基于圖像處理的雙孢蘑菇分級(jí)方法研究

盧丹，王麗麗，鄭紀(jì)業(yè)，陳振學(xué)，林英杰，王風(fēng)云

(1. 山東大學(xué)控制科學(xué)與工程學(xué)院，山東 濟(jì)南 250061；2. 山東省農(nóng)業(yè)科學(xué)院科技信息研究所，山東 濟(jì)南 250100；3.昌樂縣農(nóng)業(yè)局，山東 昌樂 262400)

基于圖像處理的雙孢蘑菇分級(jí)方法研究

盧丹1，王麗麗2，鄭紀(jì)業(yè)2，陳振學(xué)1，林英杰3，王風(fēng)云2

(1. 山東大學(xué)控制科學(xué)與工程學(xué)院，山東 濟(jì)南 250061；2. 山東省農(nóng)業(yè)科學(xué)院科技信息研究所，山東 濟(jì)南 250100；3.昌樂縣農(nóng)業(yè)局，山東 昌樂 262400)

為提高工廠化生產(chǎn)雙孢蘑菇的精選分級(jí)效率，本研究提出了基于圖像處理的方法實(shí)現(xiàn)對(duì)新鮮雙孢蘑菇的自動(dòng)化分級(jí)。圖像采集時(shí)陰影的存在和雙孢蘑菇柄部是影響測(cè)量最大直徑的重要因素，本研究首先結(jié)合全局閾值分割法與尋找最大熵閾值分割法進(jìn)行第一次分水嶺算法去除陰影部分，然后使用Canny算子、開閉運(yùn)算、膨脹腐蝕等進(jìn)行第二次分水嶺算法去除柄部干擾，經(jīng)試驗(yàn)驗(yàn)證，該方法分級(jí)效果較好。

雙孢蘑菇；圖像處理；自動(dòng)分級(jí)；最大熵閾值分割法；分水嶺算法

雙孢蘑菇，又稱口蘑、白蘑菇、洋蘑菇等，因其顏色潔白、味道鮮美、質(zhì)地厚實(shí)，成為世界上栽培區(qū)域最廣泛、生產(chǎn)量最大的食用菌品種。目前，雙孢蘑菇已經(jīng)實(shí)現(xiàn)了工廠化生產(chǎn)，規(guī)模較大的工廠日產(chǎn)量可達(dá)上百噸。但是，目前國(guó)內(nèi)雙孢蘑菇的品質(zhì)分級(jí)仍主要依賴人工進(jìn)行，而人長(zhǎng)時(shí)間用眼所造成的疲勞以及情緒不穩(wěn)定等都會(huì)造成分級(jí)誤差的波動(dòng)，并且人工分級(jí)存在著勞動(dòng)量大、生產(chǎn)效率低、分級(jí)標(biāo)準(zhǔn)難統(tǒng)一、分級(jí)精度不穩(wěn)定等缺點(diǎn)，因此，建立雙孢蘑菇的智能化精選分級(jí)系統(tǒng)對(duì)于實(shí)現(xiàn)其高效生產(chǎn)具有重要的現(xiàn)實(shí)意義。

目前，基于圖像的智能化分級(jí)系統(tǒng)在水果上應(yīng)用較多。胡濤[1]通過采用圖像形態(tài)學(xué)方法對(duì)蘋果的果梗位置進(jìn)行判別并進(jìn)行邊緣檢測(cè)，提高了蘋果最大直徑的檢測(cè)精度。譚博等[4]使用背景去除及灰度化、二值化和沿過質(zhì)心的垂直軸線進(jìn)行輪廓寬度檢測(cè)的方法進(jìn)行蜜柑的分級(jí)，達(dá)到了96.25%的準(zhǔn)確率。張發(fā)軍等[5]結(jié)合使用可翻轉(zhuǎn)的琴鍵式傳送帶和圖像處理方法實(shí)現(xiàn)臍橙輪廓的提取，并通過計(jì)算面積和周長(zhǎng)進(jìn)而計(jì)算圓度對(duì)臍橙實(shí)現(xiàn)自動(dòng)分級(jí)。胡靜等[6]提出了一種基于多分類器融合的水果自動(dòng)分級(jí)系統(tǒng)，并對(duì)BP網(wǎng)絡(luò)、徑向基網(wǎng)絡(luò)、競(jìng)爭(zhēng)型網(wǎng)絡(luò)、多分類器融合四種方法進(jìn)行試驗(yàn)對(duì)比，其中徑向基網(wǎng)絡(luò)達(dá)到了100%的識(shí)別率。Nandi等[7]提出了一種基于模糊算法的水果分級(jí)方法，并將此方法在芒果分級(jí)中加以應(yīng)用，取得了不錯(cuò)的效果。Afrisal等[8]提出先將采集到的圖像的感興趣區(qū)域提取出來，再將圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間，對(duì)ROI-HSV進(jìn)行特征提取，根據(jù)提取到的特征進(jìn)行水果分級(jí)，結(jié)果表明該方法對(duì)顏色和大小的判斷較為有效。另外，陳建軍[2]采用圖像分割、圖像增強(qiáng)作為預(yù)處理，使用人工神經(jīng)網(wǎng)絡(luò)作為分類器，實(shí)現(xiàn)了馬鈴薯的大小分級(jí)、形狀分級(jí)、發(fā)芽檢測(cè)、畸形檢測(cè)；文友先等[3]應(yīng)用機(jī)器視覺技術(shù)制作的鴨蛋大小及蛋心顏色自動(dòng)分級(jí)系統(tǒng)，大小分級(jí)誤差±3 g，顏色分級(jí)準(zhǔn)確度達(dá)90%以上，分級(jí)效果良好。但有關(guān)雙孢蘑菇智能化分級(jí)的研究尚未見報(bào)道。

本研究基于圖像處理的方法，首先結(jié)合全局閾值分割法與尋找最大熵閾值分割法進(jìn)行第一次分水嶺算法去除陰影部分，然后使用Canny算子、開閉運(yùn)算、膨脹腐蝕等進(jìn)行第二次分水嶺算法去除柄部干擾，很好地克服了圖像采集時(shí)陰影的存在和雙孢蘑菇柄部對(duì)最大直徑的影響，取得了良好的效果。

1 系統(tǒng)構(gòu)成與工作流程

雙孢蘑菇自動(dòng)實(shí)時(shí)分級(jí)系統(tǒng)主要采用計(jì)算機(jī)控制系統(tǒng)和光電觸發(fā)相結(jié)合的控制架構(gòu)。由計(jì)算機(jī)組成的控制臺(tái)進(jìn)行圖像采集、處理與分析，由光電傳感器接受來自傳送帶的觸發(fā)信號(hào)，進(jìn)行拍照，圖像保存至計(jì)算機(jī)，通過程序分析，得出雙孢蘑菇的分級(jí)結(jié)論，并發(fā)送控制信號(hào)至分級(jí)執(zhí)行機(jī)構(gòu)進(jìn)行邏輯控制，系統(tǒng)工作流程框圖如圖1所示。

系統(tǒng)整體處理步驟：

(1) 雙孢蘑菇動(dòng)態(tài)圖像的采集。盡可能使雙孢蘑菇不重疊輸送，合理控制電機(jī)轉(zhuǎn)速及圖像采集觸發(fā)延時(shí)，以確?？焖俜€(wěn)定地采集圖像。

圖1 雙孢蘑菇自動(dòng)實(shí)時(shí)分級(jí)系統(tǒng)工作流程

(2) 雙孢蘑菇菌蓋尺寸的檢測(cè)。包括圖像預(yù)處理，圖像特征提取，圖像標(biāo)定等。

(3) 分級(jí)處理。根據(jù)行業(yè)標(biāo)準(zhǔn)，利用圖像分析法，將雙孢蘑菇根據(jù)最大直徑進(jìn)行分級(jí)。

2 圖像采集及處理

2.1圖像采集

雙孢蘑菇圖像信息的采集是智能化精選分級(jí)的基礎(chǔ)，本研究所用的圖像采集系統(tǒng)具有快速實(shí)時(shí)采集的特點(diǎn)，能確保在線檢測(cè)的順利進(jìn)行。圖像采集裝置主要包括線陣工業(yè)相機(jī)、圖像采集卡、光源、光電傳感器、傳送帶等。它必須滿足：光照均勻，避免產(chǎn)生高光區(qū)和暗淡區(qū)；設(shè)置背景一致，且背景需滿足后期圖像處理的要求。

2.2圖像預(yù)處理

2.2.1 圖像感興趣區(qū)域的提取 在圖像采集過程中經(jīng)常會(huì)出現(xiàn)將傳送帶邊緣拍攝進(jìn)圖片的情況，為方便后續(xù)處理，提高圖像處理速度，需要對(duì)采集到的圖像進(jìn)行感興趣區(qū)域的提取，即將雙孢蘑菇所在小片區(qū)域從整幅圖像中分離出來，使后續(xù)的圖像處理只在這部分起作用[9]。其步驟如下：

(1) 讀入圖像并灰度化，使用較大閾值進(jìn)行二值化處理，得到二值圖像；

(2) 對(duì)二值圖像進(jìn)行輪廓的提取，并設(shè)置輪廓的最大周長(zhǎng)和最小周長(zhǎng)用來排除其他物體(這里主要是雙孢蘑菇上所掉落的碎片和傳送帶)的干擾，初步得到大致的雙孢蘑菇輪廓圖像；

(3) 對(duì)獲得的雙孢蘑菇大致輪廓做垂直邊界最小矩形，該矩形與圖像上下邊界平行，矩形內(nèi)的區(qū)域就是要在原圖中提取的感興趣區(qū)域。

2.2.2 圖像邊緣檢測(cè)和輪廓提取 為實(shí)現(xiàn)在不同光照條件下對(duì)不同雙孢蘑菇進(jìn)行快速準(zhǔn)確的邊緣檢測(cè)和輪廓提取，并實(shí)現(xiàn)陰影和菇柄部的去除，比較分析了七種閾值分割方法的分割效果(圖2)。由圖2(b)可看出，基本全局閾值法對(duì)菌蓋部分的分割殘缺較多，柄部去除不徹底；由圖2(c)可看出迭代法不能去除陰影和柄部；由圖2(d)可看出OTSU分割法對(duì)菌蓋的分割不完整，柄部去除不徹底；由圖2(e)可看出自適應(yīng)閾值分割法得到的結(jié)果近似邊緣提取，但存在較多噪點(diǎn)和不連續(xù)部分，且沒有去除柄部；圖2(f)可以看出上下閾值分割法能夠去除部分陰影，但對(duì)柄部的去除效果不大；由圖2(g)可看出手動(dòng)設(shè)置閾值的方法分割效果不佳，且不能滿足對(duì)不同光照的自適應(yīng)；由圖2(h)可看出最大熵閾值分割法保留了陰影和柄部。

(a)原圖；(b)基本全局閾值分割效果圖；(c)迭代法閾值分割效果圖；(d)OTSU分割法效果圖；(e)自適應(yīng)閾值分割法效果圖；(f)上下閾值分割法效果圖；(g)手動(dòng)設(shè)置閾值為71時(shí)所得效果圖；(h)最大熵閾值分割法效果圖

圖2七種閾值分割方法的分割效果比較

綜上所述，單獨(dú)使用這七種閾值分割法都不能在很好地保留菌蓋的同時(shí)去除陰影和柄部的干擾，其中，菇柄部是影響最大直徑檢測(cè)的主要因素。因此，本研究嘗試使用分水嶺算法[10]實(shí)現(xiàn)雙孢蘑菇圖像的分割。分水嶺算法是一種基于區(qū)域的圖像分割算法，它的基本思想：把圖像看作是測(cè)地學(xué)上的拓?fù)涞孛?，圖像中每一像素的灰度值表示該點(diǎn)的海拔高度，每個(gè)局部極小值及其影響區(qū)域稱為集水盆地，而集水盆地的邊界則形成分水嶺。分水嶺算法常用于快速將圖像分割成多個(gè)同質(zhì)區(qū)域，同質(zhì)區(qū)域相當(dāng)于陡峭的邊緣內(nèi)相對(duì)平坦的盆地。但是，傳統(tǒng)的分水嶺算法會(huì)因?yàn)檩斎氲膱D像存在過多的極小區(qū)域而產(chǎn)生許多小的集水盆地，從而導(dǎo)致圖像過分分割，使得分割后的圖像與期望相差甚遠(yuǎn)?；诖?，本研究使用OpenCV的改進(jìn)版本實(shí)現(xiàn)分水嶺算法：首先利用基本全局閾值法分割確定圖像的一部分前景像素，利用尋找最大熵閾值分割法分割確定一部分背景像素，并對(duì)確定的前景像素和背景像素進(jìn)行標(biāo)記，再利用兩次分水嶺算法根據(jù)已標(biāo)記的像素去識(shí)別其他像素所屬區(qū)域，從而將雙孢蘑菇從整體圖像中分割出來，實(shí)現(xiàn)雙孢蘑菇圖像輪廓的檢測(cè)與提取。其整體設(shè)計(jì)思路如圖3所示。

根據(jù)圖3所示整體設(shè)計(jì)思路進(jìn)行實(shí)驗(yàn)，得到每一步的處理效果圖(圖4)。具體處理步驟如下：采集的雙孢蘑菇原圖如圖4(a)列所示；首先利用基本全局閾值法和尋找最大熵閾值分割法分別獲得一部分確定的前景像素和背景像素并標(biāo)記，所得圖像如圖4(b)列所示；然后經(jīng)第一次分水嶺算法處理后得到如圖4(c)列所示圖像?？梢钥闯?，結(jié)合使用基本全局閾值分割法標(biāo)記前景、最大熵閾值分割法標(biāo)記背景進(jìn)行分水嶺算法的圖像分割效果要明顯好于單一使用閾值分割法，不僅可以將雙孢蘑菇完整地分割出來，還可以去除由于光照不均勻?qū)е碌年幱?。但由于雙孢蘑菇柄部的存在，其最大直徑的檢測(cè)存在較大困難，因此，進(jìn)行第二次分水嶺算法處理以去除雙孢蘑菇的柄部：將第一次分水嶺算法處理后獲得的背景標(biāo)記為第二次分水嶺的背景；使用Canny算子對(duì)原圖進(jìn)行輪廓提取(這里Canny的上下閾值分別是基本全局閾值和最大熵閾值)，得到的結(jié)果與第一次分水嶺算法處理后得到的前景進(jìn)行“或”操作，并進(jìn)行多次閉運(yùn)算，得到的結(jié)果圖標(biāo)記為第二次分水嶺的前景，第二次分水嶺前的標(biāo)記圖如圖4(d)列所示；然后進(jìn)行第二次分水嶺算法處理，就可得到去除雙孢蘑菇柄部的結(jié)果圖，如圖4(e)列所示；最終的處理效果如圖4(f)列所示。

圖3 雙孢蘑菇輪廓提取整體設(shè)計(jì)思路

(a)列為由線陣相機(jī)采集到的原始圖像；(b)列為進(jìn)行第一次分水嶺之前的標(biāo)記圖，白色表示前景，灰色表示背景，黑色表示未確定部分；(c)列為第一次分水嶺之后的效果圖；(d)列表示進(jìn)行第二次分水嶺之前的標(biāo)記圖；(e)列為第二次分水嶺后的效果圖；(f)列為檢測(cè)的最終結(jié)果，通過計(jì)算矩形較長(zhǎng)邊確定最大直徑范圍

圖4兩次分水嶺算法處理效果

但在光照很強(qiáng)的情況下，由于反光等因素可能會(huì)導(dǎo)致雙孢蘑菇內(nèi)部有些部分亮度較大，使用分水嶺算法可能會(huì)產(chǎn)生多個(gè)輪廓，若仍使用二次分水嶺法則可能得到如圖5(f)所示的無效圖像，說明二次分水嶺算法對(duì)光照很強(qiáng)存在反光的情況并不適用。在這種情況下，可以使用多次膨脹腐蝕的方法最終得到一個(gè)外輪廓的清晰分割結(jié)果，如圖5(d)所示。

2.3最大直徑檢測(cè)

雙孢蘑菇圖像輪廓提取后采用最小外接矩形法 (minimum bounding rectangle，MBR)進(jìn)行最大直徑的檢測(cè)。

最小外接矩形法是要找到包裹目標(biāo)圖像的面積最小的矩形，一般先使用格雷厄姆法求解目標(biāo)圖像的凸殼，再使用旋轉(zhuǎn)或投影的方法求取最小面積矩形。本試驗(yàn)利用該法得到的雙孢蘑菇圖像的最小面積矩形，如圖4(f)列和圖5(a)所示。最小外接矩形較長(zhǎng)的邊長(zhǎng)，即為所要求的直徑。

(a) 一次分水嶺之后使用膨脹腐蝕得到的最后處理效果圖；(b)第一次分水嶺之前的標(biāo)記圖；(c)第一次分水嶺處理后的效果圖；(d)膨脹腐蝕之后提取的輪廓圖；(e)使用二次分水嶺之前的標(biāo)記圖；(f)二次分水嶺之后的效果圖

圖5一次分水嶺之后使用膨脹腐蝕與二次分水嶺法效果對(duì)比

2.4圖像標(biāo)定

由于提取特征值后得到的直徑值是像素坐標(biāo)下的值，需要對(duì)像素坐標(biāo)和實(shí)際坐標(biāo)進(jìn)行轉(zhuǎn)換。具體方法為：用水平放置的刻度尺作為參考，在刻度尺的兩處做好標(biāo)記，記錄兩標(biāo)記點(diǎn)間的實(shí)際坐標(biāo)差；然后多次檢測(cè)兩標(biāo)記點(diǎn)間的像素坐標(biāo)差，利用公式(1)求得像素坐標(biāo)和實(shí)際坐標(biāo)間的比例：

(1)

其中，α為單位長(zhǎng)度內(nèi)的像素?cái)?shù)，X1表示左標(biāo)記點(diǎn)的像素坐標(biāo)，X2表示右標(biāo)記點(diǎn)的像素坐標(biāo)，L表示刻度尺上兩標(biāo)記點(diǎn)間的實(shí)際距離。利用已獲得的像素坐標(biāo)下的直徑值除以α，即可得到雙孢蘑菇的實(shí)際直徑值。

3 自動(dòng)分級(jí)

根據(jù)我國(guó)農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)NY/T 1790-2009，基于菌蓋直徑將雙孢蘑菇分為三種規(guī)格，分級(jí)標(biāo)準(zhǔn)見表1。結(jié)合此標(biāo)準(zhǔn)及上述圖像處理所得的雙孢蘑菇最大直徑，由計(jì)算機(jī)將分級(jí)命令傳達(dá)給繼電器模塊，再由執(zhí)行機(jī)構(gòu)帶動(dòng)撥片將各規(guī)格雙孢蘑菇撥向正確的容器。

表1 新鮮白色雙孢蘑菇規(guī)格 (cm)

4 驗(yàn)證試驗(yàn)

隨機(jī)選取20張雙孢蘑菇圖像進(jìn)行驗(yàn)證試驗(yàn)，通過圖像標(biāo)定系數(shù)轉(zhuǎn)換為單位為mm的實(shí)驗(yàn)值，使用游標(biāo)卡尺測(cè)量最大直徑作為實(shí)際值，根據(jù)公式(2)計(jì)算兩者間的誤差值，結(jié)果(表2)顯示，在隨機(jī)檢測(cè)的20個(gè)雙孢蘑菇中，測(cè)量的最大誤差為4.3517%，最小誤差為0.0707%，平均誤差為1.6354%，表明本方法對(duì)雙孢蘑菇最大直徑的測(cè)量有較好的效果。最大直徑檢測(cè)結(jié)果的準(zhǔn)確度直接決定著雙孢蘑菇分級(jí)結(jié)果的準(zhǔn)確性，因此，本方法在雙孢蘑菇實(shí)時(shí)自動(dòng)分級(jí)系統(tǒng)中的應(yīng)用效果較好。

(2)

表2最大直徑實(shí)際測(cè)量結(jié)果與試驗(yàn)結(jié)果對(duì)比

編號(hào)實(shí)際值(mm)實(shí)驗(yàn)值(mm)誤差(%)編號(hào)實(shí)際值(mm)實(shí)驗(yàn)值(mm)誤差(%)139.3539.000.88951146.3545.302.2654247.8548.621.60921240.1039.581.2968346.8547.651.70761343.9044.721.8679450.6050.190.81031444.2544.300.1130547.7046.462.59961542.0041.291.6905633.5534.462.71241642.4542.420.0707735.6035.500.28091743.7544.611.9657844.3542.424.35171839.4538.961.2421947.7547.191.17281938.8039.371.46911052.7553.651.70622041.9040.692.8878

5 小結(jié)

在雙孢蘑菇實(shí)時(shí)圖像處理中，采用本研究提出的兩次分水嶺法能夠較好地去除雙孢蘑菇圖像中陰影及柄部的影響，但對(duì)于部分與菌蓋顏色差別不大的柄部處理并不徹底，這是導(dǎo)致誤差存在的因素之一。如何更好地去除雙孢蘑菇的柄部，并完整地提取菌蓋，仍需進(jìn)一步研究。

[1] 胡濤.圖像形態(tài)學(xué)在蘋果自動(dòng)分級(jí)視覺信息處理中的應(yīng)用——以果梗判別與邊緣檢測(cè)為例[J].安徽農(nóng)業(yè)科學(xué), 2007, 35(6): 1866-1867.

[2] 陳建軍.馬鈴薯品質(zhì)自動(dòng)分級(jí)機(jī)械化系統(tǒng)的設(shè)計(jì)[J]. 農(nóng)業(yè)技術(shù)與裝備, 2011(12): 4-5.

[3] 文友先，王巧華，陳小偉，等.鴨蛋大小及蛋心顏色自動(dòng)分級(jí)系統(tǒng)軟件研制[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào), 2001, 20(4):395-399.

[4] 譚博, 唐少先.基于圖像處理的蜜柑大小自動(dòng)分級(jí)方法[J]. 湖南農(nóng)機(jī)(學(xué)術(shù)版), 2012,39(5): 207-209.

[5] 張發(fā)軍，雷祎，朱鑫，等.基于圖像原理臍橙分揀技術(shù)裝置設(shè)計(jì)的研究[J]. 現(xiàn)代機(jī)械, 2014(1):57-60.

[6] 胡靜，郭新，何浩甲，等.基于多分類器融合的水果自動(dòng)分級(jí)系統(tǒng)[J]. 上海電機(jī)學(xué)院學(xué)報(bào), 2012, 15(3): 163-166.

[7] Nandi C S, Tudu B,Koley C. Machine vision based automatic fruit grading system using fuzzy algorithm [C]//2014 International Conference on Control, Instrumentation, Energy & Communication(CIEC), 2014: 26-30.

[8] Afrisal Hadha, Muhammad Faris, Guntur Utomo P, et al. Portable smart sorting and grading machine for fruits using computer vision [C]//2013 International Conference on Computer, Control, Informatics and Its Applications, 2013: 71-75.

[9] Takeshi Hagisawa, Masashi Todat,Teruyasu Sakoil, et al. Image analysis method for grading raw shiitake mushrooms [C]//The 19th Korea-Japan Joint Workshop on Frontiers of Computer Vision, 2013: 46-52.

[10] 馬麗紅, 張宇, 鄧健平.基于形態(tài)開閉濾波二值標(biāo)記和紋理特征合并的分水嶺算法[J].中國(guó)圖像圖形學(xué)報(bào), 2003,8 (1): 80-86.

ClassificationMethodResearchofAgaricusbisporusBasedonImageProcessing

Lu Dan1, Wang Lili2, Zheng Jiye2, Chen Zhenxue1, Lin Yingjie3，Wang Fengyun2

(1.ControlScienceandEngineeringSchool,ShandongUniversity,Jinan250061,China;2.S&TInformationResearchCenter,ShandongAcademyofAgriculturalSciences,Jinan250100,China；3.ChangleCountyAgriculturalBureau，Changle262400，China)

The freshAgaricusbisporuswere automatic classified using the method based on image processing to improve the selection grading efficiency in industrialized production. The shadow existing in the process of image acquisition and the mushroom stalk were the important factors affecting the measurement of the maximum diameter. Firstly, the shadow part was removed by the first time watershed algorithm combining with the global threshold segmentation method and maximum entropy threshold segmentation method. Then the stalk interference was removed by the second watershed algorithm method using Canny operator, opening and closing operation and corrosion expansion. The verification results showed that the method had a good classification effect.

Agaricusbisporus; Image processing; Automatic classification; Maximum entropy threshold segmentation; Watershed algorithm

S646.1+1

A

1001-4942(2017)10-0126-05

10.14083/j.issn.1001-4942.2017.10.027

2017-05-11

山東省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目“雙孢蘑菇智能精選分級(jí)系統(tǒng)研發(fā)”(2016GNC110008)；山東省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)科技創(chuàng)新工程項(xiàng)目“精準(zhǔn)農(nóng)業(yè)關(guān)鍵技術(shù)研究”(CXGC2017B04)

盧丹(1994—)，女，山東濱州人，碩士研究生，研究方向?yàn)閳D像處理與模式識(shí)別。E-mail：2595684373@qq.com

王風(fēng)云(1974—)，女，山東肥城人，碩士，副研究員，主要從事精準(zhǔn)農(nóng)業(yè)研究。E-mail:wfylily@163.com