構的分級間隙是依據所要分級干果的品種以及其分級標準制定的，其分級間隙是固定不變的，一旦分級品種或分級標準發生變化，造成分級設備不再適合所需應用，從而影響其推廣，另一個原因是滾筒孔式紅棗分級機的滾筒表面的摩擦系數很小，紅棗很容易在滾筒表面滑動，進而使得體積較小的紅棗從較大的篩孔中分級出去，這些簡易機械式設備容易對紅棗造成二次傷害，且容易串級和卡棗，導致分級精度不高，嚴重影響了紅棗分級的準確率。因此，實現紅棗無損、快速、高精度、自動化的分級顯得越來越重要。

隨著科學技術的進步，基于機器視覺的無損檢測在干果分級有著突飛猛進的發展。機器視覺又被稱為計算機視覺，其分級系統是首先通過相機獲取紅棗的圖像，然后將紅棗圖像傳入計算機中并進行一系列處理，從而提取紅棗的外部品質信息并對信息進行分析，依據分析結果對紅棗進行分級。計算機視覺融合了多門科學技術，它既可以迅速處理大量的數據信息又能一次性完成果品外部品質以及內部品質的檢測分級，依據檢測出果品品質的數值完成對果品等級的劃分，并具有自動化程度很高、可以在不接觸果品的情況下完成果品的分級、分級效率很高等優勢，提升了在同類產品中的競爭力，增加了效益，具有廣泛的應用前景。

1 原料與方法

1.1 試驗樣品

本研究所使用的試驗樣品購買于阿克蘇農副產品批發市場，該紅棗是僅僅經過人工簡單清洗，未被烘干的阿克蘇當地半干灰棗。按照干制紅棗分級標準，人工選擇200粒共包括特級、一級、二級、三級4個等級的正常棗作為樣本。

1.2 機器視覺采集系統

本研究的圖像采集系統主要由計算機、工業攝像頭、光源、圖像采集卡等組成，如圖1所示。由于該采集系統需要處理大量的圖像數據，故計算機配置為2.80GHzCPU，16GB內存和1T硬盤；采用維視智造推出的超高性價比高速數碼相機MV-HS系列工業相機，體積較小且適合安裝固定；為了減少不合理的光照分布對采集的圖像造成的影響，照明裝置采用直流供電、無頻閃和光照均勻的LED環形光源；采用中安視訊SV2000圖像采集卡。為了達到較好的分離效果，在試驗平臺上選用不同顏色背景進行測試，最終決定使用白色作為圖像采集背景，這樣可以將目標更加容易凸顯分辨。

圖1 機器視覺系統示意圖

將本采集系統獲取到的樣本圖像的RGB彩色圖像大小設定成640×480像素，并使用Matlab R2019b軟件對采集的紅棗樣本圖像進行處理。

1.3 方法步驟

通常情況下，在對紅棗大小等級分級時常采用紅棗的橫徑值作為最重要的分級指標，對于計算機來講除了橫徑值外，還需要對所采集的紅棗圖像進行分割，使用相應的算法找出紅棗的邊界，以及確定相機圖像中實際標準參數對應像素值標準。其具體步驟如下：

(1)使用游標卡尺人工測量樣本紅棗的真實橫徑值。在選取的200個正常棗中，隨機挑選出10個特級大小紅棗、15個一級大小紅棗、20個二級大小紅棗、25個三級大小紅棗，分別測取它們的橫徑值。

(2)通過采集系統采集樣本紅棗圖像。將紅棗放置于攝像頭所視范圍的中心，并使中心軸線與攝像頭視場邊界平行。首先采用中值濾波對采集的紅棗圖像進行去噪，然后在灰度圖中使用OTSU大津法確定閾值，最后利用確定的閾值對紅棗圖像進行分割，得到所需的紅棗區域。

(3)采用最小外接矩形方法提取紅棗的橫徑值。

(4)求取短軸真實值與像素值函數關系。在求解過程中主要使用高斯法計算擬合直線，得出短軸的真實值與像素值的一個函數關系。

(5)確定所采集圖像實際標準參數對應的標準像素值。在此過程需將短軸真實值的分級標準代入擬合好的函數，得到采集圖像中實際標準參數對應的像素值標準。

(6)參照機器視覺分級標準對樣本紅棗進行大小分級檢測，得出分級結果，并對結果進行分析。

2 紅棗大小的圖像處理及分級研究

2.1 獲取紅棗輪廓圖像

將采集的紅棗圖像讀入Matlab R2019b軟件中進行圖像濾波，圖像濾波是處理圖像采集和傳輸過程中產生的噪聲，由于紅棗圖像信息處理過程中需要完整的邊緣信息以及比較快速處理響應，通過不同尺寸采樣，決定使用3×3的中值濾波，這樣既可以得到完整的紅棗邊緣信息，又可以提高濾波效率。為了便于處理紅棗圖像數據信息，使用rgb2gray函數將采集的原始彩色圖像轉換得到其灰度圖像，然后使用OTSU大津法求得灰度圖像分割閾值，進而獲取到紅棗輪廓的二值圖像，去除部分噪點，最后得到完整的紅棗輪廓圖像。試驗紅棗的原始圖像、灰度圖像、二值圖像如圖2、圖3、圖4所示。

圖2 原始圖像 圖3 灰度圖像 圖4 二值圖像

2.2 最小外接矩形法提取紅棗橫徑像素值

紅棗是一種不規則的圖形，使用較為廣泛的最小外接矩形法來提取紅棗橫徑像素值。在完整的紅棗輪廓二值圖像中包括紅棗區域和非紅棗區域，用“1”來表示紅棗區域的灰度值，用“0”來表示非紅棗區域。最小外接矩形方法的基本原理是先從上到下逐行掃描采集的紅棗圖像，當檢測到目標輪廓時，將該檢測點作為起始點，在以圍繞該點的4領域或者8領域范圍內沿區域邊界走一圈，從而標定出該單連通區域。通過對單連通域的邊界像素點位置進行排序，找到最小外接矩形的邊界點。本文使用最小外接矩形方法獲取特級、一級、二級、三級這四個等級的各紅棗橫徑像素值。

2.3 紅棗橫徑的真實值與檢測的像素值的函數關系擬合

紅棗橫徑的真實值是使用游標卡尺測得的宏觀數據值，而計算機對采集的紅棗圖像進行處理，用最小外接矩形法得到的紅棗橫徑值是像素值，則通過游標卡尺得到的宏觀數據值和最小外接矩形法提取的像素值需要通過函數進行擬合，兩者形成一一對應關系，從而確定攝像頭采集的紅棗圖像實際標準參數對應的像素值標準。本文使用最小外接矩形法測得10個特級大小紅棗、15個一級大小紅棗、20個二級大小紅棗、25個三級大小紅棗的橫徑像素值和真實值如下表所示(顯示部分)，用高斯方法直線擬合短軸的真實值與檢測的像素值的函數。

紅棗的橫徑真實值和像素值表

2.4 結果分析

通過擬合好的函數可以得到不同大小分級標準參數所對應的像素級分級標準參數。然后對基于機器視覺采集測量的10個特級大小紅棗、15個一級大小紅棗、20個二級大小紅棗、25個三級大小紅棗的橫徑像素值以此標準進行分級劃分，并將其與人工劃分的結果進行對比，通過對比計算得出采用機器視覺對紅棗大小分級的正確率為95%，此結果能夠滿足紅棗在線分級的要求。

結語

隨著自動化技術在農業產品中的應用越來越廣泛，其理論研究的方法也越來越多，從計算機視覺領域結合農業自動化技術提出了對紅棗加工有促進作用的紅棗自動分級的核心方法，對于紅棗生產的地區有重要意義。本研究提出基于機器視覺的紅棗大小分級方法研究，在此過程中使用OTSU大津法確定閾值對采集的紅棗圖像分割，通過最小外接矩形方法提取紅棗的橫徑值，檢測棗短軸的像素值，使用高斯法計算擬合直線，得出紅棗橫徑的真實值與檢測的像素值的對應函數關系，通過試驗證明了基于機器視覺的紅棗大小分級方法有較好的效果。