基于機器視覺的農業機械圖像識別系統分析

朱 丹,吳茲古力

(西安交通大學 城市學院,西安 710018 )

0 引言

蘋果分級檢測是蘋果商品化處理的關鍵環節之一,直接關系到蘋果的包裝運輸貯藏和銷售收益。以往的方法都是對蘋果進行稱重,然后劃分等級,由于采用人工和機械裝置,不僅分揀效率低,而且容易對蘋果造成損失,不能對蘋果的顏色和表面缺陷做出合理的評價。近年來,基于機器視覺的無損檢測技術被應用到各大領域,如果將機器視覺引入到蘋果分揀機的設計上,可以有效地提高蘋果的分揀效率,實現蘋果的無損檢測。

1 基于機器視覺的農機圖像識別系統

美術和繪畫的一項基本能力是對圖像的解讀,正確的識別解讀繪畫可以正確地把握繪畫的意圖和深層含義,當代美術的視覺化傾向與視覺文化的迅速發展息息相關。目前,博物館有大量的繪畫作品,不同的審美方式會得到不同的視覺傳達效果,視覺中的圖像符號是值得深入研究的問題。美術和繪畫藝術如果也引入符號學研究方法,可以得到很好的美術和繪畫藝術作品的識別方法,最終提高藝術作品的解讀能力。

在蘋果的分揀過程中,如果也能依據美術和繪畫對圖像的解讀設計出具有機器視覺的蘋果分揀機,將大大提高蘋果的分揀效率,且這種方式是通過無損檢測,可以有效降低分揀過程中對蘋果的損傷。在蘋果分揀時,如果按照等級分選出大小一致的蘋果,將有利于包裝儲存和加工;如果按照形狀進行分級,將提高蘋果的銷售力。利用機器視覺技術對蘋果進行分揀的流程如圖1所示。

圖1 蘋果分揀裝置無損分揀流程

分揀機分揀蘋果時,首先需要采集蘋果的圖像,然后利用機器視覺系統對圖像進行處理,最后按照等級標準對蘋果的等級進行確定;蘋果等級確定之后,利用自動控制系統將不同等級級別的蘋果分揀到不同的裝置中,實現蘋果的無損檢測和自動化分類。

2 蘋果分揀視覺系統設計

蘋果分揀過程中,如果采用人工分揀將會浪費大量的人力,且分揀周期較長,采用機械分揀很容易造成果實的損傷,而無損檢測可以在不損傷果實的前提下提高分揀效率。在果實無損檢測過程中,為了分出蘋果的質量等級,需要根據蘋果分級的依據對蘋果質量進行檢測,主要依據是蘋果的大小、表面缺陷、顏色和形狀等。分揀機系統的示意圖如圖2所示。

圖2 蘋果無損分揀機示意圖

在進行無損分揀時,主要是采集蘋果完整的圖像,然后通過圖像處理、特征和輪廓提取等來完成質量分級,在評定分級時可以依據蘋果的大小、顏色和表明缺陷等。蘋果大小分級主要是利用圖像形狀輪廓提取來確定蘋果的直徑和周長;蘋果顏色分級主要是將RGB值轉換為HIS模式,得到色度的直方圖,通過顏色特征來進行評定;蘋果表面缺陷主要是通過提取蘋果的圖像特征,采用圖像法或者灰度模型法來進行評定。蘋果圖像采集之后的處理主要分為6個步驟,包括圖像灰度處理、圖像歸一化、圖像增強、圖像二值化處理及圖像特征提取等,其流程如圖3所示。

圖3 蘋果圖像處理流程

對圖像進行處理后可以得到圖像的基本特征,利用圖像的尺寸和表面特征對蘋果圖像的質量進行識別。圖像處理流程的步驟如下:

1)圖像灰度處理。圖像灰度處理主要是將采集得到的彩色蘋果圖像轉換為灰度圖像,在進行灰度處理時采用加權平均的方法,將24位圖像轉換為8位圖像,其公式為

C=xR+yG+zB,x+y+z=1

(1)

其中,R、G、B為三基色,x、y、z為3種最基本的顏色系數,C為轉換之后的顏色。

2)歸一化。在進行圖像處理時,為了使待識別的蘋果圖像具有統一的尺寸,可以對蘋果圖像進行歸一化處理。歸一化處理采用統一圖像縮放的形式,假設在X軸方向的縮放比率是fx,Y軸方向縮放比率單位fy,則原始的蘋果待識別圖像f(x,y)中的某一點(x0,y0)對應的縮放后圖像g(x,y)中的點(x1,y1)的表達式為

x1=fx×x0,y1=fy×y0

(2)

歸一化處理可以使待識別的蘋果圖像具有更多和更準確的特征點,在[0,255]范圍內進行重新的排列,灰度的歸一化公式為

(3)

3)圖像增強。為了提高待識別蘋果圖像的識別效果,還可以對圖像進一步處理,如通過濾波操作去掉圖像的干擾部分,通過膨脹和腐蝕操作等提高圖像的分辨率等,以提高蘋果分級的準確率。

4)圖像二值化。為了方便圖像的處理,提高圖像的識別效率,將圖像進行二值化處理,將灰度值設置為0或者255。二值化可以采用Niblack算法,在待識別的蘋果圖像上確定中心坐標(x,y)及周圍鄰域r×r范圍內,通過對像素點方差和均值的計算來實現二值化,即

T(x,y)=m(x,y)+k×s(x,y)

(4)

(5)

(6)

其中,T(x,y)為像素(x,y)的閾值;m(x,y)為在r×r鄰域內像素點的平均值;s(x,y)為r×r鄰域內像素點的標準方差;k為修正系數,通過二值化可以將像素點灰度置為0或者255。

5)特征提取。在提取的蘋果圖像紋理骨架圖像過程中,交叉點和端點在匹配過程中發揮著重要的作用。具體的提取特征點算法是假設3×3模板區域為

P0表示區域的中心點,其計算公式可以表示為

(7)

其中,p9=p1。提取蘋果圖像的特征后,可以通過圖像的邊緣特征、直徑和面積等對蘋果進行分級。每個等級的劃分可以制定相關的標準,然后根據圖像識別結果完成蘋果的分揀工作。

3 蘋果分揀機圖像識別視覺系統測試

圖像識別系統是蘋果分揀機最重要的部分,根據識別結果利用PLC控制系統對蘋果進行自動分揀。本次主要對分揀機的圖像識別系統進行測試,選用蘋果作為測試對象,如圖4所示。

圖4 選用蘋果示意圖

選用蘋果作為識別系統的識別對象,對識別系統的可行性進行檢測,一共選用4個特征明顯不同的蘋果作為分揀對象。首先,對其中的1個蘋果進行圖像處理,通過灰度處理得到了如圖5所示的結果。

圖5 灰度處理后的圖像

通過灰度處理后, 蘋果待識別圖像由彩色變為灰色,更方便以后蘋果輪廓特征的提取。通過對圖像的二值化及增強處理后,得到蘋果特征輪廓圖,如圖6所示。

圖6 蘋果輪廓特征提取

根據輪廓特征,可以來提取蘋果的直徑和周長等。本次主要依據蘋果的輪廓周長來對蘋果進行分級,待分級的蘋果有4個,如圖7所示。

圖7 待分級蘋果圖像

對4個蘋果進行分級,分級依據主要是蘋果圖像處理后得到的輪廓周長。通過對4個蘋果圖像的處理和周長統計后,得到了如表1所示的分級結果。

表1 蘋果分級等級表

由表1可以看出:采用設計的圖像處理方法,可以成功地得到蘋果的周長數據。通過經驗等級評定,最后可以得到蘋果的質量等級。在蘋果分揀機實際工作時,得到評定等級后還需要利用控制系統將不同的蘋果進行分類,并輸送到不同的位置進行包裝和處理。

4 結論

為了提高蘋果的分揀效率,實現蘋果的無損檢測,將機器視覺技術引入到了蘋果分揀系統的設計上,通過對蘋果圖像的灰度處理、二值化、增強處理、特征提取等,依據確定的蘋果分級標準,實現了蘋果的自動化分級。為了驗證方案的可行性,對蘋果分揀機的圖像識別系統進行了測試,結果表明:分揀圖像識別系統可以根據周長特征成功地對蘋果進行分揀,實現了蘋果的無損檢測和等級分類,對于水果自動化分揀系統的研發具有重要的參考價值。