基于圖像處理的獼猴桃缺陷檢測(cè)研究

周逸騰 邴峰 王文舉 田露莎

摘要：該文提出了一種基于圖像處理的方法檢測(cè)獼猴桃的損傷和疤痕缺陷檢測(cè)方法。首先，通過閾值分割，將獼猴桃圖像與背景分割。其次，通過分析損傷和疤痕獼猴桃的顏色特征，選用YcbCr顏色模型的Cr（紅色）成分對(duì)獼猴桃損傷果檢測(cè)效果良好，選用HSV顏色模型中的V（亮度）成分用于對(duì)獼猴桃疤痕果檢測(cè)效果良好。對(duì)50個(gè)損傷和疤痕樣本的獼猴桃檢測(cè)成功率達(dá)88%，為獼猴桃缺陷無損檢測(cè)提供了一種新的方法。

關(guān)鍵詞：圖像處理；獼猴桃；缺陷檢測(cè)；疤痕；損傷

中圖分類號(hào)：TP18文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)17-3979-03

Research on Detection of Kiwifruit Defect Based Image Processing

ZHOU Yi-teng, BING Feng, WANG Wen-jun, TIAN Lu-sha

(College of Information Engineering, Northwest A & F University, Yangling 712100, China )

Abstract: This paper presents a defect detection algorithm for kiwifruit with spot and injure by image processing. First, by using threshold method, kiwifruit image is segmented from the background. Second, after analyzing the color feature of kiwifruit with spot and injure, we select Cr channel of YCbCr color model and V channel of HSV color model to detect defect feature. For 50 samples with 25 spot and 25 injure separately, the proposed method get 88% overall accuracy. It provides a new algorithm for detecting kiwifruit defect by using image processing.

Key words:image processing; kiwifruit; defect detection ;spot injure

獼猴桃是一種營(yíng)養(yǎng)豐富、保健功能突出的新型水果，有“水果之王”的美譽(yù)，中國(guó)是目前世界上獼猴桃裁培和出口的主要國(guó)家之一[1-2]。為了提高其附值，需按顏色、大小和質(zhì)量等外部指標(biāo)進(jìn)分級(jí)處理。目前，利用圖像處理技術(shù)檢測(cè)水果外觀品質(zhì)有著快速、無損和客觀的優(yōu)點(diǎn)，能夠克服人工檢測(cè)主觀性強(qiáng)和效率低下的不足。許多研究者在蘋果、梨、桃和臍橙等水果中進(jìn)行了廣泛的研究，取得了良好的檢測(cè)結(jié)果[3-5]。丁亞蘭等對(duì)各種背景圖像下的獼猴桃圖像進(jìn)行分析，利用R-G顏色分量實(shí)現(xiàn)圖像分割，通過對(duì)不同的閾值方法進(jìn)行研究對(duì)比，分割效率達(dá)82%以上[6]。在獼猴桃內(nèi)部品質(zhì)方面，陳香維和楊公明在近紅外區(qū)域利用偏最小二乘法建立獼猴桃與近紅外光譜的定量分析數(shù)學(xué)模型，結(jié)果表明，近紅外漫反射光譜與獼猴桃糖度含量之間呈現(xiàn)顯著的線性相關(guān)[7]。吳彥紅等將405nm激光照射到獼猴桃樣品上，釋放出熒光，再用高光譜成像系統(tǒng)采集誘導(dǎo)的熒光散射圖像，進(jìn)行含糖量檢測(cè)，發(fā)現(xiàn)效果較好[8]。近年來，獼猴桃的品質(zhì)檢測(cè)主要集中利用光譜技術(shù)檢測(cè)其內(nèi)部品質(zhì)[9]，但對(duì)獼猴桃的外部品質(zhì)檢測(cè)特別是缺陷檢測(cè)研究較少。

本文利用圖像處理方法，通過分析獼猴桃果缺陷部分的與正常部分的顏色特征，發(fā)現(xiàn)YCbCr顏色模型中Cr通道適宜于檢測(cè)損傷的獼猴桃果，HSI顏色模型中的亮度通道適且于檢測(cè)疤痕獼猴桃，通過選擇合適的閾值。對(duì)50個(gè)損傷和疤痕的獼猴桃樣本，檢測(cè)成功率達(dá)88%，取得了良好的實(shí)驗(yàn)效果，為獼猴桃的無損檢測(cè)提供了一種新的方法。

1實(shí)驗(yàn)材料和圖像預(yù)處理

本文設(shè)計(jì)了一套獼猴桃圖像獲取實(shí)驗(yàn)箱，用以得到樣本圖像，該系統(tǒng)由計(jì)算機(jī)、數(shù)碼相機(jī)、照明室和載樣臺(tái)等組成，主要配置為計(jì)算機(jī)型號(hào)為HP，Intel Pentium Dual-Core CPU E52000，內(nèi)存1G，MV-VD120SC高速工業(yè)CCD相機(jī)，X64-CL_iPro圖像采集卡。為與獼猴桃表面顏色區(qū)別，為選用白色作為背景。從市場(chǎng)上選購(gòu)獼猴桃果中挑出疤痕果。同時(shí)，通過外力使獼猴桃果損傷，得到損傷樣本。選取損傷和疤痕樣本各25個(gè)，用于進(jìn)行缺陷檢測(cè)。

獲取獼猴桃圖像后，采用固定閾值法，將獼猴桃與背景分割，得到二值獼猴桃圖像，再經(jīng)過映射，得到獼猴桃果彩色圖像，方便進(jìn)行缺陷檢測(cè)。圖1a-b是疤痕果和損傷果樣本，圖1c-d是經(jīng)過背景分割得到的獼猴桃樣本圖像。

2獼猴桃缺陷檢測(cè)方法

如圖1所示，獼猴桃果表面一般呈黃褐色和淺綠色，表面具有較多的絨毛，獼猴桃缺陷部分與正常部分有明顯的區(qū)別，為利用顏色檢測(cè)提供了依據(jù)。但是，研究發(fā)現(xiàn)直接使用RGB顏色模型進(jìn)行缺陷檢測(cè)具有一定的困難。因此，必須將RGB顏色圖像轉(zhuǎn)換到合

本文提出了一種基于圖像處理的獼猴桃缺陷檢測(cè)方法。從市場(chǎng)上選購(gòu)的疤痕果和損傷果兩類缺陷果作為對(duì)象，通過分析它們?cè)贖SV模型和YCbCr模型中的特征，選用V（亮度）通道和Cr（紅色）通道分別得到疤痕和損傷果的特征圖像。在特征圖像中，正常部分與缺陷部分有明顯的區(qū)別，使得可利用閾值法進(jìn)行有效分割。對(duì)50個(gè)樣獼猴桃樣本缺陷果，提出基于V（亮度）通道和Cr（紅色）通道的檢測(cè)方法，綜合準(zhǔn)確率達(dá)88%，為進(jìn)行獼猴桃缺陷檢測(cè)提供了一種新的處理手段。

[4]李江波，饒秀勤，應(yīng)義斌.基于照度-反射模型的臍橙表面缺陷檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào). 2011, 27(7):338-342.

[5]李江波，饒秀勤，應(yīng)義斌.水果表面亮度不均勻校正及單閾值缺陷缺陷提取研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào). 42(8): 159:164.

[6]丁亞蘭，耿楠，周全程.基于圖像的獼猴桃果實(shí)目標(biāo)提取.微計(jì)算機(jī)信息. 2009,25(3): 294-296.

[7]陳香維，楊公明.獼猴桃糖度傅里葉變換近紅外光譜無損檢測(cè)[J].西北農(nóng)業(yè)學(xué)報(bào). 2011, 20(7): 143-148.

[8]吳彥紅，嚴(yán)霖元，吳瑞梅，等.利用熒光高光譜圖像技術(shù)無損檢測(cè)獼猴桃糖度.江西農(nóng)業(yè)大學(xué)學(xué)報(bào). 2010, 32(6) :1297-1230.[9]陳香維，岳田利，楊公明.獼猴桃品質(zhì)光譜無損檢測(cè)技術(shù)研究進(jìn)展.農(nóng)業(yè)工程學(xué)報(bào). 2006, 22(8): 240-245.

[10]胡學(xué)龍,許開宇.數(shù)字圖像處理[M].北京：電子工業(yè)出版社,2007.

[11]何東健.數(shù)字圖像處理[M].西安：西安電子科技大學(xué)出版社, 2008.