基于機算機視覺的楊梅自動檢測分級

李思廣

(周口職業(yè)技術學院，河南 周口 466000)

0 引言

楊梅是楊梅科的常綠喬木，其果實含有豐富的花青素、糖類和有機酸等，具有很高的食用和藥用價值，也是市場上很受消費者歡迎的一種水果。楊梅具有較為悠久的歷史，生長歷史達到7 000年，栽培的歷史也有2 000年。楊梅僅分布在中國、韓國、日本和印度等少數(shù)幾個亞洲國家，栽培面積約40萬hm2，年產量超過100萬t，而中國占比超過98%[1-2]。我國是楊梅的發(fā)源地，其主要分布在長江以南的地區(qū)，對當?shù)氐慕洕l(fā)展起著重要的作用。浙江是我國楊梅主產區(qū)，出產的楊梅具有很大的果形是優(yōu)良的品質，在2010年的產值已經達到49.5億元。目前，最著名的楊梅品種為東魁楊梅和荸薺種楊梅，占比分別為47.6%和28.3%[3]。

楊梅分布區(qū)域廣闊，生態(tài)適應性好。因分布區(qū)域內的地理環(huán)境差異大，因此形成了多樣的品種和品質[4-6]。對楊梅進行分析檢測的品質性狀包括果形指數(shù)、可食率、單果重、可溶性固形物含量、總糖含量、酸含量和維生素C含量等。各種楊梅品種都有其自身的品質特征，如地方品種的果形比栽培品種好，可溶性固形物含量更高，但是可食率較低[7]。楊梅的果實大小不一，不僅是重要的分級依據，還與楊梅的品質有著密切的關系。龔潔強的研究表明：東魁楊梅果實的大小與可食率和出汁率顯著正相關，而對酸含量有負面影響，與可溶固形物之間則沒有相關性[8]。楊梅的品質主要由品種的特性決定，此外還會受到栽培措施和生長期氣候因子的影響。黃海靜等利用設施大棚增加楊梅生長季節(jié)的有效積溫和濕度，明顯加快了其發(fā)育進程，也提高了果實品質[9]。

楊梅一般在高溫高濕的6-7月份采摘，質地柔軟，含水量高，沒有外果皮。這些導致楊梅極易因碰撞而受損，可運輸性和耐儲藏性都很差。若加工成各種產品，又要面臨儲藏和加工過程中的變質問題。人們對楊梅采摘后的各種品質變化進行了研究，如蔣玲玲建立了基于不同顏色空間的楊梅表面性狀和營養(yǎng)成分檢測方法，以便加強對楊梅采后品質的監(jiān)測和分類[10]。

分級是水果采摘后商品化處理的一個環(huán)節(jié)，有利于提高銷售收益和市場競爭力。楊梅采摘后的挑選分級主要是去除損傷、畸形和病蟲害果，然后通過人工觀察判別等級。分級的依據主要是大小、顏色和成熟度等[11]。楊梅主要以鮮果的形式進行銷售和食用，銷售期最長僅為40天左右，集中銷售的時間更短至20天。因此，楊梅采摘后須要立刻進入市場銷售，加重了人工分級的勞動強度，較短的銷售時期也影響了消費者的購買熱情。

受農業(yè)發(fā)展水平的限制，我國的水果分級以人工方法為主。人工分級方法的勞動強度大、效率低且分級質量不穩(wěn)定，這些問題在楊梅上體現(xiàn)得更為明顯。計算機視覺技術可以對圖像中的目標進行快速識別和檢測，其在水果分級中的應用成為了研究熱點。目前，對計算機視覺技術的研究主要集中于楊梅采摘機器人，用于對自然環(huán)境下的果實進行識別。徐黎明等通過同態(tài)濾波和K均值聚類的算法消除光照影響，增強楊梅的圖像，對自然光照條件下的楊梅取得了理想的識別效果[12-13]。

計算機視覺的分析軟件、算法已經成熟，可以針對水果的各種外部和內部品質進行檢測和分級。本文根據楊梅鮮果的特性，設計了一個基于計算機視覺的自動檢測分級系統(tǒng)。該系統(tǒng)利用CCD相機拍攝楊梅圖像，傳輸給計算機進行分析，經過預處理、灰度化和圖像分割后提取楊梅的輪廓；然后，檢測楊梅的大小、果形和顏色，并以此為依據進行分級。最后，通過試驗驗證了系統(tǒng)分級的實時性和準確性，以期為我國楊梅產業(yè)的可持續(xù)發(fā)展提供技術支撐。

1 系統(tǒng)的設計原理及組成

1.1 設計原理

系統(tǒng)以計算機視覺為核心，控制相機拍攝流水線上的楊梅圖像。圖像傳回核心計算機進行處理和分析，提取楊梅的各種性狀特征，然后依據相關的等級標準判定級別；計算機根據分級結果生成操作指令并發(fā)送給分級裝置，實現(xiàn)對相應鮮果的分級。

1.2 系統(tǒng)組成

光照室為0.4m×0.3m×0.5m的自制箱體結構，安裝在流水線上，內壁黑色。光照室上壁兩側各安裝一個10W的白熾燈作為光源，頂端安裝一臺Genie Nano C640型CCD相機。相機分辨率640×480，拍攝范圍0.2m×0.3m，形成BMP格式的彩色圖像。核心計算機為戴爾7040MT型臺式電腦，配置Intel i7中央處理器，8GB DDR4內存和1TB硬盤，其運行速度和存儲容量能夠滿足圖像處理分析的要求。計算機安裝Linux操作系統(tǒng)以及MatLab10.0視覺軟件，其流程設計靈活，圖像處理質量高，具有可視化界面設計和便捷的借口功能。計算機與光照室及分級裝置之間通過USB3.0接口連接，如圖1所示。

2 圖像分析

楊梅圖像在光照室中拍攝，雖然人工光源較為穩(wěn)定，但是外界光照和鮮果個體不同，可能會產生孤立的亮點或陰影。另外，楊梅處于流水線上，具有一定的運動速度，也導致獲得的圖像中含有不同程度的噪音。這些噪音降低了成像的質量，引起圖像模糊，不利于對目標的精確識別和檢測。本文采用常見的5×5模式中值濾波法對原始圖像進行預處理，去除噪音，如圖2所示。然后通過Gamma校正非線性變換法進行灰度化處理，增強目標的圖像特征，如圖3所示。

圖1 檢測分級系統(tǒng)的組成

圖2 楊梅的預處理圖像

圖3 楊梅的灰度化圖像

圖像中的背景基本為灰黑色，楊梅為紫紅色，因此利用兩者的顏色差異將目標從背景中提取出來。計算機視覺常用的色彩空間有RGB和HIS模式，本文選用RGB模式。在R、G和B分量中，G分量在楊梅和背景之間的差異最大。因此，采用雙峰法在G分量的直方圖中確定最佳閾值，對圖像進行閾值分割，從背景中提取出楊梅的輪廓，如圖4所示。

圖4 楊梅的圖像分割

反映楊梅果實大小的指標有果徑及單果質量等，楊梅果實較為規(guī)則，一般為球形或近球形，因此本文選擇果徑作為指標。檢測方法是掃描鮮果輪廓所包含的像素點，根據像素點數(shù)和實測果徑值，確定兩者之間的關系為y=0.002 84N。其中，y代表果徑(mm)，N代表像素點數(shù)，果徑越大則品質越高。以圓形度作為衡量果形的參數(shù)，計算公式為e=(4π·S)/(L×L)。其中，e為圓形度，S、L分別為輪廓面積和周長(pixel)，圓形度越大則品質越高。顏色是楊梅的重要外觀特征和分級依據，但是無法用儀器直接測量。本文根據色彩飽和度與色彩形成原理的相似性，以R和G這2個分量作為特征，R所占比例越大則品質越高。最后，在視覺軟件中設定楊梅果實大小、果形和顏色的參數(shù)，按照相關的標準對其進行分級，如圖5所示。

3 試驗結果與分析

3.1 試驗設計

用東魁楊梅鮮果對系統(tǒng)的分級效率和準確性進行了測驗，設定流水線的運行速度0.3m/s，相機拍攝間隔為1s。分級的依據為DB44/T 1303-2014東魁楊梅鮮果的等級標準，共有特級、一級和二級3個等級，果徑要求分別為>35mm、28～35mm和24～28mm，果形要求端正，顏色為紫紅色。首先對楊梅進行人工分級，果徑用游標卡尺測量，目測果形和顏色并評判等級；然后選擇3個等級的鮮果各100個編號，用系統(tǒng)檢測分級，統(tǒng)計分級的準確性。

圖5 楊梅的檢測分級

3.2 試驗結果與分析

系統(tǒng)分級的結果如表1所示。由表1可知：對特級鮮果的準確率為94%，分別有4個和2個被誤判為一級和二級；對一級的準確率為92%，分別有3個和5個被誤判為特級和二級；對二級的準確率為92%，分別有1個和7個被誤判為特級和一級。整體而言，系統(tǒng)的分級準確達到92.7%，且對大小和果形的識別準確率很高，而對顏色深淺的檢測能力相對不足。單幅圖片處理所需時間為0.45s，小于拍攝的時間間隔，因而能夠滿足實時檢測分級的要求。若不考慮其它環(huán)節(jié)的限制，系統(tǒng)的分級效率理論上可以達到700個/s。

表1 系統(tǒng)分級的準確率

4 結論

設計了一個基于計算機視覺的楊梅自動檢測分級系統(tǒng)，利用CCD相機拍攝流水線上的楊梅圖像，經過計算機視覺軟件的預處理、灰度化和圖像分割后提取到鮮果輪廓；然后，檢測鮮果的果徑、圓形度和顏色深度，并根據東魁楊梅的等級標準進行分級。經過驗證，系統(tǒng)分級的準確達到92.7%，對大小和果形的識別準確率很高，而對顏色深淺的檢測能力相對不足；單幅圖片處理所需時間為0.45s，能夠滿足實時檢測分級的要求，理論效率達到700個/s。

不同楊梅品種的果徑和顏色都存在差異，本系統(tǒng)僅用東魁楊梅進行了驗證，因此還需要優(yōu)化各項參數(shù)和閾值，以提高其對不同品種的適用性。楊梅鮮果質地柔軟，即使輕微的碰撞也會引起損失。為避免分級過程中的損傷，研制相應的分級執(zhí)行裝置勢在必行。合適的分級裝置與計算機視覺結合使用，才能達到高效無損的分級效果，為我國楊梅產業(yè)可持續(xù)發(fā)展提供技術支撐。