基于機(jī)器視覺的蟲蝕葵花籽識(shí)別與分選系統(tǒng)

王衛(wèi)翼 張秋菊

WANG Wei－yi 1，2 ZH ANG Qiu－ju 1，2

（1.江南大學(xué)機(jī)械工程學(xué)院，江蘇 無錫 214122；2.江蘇省食品先進(jìn)制造裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室，江蘇 無錫 214122）

（1.Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology，Wuxi，Jiangsu 214122，China；2.School of Mechanical Engineering，Jiangnan University，Wuxi，Jiangsu 214122，China）

葵花籽俗稱瓜子，是向日葵的籽實(shí)，同時(shí)也是中國最具傳統(tǒng)特色、歷史最為悠久的炒貨食品。根據(jù)對(duì)瓜子所做的消費(fèi)者需求市場(chǎng)調(diào)研，消費(fèi)者認(rèn)為現(xiàn)有瓜子產(chǎn)品的主要不足排在首位的是“有壞的”，可見，對(duì)葵花籽的分選，尤其蟲蝕葵花籽的精選，直接影響產(chǎn)品的品質(zhì)和市場(chǎng)銷售。迄今為止，蟲蝕葵花籽的識(shí)別和分選仍需要依靠人工完成。人工分選不可避免地存在著人工視覺疲勞、誤判漏判，分選效率低，出錯(cuò)率高，已成為嚴(yán)重影響產(chǎn)品質(zhì)量和生產(chǎn)效率的瓶頸問題。

隨著機(jī)器視覺技術(shù)的快速發(fā)展和逐步成熟，視覺檢測(cè)技術(shù)被廣泛應(yīng)用于各個(gè)領(lǐng)域。近年來，由于具有處理速度快、信息豐富、非接觸性等優(yōu)點(diǎn)，利用機(jī)器視覺技術(shù)對(duì)水果、谷物、禽蛋等農(nóng)產(chǎn)品進(jìn)行自動(dòng)檢測(cè)盒分級(jí)是學(xué)術(shù)界研究的熱點(diǎn)之一［1］。中國農(nóng)業(yè)大學(xué)和北京大學(xué)成功研制了谷物品質(zhì)檢測(cè)系統(tǒng)，用圖像技術(shù)代替人工進(jìn)行大米分選［2］。周一紅［3］通過分析西瓜子表面特征和形狀特征，利用機(jī)器視覺和圖像處理技術(shù)，實(shí)現(xiàn)了西瓜子表面紋理特征的提取和描述。黎移新［4］應(yīng)用機(jī)器視覺技術(shù)實(shí)現(xiàn)了柑橘病蟲害疤痕的識(shí)別。施健等［5］應(yīng)用機(jī)器視覺技術(shù)，實(shí)現(xiàn)了鮮棗的大小分級(jí)，并設(shè)計(jì)了鮮棗分級(jí)系統(tǒng)。但是針對(duì)葵花籽的視覺分選，尤其是針對(duì)有蟲蝕的葵花籽視覺精選技術(shù)的研究，目前尚未見有相關(guān)研究報(bào)道。

本研究擬選用市場(chǎng)占有率最高的美葵5009作為研究對(duì)象，首先分析葵花籽的蟲蝕特征，針對(duì)蟲蝕葵花籽的識(shí)別設(shè)計(jì)專用的蟲蝕葵花籽識(shí)別分選系統(tǒng)。采用機(jī)器視覺和圖像處理技術(shù)，實(shí)現(xiàn)對(duì)葵花籽蟲蝕特征的有效提取，為實(shí)現(xiàn)蟲蝕葵花籽的自動(dòng)化識(shí)別和分選提供有效手段。

1 蟲蝕葵花籽的識(shí)別原理

在實(shí)際應(yīng)用中，為保證蟲蝕葵花籽的識(shí)別效率，每次采集的圖像中將包含多個(gè)葵花籽個(gè)體，其中包括正?？ㄗ押拖x蝕葵花籽。① 采集多個(gè)葵花籽的圖像，包括在合適的正面光照亮度下的特征面蟲蝕圖像和僅有背光光照下的葵花籽所有個(gè)體圖像；② 采用圖像閾值分割方法對(duì)采集到的葵花籽所有個(gè)體圖像進(jìn)行處理，分割出每個(gè)葵花籽的單獨(dú)個(gè)體；③ 對(duì)所有葵花籽個(gè)體逐個(gè)進(jìn)行識(shí)別，判斷其是否為蟲蝕葵花籽，同時(shí)根據(jù)個(gè)體形心進(jìn)行個(gè)體定位，以便于隨后的分揀。蟲蝕葵花籽識(shí)別流程見圖1。

圖1 蟲蝕葵花籽識(shí)別流程圖Figure 1 The flow chart of wormhole sunflower seeds sort

2 蟲蝕葵花籽的識(shí)別與分選系統(tǒng)

2.1 系統(tǒng)總體構(gòu)成

針對(duì)葵花籽雙側(cè)弧面的特點(diǎn)，必須對(duì)葵花籽進(jìn)行雙面識(shí)別才能保證不發(fā)生蟲蝕葵花籽漏檢。因此，設(shè)計(jì)蟲蝕葵花籽的識(shí)別與分選系統(tǒng)時(shí)，必須考慮葵花籽的翻面裝置，以及分別針對(duì)葵花籽兩個(gè)弧面的葵花籽輸送、識(shí)別和分選機(jī)構(gòu)。針對(duì)葵花籽的蟲蝕特征，采用機(jī)器視覺系統(tǒng)進(jìn)行葵花籽特征的采集和蟲蝕特征的識(shí)別。經(jīng)過分選后的葵花籽可通過輸送機(jī)構(gòu)用于后續(xù)加工處理。

根據(jù)以上分析，基于機(jī)器視覺的蟲蝕葵花籽識(shí)別與分選系統(tǒng)主要由以下部分組成：

（1）葵花籽輸送部分。該部分主要有傳送帶、動(dòng)力滾筒、交流電機(jī)、變頻器、同步帶等組成，主要是實(shí)現(xiàn)識(shí)別過程中對(duì)葵花籽運(yùn)輸?shù)墓δ埽箍ㄗ涯軌蝽樌鲿车慕?jīng)過整個(gè)系統(tǒng)的每個(gè)功能部分；

（2）蟲蝕葵花籽視覺識(shí)別部分。該部分主要由機(jī)器視覺相關(guān)組件構(gòu)成，包括光源系統(tǒng)、工業(yè)相機(jī)、光照箱等，是整個(gè)分揀系統(tǒng)的關(guān)鍵部分之一。視覺識(shí)別部分的主要功能是實(shí)現(xiàn)蟲蝕葵花籽的識(shí)別和定位，其通過對(duì)傳送帶上多個(gè)葵花籽進(jìn)行圖像采集，并對(duì)采集到的圖像進(jìn)行分析和處理，識(shí)別出蟲蝕葵花籽個(gè)體，并對(duì)每個(gè)個(gè)體進(jìn)行標(biāo)記和定位。

（3）蟲蝕葵花籽分揀部分。該部分采用兩自由度SCARA機(jī)械手作為分揀裝置。機(jī)械手末端為真空吸嘴。通過機(jī)械手運(yùn)動(dòng)，將末端的真空吸嘴快速定位至位于傳送帶上的蟲蝕葵花籽的上方，利用真空負(fù)壓將蟲蝕葵花籽吸走，通過氣管輸送至分類容器，實(shí)現(xiàn)蟲蝕葵花籽的分揀和儲(chǔ)存。

（4）葵花籽翻面機(jī)構(gòu)。針對(duì)葵花籽兩個(gè)特征弧面的特點(diǎn)，該部分通過兩條傳送帶同步工作，利用翻面滾筒，實(shí)現(xiàn)對(duì)葵花籽的翻面。在蟲蝕葵花籽經(jīng)過第一套視覺識(shí)別系統(tǒng)的識(shí)別和第一套分揀系統(tǒng)的分揀后，剩余的葵花籽經(jīng)過翻面機(jī)構(gòu)，將自身未經(jīng)過檢測(cè)的特征弧面朝向上方，以便第二套視覺識(shí)別系統(tǒng)進(jìn)行識(shí)別和定位。

（5）控制系統(tǒng)。控制系統(tǒng)包括總體控制系統(tǒng)、視覺控制系統(tǒng)、運(yùn)輸控制系統(tǒng)、分揀控制系統(tǒng)。其中，總體控制系統(tǒng)的功能是完成各個(gè)分控制系統(tǒng)的總體邏輯與順序控制和相關(guān)輔助功能；視覺控制系統(tǒng)實(shí)現(xiàn)視覺識(shí)別部分的控制，包括光源的亮度、開關(guān)狀態(tài)、相機(jī)采集圖像等；運(yùn)輸控制系統(tǒng)主要實(shí)現(xiàn)傳送帶的運(yùn)動(dòng)控制；分選控制系統(tǒng)主要實(shí)現(xiàn)SCARA機(jī)械手的運(yùn)動(dòng)控制和其末端吸嘴的控制。

綜上所述，基于機(jī)器視覺的蟲蝕葵花籽識(shí)別分揀系統(tǒng)組成框圖和功能示意圖見圖2、3。由圖3可知，未經(jīng)分選的葵花籽通過上料端進(jìn)入系統(tǒng)，首先經(jīng)過第一次視覺識(shí)別后，識(shí)別出一個(gè)特征弧面具有蟲蝕特征的蟲蝕葵花籽，并進(jìn)行定位。然后進(jìn)入分揀系統(tǒng)，由分揀機(jī)械手1進(jìn)行分揀。剩余的葵花籽經(jīng)由翻面機(jī)構(gòu)實(shí)現(xiàn)翻面處理，并進(jìn)入傳送帶2，進(jìn)行第二次視覺識(shí)別，識(shí)別出蟲蝕葵花籽并進(jìn)行定位，并由分揀機(jī)械手2進(jìn)行分揀。至此，一批葵花籽兩個(gè)特征弧面均進(jìn)行了檢測(cè)，識(shí)別完成，剩余的優(yōu)良葵花籽經(jīng)出料端進(jìn)入下一加工環(huán)節(jié)。

2.2 機(jī)器視覺光源系統(tǒng)設(shè)計(jì)

根據(jù)對(duì)葵花籽蟲蝕特征的分析，在蟲蝕葵花籽的識(shí)別過程中，需要對(duì)兩類蟲蝕特征進(jìn)行提取。為得到清晰有效的葵花籽圖像信息，同時(shí)保證圖像中葵花籽的蟲蝕特征便于分析和提取，本研究設(shè)計(jì)了一套適用于蟲蝕葵花籽視覺識(shí)別的圖像采集系統(tǒng)，包括光源系統(tǒng)和相機(jī)。

在蟲蝕葵花籽視覺檢測(cè)系統(tǒng)中，首先需要正面照射光源為葵花籽表面提供光線。同時(shí)，由于葵花籽個(gè)體獨(dú)特的雙弧面形狀，在正面光源的照射下，會(huì)產(chǎn)生陰影，故需要背光光源以消除陰影，并凸顯葵花籽個(gè)體的輪廓特征。同時(shí)，為保證較大視野中多個(gè)葵花籽個(gè)體光照均勻，采用環(huán)繞正面光源的方式。

因此，葵花籽視覺檢測(cè)系統(tǒng)中的光源系統(tǒng)采用“環(huán)繞正面光源與背光光源”的組合方式。同時(shí)將4個(gè)相同的正面照射光源分別放置在背光光源的四周，軸線與背光光源平面呈一定的角度，并均指向被測(cè)葵花籽。光源系統(tǒng)示意圖見圖4。

這種光源系統(tǒng)的每個(gè)光源均可獨(dú)立控制亮度和開關(guān)狀態(tài)，可根據(jù)不同的葵花籽圖像采集要求設(shè)置不同的亮度和開關(guān)狀態(tài)組合。針對(duì)蟲蝕特征圖像的采集，則根據(jù)預(yù)先設(shè)置的光源亮度，同時(shí)開啟正面光源和背光光源來完成圖像采集；針對(duì)蟲蝕葵花籽的邊緣輪廓特征圖像的采集，則單獨(dú)開啟背光光源來凸顯其輪廓特征，完成圖像采集。采用該光源系統(tǒng)，能夠很好的完成葵花籽蟲蝕特征和輪廓特征的采集，獲取完整清晰、特征明顯的目標(biāo)圖像，為后續(xù)蟲蝕特征的提取和識(shí)別工作奠定基礎(chǔ)。

圖2 系統(tǒng)組成框圖Figure 2 Components of the system

圖3 系統(tǒng)功能示意圖Figure 3 Schematic diagram of the system function

圖4 蟲蝕葵花籽圖像采集專用光源系統(tǒng)Figure 4 The light source system for wormhole sunflower seeds image acquisition

3 葵花籽蟲蝕特征分析

正常葵花籽單個(gè)個(gè)體小，輪廓外形為長水滴形，兩側(cè)面隆起形成弧面，成為兩個(gè)特征面。兩個(gè)特征面上分布著紋理與斑塊，顏色主要以黑色和白色為主。根據(jù)《中華人民共和國國家標(biāo)準(zhǔn) GB／T 11764—2008》［6］，蟲蝕葵花籽指的是被蟲蛀蝕、傷及籽仁的顆粒。蟲蝕葵花籽表面具有明顯的蟲蝕特征，即蟲洞。本研究所用的蟲蝕葵花籽均為具有蟲蝕特征的黑葵花籽，見圖5。

圖5 蟲蝕葵花籽Figure 5 Wormhole sunflower seeds

根據(jù)分布位置不同，可將蟲蝕特征（蟲洞）分為兩類：特征面蟲蝕和邊緣蟲蝕，如圖5所示。若蟲蝕位于葵花籽的特征面上，則在葵花籽的特征弧面上將出現(xiàn)蟲蝕造成的蟲洞，蟲洞穿透葵花籽的外殼通入葵花籽內(nèi)部；若蟲蝕位于葵花籽的邊緣輪廓上，則葵花籽的輪廓邊緣將出現(xiàn)殘缺，使其失去長水滴形邊緣的完整性。同時(shí)，根據(jù)對(duì)葵花籽蟲蝕分布情況的抽樣統(tǒng)計(jì)可以發(fā)現(xiàn)，蟲蝕位于特征面上的蟲蝕葵花籽數(shù)量遠(yuǎn)大于蟲蝕位于邊緣輪廓的蟲蝕葵花籽，特征面蟲蝕的出現(xiàn)概率約為邊緣蟲蝕的數(shù)十倍。

4 葵花籽蟲蝕特征的提取

4.1 特征面蟲蝕特征的提取

4.1.1 孔洞的“吸光效應(yīng)” 物體表面存在孔洞且其他表面較平滑時(shí)，若采用合適角度的光線照射其表面，部分光線照射進(jìn)入孔洞中，由于漫反射導(dǎo)致這部分光線的反射光線被孔壁阻擋，從而出現(xiàn)孔洞部分亮度低于周圍平滑表面亮度的現(xiàn)象，將這種現(xiàn)象稱為孔洞的“吸光效應(yīng)”?！拔庑?yīng)”原理示意圖見圖6。散射光線從不同角度照射到物體表面時(shí)，由于表面較為平滑，形成類似鏡面反射或漫反射，光線能量損失小，反射光線亮度強(qiáng)；而光線若照射至表面的孔洞中，光線由于在孔洞內(nèi)部進(jìn)行漫反射而導(dǎo)致大部分光線無法反射出孔洞，反射光線能量低，從而導(dǎo)致表面孔洞部分亮度低。試驗(yàn)表明，對(duì)于平面孔洞和弧面孔洞，在設(shè)置合理的光線角度和光源亮度后，均可出現(xiàn)較為明顯的孔洞“吸光效應(yīng)”。

4.1.2 葵花籽特征面蟲蝕圖像的采集 本研究針對(duì)葵花籽的特征面蟲蝕的孔洞特征，根據(jù)孔洞“吸光效應(yīng)”原理，采用圖4所示的光源系統(tǒng)，為正面光源設(shè)置合適的照射角度和亮度，利用工業(yè)相機(jī)對(duì)葵花籽（包括正?？ㄗ押拖x蝕葵花籽）進(jìn)行拍攝，采集葵花籽特征面蟲蝕特征。葵花籽特征面蟲蝕特征采集圖片見圖7。其中圖7（b）為設(shè)置了合適的正面光源亮度后采集到的葵花籽特征面蟲蝕圖像，圖7（a）為設(shè)置正面光源為低亮度后采集的葵花籽原圖（包括正?？ㄗ押拖x蝕葵花籽），以便觀察對(duì)比，實(shí)際識(shí)別中無需采集。由圖7可知，圖中包含蟲蝕葵花籽和正?？ㄗ?，應(yīng)用本研究設(shè)計(jì)的葵花籽特征面蟲蝕特征提取方法，能夠凸顯葵花籽的特征面蟲蝕，采集清晰有效的特征圖像，同時(shí)自動(dòng)屏蔽正?？ㄗ褕D像的相關(guān)特征，為蟲蝕特征的進(jìn)一步識(shí)別奠定基礎(chǔ)。

圖6 “吸光效應(yīng)”原理圖Figure 6 The light absorbing effect

圖7 葵花籽特征面蟲蝕Figure 7 The wormhole feature in the face

4.1.3 特征面蟲蝕特征的提取 針對(duì)圖7（b）圖像，采用圖像閾值分割［7］的方法進(jìn)行處理，從原圖像中分割出特征面蟲蝕特征，其分割閾值采用Otsu法［8］確定。

Otsu法的基本思想是使用閾值T將圖像像素點(diǎn)的灰度值分為兩類，當(dāng)這兩類的類間方差最大時(shí)即為閾值T的確定值。具體實(shí)現(xiàn)過程：設(shè)待處理圖像的灰度范圍為［0，L－1］，根據(jù)閾值T將圖像的像素點(diǎn)分為兩類C0和C1，即類C0中的像素點(diǎn)的灰度值均分布在［0，T］的區(qū)間上，類C1中的像素點(diǎn)的灰度值均分布在［T＋1，L－1］的區(qū)間上。計(jì)算得出整幅圖像灰度均值uT，類C0的灰度均值u0和類C1的灰度均值u1，C0和C1兩類的出現(xiàn)概率w0和w1，則類C0和類C1的類間方差為

令T在區(qū)間［0，L－1］中依次取值，當(dāng)σ2最大時(shí)，此時(shí)的T即為選取的閾值。

根據(jù)Otsu法確定的閾值，對(duì)特征面蟲蝕特征圖像進(jìn)行閾值分割，得到分割后僅包含特征面蟲蝕特征的圖像，如圖8所示，其中黑色斑塊即為分割得到的葵花籽特征面蟲蝕特征。

4.2 邊緣蟲蝕特征的提取

葵花籽蟲蝕特征中的邊緣蟲蝕可能不會(huì)造成葵花籽表面蟲洞，但是其會(huì)破壞葵花籽的完整輪廓，使葵花籽邊緣出現(xiàn)明顯的內(nèi)凹，如圖5（c）所示。通過分析包含邊緣蟲蝕的葵花籽的真實(shí)輪廓，利用多邊形擬合與圖像運(yùn)算提取邊緣蟲蝕特征。

4.2.1 葵花籽邊緣輪廓的生成 為提取邊緣蟲蝕特征，需分析葵花籽的輪廓信息。采用圖4所示的光源系統(tǒng)，關(guān)閉正面光源而僅開啟背光光源。由于無正面光線，葵花籽表面亮度低，表面紋理和斑塊暗淡、不清晰，而背光光線充足，使葵花籽所在的背景亮度高，與葵花籽表面的低亮度形成鮮明的對(duì)比，使得葵花籽的輪廓信息清晰、完整，特征明顯。

針對(duì)特征清晰完整的葵花籽輪廓圖像，首先采用本文介紹的圖像閾值分割方法對(duì)葵花籽輪廓圖像進(jìn)行分割，獲得葵花籽個(gè)體。其次對(duì)葵花籽個(gè)體圖像進(jìn)行處理，提取其輪廓信息。

采用Canny算法對(duì)分割后的葵花籽個(gè)體進(jìn)行處理，得到葵花籽的真實(shí)邊緣輪廓。Canny算法具有既能濾去噪聲又能保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器，采用一階微分濾波器。此算法采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來確定圖像邊緣。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子［9］。應(yīng)用以上過程生成的葵花籽邊緣輪廓見圖9。

4.2.2 葵花籽邊緣的多邊形擬合 針對(duì)提取得到的葵花籽邊緣輪廓，采用多邊形擬合的方法，對(duì)葵花籽的邊緣輪廓進(jìn)行近似建模，得到葵花籽真實(shí)輪廓的多邊形模型。葵花籽真實(shí)邊緣輪廓和擬合多邊形見圖10。

多邊形擬合是一種常用的曲線形狀描述方法，它根據(jù)一定的規(guī)則，利用直線對(duì)目標(biāo)曲線進(jìn)行近似擬合，只保留曲線上關(guān)鍵點(diǎn)的信息，剔除冗余的無用點(diǎn)信息，實(shí)現(xiàn)曲線輪廓的簡化［10］。通過多邊形擬合可以大大減少表示數(shù)字曲線所需要的數(shù)據(jù)量，把不規(guī)則的數(shù)字曲線擬合成規(guī)則的多邊形，使得一些特征量的計(jì)算變得方便，同時(shí)極大限度地保留原始數(shù)字曲線的形狀特征［11，12］。

采用“最大距離法”對(duì)葵花籽邊緣輪廓進(jìn)行多邊形擬合，該算法具體步驟如下：

圖9 葵花籽邊緣輪廓圖像Figure 9 The wormhole feature at the edge

圖10 葵花籽真實(shí)輪廓和擬合多邊形Figure 10 The real contour and the polygonal approximation of sunflower seeds

（1）設(shè)置算法迭代終止參數(shù)dmin。該參數(shù)指的是待擬合曲線上所有點(diǎn)到多邊形的最短距離。設(shè)pk（xk，yk）為待擬合曲線上的一點(diǎn)，pi（xi，yi）、pj（xj，yj）分別為多邊形某一條邊的兩個(gè)頂點(diǎn)，則pk點(diǎn)到多邊形的邊pipj的距離d的計(jì)算公式為

當(dāng)曲線上各個(gè)點(diǎn)到多邊形的距離均小于終止參數(shù)dmin時(shí)，算法迭代終止。

（2）遍歷曲線上的所有點(diǎn)，尋找出曲線上兩個(gè)距離最遠(yuǎn)的點(diǎn)，并繪制第一條線段，將這兩個(gè)點(diǎn)連接起來。

（3）在曲線上各個(gè)點(diǎn)中尋找到該線段距離最遠(yuǎn)的點(diǎn)，分別連接第一條線段的兩個(gè)端點(diǎn)到該點(diǎn)間的線段，得到第二條和第三條線段，形成第一個(gè)多邊形。

（4）以此類推，不斷尋找曲線上各個(gè)點(diǎn)中到已知多邊形距離最遠(yuǎn)的點(diǎn)，并將這些點(diǎn)作為多邊形新的端點(diǎn)，重新擬合多邊形。

（5）算法迭代，直到滿足迭代終止條件，即曲線上各個(gè)點(diǎn)到多邊形的距離均小于終止參數(shù)dmin時(shí)，算法停止，此時(shí)得到的多邊形即為曲線的擬合多邊形。

采用的多邊形擬合算法中的終止參數(shù)dmin是該算法的關(guān)鍵參數(shù)，該參數(shù)將直接決定擬合得到的多邊形的復(fù)雜程度。同時(shí)，合適的終止參數(shù)，可以保證擬合得到的多邊形既能描述葵花籽真實(shí)輪廓的關(guān)鍵信息，如邊緣蟲蝕，又能自動(dòng)去除會(huì)造成干擾的冗余信息，如葵花籽邊緣自然形成的微小凹陷。本文通過試驗(yàn)，確定該參數(shù)為葵花籽輪廓總長度的0.005倍，使用該值能夠獲得理想的多邊形擬合效果，為邊緣蟲蝕特征提取奠定良好的基礎(chǔ)。

4.2.3 邊緣蟲蝕特征的提取 通過對(duì)葵花籽真實(shí)邊緣輪廓進(jìn)行擬合，能夠得到葵花籽邊緣輪廓擬合多邊形，并對(duì)該多邊形的凹凸性進(jìn)行判斷［13］。若多邊形為凹多邊形，則說明葵花籽邊緣輪廓存在內(nèi)凹，有邊緣蟲蝕；若多邊形為凸多邊形，則說明葵花籽邊緣輪廓無內(nèi)凹，不存在邊緣蟲蝕。

5 結(jié)束語

蟲蝕葵花籽嚴(yán)重影響食用葵花籽的品質(zhì)質(zhì)量。采用蟲蝕葵花籽自動(dòng)化識(shí)別分選技術(shù)取代人工分選，是食用葵花籽工業(yè)化加工的迫切需求和必然發(fā)展趨勢(shì)。本研究介紹了一種基于機(jī)器視覺的蟲蝕葵花籽識(shí)別分選方法，通過對(duì)兩類不同蟲蝕特征的分析和提取，實(shí)現(xiàn)了單個(gè)及多個(gè)葵花籽個(gè)體中蟲蝕葵花籽的識(shí)別，為實(shí)現(xiàn)蟲蝕葵花籽的自動(dòng)化識(shí)別和分選提供了有效手段。本研究對(duì)于籽實(shí)類農(nóng)產(chǎn)品分類、識(shí)別等問題的解決與研究同樣具有一定的參考和借鑒意義。

1 田緒順，李景彬，坎雜，等.基于機(jī)器視覺的紅棗雙面檢測(cè)分級(jí)裝置設(shè)計(jì)［J］.食品與機(jī)械，2012，28（5）：138～140.

2 侯彩云，李慧園，尚艷芬.稻谷品質(zhì)的圖像識(shí)別與快速檢測(cè)［J］.中國糧油學(xué)報(bào)，2003（4）：80～83.

3 周一紅.西瓜子智能識(shí)別系統(tǒng)核心技術(shù)研究與實(shí)現(xiàn)［D］.蘇州：蘇州大學(xué)，2007.

4 黎移新.柑橘病蟲害疤痕的計(jì)算機(jī)視覺識(shí)別［J］.食品與機(jī)械，2009，25（3）：78～81.

5 施健，何建國，張冬，等.基于計(jì)算機(jī)視覺鮮棗大小分級(jí)系統(tǒng)研究［J］.食品與機(jī)械，2013，29（5）：134～137.

6 中國國家標(biāo)準(zhǔn)化管理委員會(huì).GB／T 11764—2008葵花籽［S］.北京：國家標(biāo)準(zhǔn)出版社，2008.

7 劉金，金煒東.噪聲圖像的快速二維Otsu閾值分割［J］.計(jì)算機(jī)應(yīng)用研究，2013（10）：3 169～3 171，3 200.

8 Otsu N.A threshold selection method from gray level histograms［J］.IEEE Transactions on Systems Man and Cybernetics，1979（1）：62～66.

9 馮珂，朱敏，鐘煜，等.一種改進(jìn)的Canny邊緣檢測(cè)AGT算法［J］.計(jì)算機(jī)應(yīng)用與軟件，2012，29（3）：265～300.

10 謝明鴻，張亞飛，付琨，等.一種基于矩和支配點(diǎn)檢測(cè)的多邊形擬合算法［J］.模式識(shí)別與人工智能，2007，20（2）：219～224.

11 Shen C T.Using cross－ratios to model curve data for aircraft recognition［J］.Pattern Recognition Letters，2003（24）：2 047～2 060.

12 Ediz Saykol，Gürcan Gülesir，Ugur Güdükbay，et al.KiMPA：A kinematics－based method for polygon approximation［J］.Lecture Notes in Computer Science，2002，2 457：186～194.

13 丁健，江南，芮挺.基于邊方向角長度表示的多邊形方向、凹凸性及點(diǎn)包含算法［J］.計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2005（6）：1 233～1 239.