基于機器視覺的芒果果形評價方法研究

何 軍，馬稚昱，褚 璇，劉洪利，肖天宇，韋鴻鈺

（仲愷農(nóng)業(yè)工程學院，廣東 廣州 510225）

0 引言

芒果是熱帶和亞熱帶地區(qū)的主產(chǎn)水果，其消費形式以鮮食為主。而鮮果在上市之前需進行標準化分級才能實現(xiàn)優(yōu)質(zhì)優(yōu)價。我國現(xiàn)有的芒果分級方式有人工分級、機械分級和機器視覺分級方式[1-5]，其中人工分級的主觀性影響大且效率低下；機械方法多是根據(jù)芒果的質(zhì)量進行分級，精度不高且容易導致芒果損傷[6]；基于機器視覺的無損分級技術越來越顯現(xiàn)其優(yōu)勢，但現(xiàn)有的無損分級方法主要是根據(jù)芒果的大小、顏色、表面缺陷等進行分級[7,8]，而對于芒果的果形這一重要指標并未考慮。主要原因是芒果的果形非標準形，評價困難，目前已有的基于機器視覺技術的水果果形評價多是針對蘋果、柑橘等圓形品種進行評價[9-16]，而對于芒果這種非規(guī)則形狀評價尚缺乏量化方法及標準。本文采用機器視覺技術對芒果的果形進行量化評價，不僅可以提高分級精度還可以保證分級效率，分級后的芒果可更好地適應國際市場，滿足消費者的購買需求。

1 材料和方法

1.1 試驗設備及材料

試驗樣品為小臺農(nóng)芒果，產(chǎn)地廣東，采購于廣州某超市，果型似雞蛋大小，呈卵圓形或長卵形。本研究目的是對芒果的果形進行評價，因此不關注芒果其他表面特征。

芒果圖像采集系統(tǒng)如圖1 所示，由計算機、CCD相機、LED光源、可調(diào)節(jié)支架及載物臺組成，其中工業(yè)相機型號為MV-EM500C，分辨率為2 592×1944，相機至載物臺距離為350 mm，采用pycharm 2018.2軟件編寫python程序調(diào)用OpenCV庫，對所采集圖像進行圖像處理提取芒果果形特征參數(shù)。

圖1 芒果圖像采集系統(tǒng)

1.2 芒果果形評價指標

果形指數(shù)是衡量水果形狀的重要參數(shù)，能在一定程度上反映出水果的形狀，但不能體現(xiàn)水果的飽滿程度。本文提出采用果形指數(shù)和飽滿度兩個參數(shù)來衡量芒果果形，為避免由于芒果果形不端正而帶來的樣本指標復雜性，本文采用最小外接矩形法來計算各指標參數(shù)。圖2 為不同形態(tài)芒果的最小外接矩形。

圖2 最小外接矩形

芒果的果形指數(shù)及飽滿度具體計算方法如下：

1.2.1 果形指數(shù)

果形指數(shù)是水果的縱徑與橫徑的比例，采用最小外接矩形法來評價芒果的果形指數(shù)[17]，其計算公式為

式中 D為芒果果形指數(shù)；L為最小外接矩形長度，mm；H為最小外接矩形寬度，mm。

1.2.2 飽滿度

飽滿度為芒果的面積與最小外接矩形的面積的比值。當芒果的面積越接近最小外接矩形的面積，芒果的果形就越飽滿。芒果飽滿度計算公式為

式中α為芒果飽滿度；Smango為芒果面積，mm2；Stangls為最小外接矩形的面積，mm2。

1.3 圖像處理流程

在進行果形特征參數(shù)提取時，具體算法實現(xiàn)流程如圖3 所示。先將采集到的RGB 圖像進行顏色空間轉換為HSV 圖像，通過比較HSV 顏色空間的3 個通道圖像（見圖4）可知，當芒果表面有黑斑的時候，S、V 兩通道不利于芒果輪廓的提取，故采用H 通道進行圖像自適應閾值分割[18,19]及二值化，通過形態(tài)學開運算消除二值化圖像中的零散噪聲，得到芒果的二值化圖像，計算芒果圖像面積即芒果圖像所占的像素總數(shù)，采用canny 算子[20,21]提取芒果輪廓并計算芒果輪廓的最小外接矩形的長、寬和面積（如圖5 所示），進而計算出芒果的果形指數(shù)和飽滿度。

圖3 芒果圖像處理流程

圖4 芒果圖像HSV各通道圖

圖5 芒果圖像提取

1.4 數(shù)據(jù)分析方法

根據(jù)NY/T 3011-2016《中國農(nóng)業(yè)行業(yè)標準》的分級標準，將其果形指數(shù)和飽滿度分為3 級。在對果形指數(shù)和飽滿度指標的量化過程中，采用了聚類分析法中的K-means 算法[22,23]，將50 個芒果果形特征指標（I1,I2,...I50）分成3 個簇，具體計算流程如下。

1）隨機選擇3 個芒果果形特征對象，每個對象初始地代表了一個簇的平均值或中心，即選擇3個初始質(zhì)心。

2）對剩余的每個對象，根據(jù)其與各類中心的歐式距離，將它賦給最近的類。

其中歐式距離計算方法為

采用誤差的平方和SSE 作為全局的目標函數(shù)，即最小化每個點到最近質(zhì)心的歐幾里得距離的平方和。

式中 C為聚類中心的值；x為屬于這個簇的數(shù)據(jù)點。

3）重新計算每個類的平均值。這個過程不斷重復，直到準則函數(shù)收斂，質(zhì)心不發(fā)生明顯的變化。

2 試驗結果與分析

2.1 芒果果形指數(shù)數(shù)據(jù)分析

圖6 測試集芒果果形指數(shù)分布圖

圖6 是測試集的50 個芒果果形指數(shù)的散點圖。由圖可知，測試集小臺芒的果形指數(shù)最小值為1.03，最大值為1.66，大部分果形指數(shù)分布在1.20～1.60之間。當小臺芒的果形指數(shù)低于1.10，果形扁平，芒果失去了卵形或者長卵形的特征。當小臺芒的果形指數(shù)大于1.60 時，芒果呈現(xiàn)狹長型，亦不符合其典型果形特征。

為確定果形指數(shù)評價標準，采用K-means 算法對測試集果形指數(shù)進行聚類分析。在處理前，首先剔除果形指數(shù)高于1.60 和果形指數(shù)低于1.10 的芒果，對其余45 個芒果的果形指數(shù)作聚類分析，結果如圖7 所示。

圖7 果形指數(shù)聚類分析

聚類1 為三級果，聚類2 為二級果，聚類3 為一級果。分析每個類中的最大值和最小值可知，聚類1 最大值為1.30，聚類2 最小值為1.32，最大值為1.41，聚類3 最小值為1.45，以其相鄰類之間的最小值和最大值的中值作為類與類之間的分界，確定芒果果形指數(shù)評價標準見表1。

表1 果形指數(shù)評價標準

2.2 芒果飽滿度數(shù)據(jù)分析

圖8 是測試集的50 個芒果果形飽滿度的散點圖。由圖可知，測試集小臺芒的飽滿度最小值為0.764，最大值為0.805，數(shù)值越大芒果的飽滿度越好。

圖8 測試集芒果果形飽滿度分布圖

為確定果形飽滿度評價標準，采用K-means 算法對測試集的50 個芒果飽滿度進行聚類分析。結果如圖9 所示。

圖9 芒果飽滿度聚類分析

聚類1 為三級果，聚類2 為二級果，聚類3 為一級果。分析每個類中的最大值和最小值可知，聚類1 最大值為0.777，聚類2 最小值為0.779，最大值為0.788，聚類3 最小值為0.790，以其相鄰類之間的最小值和最大值的中值作為類與類之間的分界，確定芒果飽滿度評價標準見表2。

表2 飽滿度評價標準

2.3 驗證試驗

為了驗證上述評價指標及方法，隨機選取50個芒果作為驗證集，先進行人工分級，然后分別用果形指數(shù)，飽滿度，果形指數(shù)&飽滿度3 種方法進行評價，結果如表3 所示。

由表3 中結果可知，單獨采用果形指數(shù)或飽滿度對芒果果形進行評價，錯誤率較高，分別達到32%和52%，這主要是由于有些芒果果形指數(shù)較好，但瘦弱干癟；有些芒果雖飽滿度很好，但不具備芒果的典型形狀，因而出現(xiàn)較大的偏差，這說明單一指標評價不夠全面。而采用果形指數(shù)和飽滿度兩個參數(shù)共同評價具有較好的評價效果，其評價準確率與人工相比可達92%。

表3 驗證集各分級指標分級結果

3 結語

本文采用機器視覺技術對芒果果形進行評價，提出芒果果形指數(shù)及飽滿度兩個果形評價指標，采用圖像處理技術對50 個測試集的芒果的果形信息進行提取及聚類分析，得出芒果果形指數(shù)及飽滿度的量化評價標準，并采用該方法將機器視覺分級結果與人工分級結果進行對比，結果表明：單一評價指標會產(chǎn)生較大的偏差，對果形評價不夠全面，綜合果形指數(shù)和飽滿度兩個參數(shù)進行果形評價具有較好的分級效果，與人工分級對比準確率可達92%。