王虎挺，吳杰，胡蓉，李凡

（石河子大學(xué)機(jī)械電氣工程學(xué)院，石河子832003）

基于幾何特性參數(shù)的庫(kù)爾勒香梨質(zhì)量預(yù)測(cè)的研究

王虎挺，吳杰，胡蓉，李凡

（石河子大學(xué)機(jī)械電氣工程學(xué)院，石河子832003）

采用圖像法獲取香梨的三軸徑和投影面積，通過(guò)線性或非線性回歸分析的方法分析了這些幾何參數(shù)與香梨質(zhì)量之間的關(guān)系。結(jié)果表明：在基于三軸徑的預(yù)測(cè)模型中，由長(zhǎng)軸徑和中軸徑（或短軸徑）兩個(gè)自變量組成的線性回歸模型與質(zhì)量顯著相關(guān)，為最優(yōu)模型；在基于投影面積的預(yù)測(cè)模型中，以包含長(zhǎng)軸徑所在的投影面積為自變量的二項(xiàng)式回歸模型與質(zhì)量顯著相關(guān)，為最優(yōu)模型。這說(shuō)明采用香梨幾何參數(shù)預(yù)測(cè)質(zhì)量方法是可行的，而且這種方法可為采用機(jī)器視覺方法進(jìn)行香梨質(zhì)量分級(jí)提供依據(jù)。

庫(kù)爾勒香梨；幾何特性；質(zhì)量預(yù)測(cè)；圖像法

庫(kù)爾勒香梨是新疆特色水果，在國(guó)際市場(chǎng)上被譽(yù)為“梨中珍品”，2008年新疆香梨產(chǎn)量已達(dá)20萬(wàn)t，出口約3萬(wàn)t［1］。為了提高新疆香梨的商品價(jià)值及其在國(guó)際梨果高端市場(chǎng)上的競(jìng)爭(zhēng)力，農(nóng)業(yè)部標(biāo)準(zhǔn)NY／T585－2002［2］規(guī)定特級(jí)、一級(jí)和二級(jí)的香梨的分類依據(jù)其單果質(zhì)量不同來(lái)分級(jí)，通常特級(jí)香梨單果質(zhì)量為120～160g。目前，香梨稱重分級(jí)主要依靠人工方法，分級(jí)效率很低。為克服這一缺點(diǎn)，阿克蘇紅旗坡農(nóng)場(chǎng)引進(jìn)果品自動(dòng)稱重分級(jí)流水線以提高香梨質(zhì)量分級(jí)的效率，但香梨在流水線分單輸送至稱重臺(tái)過(guò)程中碰撞頻繁而出現(xiàn)了過(guò)高的果損率。

由于果蔬的尺寸與其質(zhì)量存在一定關(guān)系，因此為了避免果品單果稱重所存在的效率低下、人為誤差較大的以及自動(dòng)稱重時(shí)果損率較高的缺點(diǎn)，國(guó)外有研究針對(duì)馬鈴薯、蘋果、獼猴桃等果蔬［3－7］，提出利用其幾何特性尺寸來(lái)預(yù)測(cè)質(zhì)量。近年來(lái)，隨著計(jì)算機(jī)圖像處理技術(shù)在果品果形分類方面的應(yīng)用，使得果品外觀特征尺寸信息的獲取成為可能［8－9］。本研究認(rèn)為，香梨可以在機(jī)器視覺進(jìn)行外觀品質(zhì)分級(jí)的同時(shí)，通過(guò)提取其幾何特性信息預(yù)測(cè)其質(zhì)量，以簡(jiǎn)化香梨質(zhì)量自動(dòng)分級(jí)流水線，這樣既可降低香梨自動(dòng)分級(jí)流水線的費(fèi)用，又可減少香梨不必要的機(jī)械損傷。為此，本文采用計(jì)算圖像處理技術(shù)對(duì)香梨的幾何特性進(jìn)行分析，建立預(yù)測(cè)香梨質(zhì)量的數(shù)學(xué)模型，以期為香梨質(zhì)量自動(dòng)分級(jí)裝備的設(shè)計(jì)提供依據(jù)。

1 材料與方法

1.1 材料

本研究的香梨樣本采自巴州地區(qū)庫(kù)爾勒市農(nóng)二師28團(tuán)場(chǎng)梨園，隨機(jī)挑選無(wú)損傷、無(wú)蟲害，且剔除畸形果形的香梨90只，將香梨貯藏于溫度（0±1）℃，相對(duì)濕度（90±5）%的冷藏室，避免香梨質(zhì)量變化。

1.2 幾何特性參數(shù)的實(shí)測(cè)

本研究假設(shè)香梨的形狀為三維橢球體［10］（圖1），則香梨的三軸直徑為：長(zhǎng)軸徑a（外接球直徑）、中軸徑b（與a垂直的最大直徑）、短軸徑c（與a、b垂直的直徑）。用數(shù)顯游標(biāo)卡尺測(cè)量香梨的三個(gè)軸徑a、b、c，分別為：長(zhǎng)軸徑a、中軸徑b和短軸徑c；采用數(shù)方格法［11］測(cè)量香梨三個(gè)相互垂直的投影面的面積Pab、Pac、Pbc。其中Pab為長(zhǎng)軸a和中軸b所在的橫截面，Pac為長(zhǎng)軸a和短軸c所在的橫截面，Pbc為中軸b和短軸c所在的橫截面。香梨的質(zhì)量由數(shù)字式電子稱（精度為0.01g）稱量。

圖1 香梨的三軸直徑Fig.1The dimensions of a Kolar pear

1.3 幾何特性參數(shù)的圖像法獲取

香梨的圖像采集裝置由CCD數(shù)碼相機(jī)、計(jì)算機(jī)、高度調(diào)節(jié)裝置、背景板、光源箱組成，如圖2所示。

采集圖像時(shí)，將相機(jī)攝像頭與測(cè)量臺(tái)間距調(diào)節(jié)至19cm，光源為白熾燈點(diǎn)光源，香梨放置于白背景的底板上，采集在香梨長(zhǎng)軸上成90°垂直的兩個(gè)方向的圖像，然后利用Matlab7.0對(duì)圖像依次進(jìn)行RGB分量提取、二值化處理和邊界檢測(cè)，獲得香梨的外輪廓圖像及軸徑參數(shù)和投影面積參數(shù)的像素值［12－14］（圖3）。將像素值與實(shí)測(cè)值進(jìn)行線性擬合，獲得軸徑和投影面積的修正系數(shù)（圖4、圖5），最后利用修正系數(shù)將像素值轉(zhuǎn)化成相應(yīng)的軸徑值和投影面積數(shù)值。

圖2 圖像采集處理裝置Fig.2Image acquisition system

圖3 香梨圖像處理過(guò)程Fig.3

圖4 獲得長(zhǎng)軸徑a修正系數(shù)的線性擬合圖Fig.4The linear fitting for correction coefficient of Major a

圖5 獲得投影面積Pab修正系數(shù)的線性擬合圖Fig.5The linear fitting for correction coefficient of Projected area Pab

1.4 香梨質(zhì)量預(yù)測(cè)的方法

針對(duì)香梨質(zhì)量與三軸徑、投影面積和體積之間的關(guān)系，本研究提出了二種預(yù)測(cè)香梨質(zhì)量的回歸模型，第1種：香梨質(zhì)量與其三軸徑中某一個(gè)或三個(gè)進(jìn)行線性擬合，二項(xiàng)式擬合或乘冪形式擬合獲得的回歸模型；第2種：香梨質(zhì)量與三個(gè)投影面積中某一個(gè)或三個(gè)進(jìn)行線性擬合二項(xiàng)式擬合或乘冪形式擬合獲得的回歸模型。

采用SPSS11.5統(tǒng)計(jì)軟件對(duì)所述總計(jì)26個(gè)模型分別進(jìn)行分析，確定回歸方程的決定系數(shù)（擬合度）R2和標(biāo)準(zhǔn)偏差，然后根據(jù)最大決定系數(shù)R2和最小標(biāo)準(zhǔn)偏差SD值確定預(yù)測(cè)香梨質(zhì)量最優(yōu)回歸模型。

2 結(jié)果與分析

2.1 基于三軸徑的質(zhì)量預(yù)測(cè)模型

由表1所示，模型4～9分別以中軸b和（或）短軸c為自變量進(jìn)行質(zhì)量預(yù)測(cè)，其相關(guān)系數(shù)相近，從算法實(shí)現(xiàn)來(lái)看，可選擇中軸b和短軸c中一個(gè)變量進(jìn)行質(zhì)量預(yù)測(cè)即可。模型13的相關(guān)系數(shù)最高，但包含了3個(gè)軸徑，從圖像法測(cè)量角度看，增加了檢測(cè)裝置操作的復(fù)雜性。相比較而言，模型11和12均有較高的相關(guān)系數(shù)，與模型13的相關(guān)系數(shù)接近，且參數(shù)只包含長(zhǎng)軸和中軸或短軸，在圖像法測(cè)量中易于操作實(shí)現(xiàn)，更適用于香梨的質(zhì)量預(yù)測(cè)。

表1 基于三軸徑的香梨質(zhì)量預(yù)測(cè)回歸模型Tab.1Different regression models for predication mass of Korla fragrant pears based on dimensions

2.2 基于投影面積的質(zhì)量預(yù)測(cè)模型

由表2所示，模型1～6分別以投影面積Pab和Pac為自變量進(jìn)行質(zhì)量預(yù)測(cè)，其相關(guān)系數(shù)相近，從算法實(shí)現(xiàn)來(lái)看，可選擇Pab和Pac其中一個(gè)進(jìn)行質(zhì)量預(yù)測(cè)即可。模型10、11、12、13均有很高的相關(guān)系數(shù)，但參數(shù)包含了2個(gè)或3個(gè)投影面積，從圖像法測(cè)量角度看，增加了檢測(cè)裝置操作的復(fù)雜性。相比較而言，模型2和5均有較高的相關(guān)系數(shù)，且參數(shù)只包含Pab或Pac，而且在圖像法測(cè)量中易于操作實(shí)現(xiàn)，更適合進(jìn)行香梨的質(zhì)量預(yù)測(cè)。

表2 基于投影面積的香梨質(zhì)量預(yù)測(cè)回歸模型Tab.2Different regression models for predication mass of Korla fragrant pears based on projected area

3 結(jié)論

1）香梨的實(shí)測(cè)參數(shù)與圖像法獲得的參數(shù)有很高的線性相關(guān)性，其相對(duì)誤差小于2%，可完全滿足香梨質(zhì)量模擬對(duì)數(shù)據(jù)的準(zhǔn)確性要求。

2）香梨的軸徑參數(shù)與其質(zhì)量顯著相關(guān)。在基于軸徑的質(zhì)量預(yù)測(cè)模型中，以香梨長(zhǎng)軸a和中軸b或短軸c為自變量的線性質(zhì)量預(yù)測(cè)模型更為適宜；香梨的投影面積參數(shù)與其質(zhì)量顯著相關(guān)，在基于投影面積的質(zhì)量預(yù)測(cè)模型中，以投影面積Pab或Pac為自變量的二項(xiàng)式質(zhì)量預(yù)測(cè)模型更為適宜。

3）在進(jìn)行香梨質(zhì)量預(yù)測(cè)時(shí)，放置香梨使其長(zhǎng)軸徑a平行于背景平面，就可滿足幾何參數(shù)的提取，從而保證香梨質(zhì)量預(yù)測(cè)的準(zhǔn)確性。

［1］《庫(kù)爾勒香梨產(chǎn)業(yè)化發(fā)展研究》課題組.庫(kù)爾勒香梨產(chǎn)業(yè)化發(fā)展的思路和建議［EB／OL］.http：／／kjj.xjbz.gov.cn／html／2006／2008－4／9／2008＿04＿09＿668.html，2008－04－09.

［2］中華人民共和國(guó)農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn).NY／T585－2002庫(kù)爾勒香梨［S］，2002.

［3］Rashidi M，Seyvan K.Modeling of Kiwifruit mass based on outer dimensions and projected area［J］.American－Eurasian J Agric ＆ Environ Sci，2008，3（1）：26－29.

［4］Rashidi M，Seyvan K，Gholami M.Determination of Kiwifruit volume using image processing［J］.ARPN Journal of Agricultural and Biological Science，2007，2（6）：17－22.

［5］Pitts M J，Hyde G M，Cavalieri R P.Modeling potato tuber mass with tuber dimensions［J］.Transactions of the ASAE，1987，30（4）：1154－1159.

［6］Tabatabaeefar A，Rajabipour A.Modeling the mass of apples by its geometrical attributies［J］.Scientia Horticulture，2005，105：373－382.

［7］Lorestani A N，Tabatabaeefar A.Modelling the mass of kiwi fruit by geometrical attributes［J］.Int.Agrophysics，2006，20：135－139.

［8］Keramat Jahromi，Rafiee M，Jafari S，et al.Determination of dimension and area properties of data（Behri）by image analysis［J］.International Conference on Agricultural Food and Biological Engineering＆Post Harvest／Production Technology，2007（6）：21－24.

［9］高華，王雅琴.基于計(jì)算機(jī)視覺的農(nóng)產(chǎn)品分級(jí)系統(tǒng)研究［J］.計(jì)算機(jī)工程與應(yīng)用，2004（14）：228－229.

［10］周祖鍔.農(nóng)業(yè)物料學(xué)［M］.北京：農(nóng)業(yè)出版社，1994：55－62.

［11］于東寧，張國(guó)安，李健寧.瘢痕面積及其不規(guī)則程度的定量測(cè)量方法研究［J］.中國(guó)美容醫(yī)學(xué)，2005，15（5）：486－489.

［12］屈年巍，馬本學(xué)，王維新，等.基于機(jī)器視覺和人工神經(jīng)網(wǎng)絡(luò)的庫(kù)爾勒香梨顏色分級(jí)［J］.石河子大學(xué)學(xué)報(bào)：自然科學(xué)版，2010，28（4）：515－518.

［13］李景彬，坎雜等.基于機(jī)器視覺的脫絨棉種外觀質(zhì)量檢測(cè)裝置的研究［J］.石河子大學(xué)學(xué)報(bào)：自然科學(xué)版，2006，24（6）：761－764.

［14］馬本學(xué).基于數(shù)學(xué)形態(tài)學(xué)的香梨果梗提取方法［J］.石河子大學(xué)學(xué)報(bào)：自然科學(xué)版，2008，26（5）：636－638.

Models for Predicting the Mass of Korla Fragrant Pear by Geometrical Parameters

WANG Huting，WU Jie，HU Rong，LI Fan
（College of Machinery and Electricity Engineering，Shihezi University，Shihezi 832000，China）

Three mutually perpendicular diameters and projected area of Korla fragrant pear were determined using image processing methods.Different linear and nonlinear regression models for mass prediction of Korla fragrant pears based on these geometrical parameters were identified.The results indicated that among the mass prediction models of Korla fragrant pear based on diameters，the linear model with the independent variables as major and intermediate diameter（or minor diameter）had higher correlation.Also，among the mass prediction models based on the projected area，the polynomial model with the independent variable as the projected area which include the major diameter can be optimum.The results showed that it is feasible to predict the mass of Korla fragrant pear using geometrical parameters，and it can supply basis for the research of mass classification using machine vision method.

Korla fragrant pear；geometrical parameters；mass prediction；image processing methods

R337.3

A

1007－7383（2011）03－0370－04

2011－03－04

王虎挺（1982－），男，講師，碩士研究生，專業(yè)方向?yàn)檗r(nóng)產(chǎn)品品質(zhì)安全與檢測(cè)；e－mail：wht＿jdxy＠shzu.du.cn。

吳杰（1972－），男，副教授，碩士生導(dǎo)師，從事農(nóng)產(chǎn)品品質(zhì)安全與檢測(cè)研究；e－mail：wjie＿mac＠shzu.edu.cn。