基于機器視覺的紅棗裂紋特征提取

摘?要：裂紋是缺陷棗的一種常見外部呈現形態，剔除裂紋紅棗可提升紅棗附加值。本文先采用機器視覺系統采集紅棗，選出正常紅棗和裂紋紅棗各20粒作為實驗對象，并對這20組紅棗進行預處理，然后通過實驗驗證正常紅棗和裂紋紅棗各自的不變矩特性，再將正常紅棗和裂紋紅棗的原始圖像轉換成HSI圖像，通過在I分量上的差別采用二值圖像不變矩進行圖像處理，表明此方法的可行性，對紅棗具有較好的區分功能。

關鍵詞：機器視覺；紅棗；裂紋

Crack?Feature?Extraction?of?Red?Jujube?Based?on?Machine?Vision

Zhu?Lijuan

Xinjiang?Institute?of?Technology?XinjiangAksu?843000

Abstract：The?crack?is?a?common?external?appearance?of?defective?jujube，and?the?added?value?of?jujube?can?be?increased?by?eliminating?the?crack.In?this?paper，the?machine?vision?system?is?first?used?to?collect?red?dates，20?normal?dates?and?20?cracked?dates?are?selected?as?test?objects，and?the?20?groups?of?red?dates?are?preprocessed，and?then?the?invariant?moment?characteristics?of?normal?dates?and?cracked?dates?are?verified?through?experiments，and?the?original?images?of?normal?dates?and?cracked?dates?are?converted?into?HSI?images.Through?the?difference?of?I?component，the?binary?image?invariant?moment?is?used?to?process?the?image，which?shows?the?feasibility?of?this?method，and?has?a?good?function?of?distinguishing?jujube.

Keywords：machine?vision；red?jujube；crack

“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，并已形成和田駿棗、阿克蘇紅棗、若羌棗、哈密大棗等四大獲得國家農產品的地理標志保護的暢銷品牌。

隨著居民可支配收入的提升以及對高生活品質的需求，人們對棗果的外觀品質［1］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、缺陷［2］等。紅棗外部品質分級一般是通過顏色、質地、大小和質量等外部品質標準在工業分級機上自動完成的，但是根據其他外觀標準對紅棗進行分級，如擦傷、腐爛和裂紋等一些不明顯的缺陷，這些缺陷使健全的果皮呈現相同的顏色和質地，因此仍然是通過人工分選。人工分選存在主觀性較強、耗時、分選不一致等缺點，并且容易受到周圍環境的影響。

隨著科學技術的進步，基于機器視覺［3］的無損檢測在干果分級上有著突飛猛進的發展。機器視覺也被稱為計算機視覺，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。

針對紅棗缺陷分類問題，海潮等［4］在HSV顏色空間中提取H分量和S分量，將Blob算法應用在紅棗與其背景分離上，取得90%的缺陷果識別效果。參考文獻［5］將高光譜成像技術應用于裂紋、蟲害和瘀傷等果子缺陷識別之上，雖然加入高光譜成像技術使得檢測精度高，但速度慢，成本高，不利于市場的推廣。楊志銳等［6］將基于網中網卷積神經網絡這一深度學習算法應用在紅棗缺陷檢測上，該方法相較于基于常規SVM（Support?Vector?Machine）的視覺檢測方法和基于AlexNet網絡的分類方法更有效。方雙等［7］通過增加深度和寬度對AlexNet卷積神經網絡進行改進，采用多尺度卷積神經網絡對霉變棗、破頭棗和正常棗進行了檢測，提高了模型的檢測準確率。參考文獻［8］提出了一種基于特征關注度的多標簽棗缺陷分類關系網絡，實現對同一紅棗多種缺陷類別的檢測與識別。

1?原料與方法

1.1?試驗樣品

本研究所使用的實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，人工選擇各20粒正常紅棗和裂紋紅棗作為實驗樣本。

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。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字相機MVHS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，在實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。

1.3?圖像處理軟件

在相機采集紅棗圖像過程中，用到相機自帶的圖像采集軟件；在后期的圖像處理過程中，本研究用MATLAB?R2019b軟件對紅棗圖像進行數字化處理分析。

2?紅棗的裂紋特征提取

2.1?裂紋圖像不變矩

矩本身是概率與統計中的概念，其本質是數學期望。一階矩與形狀有關，二階矩顯示曲線圍繞直線平均值的擴展程度，三階矩則是關于平均值的對稱性的測量。由二階矩和三階矩可以導出一組共7個不變矩，即Hu.M.K提出的7個幾何不變矩。不變矩是圖像的統計特性，滿足平移、伸縮、旋轉均不變的不變性，在圖像處理中可以作為一個重要的特征來表示物體，可以據此特征來對圖像進行分類等操作，在圖像識別領域得到了廣泛的應用。

一副M×N的數字圖像f（i，j），其p+q階中心矩μpq為：

mpq=∑Mi=1∑Nj=1ipjqf（i，j）p，q=0，1，2…

μpq=∑Mi=1∑Nj=1（i-i-）p（j-j-）qf（i，j）p，q=0，1，2…

式中，i-=m10m00，j-=m01m00

為了消除圖像比例變化帶來的影響，定義規格化中心矩為：

ηpq=μpqμγ00，γ=p+q2+1，p+q=2，3…

2.2?紅棗圖像處理

將采集的紅棗圖像讀入MATLAB?R2019b軟件中進行圖像濾波，對正常紅棗和裂紋紅棗各自進行不變矩驗證實驗，然后將濾波后的原始彩色圖像轉換得到其HSI圖像，并獲取I分量圖，然后在I分量上對紅棗區域使用OTSU大津法閾值分割求得裂紋分割圖像，再提取裂紋二值圖，將裂紋二值圖7個不變矩組作為特征參數。以一組正常紅棗和裂紋紅棗為例，其旋轉不變矩如圖1～圖4所示，其原始圖像、HSI圖像、I分量圖如圖5、圖6所示。

2.3?結果分析

本文以各20粒正常紅棗和裂紋紅棗作為實驗樣品，使用MATLAB?R19b軟件完成實驗。從上圖的I分量圖中可得出帶有裂紋的紅棗其裂紋處亮度比正常紅棗的亮度低，裂紋處顏色更深，表明通過此方法提取裂紋特征的可行性，進而可以對紅棗進行分類。

3?結論

本文采用機器視覺采集紅棗，對正常紅棗和裂紋紅棗各自進行不變矩驗證實驗，然后將原始彩色圖像轉化成HSI圖像，提取圖像的I分量，根據裂紋紅棗和正常紅棗在I分量的差別采用二值圖像不變矩進行圖像處理，進而區分裂紋紅棗與正常紅棗，對紅棗的分級具有十分重要的意義。

參考文獻：

［1］饒劍，呂自玉.基于機器視覺的類球形水果外部品質分級方法研究［J］.科技與創新，2022（05）：6365.

［2］馬博.基于機器視覺的紅棗缺陷檢測及分選系統的研究［D］.塔里木大學，2021.

［3］李聰，李玉潔，李小占，等.基于機器視覺的紅棗外部品質檢測技術研究進展［J］.食品工業科技，2022，43（20）：447453.

［4］海潮，趙鳳霞，孫爍.基于Blob分析的紅棗表面缺陷在線檢測技術［J］.食品與機械，2018，34（01）：126129.

［5］WU?L?G，HE?J?G，LIU?G?S，et?al.Detection?of?common?defects?on?jujube?using?VisNIR?and?NIR?hyperspectral?imaging［J］.Postharvest?Biology?and?Technology，2016，112：134142.

［6］楊志銳，鄭宏，郭中原，等.基于網中網卷積神經網絡的紅棗缺陷檢測［J］.食品與機械，2020，36（02）：140145+181.

［7］方雙，趙鳳霞，楚松峰，等.基于多尺度卷積神經網絡的缺陷紅棗檢測方法［J］.食品與機械，2021，37（02）：158163+168.

［8］XU?X?H，ZHENG?H，YOU?C?H，et?al.Farnet：Featurewise?attentionbased?relation?network?for?multilabel?jujube?defect?classification［J］.Sensors，2021，21：E392.

項目：新疆理工學院校級項目“基于機器視覺的紅棗外觀品質分級方法研究”（項目編號：ZZ202104）

作者簡介：朱麗娟（1987—?），女，漢族，山東菏澤人，研究生，副教授，研究方向：人工智能、機器視覺、圖像處理。