基于SOPC水果分級檢測系統研究

喬　陸 陳　靜

(河南職業技術學院信息工程系，河南 鄭州　450046)

?

基于SOPC水果分級檢測系統研究

喬陸 陳靜

(河南職業技術學院信息工程系，河南 鄭州450046)

為了解決傳統的水果分級檢測系統存在的分級速度慢、系統龐大和成本高等問題，提出了基于SOPC水果分級檢測系統，并將整個控制系統集成到一個FPGA芯片上，以脫離PC機平臺，從而降低成本。通過Soble算法實現了水果圖像的邊緣提取，通過直方圖的方法對水果的大小進行分辨，從而可以準確地對水果進行分級處理。測試結果表明，該系統具有檢測速度快，開發周期短，可在線升級的優點，具有很好的應用空間。

SOPC；Soble算法；水果檢測

隨著自動化技術的快速發展，農業自動化程度也越來越高。自動化水果無損檢測技術的應用越來越廣泛，此技術可以在不損壞水果的前提下對水果的內外品質進行精確和有效的檢測，對水果進行分級處理[1]。目前的水果檢測技術都是基于視覺技術的，都是使用單片機作為處理器，但單片機數字信號處理能力很差，其主頻也很有限，前端需要增加分頻器，同時還需要增加與數字信號處理的相關電路，因此雖然也能對水果的形狀、大小和顏色等進行很好的檢測，但是存在分級速度慢、系統龐大和成本高等問題[2]。目前還沒有將SOPC應用到水果分級檢測的相關研究和設計。為了解決這些問題，本研究提出了基于SOPC(system on programmable chip)機器視覺的水果檢測分級技術[3]，所謂SOPC就是將整個控制系統集成到一個芯片里，具有很強的數字信號處理能力和運算速度，且SOPC系統使用的FPGA芯片價格低、集成度高，可以大大降低成本。

1　水果分級檢測系統總體設計

系統總體設計見圖1。

圖1　系統總體框圖

水果圖像通過高清CCD攝像頭得到，然后把圖像信號輸送到SOPC系統進行處理，系統通過算法可以準確地對水果進行邊緣及分級檢測，處理結果通過TFT-LCD進行顯示。

2　水果圖像的處理及邊界提取

水果分級檢測的前提是要準確地提取出圖像邊界。圖像邊界提取的算法種類很多，本研究選用的是Soble 算法[4]。該算法是將檢測像素點作為所有像素的中心進行處理，同時還要將3×3領域內像素灰度的加權差融合進去。整個算法過程相當于一種梯度的幅值，選擇恰當的門限，最終確定是否為邊緣點[5]。

圖像邊界的提取是一個非常復雜的過程，之前還必須對圖像進行有效的預處理，才能進行圖像邊界的提取，本研究使用高斯濾波法[6]進行預處理。高斯濾波法的實質是構建一個平滑濾波器，是通過二維零均值離散高斯函值實現的，該函數可表示成：

(1)

式中：

δ——高斯分布參數，高斯濾波器的寬度就是通過δ確定的；

i——橫向像素點數，個；

j——縱向像素點數，個；

e——以e為底的指數函數。

高斯濾波器可以通過高斯函數的形狀選擇正確的權值，從而構建出一個線性平滑濾波器，這樣就可以很好地過濾掉服從正態分布的噪音[7]。

圖2是原始圖像，通過高斯濾波處理的結果見圖3。通過對比圖2、3可知此濾波器可以很好地過濾掉服從正態分布的噪音。

圖2　原始圖像

圖3　高斯濾波后的圖像

3　Sobel邊緣檢測的應用

3.1Sobel算法原理

此算法的基本框圖見圖4。在使用此算法進行圖像的邊緣檢測時，須先將水平、垂直梯度兩個參數求出，再綜合考慮此兩個參數選取的合適門限，可得到較好的水果圖像的邊緣檢測結果[8]。

水果圖像的3×3區域見圖5。圖5中，可以用函數分別表示x,y兩個方向的梯度。

圖4　Sobel算法邊緣基本框圖

圖5　水果圖像的3×3區域

Gx=(z7+2z8+z9)-(z1+2z2+z3)，

(2)

Gy=(z3+z6+z9)-(z1+2z4+z7)。

(3)

在具體計算的過程中，必須要把Gx，Gy和hist[k]=0 (k=0,…L-1)同時使用。

在進行門限計算時，必須滿足：

(4)

式中：

T——門限值；

3.2Soble算法的system generator實現

在使用此算法進行圖像邊緣檢測時，為了得到需要的數據，必須將圖像轉變為system generator[9]。

具體的轉換過程見圖6。

把圖像轉換為system generator之后，就可以得到x、y兩個方向梯度計算模型，見圖7、8。

兩個方向的梯度值求出后就可以選擇合適的門限。

3.3基于SOPC的Sobel算法調試

根據前面論述的Sobel算法過程可知，選擇的門限不同，圖像邊緣的檢測結果也不同[10]。在進行調試時，選擇的門限值分別為4，3，2，0.8時，得到的圖像邊緣檢測結果見圖9。

圖6　圖像轉換過程

圖7　X Sobel 子系統

圖8　Y Sobel 子系統

圖9　不同門限值的圖像邊緣檢測結果

由圖9可知，門限值越小，邊緣越敏感；同時亮度也發生了很大的變化，這些變化的亮度被系統認作邊緣，從而會出現邊緣毛刺的情況。

4　基于SOPC水果分級檢測系統的實現

通過Sobel算法可以很好地將水果邊緣的特征量提取出來，要想實現對水果進行分級處理，還必須測定相應的圖片面積。本研究使用直方圖的方法來測定圖片的面積。此方法可以把像素不同灰度值出現的次數準確地統計出來，進而能夠很好地確定水果圖像的一維信息[11]。直方圖的頻率表達式為：

(5)

式中：

N——水果圖像總像素；

nk，rk——第k級灰度的像素數和灰度等級。

通過SOPC系統可以把直方圖的模型構建出來，具體的見圖10。

為了驗證直方圖法的正確性，對圖11進行直方圖處理，處理的結果見圖12。

圖12中，橫坐標是灰度級別，縱坐標是頻率(像素點的個數)，橫坐標的數值主要表示不同的像素點。其中大數值和小數值分別表示白色和黑色像素點[12]。由此可知，將白色的像素點計算出來就可以確定圖像的面積，白色像素點數越小意味著圖像小，從而可以準確地對水果進行分級處理。

圖10　直方圖模型

圖11　邊緣提取圖像

圖12　灰度直方圖

5　結論

本研究采用Soble算法實現了對水果圖像邊緣的提取，通過直方圖的方法對水果的大小進行分辨，整個系統通過SOPC系統實現，可以準確地對水果進行分級處理。

本系統和目前其它的水果分級系統相比優勢明顯，主要表現在檢測速度和精度大大提高，本系統可以不使用PC機平臺，成本大大降低，同時還可以實現在線升級，具有很大的市場空間。如果檢測的速度要進一步的提高，可以選擇性能更好的FPGA芯片。

[1] 葛飛, 蘇鐵青, 岳曉禹. 單片機在重量分撿機中應用系統設計的研究[J]. 食品與機械, 2005, 21(3): 54-56.

[2] 葛飛, 王斌, 蘇鐵青. 重量分撿機單片機控制系統的抗干擾設計[J]. 食品與機械, 2004, 20(6): 39-41.

[3] 胡向峰, 王黎明. 基于SOPC技術的高速數據采集系統的設計[J]. 微電子學與計算機, 2009, 26(6): 62-65.

[4] 趙擎天, 尉廣軍, 姚義. 基于SOPC的多路并行同步數字信號采集系統設計[J]. 軍械工程學院學報, 2011, 23(3): 60-65.

[5] 曹樂平, 謝培甫. vfb基于補償模糊神經網絡的立式轉鼓水果分級系統設計[J]. 食品與機械, 2007, 23(2): 70-73.

[6] 施健, 何建國, 張冬, 等. 基于計算機視覺鮮棗大小分級系統研究[J]. 食品與機械, 2013, 29(5): 134-137.

[7] 黨宏社, 宋晉國. 基于ARM 的嵌入式水果大小檢測與分級系統的實現[J]. 四川農業大學學報, 2011, 29(1): 89-92.

[8] 李明, 趙勛杰. Sobel 邊緣檢測的FPGA實現[J]. 現代電子技術, 2009(16): 44-46.

[9] 展慧, 李小昱. 基于機器視覺的板栗分級檢測方法[J]. 農業工程學報, 2010, 26(4): 327-331.

[10] 袁江南. 一種圖像邊緣檢測FPGA實現的快速設計方法[J]. 廈門理工學院學報, 2010, 18(1): 56-59.

[11] 安愛琴, 余澤通. 基于機器視覺的蘋果大小自動分級方法[J]. 農機化研究, 2008(4): 163-166.

[12] 張輝, 曲仕茹. 基于FPGA硬件實現的圖像邊緣檢測及仿真[J]. 計算機仿真, 2010, 27(3): 232-236.

Research on fruit grading detection system based on SOPC

QIAO LuCHENJing

(DepartmentofInformationEngineering,HenanPolytechnicCollege,Zhengzhou,Henan450046,China)

In order to solve traditional fruit grading detection system of graded speed slow, huge system and high cost, puts forward the detection system based on SOPC fruit grading, and the whole control system was integrated into a FPGA chip, which can be detached from the PC platform, greatly reduces the cost. Through the Soble algorithm to achieve the edge of the fruit image extraction, and the method of histogram of the size of the fruit to distinguish, the fruit could be accurately classified. Test results show that this system has the advantages of fast detection speed, short development cycle, and can be upgraded online, which has a good application space.

SOPC; soble algorithm; fruit detection

河南省教育廳科研項目(編號：2014SJGLX381)

喬陸(1979—)，男，河南職業技術學院講師，碩士。

E-mail:hnqiaolu@163.com

2016—04—06

10.13652/j.issn.1003-5788.2016.08.023