基于Android智能手機(jī)圖像分析判定香蕉成熟階段

劉陽(yáng)泰，董慶利，秦智軒，劉洋, 樊欣熠，胡孟晗，劉寶林

(上海理工大學(xué) 醫(yī)療器械與食品學(xué)院，上海，200093)

?

基于Android智能手機(jī)圖像分析判定香蕉成熟階段

劉陽(yáng)泰，董慶利*，秦智軒，劉洋, 樊欣熠，胡孟晗，劉寶林

(上海理工大學(xué) 醫(yī)療器械與食品學(xué)院，上海，200093)

開(kāi)發(fā)了一款基于智能手機(jī)機(jī)器視覺(jué)技術(shù)用于判定香蕉成熟階段的Android程序。程序可運(yùn)行于Android1.6及以上版本的操作系統(tǒng)中。利用該程序?qū)ι珳貫? 500K光照環(huán)境下，成熟階段為第1～第8階段的單支香蕉果指進(jìn)行圖像獲取，提取表面RGB/HSV顏色指標(biāo)并分析反饋。該方法試驗(yàn)表明，貯藏期內(nèi)香蕉表面R值與H值2項(xiàng)指標(biāo)相結(jié)合可作為基于智能移動(dòng)設(shè)備的香蕉鮮果成熟階段分級(jí)依據(jù)，在標(biāo)準(zhǔn)白色光光照條件下的香蕉鮮果各成熟階段檢測(cè)總分類率為87.24%，因此可依靠智能移動(dòng)設(shè)備在各銷售節(jié)點(diǎn)實(shí)現(xiàn)香蕉鮮果成熟階段的實(shí)時(shí)快速判定。

香蕉; 計(jì)算機(jī)視覺(jué); 智能移動(dòng)設(shè)備; 色澤; 成熟階段

我國(guó)是香蕉的主要種植發(fā)源地，已有3 000多年的歷史[1]。如今香蕉是世界上最主要的進(jìn)出口水果之一，截至2013年，全球香蕉年產(chǎn)量達(dá)10 654.2 萬(wàn)t， 進(jìn)出口總量達(dá)3 539.2 萬(wàn)t，貿(mào)易額197.6 億美元，超過(guò)柑橘成為世界第一大貿(mào)易額的水果[2]。在香蕉流通及銷售過(guò)程中，對(duì)其成熟階段的評(píng)價(jià)，通常是香蕉鮮果采后處理過(guò)程中的分級(jí)標(biāo)準(zhǔn)之一。香蕉鮮果表面的顏色和紋理特征在貯藏中會(huì)出現(xiàn)較大的變化，傳統(tǒng)一般由人工對(duì)其成熟階段進(jìn)行評(píng)價(jià)后分類[3]，主觀性強(qiáng)；部分客觀檢測(cè)則常采用色差儀等光檢測(cè)方法進(jìn)行判別[4]，且多為接觸式檢測(cè)，不適合實(shí)時(shí)獲取結(jié)果。同時(shí)也有學(xué)者采用計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)預(yù)設(shè)條件下分析香蕉樣品的圖像信息以達(dá)到無(wú)損檢測(cè)的目的[5-6]。

隨著“互聯(lián)網(wǎng)+”時(shí)代的到來(lái)，新興的智能移動(dòng)設(shè)備也開(kāi)始配備高速處理器、高分辨率攝像頭并搭載智能操作系統(tǒng)[7]，已具備了部分或全部替代計(jì)算機(jī)完成視覺(jué)識(shí)別檢測(cè)的能力，利用其對(duì)食品進(jìn)行快速無(wú)損的品質(zhì)及安全檢測(cè)必將成為趨勢(shì)。由于智能移動(dòng)設(shè)備具有便攜易用、學(xué)習(xí)和使用成本較低的特性，不論是產(chǎn)品供應(yīng)商、銷售商，或是實(shí)驗(yàn)室檢測(cè)人員，甚至消費(fèi)者都能以統(tǒng)一的標(biāo)準(zhǔn)實(shí)時(shí)、快捷地開(kāi)展視覺(jué)識(shí)別檢測(cè)工作。目前已有學(xué)者開(kāi)展了部分相關(guān)的研究，但檢測(cè)目標(biāo)多以食品品種分類為主，并沒(méi)有針對(duì)食品的品質(zhì)信息進(jìn)行分析，且僅局限于利用手機(jī)設(shè)備獲取圖像，計(jì)算分析則多需依托互聯(lián)網(wǎng)反饋完成，不能充分利用智能設(shè)備的計(jì)算能力，無(wú)法開(kāi)展離線檢測(cè)[8-12]。

本研究以Android智能手機(jī)為工具，利用視覺(jué)技術(shù)，開(kāi)發(fā)相應(yīng)的檢測(cè)軟件，構(gòu)建基于移動(dòng)設(shè)備設(shè)備所提取的光學(xué)指標(biāo)與香蕉鮮果成熟階段的相關(guān)關(guān)系，達(dá)到通過(guò)智能移動(dòng)設(shè)備實(shí)現(xiàn)香蕉鮮果成熟度實(shí)時(shí)快速分類的目的。

1　材料與方法

1.1試驗(yàn)軟件構(gòu)建

本研究開(kāi)發(fā)的Android試驗(yàn)程序在華碩N43s筆記本電腦上完成編寫(xiě)及調(diào)試工作，電腦搭載Intel(R)Core(TM)i7-2630QM2.00GHz核心處理器，8G內(nèi)存，微軟Windows7 64位旗艦版操作系統(tǒng)。

試驗(yàn)程序具有調(diào)用Android系統(tǒng)設(shè)備自帶鏡頭或內(nèi)置圖片庫(kù)的功能。待拍攝或選取目標(biāo)圖像后，試驗(yàn)軟件可自動(dòng)完成圖像處理、指標(biāo)分析與結(jié)果反饋。Android程序操作界面及工作流程如圖1所示。

其中，圖像處理算法包含預(yù)處理、圖像分割與指標(biāo)提取3部分。為降低圖像信息噪聲，減少數(shù)據(jù)不確定性，試驗(yàn)程序在圖像輸入后加入高斯濾波算法(高斯平滑)，即根據(jù)高斯函數(shù)(正態(tài)分布函數(shù))選擇權(quán)值，對(duì)某像素點(diǎn)及其周圍的像素點(diǎn)進(jìn)行變換[13-14]。本研究應(yīng)用二維零均值離散高斯函數(shù)作為濾波器，如式1所示：

(1)主界面；(2)拍照界面；(3)圖庫(kù)界面；(4)裁剪界面；(5)結(jié)果反饋界面圖1　Android程序操作界面與步驟Fig.1　The interface and step of the Android program

(1)

式中，x表示圖像某像素點(diǎn)的橫坐標(biāo)；y表示圖像某像素點(diǎn)的縱坐標(biāo)；r表示高斯濾波半徑；σ表示濾波器寬度。

式1通過(guò)采樣、量化，并歸一化得到大小為3×3的高斯濾波模版G3，如式2所示。

(2)

經(jīng)過(guò)高斯濾波的圖像再由最大類間方差分割算法(大津法，簡(jiǎn)稱Otsu[15])去除無(wú)用背景，僅對(duì)圖像前景(樣本范圍)進(jìn)行顏色指標(biāo)提取[16-17]。Android試驗(yàn)程序可根據(jù)圖像直接對(duì)目標(biāo)樣本表面的RGB色彩指標(biāo)(紅色值、綠色值、藍(lán)色值)的進(jìn)行提取，并轉(zhuǎn)換為HSV色彩指標(biāo)(色調(diào)、飽和度、亮度)。其中，標(biāo)準(zhǔn)紅色的編號(hào)為#FF0000，標(biāo)準(zhǔn)綠色的編號(hào)為#00FF00，標(biāo)準(zhǔn)藍(lán)色的編號(hào)為#0000FF，三者取值區(qū)間均為0～255。

HSV指標(biāo)通過(guò)下式由RGB指標(biāo)轉(zhuǎn)換得到：

在診斷妊娠合并甲狀腺功能異常疾病時(shí)，需要對(duì)孕婦的臨床表現(xiàn)進(jìn)行觀察，同時(shí)對(duì)孕婦血清促甲狀腺激素、游離甲狀腺素（FT4）、TT4、TT3、游離三碘甲狀腺原氨酸（FT3）等數(shù)據(jù)進(jìn)行監(jiān)測(cè)，從而有效診斷妊娠合并甲狀腺功能異常[19]。

(3)

(4)

(5)

式中:H表示圖像平均色調(diào)值，取值區(qū)間為0～360；S表示圖像平均飽和度，取值區(qū)間為0.0～1.0；V表示圖像亮度，取值范圍為0～255；R/G/B分別表示圖像平均紅色值、平均綠色值、平均藍(lán)色值。

1.2視覺(jué)檢測(cè)平臺(tái)搭建

視覺(jué)檢測(cè)平臺(tái)光照箱部分由320mm×250mm×250mm的鐵箱改造而成，內(nèi)壁覆蓋黑色吸光絨布，下板放置待測(cè)樣品，上頂懸掛色溫為6 500K的白色環(huán)形T5型熒光燈(TL-E22W/33-640 1CT,Philips,China)，用以模擬晴朗白天環(huán)境，三星SM-101移動(dòng)電話機(jī)作為本試驗(yàn)的手持式智能設(shè)備，安裝試驗(yàn)軟件后置于頂板外側(cè)，透過(guò)視窗利用后置攝像頭對(duì)待測(cè)樣品進(jìn)行拍攝，拍攝設(shè)置參數(shù)如表1所示，視覺(jué)檢測(cè)平臺(tái)示意圖如圖2所示。

表1　智能移動(dòng)設(shè)備后置攝像頭參數(shù)設(shè)置

1-光照箱；2-智能移動(dòng)設(shè)備；3-光源；4-樣本圖2　視覺(jué)檢測(cè)平臺(tái)示意圖Fig.2　The schematic of lighting system

1.3試驗(yàn)材料及步驟

正式試驗(yàn)組及驗(yàn)證組所用香蕉鮮果(Musa AAA Cavendish)樣品均采購(gòu)于上海某水果市場(chǎng)。其中正式試驗(yàn)隨機(jī)選取同一果蔬中無(wú)明顯機(jī)械損傷的3支青香蕉果指分離并編號(hào)，每支香蕉果指分別與2個(gè)蘋(píng)果放入一個(gè)密封袋內(nèi)，并置于溫度(18±2)℃，濕度90%～95%的環(huán)境中貯藏催熟，直至鮮果喪失直接食用價(jià)值。每日通過(guò)Android程序獲取3幅待測(cè)樣本圖像，并記錄程序分析結(jié)果。驗(yàn)證組選取相同批次中無(wú)明顯機(jī)械損傷的香蕉鮮果30支，以相同處理方式貯藏，并每日獲取各支香蕉鮮果圖像3至6幅備用。

正式試驗(yàn)與驗(yàn)證實(shí)驗(yàn)檢測(cè)步驟如圖3所示。

圖3　智能移動(dòng)設(shè)備香蕉成熟度檢測(cè)步驟Fig.3　Measurement procedure of the banana maturity based on the smart handheld terminal

1.4分類與驗(yàn)證

香蕉鮮果的成熟階段感官評(píng)定依據(jù)1950年VonLoesecke8階段分級(jí)方法[18]對(duì)應(yīng)8分制進(jìn)行打分，即第1階段皮色青綠，第2階段綠中泛黃，第3階段綠多于黃，第4階段黃多于綠，第5階段黃有綠點(diǎn)，第6階段皮色金黃，第7階段黃雜褐斑，第8階段褐斑覆蓋，至此香蕉鮮果喪失直接食用價(jià)值。感官評(píng)定小組由經(jīng)過(guò)訓(xùn)練的食品科學(xué)相關(guān)專業(yè)教師及學(xué)生組成，共9人。

試驗(yàn)軟件獲取的指標(biāo)數(shù)據(jù)通過(guò)Grubbs檢驗(yàn)法排除異常數(shù)值后，繪制不同指標(biāo)隨時(shí)間變化趨勢(shì)圖。

綜合前期預(yù)試驗(yàn)R值與H值的變化規(guī)律，構(gòu)建指標(biāo)DRH表征香蕉鮮果成熟程度，等式如下：

(6)

并構(gòu)建指標(biāo)Tn作為各成熟階段的閾值對(duì)香蕉鮮果成熟階段進(jìn)行分類，n對(duì)應(yīng)8個(gè)不同成熟階段，T的計(jì)算式如下：

(7)

開(kāi)展驗(yàn)證實(shí)驗(yàn)前將已獲得的分級(jí)準(zhǔn)則輸入程序，同時(shí)隨機(jī)抽取30支同品種香蕉鮮果各成熟階段圖像3幅，共計(jì)720組圖像進(jìn)行分類驗(yàn)證，并獲取不同香蕉鮮果成熟階段的正確率與總分類率。

繪圖與統(tǒng)計(jì)分析通過(guò)Windows操作系統(tǒng)下的Matlab2012b(TheMathWorks，USA)及SPSSStatistics22(IBM，USA)軟件共同完成。

2　結(jié)果與分析

2.1感官評(píng)定

本研究正式試驗(yàn)自香蕉鮮果樣品第1成熟階段皮色青綠至第8成熟階段褐斑覆蓋的感官評(píng)定結(jié)果如圖4所示，其中a～h表示各水平顯著性差異，字母不同者表示差異顯著(P<0.05)。

圖4　貯藏期內(nèi)香蕉鮮果成熟階段感官評(píng)定(P<0.05)Fig.4　Sensory evaluation of banana maturity stage during the storage (P<0.05)

2.2軟件結(jié)果

隨機(jī)選取試驗(yàn)中的某一幅圖像，如圖5(1)，輸入至Android程序，圖像處理結(jié)果如圖5(2)所示，圖5(3)為在Matlab應(yīng)用相同算法對(duì)圖像處理后的結(jié)果。閾值分割后，白色部分顏色信息作為后續(xù)統(tǒng)計(jì)指標(biāo)，黑色部分則忽略不記。通過(guò)對(duì)比發(fā)現(xiàn)，Android程序可較好地對(duì)樣本圖像進(jìn)行分割，同時(shí)，與Matlab處理結(jié)果相近，說(shuō)明算法的可行性。

圖6(b)～圖6(c)及圖6(e)～圖6(f)顯示出在香蕉鮮果貯存期內(nèi)，G值、B值、S值和亮度數(shù)值波動(dòng)較大，同時(shí)不能反映出各個(gè)成熟階段的數(shù)值特征范圍，故并不適宜作為香蕉成熟階段的判定指標(biāo)。又由圖6(a)和圖6(d)可知，隨著貯藏時(shí)間的延長(zhǎng)，香蕉鮮果表面R值整體呈上升趨勢(shì)，H值整體呈下降趨勢(shì)。其中，在第1階段至第7階段中，R值均平穩(wěn)上升，其中第2～第5階段上升速度較快，進(jìn)入第6階段后R值逐漸放緩進(jìn)入平臺(tái)期，但仍繼續(xù)上升，這與胡孟晗等[5]研究結(jié)果相符合，第8階段開(kāi)始R值有所下降，數(shù)值與第6階段重合。說(shuō)明通過(guò)智能移動(dòng)設(shè)備所提取的香蕉樣品的R值較適于作為香蕉鮮果成熟度第1～第7階段分級(jí)的標(biāo)準(zhǔn)指標(biāo)，但不能獨(dú)立作為香蕉鮮果成熟度全成熟階段的分級(jí)指標(biāo)。H值雖在全成熟階段中數(shù)據(jù)平穩(wěn)下降，但存在數(shù)值間隔不明顯的現(xiàn)象，易導(dǎo)致誤判。

(1)RGB原圖；(2)Android程序閾值分割結(jié)果；(3)Matlab閾值分割結(jié)果圖5　Android程序與Matlab閾值分割結(jié)果比較Fig.5　Comparison between Android program binary image and Matlab binary image

(a)紅色值；(b)藍(lán)色值；(c)綠色值；(d)色調(diào)；(e)飽和度；(f)亮度圖6　貯藏期內(nèi)香蕉鮮果各指標(biāo)隨貯藏時(shí)間變化圖Fig.6　The change of banana surface color indexes during different storage time

圖7　不同香蕉鮮果成熟階段變化圖(P<0.05)Fig.7　The change of in different banana maturity stage

成熟階段Tn-Tn+1-<2.092422.09242.324632.32472.576242.57632.761152.76123.056463.05653.688173.68824.28198>4.2819-

2.3驗(yàn)證

根據(jù)2.2中香蕉鮮果成熟各階段的閾值Tn，賦予檢測(cè)軟件判定標(biāo)準(zhǔn)，并輸入驗(yàn)證組圖像對(duì)檢測(cè)軟件進(jìn)行驗(yàn)證，結(jié)果如表3所示。

表3　基于Android手持設(shè)備香蕉鮮果各成熟階段判定正確率與總分類率

3　討論

3.1檢測(cè)算法

目前應(yīng)用智能移動(dòng)設(shè)備于水果無(wú)損檢測(cè)的案例與研究均較少，市場(chǎng)上架的軟件如FruitChecker、Colorimeter、CatchColor等與水果品質(zhì)相關(guān)檢測(cè)軟件，檢測(cè)準(zhǔn)確率低，不能給出合理的結(jié)果，無(wú)法滿足用戶的需求。

胡孟晗等[5]研究中利用計(jì)算機(jī)軟件提取基于RGB的顏色指標(biāo)與基于灰度共生矩陣的紋理指標(biāo)對(duì)貯藏期內(nèi)1～7成熟階段的香蕉鮮果進(jìn)行描述，然而此算法局限于于傳統(tǒng)計(jì)算機(jī)中使用。MENDOZA等[19]曾利用計(jì)算機(jī)視覺(jué)技術(shù)根據(jù)香蕉上棕色斑點(diǎn)的量來(lái)評(píng)定香蕉鮮果的成熟階段，但經(jīng)過(guò)預(yù)實(shí)驗(yàn)發(fā)現(xiàn)，這種方式對(duì)于有自然損傷及污點(diǎn)的香蕉鮮果會(huì)造成誤判。INTARAVANNE等[20]曾利用手機(jī)提取香蕉鮮果在紫外下的二維光譜方法對(duì)香蕉鮮果的成熟階段進(jìn)行評(píng)估，但該方法對(duì)環(huán)境光照要求高，判定結(jié)果也僅粗略地將香蕉成熟階段分為3類，未列明各成熟階段的正確率及總分類率，不能滿足標(biāo)準(zhǔn)分類的要求。

本研究通過(guò)閾值分割去除背景及表面斑點(diǎn)后再進(jìn)行評(píng)定則避免了因污點(diǎn)對(duì)香蕉成熟階段的誤判，利用了色溫6 500K(標(biāo)準(zhǔn)白色光，對(duì)應(yīng)晴朗白天)條件下的圖像實(shí)現(xiàn)了香蕉成熟階段的分類。然而在算法上依舊存在不足，通過(guò)表3可知，第4及第5階段的正確率較低，根據(jù)8階段分級(jí)方法的表述，以及圖3和圖5的顯著性表現(xiàn)也可發(fā)現(xiàn)這2個(gè)階段的香蕉鮮果區(qū)別較小，而實(shí)際中第4及第5階段的香蕉鮮果均可上架銷售，故未來(lái)對(duì)于第4及第5階段正確率提升可能的方法有兩個(gè)思路，一是將2個(gè)階段合并視為同一成熟階段，二是增加其他分類指標(biāo)的提取，如表面紋理[5,21]、形狀[22]、大小[23]等輔助分類。同時(shí)，采集不同色溫條件下香蕉樣本的數(shù)據(jù)并實(shí)現(xiàn)白平衡校正，使算法可應(yīng)用于更多的光照條件下也是未來(lái)研究的目標(biāo)之一。

此外Android程序目前僅實(shí)現(xiàn)對(duì)單支香蕉果指的成熟階段進(jìn)行分類，然而實(shí)際中多以整把香蕉果蔬的形式銷售，HU等[6]曾利用雙層K-均值聚類算法，對(duì)整把香蕉果蔬進(jìn)行閾值處理，達(dá)到將果梳分割為果指并去除其表面的損傷及斑點(diǎn)的目的，借鑒該方法使利用智能移動(dòng)設(shè)備對(duì)香蕉果蔬的成熟階段進(jìn)行分類成為可能。

3.2平臺(tái)搭建

INTARAVANNE等[20]針對(duì)手持設(shè)備相關(guān)研究提出過(guò)2種視覺(jué)系統(tǒng)布局方案：一是采取較大的箱體作為光照系統(tǒng)主體，其中放置樣品與直管型光源，移動(dòng)設(shè)備則放置于箱體外，屬于傳統(tǒng)的視覺(jué)系統(tǒng)布局，但對(duì)于移動(dòng)設(shè)備來(lái)說(shuō)過(guò)于龐大，不利于移動(dòng)設(shè)備操作；二是將光源以圓型形態(tài)布置于移動(dòng)設(shè)備鏡頭周圍，直接對(duì)樣品進(jìn)行拍攝，但此法所設(shè)計(jì)的光源目前不易獲得，且沒(méi)有構(gòu)造合適的封閉條件隔離外界光源，對(duì)環(huán)境要求較高。本研究為便于智能移動(dòng)設(shè)備的操作結(jié)合現(xiàn)有條件，將2種方案相結(jié)合，縮小光照系統(tǒng)的體積，將直管型光源替換為較小的圓型光源懸掛于箱體頂部開(kāi)孔周圍，移動(dòng)設(shè)備通過(guò)開(kāi)孔對(duì)箱內(nèi)樣品進(jìn)行拍攝。

同時(shí)需要說(shuō)明的是，搭建光照平臺(tái)雖能更為準(zhǔn)確地對(duì)待測(cè)物體進(jìn)行拍照分析，但若實(shí)現(xiàn)在自然光下直接對(duì)食品開(kāi)展無(wú)損檢測(cè)將大大拓展其應(yīng)用價(jià)值。在室外計(jì)算機(jī)視覺(jué)無(wú)損檢測(cè)中，面臨的最大難題是色溫的差異與待測(cè)對(duì)象表面反射的影響，這是由于自然光隨著時(shí)間的改變其色溫亦在改變，同時(shí)光線照射角度與待測(cè)樣本形態(tài)均具有不確定性[24-25]，需要開(kāi)展大量的試驗(yàn)。WANG等[26]曾針對(duì)3種室外光照條件下的660組櫻桃樣本進(jìn)行計(jì)算機(jī)視覺(jué)分析，利用相機(jī)自帶的閃光燈及櫻桃表面綠色值的分布情況減小了室外條件帶來(lái)的影響，總分類率在85%左右，這為本研究未來(lái)算法的改進(jìn)與拓展提供了借鑒。

因此，在下一階段的研究中將通過(guò)獲取不同光照條件下及不同形式的香蕉樣本顏色、紋理、形狀等指標(biāo)數(shù)據(jù)，聯(lián)合化學(xué)指標(biāo)，利用移動(dòng)智能設(shè)備自帶閃光燈及色溫校正算法對(duì)香蕉的品質(zhì)進(jìn)一步分析分類，擴(kuò)大智能移動(dòng)設(shè)備開(kāi)展無(wú)損檢測(cè)工作的應(yīng)用范圍。

4　結(jié)論

利用搭載Android操作系統(tǒng)且具有后置攝像頭的智能手機(jī)，通過(guò)開(kāi)發(fā)相應(yīng)檢測(cè)程序，可替代計(jì)算機(jī)，完成對(duì)貯藏期內(nèi)第1～8成熟階段的香蕉鮮果進(jìn)行圖像獲取、預(yù)處理以及顏色指標(biāo)的提取。

優(yōu)選香蕉表面R值與H值相結(jié)合構(gòu)建DRH值，獲取各成熟階段分類閾值Tn作為智能移動(dòng)設(shè)備判定不同香蕉成熟階段的標(biāo)準(zhǔn)。經(jīng)驗(yàn)證，對(duì)特定品種及標(biāo)準(zhǔn)白色光光照條件下的香蕉鮮果各成熟階段檢測(cè)正確率達(dá)80.95%以上，總分類率為87.24%。

[1]董濤, 陳新建, 凡超, 等. 我國(guó)香蕉產(chǎn)業(yè)面臨的主要問(wèn)題與對(duì)策[J]. 廣東農(nóng)業(yè)科學(xué), 2013, 40(11): 220-223.

[2]李玉萍, 方佳. 中國(guó)香蕉產(chǎn)業(yè)現(xiàn)狀與發(fā)展對(duì)策研究[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2008, 24(8): 443-447.

[3]樊剛倫. 香蕉無(wú)傷采收及采后商品處理技術(shù)[J]. 農(nóng)業(yè)與技術(shù), 2012, 32(11): 104-104.

[4]CHENCR,RAMASWAMYHS.Colorandtexturechangekineticsinripeningbananas[J].LWT-FoodScienceandTechnology, 2002, 35(5): 415-419.

[5]胡孟晗, 董慶利, 劉寶林, 等. 基于計(jì)算機(jī)視覺(jué)的香蕉貯藏過(guò)程中顏色和紋理監(jiān)測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013, 44(8): 180-184.

[6]HUMH,DONGQL,LIUBL,etal.ThepotentialofdoubleK-meansclusteringforbananaimagesegmentation[J].JournalofFoodProcessEngineering, 2014, 37(1):10-18.

[7]工信部. 移動(dòng)互聯(lián)網(wǎng)白皮書(shū)[R]. 北京. 2013.

[8]ZHUF,BOSCHM,WOOI,etal.Theuseofmobiledevicesinaidingdietaryassessmentandevaluation[J].SelectedTopicsinSignalProcessing, 2010, 4(4):756-766.

[9]CATHALG,FRANKH,WOLFGANGH,etal.LectureNotesinComputerScience[M].Dublin:SpringerInternationalPublishing,2014:369-373.

[10]OLIVEIRAL,COSTAV,NEVESG,etal.Amobile,lightweight,poll-basedfoodidentificationsystem[J].PatternRecognition, 2014, 47(5):1 941-1 952.

[11]IQBALZ,ERIKSSONM.Classificationandquantitativeopticalanalysisofliquidandsolidsamplesusingamobilephoneasilluminationsourceanddetector[J].Sensors&ActuatorsBChemical, 2013, 185(8):354-362.

[12]MESAS-CARRASCOSAFJ,CASTILLEJO-GONZLEZIL,ORDENMSDL,etal.Real-timemobilephoneapplicationtosupportlandpolicy[J].Computers&ElectronicsinAgriculture, 2012, 85(5):109-111.

[13]謝勤嵐. 圖像降噪的自適應(yīng)高斯平滑濾波器[J]. 計(jì)算機(jī)工程與應(yīng)用, 2009, 45(16): 182-184.

[14]石銳, 陳中秋, 劉晶淼. 基于高斯加權(quán)和流形的高保真彩色圖像降噪[J]. 計(jì)算機(jī)應(yīng)用, 2013, 33(9):2 588-2 591.

[15]OTSUN,OHTSUN.Athresholdselectionmethodfromgray-levelhistograms[J].IEEETransactionsonSystemsManandCybernetics, 1979, 9(1): 62-66.

[16]齊麗娜, 張博, 王戰(zhàn)凱. 最大類間方差法在圖像處理中的應(yīng)用[J]. 無(wú)線電工程, 2006, 36(7): 25-26, 44.

[17]沈春裕. 自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D]. 杭州：浙江工業(yè)大學(xué), 2012.

[18]VONLOESECKEHW.Bananas.Chemistry,Physiology,Technology[M].IntersciencePublishers, 1950.

[19]MENDOZAF,AGUILERAJM.Applicationofimageanalysisforclassificationofripeningbananas[J].JournalofFoodScience, 2004, 69(9):E471-E477.

[20]INTARAVANNEY,SUMRIDDETCHKAJORNS,NUKEAWJ.Cellphone-basedtwo-dimensionalspectralanalysisforbananaripenessestimation[J].SensorsandActuatorsB:Chemical, 2012，168(7): 390-394.

[21]胡孟晗, 董慶利, 劉陽(yáng)泰,等. 基于計(jì)算機(jī)視覺(jué)鑒別肉松與肉粉松[J]. 食品與發(fā)酵工業(yè), 2013, 39(4): 180-185.

[22]胡孟晗, 董慶利, 劉寶林,等. 基于橢圓傅里葉描述子的香蕉形狀識(shí)別[J]. 浙江農(nóng)業(yè)學(xué)報(bào), 2014, 26(1): 200-205.

[23]HUM,DONGQ,MALAKARPK,etal.Determiningbananasizebasedoncomputervision[J].InternationalJournalofFoodProperties, 2015,18(3)：508-520.

[24]VIBHUTEA,BODHESK.Colorcharacterizationofimagesinoutdoorillumination[C].EmergingTrendsinComputing,CommunicationandNanotechnology(ICE-CCN), 2013InternationalConferenceon.IEEE, 2013:319-321.

[25]HARONN,HALIMZA,SALEHJM,etal.WhiteLEDilluminationforimprovingoutdoorimageanalysisforpalmoilfruitripenessdetection[C].AdvancedComputerScienceandInformationSystems(ICACSIS), 2012InternationalConferenceon.IEEE, 2012:95-99.

[26]WANGQ,WANGH,XIEL,etal.Outdoorcolorratingofsweetcherriesusingcomputervision[J].ComputersandElectronicsinAgriculture, 2012, 87(3):113-120.

PotentialofimageanalysisfordeterminingbananamaturitystagebyAndroidmobilephone

LIUYang-tai，DONGQing-li*，QINZhi-xuan，LIUYang，F(xiàn)ANXin-yi,HUMeng-han,LIUBao-lin

(SchoolofMedicalInstrumentandFoodEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

Inthisresearch,anovelmethodfordiscriminatingbananamaturitystageusingasmartmobilebyanAndroidoperatingsystemwasdeveloped.AnAndroidbasedsoftware,suitableformobileterminalsusingAndroidversion1.6orhigher,wasusedforimageacquisitionandimageprocessing.ThisAndroidsoftwarewascompiledbyusingJavaDevelopmentKit7.0,Eclipse4.2,AndroidDevelopmentTools20.0.0andNativeDevelopmentKit.Bananasamplesofdifferentmaturitystagescontent(fromthefirsttotheeighthstage)wereusedfortestingundertheilluminationof6500Kcolortemperatureinthisnovelapproach.Thechangeofthebananas’surfaceRGB/HSVvalueswereobtaineddailyduringthestorage.ResultsdemonstratedthatthecombinationoftheRandHvaluescouldachievetotalclassificationaccuracyof87.24%.Hence,thisnovelmethodofusingasmartmobilecanfastdetectthebananamaturityatsaleplace.

banana;computervision;smartmobileterminal;huevalue;maturitystages

10.13995/j.cnki.11-1802/ts.201601039

碩士研究生(董慶利副教授為通信作者，E-mail：dongqingli@126.com)。

國(guó)家自然科學(xué)基金項(xiàng)目(No.31271896); 上海市科委長(zhǎng)三角科技聯(lián)合攻關(guān)領(lǐng)域項(xiàng)目(No.15395810900); 上海市科委重點(diǎn)支撐項(xiàng)目(No.13430502400); 上海“大學(xué)生創(chuàng)新活動(dòng)計(jì)劃”(No.SH2013128)資助

2015-07-01，改回日期：2015-07-28