余筱潔 黃星奕 徐富斌

王允祥2 龐林江2 周存山1，2

（1.江蘇大學食品與生物工程學院，江蘇 鎮(zhèn)江 212013；2.浙江農(nóng)林大學農(nóng)業(yè)與食品科學學院，浙江 臨安 311300）

雷筍是一種優(yōu)良的食用筍，筍肉粗壯潔白，甘甜鮮嫩，營養(yǎng)豐富，是中國南方的傳統(tǒng)美味佳肴，人稱“素食第一品”［1，2］。中國竹筍產(chǎn)業(yè)蓬勃發(fā)展，產(chǎn)生了可觀的經(jīng)濟效益［3］，增加了農(nóng)民收入，加快了農(nóng)村經(jīng)濟發(fā)展。但是許多問題依舊存在，竹筍加工中的剝殼、切割等環(huán)節(jié)由人工完成，機械化程度低［4］，主觀性強且易污染，影響產(chǎn)品質(zhì)量。因此研究高效率的竹筍加工機械，提高機械化程度，是生產(chǎn)中急需解決的問題［5］。

機器視覺技術模仿人的視覺功能［6］，高效、客觀地獲取被檢測樣本的顏色［7］、大?。?］、形狀［9］、紋理［10］等圖像特征，并應用于農(nóng)產(chǎn)品品質(zhì)在線檢測。利用顏色特征確定筍切割位置的方法在國內(nèi)外均未見報道。本試驗利用機器視覺技術分析雷筍的顏色特征，研究其顏色和嫩度之間的關系，探索合適的切割方法，為設計雷筍切割機械提供理論依據(jù)。

1 材料與方法

1.1 材料與儀器

1.1.1 材料

雷竹（Phyllostachys praecox f.prevelnalis）鮮 筍：于2012年4月采挖自浙江省臨安市，共75根樣本。

1.1.2 計算機視覺系統(tǒng)

拍攝去皮雷筍的圖像時，光的強度、反射會對圖像采集以及顏色特征的提取有影響。為了消除不良影響，試驗采用了一套漫反射光源系統(tǒng)。相機采用尼康Coolpix 990，放置在樣品臺正上方。圖像處理軟件使用Halcon 9.0。本試驗圖像采集系統(tǒng)如圖1所示。

1.2 方法

1.2.1 原料的選擇及預處理 選擇筍體飽滿、完整，無機械損傷，帶皮筍的長度為20～40cm 的雷筍。采挖后迅速加冰貯存，運往實驗室，去除泥土和雜物后在冰箱2 ℃左右?guī)べA藏。采集圖像前人工去除筍殼。

圖1 圖像采集系統(tǒng)示意圖Figure 1 Schematic diagram of image acquisition system

1.2.2 樣本圖像獲取 將雷筍人工去皮后，拍攝圖像，分析筍體表顏色規(guī)律。試驗中拍攝了樣本共75根，按照去皮后樣本的長度可以劃分為不同的長度范圍，對應的樣本數(shù)量見表1。圖2是其中一個樣本的灰度圖像示例。

表1 不同長度范圍的雷筍樣本數(shù)量Table 1 The amount of bamboo shoot samples in different length range

圖2 采集樣本的灰度圖像Figure 2 Gray image of a bamboo shoot sample

2 結果與分析

2.1 圖像分析

2.1.1 顏色模型 在國際照明委員會（CIE）規(guī)定的一系列色度學系統(tǒng)中，CIE1931－RGB系統(tǒng)是最基礎的一種。它是在三基色學說下建立起來的顏色系統(tǒng)，R、G、B分別表示三基色的數(shù)值，各種顏色可以由不同數(shù)值的三基色混合產(chǎn)生［11］。本試驗選擇CIE1931－RGB系統(tǒng)的B通道分析雷筍體表的顏色變化規(guī)律，圖3是樣本在B通道下的圖像。

2.1.2 嫩度規(guī)律 雷筍從尖端到尾端，質(zhì)地從嫩逐漸變老。嫩度的變化趨勢可以通過研究筍的質(zhì)構特征來得到。將筍的尖端作為起始點，在距尖端一定距離處測量穿刺硬度，每個距離處沿筍的徑向一周取3個點分別測量穿刺硬度，硬度平均值作為這一距離處的嫩度指標。相對距離是距尖端距離和筍長度的比值，與圖3對應樣本的穿刺硬度數(shù)據(jù)見表2。將相對距離作為橫坐標，穿刺硬度作為縱坐標，做出硬度變化趨勢見圖4。

圖3 樣本在B通道下的圖像Figure 3 Image of a sample in channel B

表2 樣本的穿刺硬度數(shù)據(jù)Table 2 Puncture hardness data of a sample

圖4 穿刺硬度變化趨勢Figure 4 The trend of puncture hardness data

2.1.3 顏色規(guī)律和算法實現(xiàn) 分析樣本在B通道下的圖像（圖3），發(fā)現(xiàn)從雷筍的尖端到尾端，顏色的變化是有規(guī)律的。筍的前段顏色偏亮，中段顏色偏暗，后段顏色偏亮。根據(jù)顏色變化的規(guī)律，找到合適的切割點或分界線，就可以在切割點或分界線處切割，將筍分為3段。結合筍的嫩度規(guī)律，認為前段是雷筍最嫩的部分，后段是相對老的部分，中段介于老嫩之間。實現(xiàn)了根據(jù)顏色規(guī)律把雷筍切割為老嫩不同的3段的目的。

為了確定切割位置，實現(xiàn)機械切割，本試驗采用閾值分割方法［12］，結合方向線找到切割點的坐標。主要算法如下：

（1）方向線的確定：研究筍質(zhì)構規(guī)律時，方向線是測量參考線，在方向線上測量距尖端的距離。通過方向線可以在筍體表定位穿刺硬度的測量位置，并且在方向線上確定切割點便于實現(xiàn)機械切割。為了確定方向線，只需確定兩個關鍵的點：①尋找頂點。拍攝筍圖像時，盡量將筍水平放置，尖端在圖像右側(cè)，尾端在圖像左側(cè)。從圖像左上角的點開始，按照從左到右，從上到下的順序逐個點掃描，找到縱坐標最大的所有點，即位于圖像最右側(cè)的點。如果縱坐標最大的點只有一個，那么這個點為頂點，記錄其坐標（X1，Y1）。如果縱坐標最大的點不止一個，那么這些點中選擇橫坐標值為中間值的點為頂點，記錄其坐標（X1，Y1）。②找尋第二個點。得到筍的中心點坐標、方向、寬和高的數(shù)值，構建筍的最小外接矩形，找到其骨骼線。骨骼線有兩個節(jié)點，一個靠近筍尖端，另一個靠近筍尾端，選擇靠近筍尾端的節(jié)點為第2個點，記錄其坐標（X2，Y2）。

連接兩個點得到方向線，圖5的直線表示方向線。

圖5 樣本的方向線示意圖Figure 5 The directional line of a sample

（2）切割點的確定：B通道下，筍的3段區(qū)域的顏色灰度值有差異，且前、后段偏亮而中段偏暗，使用閾值分割方法可以將前段和后段分割出來，見圖6。為了在前、后段分別找到切割點，首先分別得到前、后段的最小外接矩形。然后將其和方向線做交集，得到兩條線段。對于前段的交集線段，取縱坐標最小的點為切割點，記錄其坐標（X3，Y3）。對于后段的交集線段，取縱坐標最大的點為切割點，記錄其坐標（X4，Y4）。

圖6 分割后的前段和后段Figure 6 The anterior，posterior segment after segmentation

2.1.4 特殊樣本 雷筍的生長位置、陽光照射等環(huán)境條件不同，會導致筍個體間存在差異。農(nóng)戶憑借經(jīng)驗選擇、采挖筍，人的主觀選擇也會對樣本造成差異。特殊樣本如圖7所示，圖7（a）中樣本的前段和中段顏色相近，后段顏色偏亮，采用上述的閾值分割方法只能分割出后段筍，得到后段的切割點；圖7（b）中樣本恰好相反，中段和后段的顏色相近，前段偏亮，因此只有前段被分割出來，得到前段的切割點。

圖7 兩段切割的樣本Figure 7 Samples with two segments

圖7（a）中樣本前段和中段的嫩度相近，致使筍體表的顏色相近，因此無法分割前、中段；圖7（b）中樣本采挖時丟棄了根部，本身沒有根部，因此只分割出前段。這兩個樣本將筍切割為兩段，將不同嫩度的筍段分離，也實現(xiàn)了切割目的。

2.2 結果分析

對75根筍進行分析，確定切割點坐標。統(tǒng)計結果見表3，三段切割是指實現(xiàn)將筍切成前、中、后3段，特殊切割是指將筍切割成前、中兩段或者中、后兩段，無法切割是指此算法不適用。實現(xiàn)三段切割的筍占74.67%，實現(xiàn)兩段切割的筍占17.33%，實現(xiàn)切割的筍占92%，此切割方法可行。利用機器視覺技術切割筍能夠避免人工切割的主觀性［13，14］，還可以提高工作效率，提高產(chǎn)品的品質(zhì)。

表3 雷筍切割統(tǒng)計結果Table 3 Bamboo shoots cutting statistical results

3 結論

利用機器視覺技術，根據(jù)雷筍的顏色特征結合嫩度分布規(guī)律，找到算法以實現(xiàn)不同嫩度筍段的切割，能取得很好的切割結果。本試驗的切割方法有助于指導雷筍切割機械的設計，進而有助于提升竹筍加工的機械化程度。但部分樣本無法切割，因此，需要完善算法來進一步提高切割的成功率。

1 陳功.竹筍加工與綜合利用［M］.北京：化學工業(yè)出版社，2007.

2 張規(guī)富，張玲玲，杜六甫.雷竹筍營養(yǎng)成分的分析測定［J］.安徽農(nóng)業(yè)科學，2008，36（3）：841～842.

3 竇營，余學軍，巖松文代.中國竹子資源的開發(fā)利用現(xiàn)狀與發(fā)展對策［J］.中國農(nóng)業(yè)資源與區(qū)劃，2011，32（5）：65～70.

4 李光輝.風味快餐竹筍制備技術的研究［J］.現(xiàn)代食品科技，2008，24（10）：1 016～1 018.

5 李琴，汪奎宏，張都海.中國竹筍加工與貿(mào)易現(xiàn)狀［J］.浙江林業(yè)科技，2001，21（2）：39～61.

6 劉華波，賀立源，李猷.現(xiàn)代成像技術在農(nóng)產(chǎn)品品質(zhì)檢測中的應用［J］.計算機與現(xiàn)代化，2009（4）：22～25.

7 曹其新，劉成良，殷躍紅，等.基于彩色圖像處理的西紅柿品質(zhì)特征的提取研究［J］.機器人，2001，23（7）：652～656.

8 周竹，黃懿，李小昱，等.基于機器視覺的馬鈴薯自動分級方法［J］.農(nóng)業(yè)工程學報，2012，28（7）：178～182.

9 郭峰，曹其新，謝國俊，等.基于OHTA 顏色空間的瓜果輪廓提取方法［J］.農(nóng)業(yè)機械學報，2005，36（11）：113～116.

10 王海青，姬長英，顧寶興，等.基于機器視覺和支持向量機的溫室黃瓜識別［J］.農(nóng)業(yè)機械學報，2012，43（3）：164～180.

11 方如明，蔡健榮，許俐.計算機圖像處理技術及其在農(nóng)業(yè)工程中的應用［M］.北京：清華大學出版社，1999.

12 付峰，應義斌.農(nóng)產(chǎn)品品質(zhì)檢測中常用的圖像背景分割方法［J］.農(nóng)機化研究，2003（2）：85～86.

13 劉濤，孫旭東，劉燕德.農(nóng)作物品質(zhì)的近紅外光譜無損檢測研究進展［J］.食品與機械，2010，26（3）：161～166.

14 鄒佳，蔡婷，羅永康，等.冰鮮魚和解凍魚快速無損傷物理檢測技術研究［J］.食品與機械，2010，26（2）：47～49.