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(xiàn)形態(tài)，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(tǒng)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(yù)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(zhuǎn)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(qū)分功能。

關(guān)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(chǎn)量居世界第一，占世界棗種植面積及產(chǎn)量的98%以上。近幾年來，新疆的紅棗栽植面積和產(chǎn)量增長迅猛，成為全國最大的商品化紅棗種植基地。據(jù)統(tǒng)計年鑒數(shù)據(jù)，2019年新疆紅棗產(chǎn)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(nóng)產(chǎn)品的地理標(biāo)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(zhì)的需求，人們對棗果的外觀品質(zhì)［1］和內(nèi)在營養(yǎng)成分有更高的要求。紅棗的外部品質(zhì)主要是指大小、表面褶皺、缺陷［2］等。紅棗外部品質(zhì)分級一般是通過顏色、質(zhì)地、大小和質(zhì)量等外部品質(zhì)標(biāo)準(zhǔn)在工業(yè)分級機上自動完成的，但是根據(jù)其他外觀標(biāo)準(zhǔn)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(xiàn)相同的顏色和質(zhì)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(huán)境的影響。

隨著科學(xué)技術(shù)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(fā)展。機器視覺也被稱為計算機視覺，其分級系統(tǒng)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(zhì)信息并對信息進行分析，依據(jù)分析結(jié)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(yīng)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(shù)應(yīng)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(shù)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(wǎng)中網(wǎng)卷積神經(jīng)網(wǎng)絡(luò)這一深度學(xué)習(xí)算法應(yīng)用在紅棗缺陷檢測上，該方法相較于基于常規(guī)SVM（Support?Vector?Machine）的視覺檢測方法和基于AlexNet網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)進行改進，采用多尺度卷積神經(jīng)網(wǎng)絡(luò)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(zhǔn)確率。參考文獻［8］提出了一種基于特征關(guān)注度的多標(biāo)簽棗缺陷分類關(guān)系網(wǎng)絡(luò)，實現(xiàn)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(nóng)副產(chǎn)品批發(fā)市場，該紅棗是僅僅經(jīng)過人工簡單清洗，未被烘干的阿克蘇當(dāng)?shù)匕敫苫覘棧斯みx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(tǒng)

本研究的圖像采集系統(tǒng)主要由計算機、工業(yè)攝像頭、光源、圖像采集卡等組成。由于該采集系統(tǒng)需要處理大量的圖像數(shù)據(jù)，故計算機配置為2.80GHzCPU，16GB內(nèi)存和1T硬盤；采用維視智造推出的超高性價比高速數(shù)字相機MVHS系列工業(yè)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(huán)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(biāo)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(shù)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(tǒng)計中的概念，其本質(zhì)是數(shù)學(xué)期望。一階矩與形狀有關(guān)，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(guān)于平均值的對稱性的測量。由二階矩和三階矩可以導(dǎo)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(tǒng)計特性，滿足平移、伸縮、旋轉(zhuǎn)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(jù)此特征來對圖像進行分類等操作，在圖像識別領(lǐng)域得到了廣泛的應(yīng)用。

一副M×N的數(shù)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(guī)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(zhuǎn)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(qū)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(shù)。以一組正常紅棗和裂紋紅棗為例，其旋轉(zhuǎn)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(jié)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(jié)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(zhuǎn)化成HSI圖像，提取圖像的I分量，根據(jù)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(qū)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(zhì)分級方法研究［J］.科技與創(chuàng)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(tǒng)的研究［D］.塔里木大學(xué)，2021.

［3］李聰，李玉潔，李小占，等.基于機器視覺的紅棗外部品質(zhì)檢測技術(shù)研究進展［J］.食品工業(yè)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(shù)［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(wǎng)中網(wǎng)卷積神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)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(xué)院校級項目“基于機器視覺的紅棗外觀品質(zhì)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。