王金英,董 禮
(秦皇島職業(yè)技術(shù)學(xué)院,河北 秦皇島 066100)
花生是世界范圍內(nèi)的油料作物,種植面積和重要性僅次于油菜?;ㄉ?6世紀(jì)傳入我國(guó),19世紀(jì)末開(kāi)始推廣種植,目前在很多的地區(qū)均有分布,其中河南和山東兩省是最大的種植區(qū)。我國(guó)花生的年產(chǎn)量約1 700萬(wàn)t,占世界總量的40%。除了40%的脂肪含量外,花生還富含蛋白質(zhì)和維生素,具有很高的營(yíng)養(yǎng)價(jià)值,也可以作為人們的日常食品。
花生的果實(shí)位于地表以下,土壤中存在黃曲霉或寄生曲霉等霉菌能引起花生的霉變。在花生的生長(zhǎng)和儲(chǔ)存過(guò)程中,當(dāng)溫度和濕度適合時(shí),上述的霉菌便會(huì)產(chǎn)生黃曲霉素這種毒性很強(qiáng)的次生代謝產(chǎn)物,并伴隨發(fā)霉的現(xiàn)象[1]。黃曲霉素是毒性最大和對(duì)人類健康危害最突出的一類霉菌毒素,被世界衛(wèi)生組織認(rèn)定為一類致癌物,長(zhǎng)期食用含有這類毒素的花生會(huì)對(duì)健康產(chǎn)生嚴(yán)重的影響。我國(guó)相關(guān)標(biāo)準(zhǔn)限定的花生及其制品中黃曲霉素B1最高含量為20ppb,而歐盟限定的為2ppb,導(dǎo)致我國(guó)花生在出口過(guò)程中時(shí)常因黃曲霉素超標(biāo)而被扣留或銷毀,造成嚴(yán)重經(jīng)濟(jì)損失的同時(shí)也削弱了在國(guó)際市場(chǎng)的競(jìng)爭(zhēng)力[2]。
花生的黃曲霉素含量與霉變程度密切相關(guān),因此對(duì)霉變程度的檢測(cè)可以為霉變花生的清選提供條件,極大地提高花生食用的安全性。傳統(tǒng)的花生霉變檢測(cè)方法是由人工觀察判別,工作強(qiáng)度大,且易受到人員體能和狀態(tài)的影響。生化檢測(cè)具有一定的優(yōu)勢(shì),但是對(duì)人員的技術(shù)水平和工作經(jīng)驗(yàn)要求較高,測(cè)定的成本和周期也相應(yīng)增加[3]。隨著花生加工和出口規(guī)模的增長(zhǎng),上述方法的局限性日益明顯,已經(jīng)無(wú)法滿足對(duì)食品安全的需求。
目前,對(duì)黃曲霉素的測(cè)定方法有薄層色譜法、高效液相色譜法及酶聯(lián)免疫吸附測(cè)定等。對(duì)含有黃曲霉素花生的分選有比色分選和圖像識(shí)別等,是根據(jù)外觀差異清除發(fā)生霉變的花生粒,還沒(méi)有實(shí)現(xiàn)以黃曲霉素含量為指標(biāo)的無(wú)損在線分選[4]??茖W(xué)技術(shù)的發(fā)展為全面檢測(cè)花生霉變程度開(kāi)辟了方法,如電子鼻、光電技術(shù)、光譜特征分析和計(jì)算機(jī)視覺(jué)分析,這些方法克服了檢測(cè)成本高和過(guò)程繁瑣的缺點(diǎn),具有實(shí)際應(yīng)用的潛力。
電子鼻是由特異性的化學(xué)傳感器陣列組成的模式識(shí)別系統(tǒng),能夠識(shí)別復(fù)雜的氣味?;ㄉ棺冞^(guò)程中形成黃曲霉素的同時(shí),也會(huì)產(chǎn)生特殊的氣味?;輫?guó)華等研制了一套電子鼻系統(tǒng),通過(guò)分析花生霉變產(chǎn)生的氣味,較好地反映出了霉變的程度[5]?;ㄉ棺兊墓怆姺诌x設(shè)備有兩種,即色選機(jī)和近紅外透射分選機(jī)。其中,色選機(jī)根據(jù)霉變花生與正?;ㄉg的顏色差異進(jìn)行分選?;ㄉl(fā)霉后,內(nèi)部的蛋白質(zhì)和脂肪酸會(huì)發(fā)生變化,對(duì)近紅外光的吸收強(qiáng)度出現(xiàn)差異,近紅外透射分選機(jī)則是根據(jù)這種特性進(jìn)行分選[6]。另外,花生發(fā)霉后內(nèi)部的物質(zhì)發(fā)生變化,還會(huì)形成獨(dú)特的光譜特征,采集這些光譜特征并建立指數(shù)分析模型,能夠?qū)ㄉ拿棺冞M(jìn)行準(zhǔn)確識(shí)別和檢測(cè)[7-8]。
計(jì)算機(jī)視覺(jué)是由相機(jī)拍攝圖像,通過(guò)電腦對(duì)圖像中的目標(biāo)進(jìn)行識(shí)別和檢測(cè)。這種技術(shù)在20世紀(jì)80年代取得了較大的發(fā)展,現(xiàn)在已經(jīng)廣泛用于社會(huì)生產(chǎn)的各個(gè)領(lǐng)域。計(jì)算機(jī)視覺(jué)在農(nóng)業(yè)上主要用于水果采摘、分級(jí)檢測(cè)及田間雜草識(shí)別等,符合現(xiàn)代精準(zhǔn)農(nóng)業(yè)發(fā)展的趨勢(shì)[9-12]。陳紅等采用計(jì)算機(jī)視覺(jué)對(duì)花生仁進(jìn)行識(shí)別,并引入神經(jīng)網(wǎng)絡(luò)的分析算法,對(duì)各種霉變程度的花生獲得了很高的檢測(cè)準(zhǔn)確率[13];另外,還基于計(jì)算機(jī)視覺(jué),采用不同的特征參數(shù)和分析方法,對(duì)花生霉變程度的判斷準(zhǔn)確率也達(dá)到了90%[14]。韓仲志等利用計(jì)算機(jī)視覺(jué)對(duì)花生的多種外觀特征進(jìn)行測(cè)量,實(shí)現(xiàn)了對(duì)花生品質(zhì)的準(zhǔn)確檢測(cè)和分級(jí)[15]。上述方法在檢測(cè)環(huán)節(jié)上已經(jīng)較為完善,但是缺少對(duì)實(shí)時(shí)性的驗(yàn)證,因此還沒(méi)有應(yīng)用于在線檢測(cè)分選。本文基于計(jì)算機(jī)視覺(jué)技術(shù),用相機(jī)拍攝霉變花生的圖像并對(duì)外觀進(jìn)行檢測(cè),根據(jù)顏色特征評(píng)判花生的霉變程度,以期為花生的在線分選提供技術(shù)支撐。
花生圖像在封閉的暗箱中拍攝,拍攝箱是一個(gè)尺寸0.7m×0.6m×0.6m的長(zhǎng)方體,內(nèi)壁為黑色以避免反光,底部的樣品臺(tái)也是黑色背景。拍攝箱內(nèi)部上方的4個(gè)角上各安裝1盞白熾燈,功率為10W。拍攝箱內(nèi)部正上方安裝1臺(tái)世紀(jì)科信UCMOS0300型CCD工業(yè)相機(jī),拍攝花生圖像后由AD6673型A/D轉(zhuǎn)換器轉(zhuǎn)換為數(shù)碼信號(hào),再通過(guò)USB數(shù)據(jù)線傳輸給計(jì)算機(jī)。
核心計(jì)算機(jī)為戴爾XPS8910型臺(tái)式電腦,配置包括北京大恒VRT-CG200型圖像采集卡、Intel i7處理器、GTX1070型顯卡和16G內(nèi)存,具有兼容性強(qiáng)、性能快速穩(wěn)定等優(yōu)點(diǎn)。圖像分析的軟件為MatLab工具箱,在Windows10環(huán)境中運(yùn)行,可以滿足圖像實(shí)時(shí)分析處理的要求。
由于受到各種環(huán)境因素的干擾,拍攝得到的圖像會(huì)存在一定的噪音,影響了圖像質(zhì)量和分析處理效果,需要進(jìn)行預(yù)處理。圖像噪音去除的方法有多種,本文根據(jù)實(shí)際情況,采用維納濾波處理。維納濾波經(jīng)過(guò)多次循環(huán)后,圖像的清晰度增加,邊緣和細(xì)節(jié)信息保存較為完整,取得了良好的濾波效果。預(yù)處理得到的圖像中背景為黑色,花生的圖像明顯。正?;ㄉ砻娴念伾鶆?,光澤度好,呈現(xiàn)淺紅色;霉變花生的表面出現(xiàn)皺縮和黑色的斑點(diǎn),顏色褐化不均勻,光澤較為晦暗,如圖1所示。
圖1 花生圖像的預(yù)處理
根據(jù)花生圖像目標(biāo)的顏色特征,采用HSL的顏色空間,以色調(diào)H、飽和度S和亮度L作為分量來(lái)增加圖像的對(duì)比度和減小亮度,獲得了HSL顏色空間下對(duì)L分量進(jìn)行灰度化的圖像,如圖2所示。
圖2 花生圖像的灰度化
灰度化圖像中的背景為黑色,花生為淺紅色、灰白色或褐色,因此可以利用兩者之間顏色或亮度的明顯差異將檢測(cè)目標(biāo)從背景中分離出來(lái)。這里將圖像分解為R、G、B等3種原色,因B分量在灰度化圖像中邊緣保存完整,含有的噪音較少,因此利用閾值對(duì)B分量進(jìn)行邊緣檢測(cè);然后通過(guò)一系列形態(tài)學(xué)濾波消除冗余的信息,修復(fù)邊緣上的毛刺后得到平滑閉合的目標(biāo)輪廓;最后,對(duì)輪廓進(jìn)行填充,得到從背景中分割出來(lái)的花生圖像,如圖3所示。
圖3 花生圖像的輪廓提取
霉變花生和正?;ㄉ牟町愔饕w現(xiàn)在表皮顏色上,因此這里選用顏色相關(guān)的參數(shù)提取花生霉變的特征。為了獲得目標(biāo)區(qū)域的特征信息,對(duì)分割得到的花生圖像內(nèi)的各個(gè)像素點(diǎn)提取特征量并計(jì)算平均值?;ㄉl(fā)生霉變后表面的明暗變化顯著,所以采用HIS的顏色模型對(duì)霉變的程度進(jìn)行檢測(cè)。提取單個(gè)花生圖像區(qū)域的H、I、S顏色分量計(jì)算均值后,分析發(fā)現(xiàn)H顏色分量的變化最為明顯,且隨著霉變程度逐漸增加。因此,選用H顏色分量作為評(píng)判花生霉變程度的特征參數(shù),根據(jù)設(shè)定的閾值將霉變程度分別劃分為正常0、輕度霉變1、中度霉變2和嚴(yán)重霉變3,并標(biāo)識(shí)在花生圖像內(nèi),如圖4所示。
圖4 花生霉變程度評(píng)判
通過(guò)仿真試驗(yàn)對(duì)上述的檢測(cè)方法進(jìn)行驗(yàn)證,使用的花生品種為中花12號(hào),不同霉變程度的花生各50粒,共200粒。每次隨機(jī)選取20?;ㄉ挪荚跇悠放_(tái)上拍攝圖像,通過(guò)計(jì)算機(jī)視覺(jué)檢測(cè)后評(píng)判花生的霉變程度,劃分4種霉變程度的H分量閾值分別為0.057、0.063和0.069,最后統(tǒng)計(jì)檢測(cè)的準(zhǔn)確率。
仿真試驗(yàn)的結(jié)果如表1所示。由表1可以看出:正常的花生粒中僅有3個(gè)被計(jì)算機(jī)視覺(jué)誤判為輕度或中度霉變,檢測(cè)的準(zhǔn)確率為94%;輕度、中度和嚴(yán)重霉變的花生分別有2粒、4粒和4粒被誤判為相鄰的等級(jí),最低的檢測(cè)準(zhǔn)確率也達(dá)到了92%??傮w上看,計(jì)算機(jī)視覺(jué)對(duì)花生霉變程度的檢測(cè)準(zhǔn)確率超過(guò)93%,單張圖像從拍攝到完成檢測(cè)并輸出結(jié)果共耗時(shí)1s,可以滿足實(shí)時(shí)檢測(cè)和在線分選的要求。
表1 花生霉變檢測(cè)的準(zhǔn)確率
基于計(jì)算機(jī)視覺(jué)技術(shù),用相機(jī)拍攝花生的圖像,依次采用維納濾波處理去除噪音、L分量進(jìn)行灰度化、B分量進(jìn)行圖像分割后獲得目標(biāo)區(qū)域圖像。選用H顏色分量作為反映花生霉變程度的特征參數(shù),根據(jù)設(shè)定的閾值評(píng)判霉變等級(jí)。仿真試驗(yàn)中僅有個(gè)別的花生粒被計(jì)算機(jī)視覺(jué)誤判為其它等級(jí),對(duì)花生霉變程度檢測(cè)的整體準(zhǔn)確率超過(guò)93%。單張圖像的處理過(guò)程耗時(shí)1s,可以滿足實(shí)時(shí)檢測(cè)的要求。
花生霉變的本質(zhì)是內(nèi)部物質(zhì)的變化,而該方法檢測(cè)的是外部特征,若與近紅外透射和光譜分析等內(nèi)部特征檢測(cè)技術(shù)結(jié)合,則能更全面地評(píng)判花生的霉變情況。另外,計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)還需要配套相應(yīng)的分級(jí)執(zhí)行裝置,才能實(shí)現(xiàn)花生的在線分選。