基于圖像處理的蜜柑大小自動分級方法

譚 博，唐少先

（湖南農(nóng)業(yè)大學(xué) 信息科學(xué)技術(shù)學(xué)院，湖南 長沙 410128）

分級是根據(jù)要求把物體分為不同等級的一種方法。蜜柑分級一直是我國水果產(chǎn)業(yè)上的一大薄弱環(huán)節(jié)，直接影響到蜜柑在市場上的銷售。柑橘類水果是我國產(chǎn)量最大的水果種類之一，也是非常重要的外貿(mào)果品。尤其是在南方一帶，廣泛種植了溫州蜜柑類水果，但是由于采摘后的分級技術(shù)落后，造成上市的蜜柑質(zhì)量良莠不齊，嚴(yán)重了損害了蜜柑品牌的形象，降低了競爭力。同時隨著近幾年我國勞動力成本不斷飆升，人工分級的成本也較大，效率卻較低。

目前計算機技術(shù)在農(nóng)業(yè)上應(yīng)用越來越廣、深入。近年來圖像處理技術(shù)在農(nóng)業(yè)的研究和應(yīng)用已經(jīng)成了一個熱點。如鄭秀蓮運用圖像處理技術(shù)，提取柑橘的兩個特征參數(shù)進(jìn)行柑橘的無損檢測研究；RAO和YING等研究了關(guān)于柑橘果徑大小的最小矩形域檢測方法，通過對80個柑橘進(jìn)行檢測，驗證了果徑測量的最大誤差小于1mm；黎移新通過對柑橘圖像中統(tǒng)計出來的亮度經(jīng)驗值為閥值，檢測出柑橘病蟲害疤痕，對柑橘圖像中疤痕正確識別率達(dá)到88.64%；晁德起，章程輝等通過改進(jìn)圖像灰化的方法，研究了運用計算機視覺技術(shù)對毛葉棗進(jìn)行分級。

為了改變過去在圖像處理領(lǐng)域檢測蜜柑類大小時，效率低，或者實現(xiàn)環(huán)境復(fù)雜而不利于工業(yè)應(yīng)用的狀況。本文根據(jù)蜜柑的特性以及工業(yè)應(yīng)用的需要，提出了針對蜜柑直徑檢測的快速、高效的算法，實現(xiàn)快速分級。

1 分級系統(tǒng)原理與結(jié)構(gòu)

1.1 分級系統(tǒng)原理

蜜柑分級系統(tǒng)主要采用微機和可編程控制器（PLC）相結(jié)合的控制架構(gòu)。由微機組成的控制臺負(fù)責(zé)圖像信息采集、圖像處理及分析評級。同時在傳送帶下面設(shè)置PLC接受來自微機的分級信息并對分級執(zhí)行結(jié)構(gòu)進(jìn)行邏輯控制，對底層硬件如伺服電機和攝像頭開關(guān)等進(jìn)行控制。控制臺對圖像信息進(jìn)行分析處理后，發(fā)布指令給PLC。PLC接受指令后，再對私服電機發(fā)送相應(yīng)脈沖控制旋轉(zhuǎn)分離臂的轉(zhuǎn)向，將相應(yīng)的蜜柑送到相應(yīng)的等級通道中。

系統(tǒng)工作流程框架如圖1所示。

圖1 自動分級系統(tǒng)工作流程框架圖

1.2 圖像采集

當(dāng)蜜柑由傳送帶運送進(jìn)入分級系統(tǒng)時，分級系統(tǒng)采用雙錐形滾子傳送帶，每一個柑橘都落入雙錐形的凹槽中，然后進(jìn)入燈箱。雙錐式滾筒在摩擦帶上繞水平軸轉(zhuǎn)動，帶動蜜柑進(jìn)行翻轉(zhuǎn)運動，在燈箱內(nèi)，由CCD攝像頭完成圖像采集，并將圖像信息傳遞給控制臺。

2 圖像處理及分析

采用MATLAB圖像處理工具箱對圖像進(jìn)行處理和分析。具體過程是去除背景、圖像二值化、檢測直徑、圖像標(biāo)定等。

2.1 背景去除及灰度化

圖像去背景采取相位一致性邊緣檢測的方法來實現(xiàn)，基于相位一致性邊緣檢測的計算過程本身就具有消除噪聲的功能，所以對原始圖像不必再預(yù)先進(jìn)行消噪處理。

相位一致性邊緣檢測方法主要是針對灰度圖像，針對彩色圖像，還沒有基于彩色分量比較成熟的方法，所以應(yīng)將圖像變換成灰度圖像。

實現(xiàn)圖像灰度化的語句如下：

X2=mat2gray(x1)

得到灰度圖像后采用非極大值抑制方法細(xì)化邊緣特征的一些信息進(jìn)行相位一致性邊緣檢測。

相位一致函數(shù)如下：

其中，E（x）表示 x處的局部能量，An表示 Fourier變換各分量幅度，pc(x)表示x處的相位一致性。

其中，F(xiàn)（x）表示某一維信號，而 H（x）表示 F的希爾伯特變換。所以局部能量定義為信號與它的希爾伯特變換的平方和的平方根。

去除背景后并灰度化的圖像如圖2所示。

圖2 去背景后灰度化圖像

2.2 圖像二值化

為了后面的提取特征量，還需要將圖像進(jìn)行二值化處理。二值化處理的一個關(guān)鍵就是閥值的選取。通過對大量樣本圖像的分析，采用自動搜索閥值法進(jìn)行圖像的二值化處理。

使用最大類間方差法,即OTSU獲得閾值T后，用T將圖像分為兩部分。大于T的像素群取值1，小于T的像素群取值0，從而把圖像分化成僅留目標(biāo)對象和黑色背景的兩個圖像區(qū)域。通過二值化處理，將檢測對象提取出來。

圖像二值化處理函數(shù)：

Matlab語句如下：

Level=graythresh(x2);

X3=im2bw(x2,level);

二值化處理后的圖像如圖3所示

圖3 二值化圖像

2.3 檢測直徑

蜜柑直徑的檢測精度直徑影響到了蜜柑的分級準(zhǔn)確性，利用圖像處理技術(shù)進(jìn)行直徑檢測時，通常用圖像像素數(shù)量表示空間尺度。最大果寬法是目前應(yīng)該比較多的方法，但是此方法要求檢測果梗和花籌，而蜜柑的果梗和花籌并不明顯，實際過程中難以檢測，所以并不適用。應(yīng)義賦提出的最小外接矩形法（MER）對柑橘類水果的最大直徑計算比較準(zhǔn)確，但是該方法對蜜柑的擺放位置要求較高，同時對每一個蜜柑都要求取120哥外接矩形，耗時大，在生產(chǎn)中不適用。

在對最大直徑進(jìn)行檢測的過程中，傳統(tǒng)的檢測方法大部分精度不夠，而且很多算法運行時間過長或不適用實際生產(chǎn)。同時經(jīng)過上面的圖像基本處理后，得到了蜜柑的邊界信息，而邊界信息的獲取并不復(fù)雜，可以利用可靠的邊界信息來求取質(zhì)心，再利用質(zhì)心對圖像進(jìn)行不斷分割，找到分割后形成區(qū)域的最大半徑，分割區(qū)域足夠小時，便可以取得最大直徑。

對蜜柑二值化處理后的圖像，將每個像素點的質(zhì)量當(dāng)做1。則質(zhì)心的橫坐標(biāo)就為所有像素點橫坐標(biāo)之和除以像素點總數(shù)；質(zhì)心的縱坐標(biāo)則為所有像素點的縱坐標(biāo)之和除以像素點總數(shù)。公式如下：

式中cx、cy為質(zhì)心坐標(biāo)，n為分割的總線段條數(shù)，x1i、x0i為同條直線上的邊界點坐標(biāo)，I為像素點總數(shù)。

得到檢測圖像之后，還需要確定蜜柑直徑的檢測軸向，取垂直方向為軸向方向。這樣，垂直于軸向的最大蜜柑寬度即為蜜柑直徑大小。沿著軸向方向進(jìn)行寬度檢測，將得到一系列蜜柑寬度，對其進(jìn)行比較，最后確定最大值，這就是對蜜柑進(jìn)行大小分級的特征量。

2.4 圖像標(biāo)定

提取特征量后，得到的蜜柑的直徑值是像素坐標(biāo)下的值。要進(jìn)行蜜柑大小分級，還需要對其值進(jìn)行像素坐標(biāo)和實際坐標(biāo)的轉(zhuǎn)化。

在圖像標(biāo)定過程中，用水平放置的刻度尺來作為參考，在刻度尺上做兩處標(biāo)記，記錄兩標(biāo)記點間的實際坐標(biāo)差。通過多次檢測兩標(biāo)記點間的像素坐標(biāo)差，利用下面的公式就可以得到像素坐標(biāo)和實際坐標(biāo)間的標(biāo)定比例。

式中a為單位長度內(nèi)的像素數(shù)，x1為左標(biāo)記點的像素坐標(biāo)，x2為右標(biāo)記點的像素坐標(biāo)，L為記錄的刻度尺的總長度。

3 自動分級

利用圖像標(biāo)定比例對提取到的特征量進(jìn)行轉(zhuǎn)化，可以得到蜜柑的實際直徑。蜜柑大小分級可以按照國家質(zhì)量監(jiān)督檢驗檢疫總局、國家標(biāo)準(zhǔn)化管理委員會于2008年8月7日發(fā)布的標(biāo)準(zhǔn)GB/T 12947-2008。

表1 蜜柑類直徑分級標(biāo)準(zhǔn)

由表 1 可見，取閥值 d1=75.0、d2=70.0、d3=65.0、d4=60.0、d5=40.0,設(shè)蜜柑的實際直徑大小為d。分級程序思路如下：

利用上面的程序，分級容易實現(xiàn)，且計算量小，分級速度快。

4 實驗驗證分析

隨即抽取80個溫州蜜柑樣本進(jìn)行分級。機器視覺分級結(jié)果和人工分級結(jié)果見表2。

表2 自動分級結(jié)果和人工分級結(jié)果比較表

從實驗結(jié)果可以看出，通過圖像處理進(jìn)行的自動分級與人工分級結(jié)果相一致的有77個，不一致的只有3個，準(zhǔn)確率高達(dá)96.25%，可見自動分級技術(shù)有較高的可靠性和精準(zhǔn)度。

5 結(jié)語

以圖像處理技術(shù)為基礎(chǔ)，按照國家標(biāo)準(zhǔn)GB/T 12947-2008，對蜜柑進(jìn)行了自動分級。巧妙地利用和改進(jìn)相位一致性邊緣檢測算法，達(dá)到了很好的處理效果。同時，實驗結(jié)果表明基于圖像處理技術(shù)的自動分級能夠達(dá)到較高的分級精度，而且計算復(fù)雜度小。

[1]鄭秀蓮，俞祖.計算機視覺的柑橘無損檢測技術(shù)[J].輕功機械，2008，26(1):83-85.

[2]Rao Xiuqin，Ying Yibin.A method of size inspection for fruit with machine vision[c].Proceedings of SPIE.[s.L]:[s.n]，2005，5996:443-450.

[3]Ying Yibin，Cheng Fang，Ma Junfu.Real-time size inspection of citrus with minimum enclosing rectangle method [J].Journal of Biomathematics，2004，19(3):352-356.

[4]黎移新.柑橘病蟲害疤痕的計算機視覺識別[J].機械與設(shè)計，2009，25(3):78-81.

[5]晁德起，章程輝，黃勇平等.毛葉棗的計算機視覺分級技術(shù)研究[J].農(nóng)機化研究，2010，5:158-161.

[6]羅斌，涂錚錚，郭玉堂.基于運動信息和相位一致性的運動目標(biāo)提取[J].系統(tǒng)仿真學(xué)報，2008，20(1):94-98.

[7]Otsu N.A threshold selection method from gray-level histogram[J].IEEE Trans.Systems ManCybernet，1979，9(1):62-66.

[8]章文英，應(yīng)義賦.蘋果圖像的低層處理及尺寸檢測[J].浙江農(nóng)業(yè)學(xué)報，2001，13(4):214-217.

[9]應(yīng)義賦，成芳，馬俊福.基于最小矩形法的柑桔橫徑實時監(jiān)測方法研究[J].生物數(shù)學(xué)學(xué)報，2004，19(3):352-356.