基于機器視覺的氨基甲酸酯類農殘的檢測

李 毅，李海鵬，杜 毅，巖櫻潔，羅 玲，曹志勇**

（1.云南農業大學大數據學院，云南 昆明 650201；2.山西省地產投資有限公司，山西 太原 030012；3.云南省農業農村信息與宣傳中心，云南 昆明 650224）

農產品食用安全保障越來越受到消費人群重視，農產品主要農殘智能化檢測意義非凡[2]。傳統農產品農殘檢測主要依靠實驗儀器和理化實驗，現在的大趨勢是快速無損檢測，利用快檢方式測試后肉眼進行識別和判斷[3]。目前快速無損檢測的準確率不高，因為人眼對結果的判斷相對主觀，所觀察到快檢結果的顏色變化也會有所不同，從而導致對農產品主要農殘最后的評定出現誤差[4]。

如何提高農殘檢測效率和準確度，引入新的技術手段是關鍵。圖像處理技術已逐漸在部分農業院校及科研院所的農業領域得到應用，并取得很好的成果，例如基于圖像識別處理的糧蟲檢測方法[5]，基于圖像處理的水稻生長監測系統，并且將圖像處理技術應用于農業工程[6]，再比如使用MATLAB分析了大量的農業病蟲害圖像數據，然后開發了一種基于圖像處理技術的農業病蟲害識別算法，解決了專家人工識別過程中的難題，為用戶提供了更準確的識別結果[7]。諸如此類的農業領域都運用了圖像處理技術，但在農殘檢測方向，至今還少有提及。

本研究借鑒了圖像處理技術在農業中的應用研究，通過對原始圖片進行標識物鎖定、對圖片進行高斯濾波以及進行邊緣檢測，實現對試紙目標物的提取檢測。應用Python+OpenCV技術來對原始圖片進行圖像的預處理，應用有監督學習為對比的數據圖片進行標識，使檢測人員對農產品主要農殘檢測試紙顏色變化更具直觀性，同時減輕檢測人員工作壓力，實現機器視覺的試紙顏色變化的圖像處理[8]。

1 材料和方法

1．1 材料及原理

研究實驗主要采用了北京中瑞祥科技有限公司的快檢試紙和試盤，并以李志偉等人在氨基甲酸酯類農藥殘留分析方法上的總結與歸納作為本實驗的理論依據[9]。氨基甲酸酯類農藥殘留主要分析方法有色譜分析、生物檢測、免疫分析、生物傳感器等。而本實驗采用的是膽堿酯酶抑制法，利用氨基甲酸酯類農藥可以具有針對性的使動物體內中樞神經內的膽堿酯酶活性遭到破壞的特點，來配合特制的顯色劑，使其發生處于不同程度的藍色反應。對于顯示結果的分析，在測試中使用OpenCV2對實驗對象進行圖像處理[10]。

1．2 實驗方法

檢測農產品主要農殘分為兩個部分。第一為快檢等級值，這一部分使用快檢試紙。第二部分采用農殘測試片（試盤），用來檢測農產品主要農殘有無（見表1）。將各種快檢等級值和不同農殘濃度的試紙與試盤在白、紅、藍、綠、黑、棕、紫7種不同顏色背景下在室溫25 ℃、光強130 Lux的環境下拍照采樣。共計快檢等級值圖像40張以及不同農殘濃度168張。通過在服務器端進行以下圖像處理，從而得到最優的背景顏色，最終實驗顯示在白色背景下結果最優[11]。

表1 快檢等級值及不同農殘濃度檢測表

研究步驟為對圖像進行預處理→使用邊緣檢測并使用漫水填充算法提取目標物→通過RGB均值換算亮度的公式得到圖片的亮度變化→通過K-means聚類算法將所需要的顏色全部進行聚類，再通過與標準顏色庫的對比[12]。

通過事先創建的標準顏色庫與目標圖片的反應顏色進行相似對比，相似比較的結果也最終通過正則表達式的設置，檢索與標準顏色庫一一對應的標簽表單，從而得到我們所需要的結果并及時反饋給使用者。

2 檢測結果

2．1 色譜背景分類測試結果

將試紙放于不同顏色背景下拍照，而背景顏色主要有白色、黑色、紅色、藍色、綠色、棕色6種顏色。不同背景下拍攝的圖像（見圖1）。

圖1 六種顏色背景呈現比較圖

以快檢等級為C級的反應試紙為例，文中農藥殘留測試片，即試盤，檢測時間間隔為8 min時，濃度為10%的農產品主要農殘水溶液在試盤上發生顏色反應（見圖2）。

經過對白色、黑色、紅色、藍色、綠色及棕色6種顏色背景的分析匯總，可得到不同背景結果對比（見表2）。對在不同顏色背景下進行拍照后，通過一系列圖像處理直至得到最終結果的對比（本次對比分析快檢等級為9，標準亮度為100 nits）。

表2 不同背景結果對比表

目標物提取的效果直接決定了最終結果呈現的準確性。當背景為紅色或藍色時，由于雜質過多，導致最終快檢等級得到了錯誤結果，實驗中不建議在紅色或藍色背景下拍照采集；雖然綠色背景最終較為準確的進行了目標物的提取并得到了正確的pH值，但是為保證結果準確，盡可能不采用綠色背景拍照采集；同理，棕色背景不確定性更大，所以也不建議在棕色背景下拍照采集；對于白色與黑色背景，由上表可以看出，在光學上，由于白色背景容易反射其他色光，而黑色背景容易吸收其他色光。由此，我們就可以得到結論，本實驗在白色或黑色背景下進行拍照，其結果將更加準確，并且若周圍光照不足，可選用白色背景，反之就選用黑色背景也可以一定程度上提高結果的準確性。

2．2 圖像識別測試結果

通過快檢等級圖像40張及不同農殘濃度的圖像168張為基礎條件進行分析研究。同時也進行了大量的系統運行測試，總結歸納出該快檢系統的識別率的值[13]。

快檢系統識別率（見表3）。其中快檢等級的識別率由于會受到背景顏色的影響，所以根據上述目標物的提取效果而采用白色背景分析。當然，由于外界的影響如拍攝光線較弱、快檢試紙或試盤本身檢測不準確、快檢試紙和試盤自身有污垢等情況都有可能會影響到最終的快檢結果[14]。快檢等級為C3由于背景顏色選取有誤而產生偏差的樣例和正確背景顏色下進行快檢處理（見圖3）。

表3 快檢系統識別率

圖3 背景誤差與正確識別

3 討 論

本次研究致力于對農產品主要農殘的快檢研究，以前農業不同領域使用圖像處理作為技術導向，針對農產品主要農殘檢測快檢試紙和試盤圖像的特點，以快檢試紙和試盤反應顏色為研究對象，提出了運用人工智能的知識，實現智能化農產品主要農殘快檢研究。通過機器視覺圖像處理技術，對目標圖片進行預處理、邊緣提取、聚類等一系列操作，并達到農產品主要農殘的快檢等級及農殘鑒別的目的，對農產品主要農殘的類別識別處理有一定針對性[15]。

本研究在不同的農業領域另辟蹊徑，實為創新。與傳統農殘檢測相比較，將機器視覺應用到檢測中，使農產品主要農藥殘留檢測智能化。在研究中，高效快速識別反應顏色，減少人為主觀判斷失誤，處理結果準確客觀。但也存在一些問題，有待進一步討論，加以優化，使其更加完善。圖像采集需要利用標識圖案對農產品主要農殘快檢所用快檢試紙和試盤的反應顏色進行定位，也包括了如何避免在拍攝過程中產生的部分光的反射[16]。圖像采集過程可能出現各種不可預料的外界環境因素影響，使得實驗結果的準確性在一定程度上受到細微影響，在后續研究中還需進行改善。本研究以農產品主要農殘快檢所用試紙和試盤的反應顏色為研究對象，因作用反應需要一定時間，可以嘗試是否能通過其他的技術手段進行優化，使得檢測更加迅速和靈敏。

4 總 結

基于機器視覺的農產品主要農殘快檢研究主要以農產品農殘檢測實現智能化為目的。以農產品快檢試紙和農藥殘留測試片為研究對象。對目標圖像信息實行現場采集，對目標圖像進行識別及處理。通過圖像預處理、標識處理、不同照度不同顏色呈現區別、顏色識別的區域劃分與定位等一系列操作來實現本研究內容，最終得到農產品主要農殘的快檢等級及農殘鑒別的結果。

本次研究致力于農產品主要農殘快檢，采用主觀與客觀相結合的評價方法對農產品是否有農殘進行評價，但如今暫時沒有一個最為全面標準的顏色反應對照表。經過大量拍攝實驗，大量查閱資料，不斷總結歸納得出一個標準庫。隨著圖像數據的增加，可拓展空間還可進一步提升，農產品中農藥殘留量仍具有一定的多樣性和復雜性。現階段存在的算法較多，但仍沒有一種合適的算法可以適于更多種農殘情況的分析。