彭云發(fā) 解海龍 羅華平，2*

(1 塔里木大學(xué)機械電氣化工程學(xué)院， 新疆 阿拉爾 843300)(2 新疆維吾爾自治區(qū)普通高等學(xué)校現(xiàn)代農(nóng)業(yè)工程重點實驗室， 新疆 阿拉爾 843300)

紅棗又名大棗，起源于中國，在中國已有四千多年的種植歷史，自古以來就被列為“五果”(桃、李、梅、杏、棗)之一。紅棗富含蛋白質(zhì)、糖類、脂肪、胡蘿卜素、維生素C、維生素P、B族維生素以及鈣、磷、鐵和環(huán)磷酸腺苷等營養(yǎng)成分。其中維生素C的含量在果品中名列前茅，有維生素王之美稱。新疆南疆地區(qū)紅棗種植面積大，品種繁多。近年來南疆各個地區(qū)紅棗生產(chǎn)中存在單純追求數(shù)量忽視質(zhì)量的問題，并且結(jié)構(gòu)單一供應(yīng)不均優(yōu)質(zhì)紅棗買不出好的價格[1]。所以提高南疆地區(qū)紅棗產(chǎn)后處理水平提高南疆紅棗質(zhì)量和國際競爭力是當務(wù)之急，南疆紅棗急需提高產(chǎn)后加工水平改善檢測和分級手段。南疆紅棗采摘后分級、檢測技術(shù)落后。大部分紅棗都是采摘后不經(jīng)檢測、分級而是直接上市，沒有提高紅棗的附加值。為了提高紅棗的附加值，紅棗再上市前必須經(jīng)過商品化的處理，如：清洗、烘干、分選、分級、包裝，而且要求全部過程都是無損，并且傳輸過程的無損和分選分級過程中的無損檢測[2]。

紅棗的外部表面是一個重要感官質(zhì)量屬性，其中表面顏色是紅棗外部品質(zhì)的一個重要指標，它不僅影響他們的市場的銷售價格、消費者的喜好和選擇，而且在某種程度上也會影響他們的內(nèi)部品質(zhì)[3-4]。本研究目的在于運用海洋光學(xué)USB650來測量紅棗的顏色反射光譜及L、a、b顏色值，并找出最佳的紅棗顏色分級方法，為南疆地區(qū)的紅棗顏色分級提供理論依據(jù)。

1 材料與方法

1.1 試驗材料

材料為完熟期駿棗購買于新疆生產(chǎn)建設(shè)兵團和田地區(qū)農(nóng)十四師224團和阿拉爾農(nóng)一師10團，紅棗平均含水率為19. 35%。將購買回來的紅棗去除表面灰層并人工按表面顏色分為三個等級(參考國標GBT-5835-2009)，每個等級210顆，共630顆紅棗。

1.2 試驗設(shè)備及顏色測量

采用USB650型紅潮(Red Tide)光譜儀(海洋光學(xué)，美國)來采集紅棗可見-近紅外光譜，儀器型號為線性硅CCD陣列，波長范圍350～1 000 nm，可以在整個光譜上測量650個點，即每個波長1個點，入射狹縫為25μm，光學(xué)分辨率為約2. 0 nm(FWHM)，650有效像素，信噪比為250：1(全信號)，采集方式為積分球漫反射。

光譜采集前，先將紅棗從冷庫中取出放入室內(nèi)12 h，室內(nèi)溫度在23 ℃～ 26℃之間，相對濕度25%～30%；顏色測量：光譜儀開機預(yù)熱30分鐘后，分別對紅棗樣本赤道部位每隔120 ℃標記的3點采集反射光譜，共采集三次，取平均光譜，如圖1所示。該光譜儀測量的顏色空間為CIE 1976 L*a*b*，每顆紅棗L、a、b顏色值也是測三次取平均，表1為各等級紅棗的L、a、b顏色平均值。

圖1 紅棗顏色反射光譜

表1 各等級紅棗L、a、b均值

1.3 軟件

所有的算法應(yīng)用在Windows XP系統(tǒng)上的Matlab 7.0 (Mathworks,USA)。SpectraSuite(海洋光學(xué)，美國)為顏色測量軟件。

2 顏色分級方法

CIE 1976 L*a*b*顏色空間是由國家照明委員會(International Commission on Illumination,CIE)于1976年制定，其中有3個基本坐標L*、a*、b*，如圖2所示L*表示顏色的亮度；a的正數(shù)代表紅色，負數(shù)代表綠色；b的正數(shù)代表黃色，負數(shù)代表藍色。后文省略“*”，簡寫為Lab[5]。Lab顏色空間的優(yōu)點是用數(shù)字化方式來描述人的視覺感應(yīng)，它與硬件設(shè)備無關(guān)，既不依賴于顏料，也不依賴于光線，所表達色彩范圍廣，它彌補了RGB和CMYK顏色空間必須依賴于設(shè)備色彩特性的不足，是均勻的彩色空間，可以按照距離最短進行顏色分級[6]。圖3為三種顏色空間色域關(guān)系。

圖2 Lab顏色空間

圖3 三種顏色空間色域關(guān)系

從表1中可以看出等級越高的紅棗L、a、b值越小，這說明等級越高的紅棗顏色偏暗。將測量的紅棗L、a、b顏色值畫出二維和三維散點圖，如圖4所示，從圖4(a)、(b)可以看出紅棗等級聚類效果比較明顯，說明紅棗等級與L值有高的相關(guān)性；圖4(c)中紅棗等級聚類效果不好，相互交叉現(xiàn)象比較嚴重，說明紅棗等級與a、b值的相關(guān)性不是很高；圖4(d)中是L、a、b三個值的三維散點圖，從圖中可以看出L、a、b三個值的三維聚類效果很好，說明紅棗可以按L、a、b三個值進行分級。

(a)

(b)

(c)

(d)

2.1 按L值來分級

表1給出的結(jié)果是等級越高的紅棗L值越小，那么將630顆紅棗按L值來分級，分級閾值如表2所示。表3為紅棗按L值分級的結(jié)果，分級準確率為93. 65%，其中有11個二級紅棗被判為1級紅棗，11個一級紅棗被判為二級紅棗，9個二級紅棗被判為3級紅棗，9兩三級紅棗被判為二級紅棗。

表2 各等級紅棗L值

表3 分級結(jié)果

2.2 按L、a、b值分級

從630個樣本中選取420個作為訓(xùn)練集，每個級別為140個樣本；剩余的210個樣本作為預(yù)測集，每個級別也為70個樣本。

運用BP人工神經(jīng)網(wǎng)絡(luò)進行分級訓(xùn)練，將提取的L、a、b三個值進行歸一化處理。

(1)

公式(1)中： P為紅棗顏色特征值；Pi為歸一化后的特征值。將歸一化后得到的新向量[P1～P12]作為BP神經(jīng)網(wǎng)絡(luò)的輸入特征變量，即輸入層節(jié)點數(shù)為3。

由于紅棗分為3個等級，所以輸出層節(jié)點為3，一級為數(shù)字1，二級為數(shù)字2，三級為數(shù)字3，代表3種不同的等級紅棗。

中間層節(jié)點數(shù)可根據(jù)經(jīng)驗公式[7]來選擇。

(2)

式中： 為中間層節(jié)點數(shù)； 為輸入層節(jié)點數(shù)； 為輸出層節(jié)點數(shù)； 為1～10之間的常數(shù)。

BP神經(jīng)網(wǎng)絡(luò)輸入層到中間層采用傳遞函數(shù)為S型的對數(shù)函數(shù)logsig，隱含層到輸出層采用顯性傳遞函數(shù)Purelin,迭代次數(shù)為5000次，誤差性能目標為0. 005。試驗發(fā)現(xiàn)中間層選取3個節(jié)點數(shù)時識別效果最好為94. 76%，表4為BP人工神經(jīng)網(wǎng)絡(luò)紅棗顏色分級結(jié)果。

表4 BP神經(jīng)網(wǎng)絡(luò)紅棗顏色分級結(jié)果

3 結(jié)束語

采用USB650可以實時測量紅棗的L、a、b顏色值，紅棗的L顏色值與紅棗等級有非常高相關(guān)性，紅棗顏色按L值分級準確率達93. 65%，紅棗的a、b顏色值與紅棗等級相關(guān)性不明顯；將測量的紅棗L、a、b顏色值進行BP人工神經(jīng)網(wǎng)絡(luò)分級訓(xùn)練，分級的準確率達94. 76%。比較發(fā)現(xiàn)紅棗以L、a、b三個顏色值分級要好于以單個L值分級；該試驗結(jié)果為實現(xiàn)新疆南疆地區(qū)紅棗顏色的自動化分級奠定基礎(chǔ)。

[1] 金新文，賈文婷，鄭霞，等.新疆南疆地區(qū)紅棗產(chǎn)業(yè)營銷現(xiàn)狀與戰(zhàn)略思考[J].新疆農(nóng)墾經(jīng)濟,2014(01):37-39.

[2] 龐江偉,應(yīng)義斌. 機器視覺在水果缺陷檢測中的研究現(xiàn)狀[J]. 農(nóng)機化研究,2006(09):47-49.

[3] 周健華. 紅棗分級機的設(shè)計及試驗研究[D].新疆農(nóng)業(yè)大學(xué),2012.

[4] Costa C, Antonucci F, Pallottino F,et al.Shape analysis of agricultural products: A review of recent research advances and potentialapplication to computer vision[J].Food and Bioprocess Technology,2011,4(5):673-692.

[5] 龐曉敏,閔子建,闞江明. 基于HSI和LAB顏色空間的彩色圖像分割[J]. 廣西大學(xué)學(xué)報(自然科學(xué)版),2011(06):976-980.

[6] 任洪娥,白杰云. Lab顏色空間中基于動態(tài)聚類的顏色分級[J]. 計算機工程,2013(06):231-235.

[7] Hecht-Nielsen R.Theory of back-propagation neural networks[C].San Diego: Proceedings of the International Joint Conference on Neural Networks,1989.

[8] 姚立健,邊起,雷良育,等. 基于BP神經(jīng)網(wǎng)絡(luò)的水果分級研究[J]. 浙江農(nóng)業(yè)報,2012(05):926-930.

[9] 趙杰文,劉少鵬,鄒小波,等. 基于支持向量機的缺陷紅棗機器視覺識別[J]. 農(nóng)業(yè)機械學(xué)報,2008(03):113-115+147.

[10] 羅玉娟,李熙瑩,蔡志崗,等. 采用均勻顏色空間的竹片分類研究[J]. 計算機工程與應(yīng)用,2010(16):238-240.

[11] 武海麗,黃慶梅,苑馨方,等. 基于S-CIELAB和iCAM模型的圖像顏色質(zhì)量評價方法的實驗研究[J]. 光學(xué)學(xué)報,2010(12):3447-3453.

[12] 龐曉敏,閔子建,闞江明. 基于HSI和LAB顏色空間的彩色圖像分割[J]. 廣西大學(xué)學(xué)報(自然科學(xué)版),2011(06):976-980.

[13] 許莉,王敏,溫月. 基于Lab顏色空間的運動目標檢測[J]. 華中科技大學(xué)學(xué)報(自然科學(xué)版),2013,S1:219-222.

[14] 古晶. RGB到Lab顏色空間轉(zhuǎn)換[J]. 廣東印刷,2009(05):11-14.

[15] 梁松濤,呂學(xué)強,程濤,等. 基于分塊和Lab顏色模型的字幕提取方法[J]. 微計算機信息,2010(17):198-200.