殷蓉，高玨，孟國飛，潘洋洋

（常熟理工學(xué)院電氣與自動化工程學(xué)院，江蘇常熟 215500）

一種應(yīng)用圓形度的番茄形狀分級方法

殷蓉，高玨，孟國飛，潘洋洋

（常熟理工學(xué)院電氣與自動化工程學(xué)院，江蘇常熟 215500）

提出一種基于圓形度的番茄形狀自動分級方法.采用機器視覺技術(shù)，首先利用CCD攝像機獲取樣本圖像，然后以圓形度描述番茄外形的圓潤程度，通過MATLAB的圖像處理功能獲得分級信息，并由LabVIEW平臺實時監(jiān)控、PLC實施有效控制，從而實現(xiàn)對番茄形狀的自動分級.試驗表明，此方法具有較高的分級質(zhì)量和效率.

機器視覺；MATLAB圖像處理；圓形度；形狀分級

農(nóng)產(chǎn)品無損檢測分級是促進(jìn)其標(biāo)準(zhǔn)化和商品化的必要技術(shù)手段[1]，對于提升蔬果的附加值非常重要.我國是水果生產(chǎn)大國，但采摘后加工環(huán)節(jié)薄弱，未能滿足人們對水果品質(zhì)的要求，也影響其國際競爭力.隨著計算機技術(shù)的迅猛發(fā)展，機器視覺技術(shù)在工農(nóng)業(yè)生產(chǎn)中的應(yīng)用也越來越普遍.機器視覺是用機器代替人眼完成檢測分級工作，具有非接觸性測量、效率高、長時間穩(wěn)定工作等優(yōu)勢，克服了人工分級和傳統(tǒng)機械分級的缺點，可廣泛應(yīng)用于農(nóng)產(chǎn)品品質(zhì)檢測與分級[2-4].外形尺寸是水果[5-6]的主要品質(zhì)參數(shù)之一，也是水果分級的重要依據(jù).水果在生長過程中受到多種因素的影響，外部形狀很難統(tǒng)一，所以水果形狀分級至今沒有完善的解決方法.目前，以最大最小半徑比值法和圓形度法作為描述水果形狀的特征參數(shù)，對硬件設(shè)備的要求較低，而且算法通俗易懂、效率高.本文提出的基于機器視覺的番茄形狀分級方法，通過圖像采集和處理獲取番茄的形狀特征，可實現(xiàn)對番茄形狀的自動分級.

1 分級系統(tǒng)的設(shè)計

系統(tǒng)硬件由機器視覺系統(tǒng)、PLC控制系統(tǒng)和分級系統(tǒng)三部分組成.其工作示意圖如圖1所示.其中，光室、CCD攝像頭、進(jìn)料光電傳感器和工控機（含圖形處理軟件）屬于機器視覺系統(tǒng)，PLC、皮帶輸送線及三相異步電機屬PLC控制系統(tǒng)，分級系統(tǒng)包括各種傳感器、執(zhí)行機構(gòu)及相應(yīng)的料槽.

系統(tǒng)軟件由LabVIEW和MATLAB組成.系統(tǒng)分別通過MATLAB和PLC實現(xiàn)番茄樣本的圖像處理和自動分級，而LabVIEW作為監(jiān)控平臺，實現(xiàn)兩者的通信.

在分級過程中，番茄樣本由傳送帶連續(xù)傳送.當(dāng)通過光室中的進(jìn)料光電傳感器時，PLC接收到信號，經(jīng)通信模塊傳輸給上位機，上位機驅(qū)動CCD攝像機，通過圖像采集卡將水果圖像傳入計算機.上位機使用Lab?VIEW作為監(jiān)控平臺，調(diào)用MATLAB腳本進(jìn)行一系列處理和分析，獲取番茄的形狀特征、輸出分級結(jié)果，最后PLC根據(jù)分級信息控制分級機構(gòu)，完成分級.

圖1 系統(tǒng)工作示意圖

2 番茄等級規(guī)格與形狀描述

根據(jù)農(nóng)業(yè)部發(fā)布的農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)，番茄等級規(guī)格中重要的一點就是果形圓潤無筋棱，消費者也多以番茄外形的圓潤程度挑選、購買，故以形狀指標(biāo)對番茄進(jìn)行分級很有必要.

最小最大半徑比值法是把采集的水果圖像近似投影成圓形圖像，投影的近似圖像越圓則說明水果形狀越好，如果近似投影圖像很扁，則表示水果畸形.同時把通過形心和果軸具有相同方向的果徑作為縱徑，而與之垂直方向的果徑作為橫徑.由縱徑與橫徑的比值表示水果形狀的特征參數(shù).

把水果的周長L和面積S提取出來，以L^2/（4πS）表示圓形度.當(dāng)水果在相同面積的條件下，若區(qū)域邊界光滑且為圓形，其圓形度值接近1；若區(qū)域邊界凹凸變化大，區(qū)域的形狀越偏離圓形，則相應(yīng)的周長也增加，圓度值也相應(yīng)增大.

用兩種程序?qū)嵨锓謩e處理后，發(fā)現(xiàn)兩種方法的分級準(zhǔn)確率相當(dāng)，用圓形度做特征參數(shù)的方法相比最小最大半徑比值法可以反映更多的形狀信息，而且該方法運行速度也較快，符合水果檢測系統(tǒng)完成實時檢測的任務(wù)要求，所以本文選用圓形度作為特征參數(shù).

圖2 圖像采集和處理流程

3 圖像采集與圖像處理

CCD攝像機獲取樣本圖像后，傳送到上位機，由MATLAB進(jìn)行預(yù)處理.圖像的預(yù)處理包括背景抑制、灰度化、二值化、圖像分割和邊緣檢測，其流程及相應(yīng)的效果如圖2、圖3所示.

3.1 圖像采集

番茄圖像的采集由大恒圖像DH-HV-u系列數(shù)字?jǐn)z像機獲取，這款攝像機采用USB2.0標(biāo)準(zhǔn)接口傳輸圖像數(shù)據(jù)，安裝簡單方便.試驗時，調(diào)節(jié)CCD攝像頭的焦距和傳送帶的速度，直到采集圖像清晰為止.MATLAB中，函數(shù)getsnapshot用于調(diào)用CCD攝像機拍攝番茄圖像，imwrite和imread函數(shù)分別用于保存和讀取原始待測圖像.實驗中，獲取的樣本圖像如圖3（1）所示.

3.2 背景抑制

攝像機拍攝的圖像往往包含皮帶等干擾樣本特征提取的背景，若背景的亮度和面積與樣本相當(dāng)，圖像處理過程中就有可能誤判為樣本的一部分，使樣本的特征信息和分級結(jié)果產(chǎn)生很大的誤差，因此應(yīng)對背景做一定的處理.函數(shù)imclearborder可以抑制和圖像邊界相連的亮對象，調(diào)用格式為X2=imclearborder（X1，conn），默認(rèn)conn=8，即使用8鄰域.經(jīng)過背景抑制的圖像如圖3（2）.

3.3 灰度化與二值化

圖像灰度變化可擴展圖像的對比度和增大圖像的動態(tài)范圍，使圖像的特征信息顯示得比較清晰明顯，是增強圖像效果的重要手段之一.MATLAB中的函數(shù)rgb2gray可以將24位真彩色的圖像轉(zhuǎn)換為8位的灰度圖像.

圖3 圖像處理步驟

在圖像處理過程中，樣本的背景分割是分析和識別圖像的關(guān)鍵技術(shù)，利用圖像中背景與目標(biāo)的灰度值的差異度，把圖像看作具有不相同灰度級的兩類區(qū)域的組合，而只提取出目標(biāo)區(qū)域.只有這樣，才能對目標(biāo)圖像進(jìn)行特征提取和參數(shù)測量，使得更高層次的圖像分析和識別成為可能.自適應(yīng)閾值法可以按照灰度圖的特性，將灰度圖分為兩個像素組.通常把所要提取的目標(biāo)圖像分為一組，而背景圖像則被分為另一組，通過求其最大組間方差的方法來判定閾值.函數(shù)graythresh可以實現(xiàn)用最大組間方差法計算全局圖像的閾值，再調(diào)用im2bw函數(shù)將灰度圖像二值化，效果如圖3（3）所示.

3.4 平滑與分割

經(jīng)過二值化的圖像中背景仍有很多噪點，而且目標(biāo)的邊界也會有一些突刺，這些都會影響對象的特征提取.故首先用中值濾波器medfilt2函數(shù)對圖像做平滑處理.再取適當(dāng)?shù)闹礟，通過調(diào)用X4=bwareaopen（X3，P，conn）可刪除二值圖像X3中面積小于P的對象，X4為輸出圖像，默認(rèn)情況下conn使用8鄰域.

圖像的腐蝕就是使用算法將圖像的邊緣腐蝕掉，作用是將目標(biāo)邊緣的“毛刺”踢除掉.膨脹就是使用算法將圖像的邊緣擴大些，作用是將目標(biāo)的邊緣或內(nèi)部的坑填掉.使用相同次數(shù)的腐蝕與膨脹，可以使目標(biāo)表面更平滑.

對于背景中的噪點，可以通過imclose函數(shù)對圖像實現(xiàn)閉運算，閉運算也能平滑圖像的輪廓，一般融合窄的缺口和細(xì)長的彎口，去掉小洞、填補輪廓上的縫隙.

其中，函數(shù)strel的作用是構(gòu)造結(jié)構(gòu)元素，用于創(chuàng)建半徑為2的圓.再用閉運算對圖像進(jìn)行膨脹，使斷開的點連接.

對于目標(biāo)邊界上的毛刺，則可以用調(diào)用X6=imerode（closeX，se）進(jìn)行邊緣腐蝕.對圖像先膨脹后腐蝕，使番茄樣本完全從背景中分割出來，且經(jīng)過噪聲去除，一定程度上還原了原始圖像的真實信息，如圖3（4）所示.

3.5 邊緣檢測與特征提取

要提取樣本的形狀信息，必須首先檢測分割出來的目標(biāo)的邊界.在MATLAB中調(diào)用border=（closeX）-X6，其中closeX為膨脹后的圖像，X6為腐蝕后的圖像，兩者之差及為所希望獲取的目標(biāo)的邊界，見圖3（5）.調(diào)用p=bwperim（border）獲取邊界的像素點數(shù)p，C=sum（sum（p））求得樣本的邊長，S=sum（sum（X6））則可求得樣本的面積.最后由公式Y(jié)=C^2/（4piS）求得樣本的圓形度.

4 試驗與結(jié)果

國際上對番茄形狀的分類標(biāo)準(zhǔn)如表1所示，依據(jù)圓形度的不同分為優(yōu)等品、一等品和二等品.首先，選取50個新鮮的番茄作為試驗樣本，分別進(jìn)行人工分級和自動分級.對于自動分級，在MATLAB中經(jīng)過圖像處理得到圓形度特征量后，根據(jù)分類標(biāo)準(zhǔn)用選擇結(jié)構(gòu)就能得到番茄樣本的分級信息.由試驗結(jié)果得知，基于圓形度的自動分級準(zhǔn)確率達(dá)到82%，樣本總體全部完成分級共用時172 s.可見此法在保證準(zhǔn)確率的基礎(chǔ)上，能大大提高分級質(zhì)量和效率.由于篇幅限制，故僅選取部分結(jié)果列舉，如表2所示.

5 結(jié)束語

本文提出了一種基于圓形度的番茄形狀自動分級方法，通過機器視覺技術(shù)獲取圖像，采用圓形度描述番茄果實的形狀，實現(xiàn)了番茄的自動分級，準(zhǔn)確率達(dá)到了82%，每分鐘可分級約17個番茄.此系統(tǒng)提高了番茄果實的分級質(zhì)量和效率，且稍加改進(jìn)就能適用于其他農(nóng)產(chǎn)品的分析，應(yīng)用前景十分廣闊.

表1 國際形狀分級標(biāo)準(zhǔn)

表2 部分樣本形狀分級結(jié)果

[1]趙茂程，侯文軍.我國基于機器視覺的水果自動分級技術(shù)及研究進(jìn)展[J].包裝與食品機械，2007，25（5）：1-4.

[2]應(yīng)義斌，饒秀勤，黃永林，等.運動水果圖像的實時采集方法與系統(tǒng)研究[J].農(nóng)業(yè)機械報，2004，35（3）：179-183.

[3]應(yīng)義斌，饒秀勤，趙勻.機器視覺技術(shù)在農(nóng)產(chǎn)品品質(zhì)自動識別中的應(yīng)用研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報，2000，16（3）：4-8.

[4]章文英，應(yīng)義斌.蘋果圖像的底層處理及尺寸檢測[J].浙江農(nóng)業(yè)學(xué)報，2001，13（4）：214-217.

[5]趙靜，何東健.果實形狀的計算機識別方法研究[J].農(nóng)業(yè)工程學(xué)報，2001，17（2）：165-167.

[6]趙靜，何東健.果實形狀的計算機識別方法研究[J].農(nóng)業(yè)工程學(xué)報，2001，17（2）：165-167.

[7]潘峰，劉文予，朱光喜.MATLAB在圖像處理與研究中的應(yīng)用[J].計算機應(yīng)用研究，1999，16（12）：73-75.

A Method of Tomato Shape Classification with the Application of Circularity

YIN Rong,GAO Jue,MENG Guo-fei,PAN Yang-yang
(School of Electrical and Automation Engineering,Changshu Institute of Technology,Changshu 215500,China)

This paper proposes a method of automatic classification of tomato shape based on circularity in order to improve the added value and degree of commercialization of tomatoes.Using the technology of machine vision, A CCD camera is used to obtain the image of the sample of tomato and then the image processing function of MATLAB provides rating information of the sample which is described by circularity.With the real-time moni?toring by LabVIEW and the effective control of PLC,the automatic classification of tomato shape can be conduct?ed.Experiments show that this method has high classification quality and efficiency.

machine vision;MATLAB image processing;circularity;shape classification

S609；TP391.41

A

1008-2794（2013）04-0100-04

2013-04-24

常熟理工學(xué)院2012年度大學(xué)生實踐創(chuàng)新訓(xùn)練計劃項目“基于PLC和LabVIEW的水果檢測與分級系統(tǒng)的設(shè)計”（2012JSSPITP2351）

高玨，實驗師，碩士，研究方向：光譜分析及機器視覺模式識別，E-mail：gao_jue@hotmail.com.