基于視覺圖像識(shí)別的番茄表面農(nóng)藥殘留量無損檢測(cè)方法

薄 璐王立霞

(1. 陜西職業(yè)技術(shù)學(xué)院，陜西 西安 710038；2. 陜西學(xué)前師范學(xué)院，陜西 西安 710100)

隨著激光圖像處理技術(shù)的發(fā)展，采用激光成像技術(shù)進(jìn)行農(nóng)作物的農(nóng)藥殘留量檢測(cè)，提高農(nóng)作物的蟲害防治能力的同時(shí)，確保農(nóng)作物食品的安全。對(duì)番茄表面農(nóng)藥殘留量進(jìn)行準(zhǔn)確檢測(cè)，結(jié)合圖像識(shí)別和計(jì)算機(jī)視覺分析技術(shù)，實(shí)現(xiàn)對(duì)番茄表面農(nóng)藥殘留量區(qū)域分割和分塊匹配，提高對(duì)番茄表面農(nóng)藥殘留量的準(zhǔn)確檢測(cè)和視覺分析識(shí)別能力，相關(guān)的番茄表面農(nóng)藥殘留量檢測(cè)方法研究受到極大重視。

對(duì)番茄表面農(nóng)藥殘留量的無損檢測(cè)方法研究是建立在對(duì)圖像的特征信息采集和分塊區(qū)域匹配基礎(chǔ)上，結(jié)合視覺特征重構(gòu)技術(shù)，實(shí)現(xiàn)番茄表面農(nóng)藥殘留檢測(cè)識(shí)別[1]。傳統(tǒng)方法中，對(duì)番茄表面農(nóng)藥殘留檢測(cè)方法主要有高光譜分割檢測(cè)技術(shù)、塊匹配的番茄表面農(nóng)藥殘留區(qū)域分割技術(shù)和銳化模板匹配的番茄表面農(nóng)藥殘留量分割檢測(cè)技術(shù)[2]，但上述方法在進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像區(qū)域分割和檢測(cè)識(shí)別中存在計(jì)算開銷較大和抗干擾能力不好的問題，特別是對(duì)大規(guī)模的番茄表面農(nóng)藥殘留區(qū)域視覺圖像區(qū)域檢測(cè)的特征識(shí)別能力不好[3]。對(duì)此，相關(guān)研究者對(duì)算法進(jìn)行改進(jìn)設(shè)計(jì)，其中，文獻(xiàn)[4]提出了一種基于多重分形的番茄表面農(nóng)藥殘留區(qū)域視覺圖像區(qū)域快速分割和殘留量檢測(cè)技術(shù)。采用分區(qū)域特征匹配方法進(jìn)行二維番茄表面農(nóng)藥殘留區(qū)域視覺圖像的分塊融合性檢測(cè)，但該方法進(jìn)行番茄表面農(nóng)藥殘留量檢測(cè)的準(zhǔn)確性不好，快速信息處理能力也不好。文獻(xiàn)[5]提出了一種基于聯(lián)合灰度閾值分割及輪廓形態(tài)識(shí)別的番茄表面農(nóng)藥殘留量無損方法，實(shí)現(xiàn)了對(duì)番茄表面農(nóng)藥殘留量無損特征提取，但該方法的參量估計(jì)和識(shí)別精度不高。針對(duì)上述問題，本研究提出一種基于視覺圖像識(shí)別的番茄表面農(nóng)藥殘留量無損檢測(cè)方法。擬首先采用激光成像技術(shù)進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像采集，對(duì)采集的番茄表面圖像進(jìn)行農(nóng)藥殘留量的光譜特征分析；然后，把提取番茄表面農(nóng)藥殘留區(qū)域的邊緣輪廓特征，根據(jù)特征提取結(jié)果進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像重構(gòu)；在重構(gòu)的區(qū)域圖像中采用分塊匹配技術(shù)進(jìn)行番茄表面農(nóng)藥殘留量區(qū)域分割；結(jié)合自適應(yīng)分塊特征匹配方法實(shí)現(xiàn)番茄表面農(nóng)藥殘留量檢測(cè)識(shí)別。最后進(jìn)行仿真試驗(yàn)分析，得出有效性結(jié)論。

1 番茄表面農(nóng)藥殘留區(qū)域視覺成像及預(yù)處理

1.1 番茄表面農(nóng)藥殘留區(qū)域視覺成像

為了實(shí)現(xiàn)對(duì)番茄表面農(nóng)藥殘留量檢測(cè)識(shí)別，結(jié)合計(jì)算機(jī)視覺圖像識(shí)別技術(shù)，采用激光成像時(shí)，首先需要進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺成像處理，構(gòu)建番茄表面農(nóng)藥殘留區(qū)域視覺圖像的區(qū)域特征分析模型，采用高斯混合模型(Gaussian Mixture Model，GMM)進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像的區(qū)域特征分析[6]，建立番茄表面農(nóng)藥殘留區(qū)域視覺圖像的先驗(yàn)估計(jì)模型，通過模板匹配進(jìn)行像素級(jí)分解，進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像的分塊特征匹配，構(gòu)建檢測(cè)統(tǒng)計(jì)量，把番茄表面農(nóng)藥殘留區(qū)域視覺圖像劃分成4×4的像素塊，然后進(jìn)一步將4×4子塊通過番茄表面農(nóng)藥殘留區(qū)域視覺成像技術(shù)分成4個(gè)相互重疊的3×3子塊。假設(shè)有K個(gè)農(nóng)藥殘留量的病征特征點(diǎn)，假定局部塊是同態(tài)的，在3×3子塊內(nèi)進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像的像素重構(gòu)[7]，觀察番茄表面農(nóng)藥殘留量的局部可靠性概率分布密度函數(shù)定義為：

(1)

式中：

w3——番茄表面農(nóng)藥殘留區(qū)域視覺圖像檢測(cè)模型中3×3的像素塊區(qū)域；

xi∈w3——區(qū)域塊w3內(nèi)的像素；

yij——與農(nóng)藥殘留區(qū)域分布像素xij唯一對(duì)應(yīng)的番茄表面紅色素特征標(biāo)記點(diǎn)；

αk——1個(gè)番茄表面的分塊區(qū)域匹配函數(shù)中屬于k類的權(quán)值；

g(·)——形態(tài)學(xué)膨脹函數(shù)，表示一個(gè)給定第k個(gè)番茄表面農(nóng)藥殘留量特征采樣標(biāo)記點(diǎn)。

根據(jù)局部可靠性概率分布密度函數(shù)，可以計(jì)算出檢測(cè)統(tǒng)計(jì)分布概率密度函數(shù)：

(2)

其中，αk=1。

1.2 邊緣輪廓特征提取和分塊處理

采用GMM高斯混合模型描述番茄表面農(nóng)藥殘留區(qū)域視覺圖像像素的標(biāo)記過程，提取番茄表面農(nóng)藥殘留區(qū)域視覺圖像的顏色提取信息[9]，得到番茄表面農(nóng)藥殘留區(qū)域視覺圖像成像輸出為：

(3)

依賴鄰域紋理分割和邊緣輪廓曲線檢測(cè)方法進(jìn)行番茄表面農(nóng)藥殘留量分布的像素特征匹配[10]，得到番茄表面農(nóng)藥殘留量分布的超像素紋理子空間表示為：

(4)

式中：

(5)

通過預(yù)先設(shè)定相關(guān)性K，求出番茄表面農(nóng)藥殘留量分布特征的統(tǒng)計(jì)特征量，假設(shè)番茄表面農(nóng)藥殘留量分布各點(diǎn)附近的局部仿射不變域?yàn)棣福瑢?duì)番茄表面農(nóng)藥殘留區(qū)域視覺圖像I(x,y)采用分割線C劃分為兩個(gè)區(qū)域R1和R2，番茄表面農(nóng)藥殘留部位邊界統(tǒng)計(jì)特征分塊總數(shù)為K，番茄表面農(nóng)藥殘留量分布的分塊區(qū)域像素匹配疏線性方程組為：

g(x,y)=h(x,y)*f(x,y)+η(x,y)，

(6)

其中，h(x,y)是番茄表面農(nóng)藥殘留量分布特征視差函數(shù)，符號(hào)*表示卷積。采用邊緣檢測(cè)算法得到分割后的區(qū)域的番茄表面農(nóng)藥殘留區(qū)域視覺圖像信息融合結(jié)果為：

(7)

在紋理映射變換下，采用超像素融合方法進(jìn)行圖像信息融合[11]，得到圖像信息融合后的自適應(yīng)特征重建迭代方程如下：

(8)

其中，c3·rand()和c4·rand()稱為番茄表面農(nóng)藥分布部位的疑似圖譜，其表達(dá)式為：

(9)

(10)

對(duì)采集的番茄表面農(nóng)藥殘留量分布采用超像素融合方法進(jìn)行圖像信息融合，提取番茄表面農(nóng)藥殘留區(qū)域的邊緣輪廓特征，根據(jù)特征提取結(jié)果進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像重構(gòu)，進(jìn)行圖像檢測(cè)和特征分析[12]。

2 番茄表面農(nóng)藥殘留量無損檢測(cè)算法優(yōu)化

2.1 農(nóng)藥殘留量的光譜特征提取

在上述采用激光成像技術(shù)進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像采集的基礎(chǔ)上，對(duì)采集的番茄表面圖像進(jìn)行農(nóng)藥殘留量的光譜特征分析[13]，對(duì)番茄表面農(nóng)藥殘留區(qū)域視覺圖像區(qū)域劃分了各個(gè)子塊，子塊的尺度為M，進(jìn)行M-1次迭代，設(shè)C3和C4為番茄表面農(nóng)藥殘留量分布邊緣輪廓特征檢測(cè)的差異性特征量。對(duì)于番茄表面農(nóng)藥殘留區(qū)域視覺圖像的灰色樣本集xi,yi，用xi表示輸入，yi表示相應(yīng)輸出，得到番茄表面農(nóng)藥殘留量分布特征分布函數(shù)為：

f(x)=wTφ(x)+b，

(11)

式中：

ω——番茄表面農(nóng)藥殘留量分布邊緣輪廓特征檢測(cè)；

b——農(nóng)藥聚集區(qū)域的偏置量。

計(jì)算各像素點(diǎn)與聚類中心間距，番茄表面農(nóng)藥殘留量分布的顯著性超像素判別迭代公式：

(12)

計(jì)算在紋理映射變換和差異性像素特征分布下的番茄表面農(nóng)藥殘留量分布特征的概率分布，進(jìn)行圖像番茄表面農(nóng)藥殘留區(qū)域視覺圖像重構(gòu)處理，建立農(nóng)藥殘留主成分特征分布的局部梯度能量函數(shù)如下所示：

(13)

式中：

sig·——Sigmoid函數(shù)。

根據(jù)特征提取結(jié)果進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像重構(gòu)，得到番茄表面農(nóng)藥殘留區(qū)域視覺圖像的超像素生成統(tǒng)計(jì)特征量為：

(14)

采用模板匹配技術(shù)，對(duì)番茄表面農(nóng)藥殘留區(qū)域視覺圖像S′在紋理信息融合區(qū)域(x′,y′)處進(jìn)行梯度分解，在重構(gòu)的區(qū)域圖像中采用分塊匹配技術(shù)進(jìn)行番茄表面農(nóng)藥殘留量區(qū)域分割[14]。

2.2 番茄表面農(nóng)藥殘留量區(qū)域分割和檢測(cè)輸出

構(gòu)建番茄表面農(nóng)藥殘留區(qū)域視覺圖像的相關(guān)性檢測(cè)模板匹配函數(shù)f(gi)為：

(15)

由此獲得番茄表面農(nóng)藥殘留區(qū)域視覺圖像的背景差分量，番茄表面農(nóng)藥殘留區(qū)域視覺圖像區(qū)域大小為M×N，M和N對(duì)應(yīng)番茄表面農(nóng)藥殘留區(qū)域視覺圖像邊緣的長(zhǎng)度和寬度。按照番茄表面農(nóng)藥殘留區(qū)域視覺圖像結(jié)構(gòu)紋理梯度方向分解方法[15]，進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像擬合，獲得三維番茄表面農(nóng)藥殘留區(qū)域視覺圖像的亞像素級(jí)視差，為：

Eimage(Vi)=-|I(xi-1,yi+1)+2I(xi,yi+1)+I(xi+1,yi+1)-I(xi-1,yi-1)-2I(xi,yi-1)-I(xi+1,yi-1)|+|I(xi+1,yi-1)+2I(xi+1,yi)+I(xi+1,yi-1)-I(xi-1,yi-1)-2I(xi-1,yi)-I(xi-1,yi+1)|。

(16)

對(duì)于k個(gè)鄰近點(diǎn)，番茄表面農(nóng)藥殘留區(qū)域視覺圖像的邊緣像素點(diǎn)分布為：

SSIM(x,y)=[l(x,y)]α·[c(x,y)]β·[s(x,y)]γ。

(17)

對(duì)采集的番茄表面農(nóng)藥殘留量分布采用超像素融合方法進(jìn)行圖像信息融合[16]，番茄表面農(nóng)藥殘留區(qū)域視覺圖像的灰度信息分量為：

(18)

結(jié)合區(qū)域輪廓檢測(cè)方法，得到番茄表面農(nóng)藥殘留區(qū)域視覺圖像的輪廓長(zhǎng)度：

(19)

綜上分析，實(shí)現(xiàn)對(duì)番茄表面農(nóng)藥殘留量的無損檢測(cè)。

3 仿真試驗(yàn)與結(jié)果分析

為測(cè)試本試驗(yàn)方法在實(shí)現(xiàn)番茄表面農(nóng)藥殘留量的視覺檢測(cè)中的應(yīng)用性能，進(jìn)行仿真試驗(yàn)，試驗(yàn)采用Matlab設(shè)計(jì)，結(jié)合區(qū)域視覺圖像重構(gòu)進(jìn)行番茄表面農(nóng)藥殘留量分布的動(dòng)態(tài)成像處理，結(jié)合激光成像技術(shù)，進(jìn)行圖像采樣，采樣的圖像像素樣本數(shù)為2 000，像素級(jí)為200 px×600 px，視覺特征提取的迭代次數(shù)為800，對(duì)番茄表面農(nóng)藥殘留量分布檢測(cè)的閾值為0.14，圖像的分辨率為680 PPI×700 PPI，農(nóng)藥殘留量的特征點(diǎn)覆蓋區(qū)域?yàn)?20～320幀，農(nóng)藥殘留量分布的最大帶寬為0.23 Hz～100 kHz(+0.5～-3 dB)，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行番茄表面農(nóng)藥殘留量無損檢測(cè)的優(yōu)化仿真，得到待檢測(cè)的樣本圖像如圖1所示。

圖1 待檢測(cè)的番茄樣本

以圖1的樣本為測(cè)試對(duì)象，提取番茄表面農(nóng)藥殘留區(qū)域的邊緣輪廓特征，根據(jù)特征提取結(jié)果進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像重構(gòu)，提取農(nóng)藥殘留量區(qū)域，得到圖像重構(gòu)融合結(jié)果如圖2所示。

圖2 農(nóng)藥殘留量區(qū)域重構(gòu)融合結(jié)果

在此基礎(chǔ)上結(jié)合分塊匹配和譜分析技術(shù)，進(jìn)行農(nóng)藥量殘留檢測(cè)，得到農(nóng)藥殘留區(qū)域檢測(cè)輸出如圖3所示。

分析圖3得知，本方法能有效實(shí)現(xiàn)對(duì)番茄表面農(nóng)藥殘留區(qū)域的定位檢測(cè)，區(qū)域分塊性較好，檢測(cè)的自適應(yīng)分塊特征匹配能力較強(qiáng)。測(cè)試不同方法進(jìn)行番茄表面農(nóng)藥殘留量檢測(cè)的精度，得到對(duì)比結(jié)果見表1。分析表1得知，按本文方法進(jìn)行番茄表面農(nóng)藥殘留量檢測(cè)的精度較高，無損檢測(cè)能力較強(qiáng)。

圖3 農(nóng)藥殘留區(qū)域檢測(cè)輸出

迭代步數(shù)本文方法光譜檢測(cè)紅外檢測(cè)1000.8450.7200.7533000.9230.7890.7865000.9670.8250.8337000.9960.8690.921

4 結(jié)語

為解決傳統(tǒng)檢測(cè)方法檢測(cè)番茄表面農(nóng)藥殘留量不準(zhǔn)確的問題，提出了一種基于視覺圖像識(shí)別的番茄表面農(nóng)藥殘留量無損檢測(cè)方法。

(1) 采用激光成像技術(shù)進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像采集，對(duì)采集的番茄表面圖像進(jìn)行農(nóng)藥殘留量的光譜特征分析，根據(jù)特征提取結(jié)果進(jìn)行番茄表面農(nóng)藥殘留區(qū)域視覺圖像重構(gòu)，在重構(gòu)的區(qū)域圖像中采用分塊匹配技術(shù)進(jìn)行番茄表面農(nóng)藥殘留量區(qū)域分割，結(jié)合自適應(yīng)分塊特征匹配方法實(shí)現(xiàn)番茄表面農(nóng)藥殘留量檢測(cè)識(shí)別。

(2) 通過試驗(yàn)對(duì)比分析，證明本方法可對(duì)番茄表面農(nóng)藥殘留量進(jìn)行準(zhǔn)確檢測(cè)，最高檢測(cè)性能可達(dá)0.996，可以保障蔬菜供應(yīng)安全性。

(3) 下一步工作則是要縮減檢測(cè)的時(shí)間，在提高檢測(cè)精度的基礎(chǔ)上縮短檢測(cè)用時(shí)。