基于機器視覺的糧食外觀品質(zhì)檢測系統(tǒng)研究

苗馳+王吉豪+陳奎

摘要：糧食外觀品質(zhì)檢測對提高我國糧食的市場競爭力具有重要意義。文章提出一種基于機器視覺與機器學習的方法對糧食外觀進行品質(zhì)檢測與評級，并設計和開發(fā)了一種適合糧食外觀品質(zhì)抽檢的裝置。機器視覺部分采用NI-Vision實現(xiàn)相機自動控制、圖像預處理、品種識別及形態(tài)學分析，涉及顏色、幾何形態(tài)兩個特征參數(shù)。機器學習部分采用邏輯回歸對人工分揀樣本進行監(jiān)督學習，并將模型參數(shù)導入LabVIEW應用程序。LabVIEW應用程序采用狀態(tài)機方式實現(xiàn)人機交互、數(shù)據(jù)報表及自動檢測等功能。系統(tǒng)實測表明，對外觀品質(zhì)檢測準確率>90%、糧食品種添加正常、報表清晰。

關鍵詞：糧食外觀檢測；機器視覺；BP神經(jīng)網(wǎng)絡；虛擬儀器

糧食夕卜觀品質(zhì)檢測有利于從源頭上把控糧食安全風險，讓老百姓吃上安全糧、放心糧，有助于提高我國的農(nóng)業(yè)科技化水平，更好地把控食品安全風險，提高糧食的合格率，提升我國在國際糧食市場上的競爭能力。采用無損的基于視覺技術的外觀檢測是技術發(fā)展的方向之一。

本文基于美國國家儀器（National Instruments，NI）有限公司的LabVIEW及其視覺助手Vision Assistant，以被檢糧食顆粒的外觀及幾何參數(shù)為特征量，通過有監(jiān)督的機器學習的方法對大量統(tǒng)計特征量進行訓練、分類及評級，最后以報表形式輸出。

1相關技術與系統(tǒng)概述

1.1機器視覺與NI-Vision

機器視覺是隨著工業(yè)自動化的發(fā)展而逐漸完善和發(fā)展的應用系統(tǒng)，機器視覺檢測技術，依賴成像技術、計算機技術與圖像處理算法，同時涉及運動控制技術、人工智能等多領域技術[1]。NI視覺助手（NI-VisionAssistant）擁有集成了400多個圖像處理的函數(shù)庫，可以完成幾乎所有機器視覺所能完成的功能，該工具包還可以配合LabVIEW和其他工具包完成大型程序的設計

1.2機器學習

機器學習是人工智能的一個分支，其研究的目標是構建一個能夠從數(shù)據(jù)中自主學習出一定的規(guī)律（或模式）并將此規(guī)律應用于后續(xù)數(shù)據(jù)處理的系統(tǒng)。作為一個基礎性的學科分支，機器學習在許多領域有著重要的應用，例如生物信息學、人工智能、航空航天、現(xiàn)代醫(yī)學等[3]。

1.3虛擬儀器與LabVIEW

LabVIEW是一種圖形化的編程環(huán)境，通過驅動相應的硬件，實現(xiàn)傳統(tǒng)儀器所具有的功能[4]。由于通過LabVIEW配合USB相機能夠快速地采集圖像，并對圖像進行處理，所以本文程序全部采用LabVIEW，主要包括圖像采集控制模塊、圖像預處理模塊、圖像數(shù)據(jù)分析處理模塊，還有人機界面、報表輸出、文件記錄等功能模塊[5]。

1.4系統(tǒng)組成和功能

系統(tǒng)基于機器視覺與LabVIEW虛擬儀器架構，旨在實現(xiàn)糧食外觀檢測與外觀品質(zhì)判定，主要包括300M像素CCD工業(yè)相機、6?12mm1/2-1：1.6手動調(diào)焦鏡頭、LED補光燈、檢測臺、相機支架和PC端LabVIEW應用程序。其實物如圖1所示。

軟件采用狀態(tài)機方式實現(xiàn)程序框架，狀態(tài)機流程如圖2所示，包括用戶登錄、初始化參數(shù)、品種檢測、視覺參數(shù)設置、外觀參數(shù)檢測、訓練數(shù)據(jù)保存、文件與報表等主要狀態(tài)。

圖像處理、形態(tài)學分析由VisionAssistant設計、驗證并生成LabVIEW子VI放置在狀態(tài)機主程序。

系統(tǒng)主要功能：用戶登錄、糧食品種檢測、外觀檢測、外觀品質(zhì)判定、文件及報表生成，系統(tǒng)主界面如圖3所示。

2系統(tǒng)功能實現(xiàn)

系統(tǒng)主要括用戶登錄、圖像處理、品種識別、外觀檢測、生成檢測報告、離線邏輯回歸訓練等主要功能和過程。2.1用戶登錄用戶登錄實現(xiàn)對用戶名、密碼等進行驗證登錄，確保測試人員的合法性及用戶數(shù)據(jù)的隱私性與安全性。用戶數(shù)據(jù)保存在文件中，系統(tǒng)讀取文件并對輸入數(shù)據(jù)進行比對驗證。

2.2糧食種類判別

種類判別實現(xiàn)待檢作物的品種判定，其特征量為作物的顏色特征、幾何特征。種類判別可實現(xiàn)自動檢測，更為后續(xù)外觀檢測過程中的光學參數(shù)設定、圖像處理環(huán)節(jié)參數(shù)的選擇提供靈活的依據(jù)[6-7]。因為不同種類糧食外觀檢測與形態(tài)學分析過程中，不同的品種糧食對光學參數(shù)、圖像處理參數(shù)有細微的區(qū)別，這些參數(shù)的優(yōu)化由Vision Assistant人工完成并通過參數(shù)簇數(shù)組的保存與使用種類判別具體的實現(xiàn)過程和算法與1.3節(jié)和1.4節(jié)所述基本一致，包括圖像采集、圖像預處理、色彩匹配、幾何判定以及邏輯回歸組成。預處理過程包括區(qū)域選取、亮度、對比度調(diào)節(jié)。

2.3外觀檢測

外觀檢測主要包括圖像采集、圖像處理分析、形態(tài)學處理與分析組成，如圖4所示，各品種糧食檢測的主要步驟被統(tǒng)一為：二值化、去噪聲、粒子濾波等形態(tài)學處理與分析。完成糧食作物粒徑大小、數(shù)量等指標的測量，為后續(xù)分類與品質(zhì)判定提供特征數(shù)據(jù)。

外觀檢測過程中主要的圖像處理及其結果如5所示。

2.4外觀品質(zhì)判定

品質(zhì)判定采用多元邏輯回歸方法[9]，其基本算法流程如下：

假設，其次建立Sigmoid函數(shù)

規(guī)定：

尋找凸損失函數(shù)：

由最大擬然估計推導出單個樣本正確預測的概率為：

將上述兩個式子合并在一起表示整個樣本空間的概率分布為：

作為損失函數(shù)，將其最小化。對邏輯回歸模型的求解用梯度下降法，首先對函數(shù)求導，并帶入sigmoid函數(shù)表達式得：

之后，將參數(shù)更改為：

并且有：

當公式中的逐漸收斂并達到—定條件時，則停止迭代，并記錄下最終的的值。

3實驗與實測

3.1模型參數(shù)訓練

以大豆為例，人工篩選出1，2，3級大豆各500份，對其應用上述裝置和方法進行特征參數(shù)視覺測量。選取均值、極差、數(shù)量、方差4個特征作為后續(xù)訓練參數(shù)，如表1所示。用Matlab對1500組數(shù)據(jù)進行有監(jiān)督的機器學習即邏輯回歸分析，獲得品質(zhì)判定模型的參數(shù)A的值，如表2所示。endprint

3.2模型驗證

根據(jù)訓練模型所得到的參數(shù)，抽取50組檢測數(shù)據(jù)進行模型參數(shù)驗證，以檢驗訓練參數(shù)的可靠性與科學性，檢驗子程序如圖6所示。

判定模型參數(shù)訓練的準確率：綠豆為97%，大豆為84%，其原因是送檢大顯和綠_&原料品質(zhì)關系。所米購綠本身就區(qū)別較大，回歸分析準確率高于大豆。采購大豆等級區(qū)肉眼幾乎無法區(qū)分，準確率相對較低，這也說明了模型訓練方法以及所得參數(shù)的正確性、科學性與合理性。

4結語

機器視覺在農(nóng)業(yè)領域應用研究得到了廣泛開展，機器視覺包括圖像處理、模式識別、神經(jīng)網(wǎng)絡等技術和方法，對于作物特征的識別、苗情的監(jiān)測、病蟲害的防治以及精細農(nóng)業(yè)的發(fā)展都將起到積極的推動作用。與傳統(tǒng)的人工檢測相比，機器視覺還具有檢測速度快、精度高、重復性好等優(yōu)點。

文中系統(tǒng)在糧食品種的自適應檢測、圖像處理、形態(tài)學[1～分析，外觀特征參數(shù)的選取、機器學習與深度學習[11]等方面還需要進一步研究和實驗。另外，遠程操控、網(wǎng)絡控制也是監(jiān)測裝置提升性能、提高實用性的解決途徑之一。

[參考文獻]

[1]陳康.基于機器視覺的沖裁斷面質(zhì)量檢測[D].廣州：廣東工業(yè)大學，2016.

[2]於文欣.基于機器視覺的FPC表面缺陷檢測研究[D].上海：東華大學，2017.

[3]屠恩美.基于圖論的機器學習算法設計及在神經(jīng)網(wǎng)絡中的應用研究[D].上海：上海交通大學，2014.

[4]劉乘，劉俊，劉穎君.基于LabVIEW的包裝測試虛擬儀器[J].包裝工程，2008（8）：89-90.

[5]楊麗麗.基于機器視覺的強化木地板表面瑕疵檢測方法研究[D].北京：北京林業(yè)大學，2010.

[6]劉力銀.基于邏輯回歸的推薦技術研究及應用[D].成都：電子科技大學，2013.

[7]劉立波.數(shù)學形態(tài)學在二值圖象處理與分析中的研究及應用[D].西安：西北大學，2002.

[8]任小靜.基于計算機視覺的大米外觀品質(zhì)檢測技術研究[D].哈爾濱：哈爾濱工程大學，2007.

[9]賈云德.機器視覺[M].北京：科學出版社，2000.

[10]阮奇楨.我和LabVIEW：—個NI工程師的十年編程經(jīng)驗[M].北京：北京航空航天大學出版，2009.

[11]石冬晨.基于虛擬儀器的幾何尺寸非接觸測量技術研究[D].西安：西安工業(yè)大學，2010.endprint