基于USB650南疆紅棗顏色分級方法的研究

彭云發 解海龍 羅華平，2*

(1 塔里木大學機械電氣化工程學院， 新疆 阿拉爾 843300)(2 新疆維吾爾自治區普通高等學校現代農業工程重點實驗室， 新疆 阿拉爾 843300)

紅棗又名大棗，起源于中國，在中國已有四千多年的種植歷史，自古以來就被列為“五果”(桃、李、梅、杏、棗)之一。紅棗富含蛋白質、糖類、脂肪、胡蘿卜素、維生素C、維生素P、B族維生素以及鈣、磷、鐵和環磷酸腺苷等營養成分。其中維生素C的含量在果品中名列前茅，有維生素王之美稱。新疆南疆地區紅棗種植面積大，品種繁多。近年來南疆各個地區紅棗生產中存在單純追求數量忽視質量的問題，并且結構單一供應不均優質紅棗買不出好的價格[1]。所以提高南疆地區紅棗產后處理水平提高南疆紅棗質量和國際競爭力是當務之急，南疆紅棗急需提高產后加工水平改善檢測和分級手段。南疆紅棗采摘后分級、檢測技術落后。大部分紅棗都是采摘后不經檢測、分級而是直接上市，沒有提高紅棗的附加值。為了提高紅棗的附加值，紅棗再上市前必須經過商品化的處理，如：清洗、烘干、分選、分級、包裝，而且要求全部過程都是無損，并且傳輸過程的無損和分選分級過程中的無損檢測[2]。

紅棗的外部表面是一個重要感官質量屬性，其中表面顏色是紅棗外部品質的一個重要指標，它不僅影響他們的市場的銷售價格、消費者的喜好和選擇，而且在某種程度上也會影響他們的內部品質[3-4]。本研究目的在于運用海洋光學USB650來測量紅棗的顏色反射光譜及L、a、b顏色值，并找出最佳的紅棗顏色分級方法，為南疆地區的紅棗顏色分級提供理論依據。

1 材料與方法

1.1 試驗材料

材料為完熟期駿棗購買于新疆生產建設兵團和田地區農十四師224團和阿拉爾農一師10團，紅棗平均含水率為19. 35%。將購買回來的紅棗去除表面灰層并人工按表面顏色分為三個等級(參考國標GBT-5835-2009)，每個等級210顆，共630顆紅棗。

1.2 試驗設備及顏色測量

采用USB650型紅潮(Red Tide)光譜儀(海洋光學，美國)來采集紅棗可見-近紅外光譜，儀器型號為線性硅CCD陣列，波長范圍350～1 000 nm，可以在整個光譜上測量650個點，即每個波長1個點，入射狹縫為25μm，光學分辨率為約2. 0 nm(FWHM)，650有效像素，信噪比為250：1(全信號)，采集方式為積分球漫反射。

光譜采集前，先將紅棗從冷庫中取出放入室內12 h，室內溫度在23 ℃～ 26℃之間，相對濕度25%～30%；顏色測量：光譜儀開機預熱30分鐘后，分別對紅棗樣本赤道部位每隔120 ℃標記的3點采集反射光譜，共采集三次，取平均光譜，如圖1所示。該光譜儀測量的顏色空間為CIE 1976 L*a*b*，每顆紅棗L、a、b顏色值也是測三次取平均，表1為各等級紅棗的L、a、b顏色平均值。

圖1 紅棗顏色反射光譜

表1 各等級紅棗L、a、b均值

1.3 軟件

所有的算法應用在Windows XP系統上的Matlab 7.0 (Mathworks,USA)。SpectraSuite(海洋光學，美國)為顏色測量軟件。

2 顏色分級方法

CIE 1976 L*a*b*顏色空間是由國家照明委員會(International Commission on Illumination,CIE)于1976年制定，其中有3個基本坐標L*、a*、b*，如圖2所示L*表示顏色的亮度；a的正數代表紅色，負數代表綠色；b的正數代表黃色，負數代表藍色。后文省略“*”，簡寫為Lab[5]。Lab顏色空間的優點是用數字化方式來描述人的視覺感應，它與硬件設備無關，既不依賴于顏料，也不依賴于光線，所表達色彩范圍廣，它彌補了RGB和CMYK顏色空間必須依賴于設備色彩特性的不足，是均勻的彩色空間，可以按照距離最短進行顏色分級[6]。圖3為三種顏色空間色域關系。

圖2 Lab顏色空間

圖3 三種顏色空間色域關系

從表1中可以看出等級越高的紅棗L、a、b值越小，這說明等級越高的紅棗顏色偏暗。將測量的紅棗L、a、b顏色值畫出二維和三維散點圖，如圖4所示，從圖4(a)、(b)可以看出紅棗等級聚類效果比較明顯，說明紅棗等級與L值有高的相關性；圖4(c)中紅棗等級聚類效果不好，相互交叉現象比較嚴重，說明紅棗等級與a、b值的相關性不是很高；圖4(d)中是L、a、b三個值的三維散點圖，從圖中可以看出L、a、b三個值的三維聚類效果很好，說明紅棗可以按L、a、b三個值進行分級。

(a)

(b)

(c)

(d)

2.1 按L值來分級

表1給出的結果是等級越高的紅棗L值越小，那么將630顆紅棗按L值來分級，分級閾值如表2所示。表3為紅棗按L值分級的結果，分級準確率為93. 65%，其中有11個二級紅棗被判為1級紅棗，11個一級紅棗被判為二級紅棗，9個二級紅棗被判為3級紅棗，9兩三級紅棗被判為二級紅棗。

表2 各等級紅棗L值

表3 分級結果

2.2 按L、a、b值分級

從630個樣本中選取420個作為訓練集，每個級別為140個樣本；剩余的210個樣本作為預測集，每個級別也為70個樣本。

運用BP人工神經網絡進行分級訓練，將提取的L、a、b三個值進行歸一化處理。

(1)

公式(1)中： P為紅棗顏色特征值；Pi為歸一化后的特征值。將歸一化后得到的新向量[P1～P12]作為BP神經網絡的輸入特征變量，即輸入層節點數為3。

由于紅棗分為3個等級，所以輸出層節點為3，一級為數字1，二級為數字2，三級為數字3，代表3種不同的等級紅棗。

中間層節點數可根據經驗公式[7]來選擇。

(2)

式中： 為中間層節點數； 為輸入層節點數； 為輸出層節點數； 為1～10之間的常數。

BP神經網絡輸入層到中間層采用傳遞函數為S型的對數函數logsig，隱含層到輸出層采用顯性傳遞函數Purelin,迭代次數為5000次，誤差性能目標為0. 005。試驗發現中間層選取3個節點數時識別效果最好為94. 76%，表4為BP人工神經網絡紅棗顏色分級結果。

表4 BP神經網絡紅棗顏色分級結果

3 結束語

采用USB650可以實時測量紅棗的L、a、b顏色值，紅棗的L顏色值與紅棗等級有非常高相關性，紅棗顏色按L值分級準確率達93. 65%，紅棗的a、b顏色值與紅棗等級相關性不明顯；將測量的紅棗L、a、b顏色值進行BP人工神經網絡分級訓練，分級的準確率達94. 76%。比較發現紅棗以L、a、b三個顏色值分級要好于以單個L值分級；該試驗結果為實現新疆南疆地區紅棗顏色的自動化分級奠定基礎。

[1] 金新文，賈文婷，鄭霞，等.新疆南疆地區紅棗產業營銷現狀與戰略思考[J].新疆農墾經濟,2014(01):37-39.

[2] 龐江偉,應義斌. 機器視覺在水果缺陷檢測中的研究現狀[J]. 農機化研究,2006(09):47-49.

[3] 周健華. 紅棗分級機的設計及試驗研究[D].新疆農業大學,2012.

[4] Costa C, Antonucci F, Pallottino F,et al.Shape analysis of agricultural products: A review of recent research advances and potentialapplication to computer vision[J].Food and Bioprocess Technology,2011,4(5):673-692.

[5] 龐曉敏,閔子建,闞江明. 基于HSI和LAB顏色空間的彩色圖像分割[J]. 廣西大學學報(自然科學版),2011(06):976-980.

[6] 任洪娥,白杰云. Lab顏色空間中基于動態聚類的顏色分級[J]. 計算機工程,2013(06):231-235.

[7] Hecht-Nielsen R.Theory of back-propagation neural networks[C].San Diego: Proceedings of the International Joint Conference on Neural Networks,1989.

[8] 姚立健,邊起,雷良育,等. 基于BP神經網絡的水果分級研究[J]. 浙江農業報,2012(05):926-930.

[9] 趙杰文,劉少鵬,鄒小波,等. 基于支持向量機的缺陷紅棗機器視覺識別[J]. 農業機械學報,2008(03):113-115+147.

[10] 羅玉娟,李熙瑩,蔡志崗,等. 采用均勻顏色空間的竹片分類研究[J]. 計算機工程與應用,2010(16):238-240.

[11] 武海麗,黃慶梅,苑馨方,等. 基于S-CIELAB和iCAM模型的圖像顏色質量評價方法的實驗研究[J]. 光學學報,2010(12):3447-3453.

[12] 龐曉敏,閔子建,闞江明. 基于HSI和LAB顏色空間的彩色圖像分割[J]. 廣西大學學報(自然科學版),2011(06):976-980.

[13] 許莉,王敏,溫月. 基于Lab顏色空間的運動目標檢測[J]. 華中科技大學學報(自然科學版),2013,S1:219-222.

[14] 古晶. RGB到Lab顏色空間轉換[J]. 廣東印刷,2009(05):11-14.

[15] 梁松濤,呂學強,程濤,等. 基于分塊和Lab顏色模型的字幕提取方法[J]. 微計算機信息,2010(17):198-200.