不同等級新疆駿棗物理特征及其對分級結(jié)果的影響

吳明清 李傳峰 羅華平 弋曉康 SHAKEEL Ahmed Soomro 陳坤杰

(1.南京農(nóng)業(yè)大學(xué)工學(xué)院， 南京 210031; 2.塔里木大學(xué)機械電氣化工程學(xué)院， 阿拉爾 843300)

0 引言

新疆地區(qū)陽光充足，干旱少雨，出產(chǎn)水果的營養(yǎng)和品質(zhì)明顯高于其他省份[1]。新疆的紅棗品種主要是駿棗和灰棗，大多經(jīng)過干制加工和分級后進入市場[2]。由于受氣候、土壤及種植條件等各種因素的影響，同一品種紅棗的大小、顏色、糖度等品質(zhì)都有一定的差異，如果不經(jīng)過分級處理就上市流通，其商品價值會明顯降低。因此，分級是紅棗加工的關(guān)鍵環(huán)節(jié)，對提高紅棗生產(chǎn)企業(yè)的經(jīng)濟效益具有重要作用[3]。

目前，紅棗的分級方法主要有人工分級、機械分級、機器視覺分級、光電分級4種方式。人工分級效率低，受主觀因素影響較大；機械分級主要根據(jù)紅棗的橫徑，將其分成3～5個不同等級，分級設(shè)備主要有帶式[4-5]、滾筒式和滾杠式[6-7]。機械分級雖然效率較高，但僅以紅棗的橫徑作為分級標準，指標單一，分級效果并不理想[8]。光電分級主要以紅棗的長度為分級依據(jù)[9]，也存在指標單一、分級效果不理想等缺點。近年來，有學(xué)者提出機器視覺紅棗分級技術(shù)[10]。馬學(xué)武等[11]利用機器視覺獲取紅棗的面積、顏色和最大直徑，設(shè)計了自動分級設(shè)備。劉艷麗等[3]研究了一種根據(jù)紅棗圖像面積和寬度進行分級的檢測系統(tǒng)。由上述紅棗分級方法可知，不論是機械法、光電法還是機器視覺技術(shù)，基本上都是根據(jù)紅棗的長度、橫徑、寬度、面積中的1或2個紅棗的物理特征參數(shù)進行分級,參數(shù)的選擇具有一定的隨意性，缺乏科學(xué)根據(jù)。選擇不同的參數(shù)進行分級，對分級結(jié)果會有一定的影響[12-13],但分級參數(shù)選擇對分級結(jié)果的影響，目前還沒有相關(guān)的研究報道。根據(jù)GB/T 5835—2009，紅棗分級的主要依據(jù)是果形的飽滿、良好、正常以及肥厚程度[14]，這些指標比較模糊，無法定量，在實際生產(chǎn)中很難執(zhí)行。因此，規(guī)范紅棗的分級方法，制定合理的紅棗分級定量指標具有現(xiàn)實意義。

本文以新疆駿棗為研究對象，統(tǒng)計分析新疆駿棗各物理特征參數(shù)的分布情況，對不同特征參數(shù)的分級結(jié)果進行分析比較，為制定合理的紅棗定量分級標準提供理論和科學(xué)依據(jù)。

1 試驗材料

1.1 紅棗樣本

采用產(chǎn)于新疆阿克蘇地區(qū)的駿棗為研究樣本，采集時間2016年11—12月。對所采集的樣本采用熱風(fēng)干燥后(濕基含水率(25±6)%)，根據(jù)某企業(yè)現(xiàn)行的紅棗分級標準,如圖1所示，將紅棗樣本按長徑分成5個等級：特級(36 mm以上)，一級(32～36 mm)，二級(28～32 mm)，三級(24～28 mm)，四級(20～24 mm)。每個等級取90個樣本，共計450個樣本備用。

圖1 5個等級紅棗 Fig.1 Five grades of red jujube

1.2 試驗儀器與設(shè)備

DT-1002A型電子天平(精確度0.001 g，上海卓越公司)、干燥箱(108-1A型，上海錦昱科學(xué)儀器有限公司)、電子數(shù)顯游標卡尺(精度0.01 mm，中國桂林量具刃具有限責(zé)任公司)、量筒(量程250 mL，精度5 mL)、記號筆、密封袋、標簽紙和鑷子。

2 參數(shù)測量與試驗方法

2.1 三軸尺寸

駿棗呈圓臺形，少數(shù)呈規(guī)則的圓柱形，最大腰徑處橫截面近似為橢圓，因此，定義橢圓的長軸長稱為長徑，橢圓的短軸長為短徑，沿果蒂和果臍方向測量得到的兩端最大距離定義為長度，如圖2所示。根據(jù)上述定義，采用游標卡尺直接測量出紅棗的三軸尺寸，即長徑、短徑和長度。

圖2 紅棗的三軸尺寸 Fig.2 Three-axis size of red jujube

2.2 周長

周長是指紅棗最大腰徑處橫截面的周長，測量時，先找到樣本的最大腰徑位置，然后用一根線量取其周長，再用游標卡尺測出其讀數(shù)。

2.3 體積、質(zhì)量和密度

將樣本依次放在電子天平上，稱量得到每個樣本的質(zhì)量，記作m0。

樣本的體積采用排水法進行測量，具體如下：先將蒸餾水注入到圓柱直口嘴溢水燒杯中直到?jīng)]有水溢出，然后用鑷子將紅棗完全浸入水中，將溢出的水接入到一個精密量筒，讀出溢出水的體積，即得到樣本的體積，記作V0，測量得到樣本的體積和質(zhì)量后，樣本的密度計算公式為

(1)

式中ρP——樣本室溫下的密度，g/cm3

2.4 投影面積和輪廓周長

2.4.1圖像采集

圖像采集系統(tǒng)主要由相機、計算機、光源、暗箱等組成，如圖3所示。相機采用維視圖像MV-EM130型工業(yè)相機及4.0 mm焦距鏡頭，像素尺寸2.2 μm×2.2 μm，幀率15 f/s，以太網(wǎng)與計算機相連，照明光源采用2個柔光式LED燈。

圖3 紅棗圖像采集系統(tǒng) Fig.3 Image acquistion system for red jujube 1.計算機 2.光源控制器 3.光源 4.相機及鏡頭 5.暗箱

在進行圖像采集時，首先將紅棗樣本放在一個白色托盤中，再置于輸送帶上，啟動輸送帶電動機，將樣本輸入暗箱。當(dāng)樣本輸送到相機鏡頭正下方時，觸發(fā)相機，采集一副樣本的正向俯視圖，以RGB格式存于計算機備用。

2.4.2圖像預(yù)處理

圖4 紅棗特征提取 Fig.4 Extraction of red jujube features

獲取紅棗投影面積和表面輪廓周長，需要對采集的樣本圖像進行預(yù)處理,如圖4所示。根據(jù)文獻[10]所述方法，采用Matlab軟件編寫相應(yīng)的圖像處理程序，依次對每幅圖像進行濾波降噪、灰度化、閾值分割、二值化、開運算、閉合運算、膨脹腐蝕、空洞填充等處理，得到樣本的二值化投影圖及二值化輪廓圖。

2.4.3投影面積和輪廓周長的計算

分別采用bwarea函數(shù)和bwperim函數(shù)計算紅棗二值化投影圖中灰度為1的像素個數(shù)Mj及二值化輪廓圖中灰度為1的像素個數(shù)Nj，根據(jù)事先對相機的標定，每個像素的邊長相當(dāng)于實際長度0.125 mm，每個像素的面積相當(dāng)于實際面積0.016 mm2。因此，紅棗樣本的投影面積Ai計算公式為

Ai=0.016Mj

(2)

輪廓周長Li計算公式為

Li=0.125Nj

(3)

2.5 數(shù)據(jù)處理

數(shù)據(jù)統(tǒng)計分析計算等處理利用Excel 2010分別求最大值、最小值、均值和標準偏差；利用SPSS 16.0軟件(IBM公司)，采用最小顯著性差異(LSD)法，對數(shù)據(jù)組間差異性進行比較[15]；利用Excel 2010中“宏”數(shù)據(jù)分析工具中的相關(guān)分析進行多變量相關(guān)關(guān)系分析。采用SPSS 16.0進行系統(tǒng)聚類分析。采用Matlab R2014a進行數(shù)據(jù)處理。

3 結(jié)果與討論

3.1 紅棗特征參數(shù)和等級關(guān)系的統(tǒng)計分析

根據(jù)分級標準，將樣本分成5個等級后，不同等級紅棗樣本的其他特征參數(shù)統(tǒng)計分析如表1所示。為直觀反映紅棗特征值的分布規(guī)律，做出不同等級紅棗特征參數(shù)的盒子圖，圖5中0～4分別表示特級、一級、二級、三級、四級。由圖5可知，除密度外，其他不同等級紅棗的特征值之間有明顯的差異，紅棗等級隨著特征參數(shù)的減小而增加。在表中，各個參數(shù)在等級內(nèi)的變異系數(shù)數(shù)值相近，導(dǎo)致等級變異程度較小。

為進一步研究紅棗各特征參數(shù)均值與等級之間的關(guān)系，對紅棗特征參數(shù)和等級之間的關(guān)系進行線性擬合，結(jié)果如表2及圖5所示，擬合后的決定系數(shù)為R2，統(tǒng)計量為F，F(xiàn)>F0.05(1,3)=10.13，F(xiàn)對應(yīng)的概率P值小于顯著性水平0.05，因此認為各特征參數(shù)均值與等級間的線性關(guān)系顯著。

3.2 各特征參數(shù)之間的相關(guān)性分析

由上述分析可知，除密度外，紅棗其他各特征參數(shù)均隨著等級的降低而線性減小，各特征參數(shù)之間可能存在著一定的關(guān)聯(lián)性。這種變量之間關(guān)系程度可以用相關(guān)系數(shù)來定量表征[16-17]。因此，做出紅棗9個特征參數(shù)之間的相關(guān)系數(shù)矩陣如表3所示。相關(guān)系數(shù)用r表示，縱向觀察，投影面積和輪廓周長直徑的顯著相關(guān)性最高，r=0.96；其次是長度和輪廓周長，r=0.79；另外，短徑和周長、長度和投影面積、體積和投影面積、體積和輪廓周長相關(guān)系數(shù)r在0.74～0.75之間，其他特征參數(shù)之間的相關(guān)性較小。兩個自變量之間有較大的相關(guān)性，意味著這兩個參數(shù)具有共線性，對因變量的影響高度一致，是非獨立變量。因此，在選擇因變量的影響因素時，相關(guān)性較大的兩個自變量任選1個即可。例如在選擇影響紅棗等級的因素或建立紅棗等級的預(yù)測模型時，投影面積和輪廓周長只需任選1個作為模型的輸入變量。

表1 紅棗的特征參數(shù)統(tǒng)計 Tab.1 Statistical characteristics of red jujube

注：不同小寫字母表示差異顯著(P<0.05)。

3.3 紅棗多特征參數(shù)聚類分析

在進行多樣本分類時，如果依據(jù)單因素分類不足以全面綜合地描述其類別，就要考慮多因素分類[18-20]。由以上的分析可知，紅棗的9個特征參數(shù)，均對其等級有一定的影響，但物理含義不盡相同。采用聚類分析，將8個參數(shù)按其性質(zhì)分成不同類型，將性質(zhì)相近的變量分成一類，對紅棗分級變量選擇以及分級模型的建立，具有一定的現(xiàn)實意義。

根據(jù)離差平方和法做出8個特征變量的R型聚類樹形圖(圖6)，可知在類間距離等于5時，8個特征參數(shù)可以分為5類：第1類聚集了2個特征參數(shù)，即周長和短徑，將這2個特征參數(shù)結(jié)合進行分級，有助于提升紅棗的分級精度；第2類聚集了1個特征參數(shù)，即長徑；第3類聚集了1個特征參數(shù)，即體積；第4類聚集了1個特征參數(shù)，即長度；第5類聚集了3個特征參數(shù)，即質(zhì)量、輪廓周長、投影面積，其中投影面積和輪廓周長是機器視覺中分級的重要特征參數(shù)。聚類分析將紅棗特征參數(shù)進行分類，為紅棗分級特征參數(shù)選擇提供一定的依據(jù)。

3.4 參數(shù)等級誤差分析

在根據(jù)幾何特征對紅棗進行分級時，形狀特征會對分級結(jié)果產(chǎn)生一定的影響。例如，對于一個形狀短粗的紅棗樣本，按照長徑分級判定為特級，但如果再按長度來分級時，可能只能算作一級甚至二級。對于這種同一個樣本按不同參數(shù)進行分級時等級發(fā)生變化的現(xiàn)象，稱之為竄級或誤分。按長徑劃分為5級，5個等級內(nèi)以周長的最大值和最小值確定周長等級劃分范圍。如圖7所示，根據(jù)箭頭出入將周長分為5個等級，箭頭的輸出為最大值，箭頭的輸入為最小值，不同等級之間有相交，如特級和一級在區(qū)間(114，103)內(nèi)重疊，認為特級中有部分竄級到一級中；一級區(qū)間內(nèi)(114，103)和(100，90)分別與特級和二級重疊，認為一級中有部分竄級到特級和二級中。

如圖8a所示，n級的樣本數(shù)等于A，n+1級的樣本數(shù)等于C，有B個n級樣本被判定為n+1級，定義n級參數(shù)分級誤分率,即B/A×100%。

圖5 紅棗特征參數(shù)盒子圖以及特征參數(shù)均值與等級之間的線性擬合結(jié)果 Fig.5 Box plots of red jujube characteristic parameters, and linear fitting results between mean and grade of characteristic parameters

同理，如圖8b所示，n級的樣本數(shù)等于A，n+1級的樣本數(shù)等于C，n+2級的樣本數(shù)等于E，有B個n+1級樣本被判定為n級，有D個n+1級被判定為n+2級,定義n+1級參數(shù)分級誤分率,即為(B+D)/C×100%。

根據(jù)上述原理計算結(jié)果如表4所示，誤分率用ε表示，密度的平均誤分率最大，ε=1%，說明該參數(shù)分級效果較差；周長誤分率最小，其值ε=0.76%。根據(jù)長徑標準分級確定其他特征參數(shù)的等級范圍，討論其他參數(shù)在該等級內(nèi)的誤分率，平均誤分率越大，該參數(shù)的竄級越大，分級效果越差，平均誤分率越小，該參數(shù)的竄級越小，分級效果越好。

表2 特征參數(shù)與等級之間的線性擬合結(jié)果的顯著性分析 Tab.2 Significant analysis of linear fitting results between feature parameters and grades

表3 紅棗各個特征參數(shù)之間的相關(guān)系數(shù) Tab.3 Correlation of each characteristic parameter of red jujube

圖6 R型聚類樹形圖 Fig.6 R-type clustering tree

圖7 周長等級示意圖 Fig.7 Schematic of perimeter level

圖8 參數(shù)等級誤差分析 Fig.8 Error analysis of parameter grade

%

4 結(jié)論

(1)紅棗的各特征參數(shù)均對等級有顯著影響，除密度外，等級隨著特征標準偏差數(shù)值的減小而增大，各特征參數(shù)與等級之間有顯著性線性關(guān)系。

(2)紅棗的各特征參數(shù)之間存在相關(guān)性，輪廓面積和輪廓周長之間的相關(guān)性最高，其次是輪廓周長和長度，密度和質(zhì)量、短徑之間呈正相關(guān)，密度和其他特征參數(shù)呈負相關(guān)。

(3)根據(jù)聚類分析，紅棗的特征參數(shù)可分成5類，聚類分析結(jié)果可以為特征參數(shù)的選取提供依據(jù)。

(4)按不同等級的最大值和最小值確定特征參數(shù)的分級范圍，計算不同特征參數(shù)的誤分率。平均誤分率越大，該參數(shù)的分級效果越差；平均誤分率越小，該參數(shù)的分級效果越好。