基于圖像處理的蘋果表面缺陷檢測系統(tǒng)的設計

代秋芳 吳偉斌 陳建澤 李浚時

摘 要：表面缺陷是衡量蘋果品質(zhì)的重要指標。為了能夠在分選中正確的檢測出表面存在缺陷的蘋果，提高蘋果的分級水平，設計了一個基于圖像處理的蘋果表面缺陷檢測系統(tǒng)，可完成蘋果圖像的采集和蘋果表面缺陷的判斷。實驗結果表明：直方圖算法判斷準確率為81%，感知哈希算法為86%，綜合算法為91%。

關鍵詞：蘋果 缺陷檢測 直方圖算法 感知哈希算法

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1674-098X（2016）03（c）-0001-02

蘋果的表面缺陷是其品質(zhì)最直接的反映，且在一定程度上還會影響內(nèi)部品質(zhì)。在交易或存儲前，對蘋果外觀品質(zhì)進行分選可實現(xiàn)優(yōu)質(zhì)優(yōu)價，可有效防止缺陷蘋果感染其他優(yōu)質(zhì)水果[1]。傳統(tǒng)的外觀品質(zhì)檢測主要是利用分級機械，根據(jù)水果的大小、質(zhì)量等指標進行分級，而無法對水果的顏色、紋理和表面缺陷等做出評價[2]。運用機器視覺技術和圖像處理技術檢測水果的外觀缺陷一直是研究的難點和熱點[3-5]。該文設計基于圖像處理的蘋果表面缺陷檢測系統(tǒng)，通過圖像采集裝置獲取蘋果圖像，用缺陷檢測算法對圖像信息進行分析，實現(xiàn)對蘋果表面缺陷的快速檢測。

1 試驗材料與方法

1.1 試驗樣本

試驗的研究對象為紅富士蘋果，共采購100個。這些果實果型勻稱，半徑為68.5～88 mm，質(zhì)量為128～211 g，50個為有表面缺陷的蘋果，50個為正常蘋果，所有樣本均用于算法的驗證。

1.2 圖像采集裝置

搭建圖像采集裝置如圖1所示。整個裝置由計算機、像素為1 200萬的攝像頭、光源（USB接口的LED燈炮）和自制光照箱組成。

1.3 試驗方法

試驗采用搭建的圖像采集裝置對100個紅富士蘋果樣本進行圖像采集，在計算機中運行蘋果表面缺陷檢測系統(tǒng)得到樣本圖像，并在操作界面中得到判斷結果，操作界面可一鍵運行得到最終結果，也可通過按相應按鈕在顯示蘋果圖像窗口中觀測中間結果。

2 蘋果表面缺陷檢測系統(tǒng)

該文基于VS2010平臺開發(fā)一個蘋果表面缺陷檢測系統(tǒng)。系統(tǒng)獲取蘋果圖像后依次經(jīng)過圖像預處理、灰度化、二值化、邊緣檢測、特征提取和特征分析后，判斷是否存在缺陷并輸出結果，系統(tǒng)分為操作界面窗口和顯示蘋果圖像窗口，其中系統(tǒng)操作界面如圖2所示。

2.1 圖像獲取

系統(tǒng)提供兩種圖像獲取模式供用戶選擇。①載入圖片模式：載入蘋果圖片庫中已有的圖片進行分析；②拍攝模式：利用系統(tǒng)搭建的圖像采集裝置，啟用攝像頭實時拍攝蘋果圖像。

2.2 圖像預處理

獲取蘋果圖像后系統(tǒng)先對圖像進行預處理，包括傾斜校正、中值濾波和歸一化。傾斜校正可得到位置端正的蘋果圖像；中值濾波可消除噪聲，改善圖像質(zhì)量，使其更清晰；歸一化可取得尺寸一致，灰度取值范圍相同的標準化蘋果圖像。

2.3 圖像灰度化、二值化及邊緣檢測

圖像預處理后要進行圖像灰度化、二值化及邊緣檢測。該系統(tǒng)中的邊緣檢測采用Canny算法，標識數(shù)字圖像中亮度變化明顯的點來分割圖像。灰度化后的圖像如圖3所示，邊緣檢測圖如圖4所示。

2.4 表面缺陷判斷算法

系統(tǒng)通過特征提取和特征分析判斷蘋果表面是否有缺陷。系統(tǒng)設計了3種算法：直方圖算法，感知哈希算法和綜合算法，同時選取100個蘋果（前50個為正常果，后50個為缺陷果）進行了試驗。

（1）直方圖算法：對檢測蘋果與正常蘋果圖像進行直方圖數(shù)據(jù)采集，對兩種圖像的直方圖進行歸一化再使用巴氏系數(shù)算法進行計算，得到直方圖相似系數(shù)（Histogram Similarity Coefficient，HSC），取值范圍為0～1，0為極相似，1為極不同。若HSC<0.5，判斷為正常；若HSC≥0.5，判斷為缺陷。缺陷判斷情況如圖5所示，空心點為判斷錯誤，準確率為81%。

（2）感知哈希算法：提取檢測蘋果與正常蘋果圖像的“指紋”字符串進行比較，得到圖像的哈希相似參數(shù)（Hash Similarity Parameters，HSP），取值范圍為0～100，0為極相似，100為極不同。若HSP<5，判斷為正常；若HSP≥5，判斷為缺陷。缺陷判斷情況如圖6所示，空心點為判斷錯誤，準確率為86%。

（3）綜合算法：直方圖算法對顏色缺陷的檢測準確率較高，而感知哈希算法對形狀缺陷的檢測準確率較高，為綜合利用兩種算法的優(yōu)勢，論文設計了1種綜合算法。綜合算法做了2點改進：①首先對直方圖算法和感知哈希算法的判斷結果進行分析，若兩種算法結果相同，綜合算法直接取兩種算法的結果；②對兩種算法結果不相同的情況進一步處理，得到綜合系數(shù)（Synthetic Coefficient，SC）。取值范圍為0～1，0為極相似，1為極不同。若SC<0.5，判斷為正常；若SC≥0.5，判斷為缺陷。SC計算公式如式（1）所示。

3 結語

該文基于VS2010平臺設計了一個基于圖像處理的蘋果表面缺陷檢測系統(tǒng)，可判斷蘋果表面是否存在缺陷，系統(tǒng)設計了3種判斷缺陷的算法，選取100個蘋果（正常果50個，缺陷果50個）進行了試驗，主要結論有如下幾點。

（1）直方圖算法準確率為81%，感知哈希算法準確率為86%，集兩種算法優(yōu)點自行設計的綜合算法準確率為91%。

（2）感知哈希算法的準確率高于直方圖算法，綜合兩種算法優(yōu)點自行設計的綜合算法能提高檢測準確率。

（3）其他水果的表面缺陷檢測，蘋果內(nèi)部缺陷檢測以及提取除顏色、灰度和形狀外的其他特征信息有待進一步研究。

參考文獻

[1] 趙娟，彭彥昆，Sagar D，等.基于機器視覺的蘋果外觀缺陷在線檢測[J].農(nóng)業(yè)機械學報，2013，44（S1）：260-263.

[2] 田有文，程怡，王小奇，等.基于高光譜成像的蘋果蟲傷缺 陷與果梗/花萼識別方法[J].農(nóng)業(yè)工程學報，2015，31（4）： 325-331.

[3] 劉禾，汪懋華.基于數(shù)字圖像處理的蘋果表面缺陷分類方法[J].農(nóng)業(yè)工程學報，2004，20（6）：138-140.

[4] 周建民，張瑞豐.基于主動熱成像技術的蘋果表面缺陷分類方法[J].華東交通大學學報，2012，29（1）：86-89.

[5] 張保華，黃文倩，李江波，等.基于亮度校正和AdaBoos的蘋果缺陷在線識別[J].農(nóng)業(yè)機械學報，2014，45（6）：221-226.