里紅杰 陶學(xué)恒 于曉強(qiáng)

（大連工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，遼寧 大連 116034）

計(jì)算機(jī)視覺(jué)技術(shù)在海產(chǎn)品質(zhì)量評(píng)估中的應(yīng)用

里紅杰 陶學(xué)恒 于曉強(qiáng)

（大連工業(yè)大學(xué)信息科學(xué)與工程學(xué)院，遼寧 大連 116034）

傳統(tǒng)的海產(chǎn)品分類及質(zhì)量檢驗(yàn)主要是采用人工方法，靠肉眼進(jìn)行判斷，需耗費(fèi)大量的人力，且勞動(dòng)強(qiáng)度大、效率低。采用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)海產(chǎn)品進(jìn)行自動(dòng)分類與質(zhì)量評(píng)估可有效克服上述缺點(diǎn)。通過(guò)提取海產(chǎn)品的尺寸、形狀、顏色、紋理等特征，結(jié)合預(yù)測(cè)模型，采用數(shù)字圖像處理的方法可實(shí)現(xiàn)海產(chǎn)品的無(wú)接觸、無(wú)損傷處理。文章分析基于計(jì)算機(jī)視覺(jué)技術(shù)的海產(chǎn)品分類及質(zhì)量評(píng)估系統(tǒng)的構(gòu)成，并通過(guò)實(shí)例分析闡述其具體實(shí)現(xiàn)方法，論證該方法的有效性。

計(jì)算機(jī)視覺(jué)；海產(chǎn)品；質(zhì)量評(píng)估；圖像處理

隨著消費(fèi)者食品安全意識(shí)的不斷提高，海產(chǎn)品加工行業(yè)對(duì)產(chǎn)品質(zhì)量的監(jiān)控也在逐步提高。傳統(tǒng)的質(zhì)量評(píng)估常常是根據(jù)海產(chǎn)品的外觀、氣味、紋理等特征進(jìn)行人工判斷，自動(dòng)檢驗(yàn)系統(tǒng)主要是基于計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行海產(chǎn)品的感官檢驗(yàn)分析。

計(jì)算機(jī)視覺(jué)技術(shù)是利用圖像傳感器獲取對(duì)象的圖像并將其轉(zhuǎn)化成數(shù)據(jù)矩陣，用計(jì)算機(jī)進(jìn)行分析，同時(shí)完成與視覺(jué)有關(guān)的任務(wù)。20世紀(jì)70年代初期，計(jì)算機(jī)視覺(jué)技術(shù)得到了迅猛的發(fā)展，普遍應(yīng)用于汽車、電子、食品、醫(yī)藥、紡織等行業(yè)，其中較為普遍的方式是基于物品的形狀、顏色以及存在的瑕疵進(jìn)行檢驗(yàn)［1，2］。近年來(lái)，隨著計(jì)算機(jī)硬件及軟件技術(shù)的不斷改進(jìn)，計(jì)算機(jī)視覺(jué)技術(shù)在食品加工領(lǐng)域得到了大力的發(fā)展。Chong等［3］利用茄子的長(zhǎng)度、直徑、體積、色澤、表面缺陷等特征實(shí)現(xiàn)了茄子分級(jí)；Blasco等［4－7］實(shí)現(xiàn)了利用石榴粒的顏色進(jìn)行自動(dòng)分級(jí)篩選；Tu等［8］提出了椰菜分級(jí)方法，通過(guò)提取椰菜的色澤、形狀等特征并利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)分級(jí)。此外，還有利用水果的大小及其形狀特征進(jìn)行分級(jí)［9－11］、表面損傷檢測(cè)［12－14］等。

針對(duì)海產(chǎn)品的檢驗(yàn)，DJ White等［15］利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)比目魚(yú)進(jìn)行種類識(shí)別研究；張志強(qiáng)等［16，17］利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)淡水魚(yú)的品種識(shí)別和質(zhì)量分級(jí)進(jìn)行研究。目前，對(duì)于貝類等其他種類海產(chǎn)品自動(dòng)分類及檢測(cè)的研究仍處于初級(jí)階段。

基于計(jì)算機(jī)視覺(jué)技術(shù)的自動(dòng)檢驗(yàn)系統(tǒng)可有效地取代傳統(tǒng)的人工視覺(jué)檢驗(yàn)，但自動(dòng)檢驗(yàn)系統(tǒng)的實(shí)施需借助于專用的圖像處理軟件，因此，圖像處理的質(zhì)量對(duì)系統(tǒng)的性能有著直接的影響。

1 計(jì)算機(jī)視覺(jué)系統(tǒng)

計(jì)算機(jī)視覺(jué)系統(tǒng)由圖像獲取及圖像分析兩個(gè)基本環(huán)節(jié)構(gòu)成。其中，圖像獲取環(huán)節(jié)包含照明裝置及攝像頭；圖像分析環(huán)節(jié)包含圖像采集卡，即幀捕獲器或數(shù)字轉(zhuǎn)換器以及分析軟件。典型的計(jì)算機(jī)視覺(jué)系統(tǒng)見(jiàn)圖1。

類似于人眼視覺(jué)系統(tǒng)，計(jì)算機(jī)視覺(jué)系統(tǒng)受照明度和照明品質(zhì)的影響。照明系統(tǒng)的性能極大地影響了圖像的質(zhì)量，在系統(tǒng)的總效率和準(zhǔn)確性方面起著重要的作用。

1.1 照明系統(tǒng)

系統(tǒng)工作時(shí)，光源集中在檢測(cè)物樣本上。光源的類型，位置以及顏色質(zhì)量對(duì)生成一副清晰的目標(biāo)圖像起著重要的作用。照明包含前光及背光，前光主要針對(duì)于產(chǎn)品外部表面特征的檢測(cè)，而背光是用于增強(qiáng)目標(biāo)的背景。光源可采用熒光燈，發(fā)光二極管（LED）激光發(fā)射器，X射線管及紅外發(fā)光管等。

圖1 計(jì)算機(jī)視覺(jué)系統(tǒng)組成Figure 1 Components of a computer vision system

1.2 圖像采集

圖像采集是利用攝像頭內(nèi)部的CCD感光元件將光信號(hào)轉(zhuǎn)換成電信號(hào)輸出的過(guò)程。圖像采集的效果很大程度上是由照明設(shè)備的質(zhì)量來(lái)決定的，且不同的照明設(shè)備應(yīng)配備相應(yīng)的圖像采集設(shè)備。

1.3 圖像處理

由圖像采集設(shè)備獲取的樣本圖像傳送給計(jì)算機(jī)轉(zhuǎn)換為數(shù)字圖像。對(duì)樣本圖像的各級(jí)處理過(guò)程見(jiàn)圖2。

圖2 各級(jí)圖像處理過(guò)程Figure 2 Different levels in image processing

圖像采集與預(yù)處理為低級(jí)圖像處理，主要是對(duì)采集到的圖像進(jìn)行去噪，增強(qiáng)處理，以提高后續(xù)處理的精度。典型的圖像去噪算法有均值濾波、維納濾波、高斯濾波等。

特征提取是提取圖像中感興趣區(qū)域的特征，可采用圖像分割等方法提取顏色特征、紋理特征和形狀特征等。典型的圖像分割算法有閾值法、形態(tài)學(xué)法、基于遺傳算法的圖像分割等。對(duì)于彩色圖像和多光譜圖像，可將顏色或光譜信息加入圖像分割的參考依據(jù)以提高分割的準(zhǔn)確率。

圖像識(shí)別與判斷為高級(jí)圖像處理，結(jié)合預(yù)測(cè)模型實(shí)現(xiàn)目標(biāo)的辨認(rèn)、分類與解釋，可采用的分類器有神經(jīng)網(wǎng)絡(luò)分類器、支持向量機(jī)等。

2 計(jì)算機(jī)視覺(jué)技術(shù)在海產(chǎn)品加工處理過(guò)程中的應(yīng)用

海產(chǎn)品的特征包括大小、形狀、紋理以及顏色等，由于種類繁多，針對(duì)不同種類的海產(chǎn)品這些特征也有所不同，因此對(duì)于傳統(tǒng)的機(jī)械設(shè)備實(shí)現(xiàn)海產(chǎn)品的分類及質(zhì)量評(píng)估具有一定的難度。而基于計(jì)算機(jī)視覺(jué)技術(shù)的海產(chǎn)品分類及質(zhì)量評(píng)估系統(tǒng)可實(shí)現(xiàn)無(wú)接觸、無(wú)損傷的檢驗(yàn)［18，19］。此外，若執(zhí)行分類篩選的硬件系統(tǒng)反應(yīng)速度足夠快，計(jì)算機(jī)視覺(jué)技術(shù)在海產(chǎn)品加工領(lǐng)域?qū)?huì)有更多、更現(xiàn)實(shí)的應(yīng)用。

2.1 海產(chǎn)品的分類研究

圖3所示為基于計(jì)算機(jī)視覺(jué)技術(shù)的海產(chǎn)品檢測(cè)系統(tǒng)對(duì)魚(yú)類的分析舉例。

圖3 基于計(jì)算機(jī)視覺(jué)系統(tǒng)的魚(yú)類分析舉例Figure 3 Examples of fish products analyzed by a computer vision system

圖3（a）為系統(tǒng)采集到的魚(yú)的原始圖像，圖像中的邊緣信息即魚(yú)的輪廓可利用邊緣提取算法獲得，見(jiàn)圖3（b）。由提取出的輪廓可以有效地識(shí)別出魚(yú)的種類，從而實(shí)現(xiàn)魚(yú)的分類。

2.2 海產(chǎn)品的質(zhì)量評(píng)估

更進(jìn)一步地，對(duì)于海產(chǎn)品質(zhì)量的評(píng)估見(jiàn)圖4。

圖4 基于計(jì)算機(jī)視覺(jué)的蝦的質(zhì)量評(píng)估Figure 4 Quality evaluation of shrimp using computer vision technology

圖4（a）為系統(tǒng)采集到的蝦的原始圖像，左側(cè)為鮮度質(zhì)量較好的蝦，部分蝦體顏色呈青色，右側(cè)為鮮度質(zhì)量稍差的蝦，蝦體顏色整體偏白。圖4（b）為利用增強(qiáng)算法處理過(guò)的圖像，其中左側(cè)的蝦圖像蝦體具有較多的紋理特征，灰度變化顯著，右側(cè)的蝦圖像蝦體灰度變化不明顯。進(jìn)一步可結(jié)合實(shí)際需求，通過(guò)修正預(yù)測(cè)模型的判別準(zhǔn)則即可有效地對(duì)蝦的質(zhì)量進(jìn)行評(píng)估。

由圖3及圖4所示實(shí)例可知，采用計(jì)算機(jī)視覺(jué)技術(shù)可有效地提取圖像目標(biāo)區(qū)域的特征，從而實(shí)現(xiàn)海產(chǎn)品的分類及質(zhì)量評(píng)估。

3 結(jié)論及展望

計(jì)算機(jī)技術(shù)的迅猛發(fā)展使人類生產(chǎn)和生活發(fā)生了巨大的變化。近年來(lái)，食品安全問(wèn)題逐步成為人們關(guān)注的焦點(diǎn)，因此，基于計(jì)算機(jī)視覺(jué)技術(shù)的食品分類及質(zhì)量檢驗(yàn)系統(tǒng)越來(lái)越受到關(guān)注。雖然在海產(chǎn)品加工領(lǐng)域中，基于計(jì)算機(jī)視覺(jué)技術(shù)的無(wú)接觸、無(wú)損傷自動(dòng)分類及質(zhì)量評(píng)估系統(tǒng)仍屬一項(xiàng)新技術(shù)，但是該技術(shù)已為種類繁多的農(nóng)產(chǎn)品成功地提供了分類及質(zhì)量評(píng)估方法，相信在不久的將來(lái)，這一技術(shù)即可在海產(chǎn)品加工領(lǐng)域得以廣泛的實(shí)施。

1 Da－Wen Sun.Computer vision technology for food quality evaluation，food science and technology：international series［M］.Dublin：Elsevier Press，2007.

2 J M Aguilera，V Briones.Computer vision and food quality［J］.Food Australia，2005，57（3）：79～87.

3 Chong V K，Kondo N，Ninomiya K.Features extraction for eggplant fruit grading system using machine vision［J］.Applied Engineering in Agriculture，2008，24（5）：675～684.

4 Blasco J，Cubero S.Development of a machine for the automatic sorting of pomegranate（Punica granatum）arils based on computer vision［J］.Journal of Food Engineering，2009，90（7）：27～34.

5 高彩云，高滿屯，王少衛(wèi).機(jī)器視覺(jué)中特征點(diǎn)提取算法的探討［J］.計(jì)算機(jī)仿真，2009，30（10）：233～236.

6 李偉，康晴晴，張俊雄.基于機(jī)器視覺(jué)的蘋(píng)果表面紋理檢測(cè)方法［J］.吉林大學(xué)學(xué)報(bào)：工學(xué)版，2008，38（5）：1 111～1 117.

7 Xu Liming，Zhao Yanchao.Automated strawberry grading system based on image processing［J］.Computers and Electronics in Agriculture，2010，71（8）：32～39.

8 Tu K，Ren K，Pan L Q，et al.A study of broccoli grading system based on machine vision and neural networks［C］//Proceedings of the 2007IEEE International Conference on Mechatronics and Automation.［s.n.］：［S.l.］，2007：2 332～2 336.

9 安愛(ài)琴，余澤通，王宏強(qiáng).基于機(jī)器視覺(jué)的蘋(píng)果大小自動(dòng)分級(jí)方法［J］.農(nóng)機(jī)化研究，2008，52（4）：163～166.

10 林開(kāi)顏，吳軍輝，徐立鴻.基于計(jì)算機(jī)視覺(jué)技術(shù)的水果形狀分級(jí)方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2005，36（6）：71～74.

11 司永勝，喬軍，劉剛.基于機(jī)器視覺(jué)的蘋(píng)果識(shí)別和形狀特征提?。跩］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：161～165.

12 馮斌，汪懋華.計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別水果缺陷的一種新方法［J］.中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2002，7（4）：73～76.

13 Xu Liming，Zhao Yanchao.Automated strawberry grading system based on image processing［J］.Computers and Electronics in Agriculture，2010，71（8）：32～39.

14 應(yīng)義斌，饒秀勤，趙勻，等.機(jī)器視覺(jué)技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動(dòng)識(shí)別中的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，2000，16（1）：103～108.

15 White D J，Svellingen C.Automated measurement of species and length of fish by computer vision［J］.Fisheries Research，2006，80（4）：203～210.

16 張志強(qiáng)，牛智有，趙思明，等.基于機(jī)器視覺(jué)技術(shù)的淡水魚(yú)質(zhì)量分級(jí)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27（2）：350～354.

17 張志強(qiáng)，牛智有，趙思明.基于機(jī)器視覺(jué)技術(shù)的淡水魚(yú)品種識(shí)別［J］.農(nóng)業(yè)工程學(xué)報(bào)，2011，27（11）：388～392.

18 Bahar Gümüs.Machine vision applications to aquatic foods：a review［J］.Turkish Journal of Fisheries and Aquatic Sciences，2011（11）：171～181.

19 T Brosnan，D W Sun.Improving quality inspection of food products by computer vision－a review［J］.Journal of Food Engineering，2004（61）：3～16.

Application of computer vision technology on quality evaluation of seafood

LI Hong－jie TAO Xue－h(huán)engYU Xiao－qiang

（School of Information Science and Engineering，Dalian Polytechnic University，Dalian，Liaoning116034，China）

The traditional method of classification and quality control is mainly used artificial means judging by the naked eye which would spend a lot of manpower with labor－intensive and inefficient.The disadvantage can be overcome by using the system based on computer vision technology，which can achieve the automatic classification and quality assessment of seafood.The methods of digital image processing were used to extract the size，shape，color，texture and other characteristics of the seafood.Combining with predictive models，the seafood can be classified in a non－contact and non－destructive manner.This paper analyzes the composition of classification and quality assessment system according to seafood based on computer vision technology.The feasibility of the system is described by the analysis of the examples which also demonstrates the effectiveness of this technique.

computer vision；seafood；quality evaluation；image processing

10.3969 /j.issn.1003－5788.2012.04.042

里紅杰（1979－），女，大連工業(yè)大學(xué)講師，碩士。E－mail：lihj＠dlpu.edu.cn

2012－05－15