張楠楠 劉 偉 王 偉 Ni Xinzhi 褚 璇

(山東理工大學(xué)電氣與電子工程學(xué)院1，淄博 255049)(中國農(nóng)業(yè)大學(xué)工學(xué)院2，北京 100083)(作物遺傳育種研究所3，蒂夫頓 美國 31793)

霉變玉米在代謝過程中會產(chǎn)生黃曲霉毒素、嘔吐毒素、玉米赤霉烯酮等多種有害毒素[1]，導(dǎo)致食用毒玉米的家畜中毒甚至死亡[2]，進而通過食物鏈危害人類健康[3-4]。在玉米霉變檢測方面，常規(guī)化學(xué)分析具有較高的準確度和可靠性[5]。但是，無論是化學(xué)分析還是儀器分析[6-7]，其試樣的預(yù)處理、試驗本身的耗時以及對物料的破壞又是許多場合所不允許的[8-9]。近年來，基于圖像處理的檢測方法一直是糧食檢測與識別領(lǐng)域的研究熱點[10-12]，隨著計算機軟硬件、圖像處理技術(shù)的迅速發(fā)展，利用圖像處理技術(shù)進行玉米霉變檢測評價的技術(shù)日趨成熟[13-14]。

試驗采用圖像處理檢測霉變玉米的設(shè)計思想是：基于玉米霉變后在玉米顆粒表層發(fā)生顏色變化[15]，通過相機獲取圖像信息，運用MATLAB圖像處理技術(shù)對玉米顆粒霉變部分進行顏色特征提取，進而通過相關(guān)運算，檢測出霉變玉米顆粒。黃曲霉毒素主要是由黃曲霉(Aspergillus flavus)寄生曲霉(Aspergillus parasiticus)產(chǎn)生的次生代謝產(chǎn)物，尤其在濕熱地區(qū)的糧食、飼料和食品中出現(xiàn)黃曲霉毒素的幾率很高，黃曲霉毒素對家畜和人體危害很大[16]，因此檢出感染黃曲霉毒素的玉米顆粒尤為重要，基于黃曲霉毒素在365 nm紫外光下會產(chǎn)生熒光效應(yīng)[17]，通過提取黃綠色熒光部分[18]進一步判別玉米是否被黃曲霉毒素污染。

1 材料與方法

1.1 樣品準備

采集圖像的玉米顆粒來自2012年8月在美國喬治亞州提夫頓市(Tifton，Georgia，USA)收獲的玉米。在玉米生長早期即接種黃曲霉毒素以便形成黃曲霉感染。用無菌水稀釋至每毫升4106個孢子，每隔12個植株通過鋼針對玉米穗注入3 mL溶液。收獲后，用空氣干燥機對接種過的玉米棒進行干燥，在有效避免有害粉塵顆粒揮發(fā)的同時，避免了交叉污染。試驗用玉米顆粒共112粒，其中霉變玉米顆粒77粒，含有黃曲霉毒素的玉米顆粒共23粒。對每一組玉米顆粒分別在自然光與365 nm的紫外光下進行觀察，以確定是否表現(xiàn)出霉變特征。用不銹鋼刮鏟提取表現(xiàn)出霉變特征的玉米顆粒及臨近顆粒。同時提取遠離霉變且沒有表現(xiàn)出霉變特征的玉米顆粒作為對照樣本。

1.2 圖像獲取與化學(xué)檢測

將提取出的玉米顆粒按順序擺放在用白色Teflon制作的背景板的相應(yīng)容孔中，在每一個背景板上制作30個容孔，其中因為感染嚴重而破損的顆粒放置在最右側(cè)的3列容孔中，作為對照樣本的正常玉米顆粒隨機分布在最左側(cè)的兩列容孔中。

2 可見光下霉變玉米顆粒的檢測

2.1 玉米顆粒圖像預(yù)處理

相機采集到的圖像為彩色圖像，獲得的圖像中包含背景板、試驗臺、標簽和玉米顆粒等信息，考慮到試驗臺和標簽紙等會對玉米顆粒的提取造成干擾，因此在進行處理之前先排除干擾因素，從原圖中選擇以(700,150)像素點作為左上角，以(3 260,2 710)為對角點的矩形框內(nèi)圖像作為感興趣區(qū)域。因為可見光下玉米顆粒與背景板、玉米顆粒與顆粒上霉變部分區(qū)分較明顯，并且灰度圖像與彩色圖像一樣反映了整幅圖像的整體和局部的色度和亮度等級的分布和特征[19]。因此，為減少后續(xù)的計算量并提高運算速度，將彩色圖像轉(zhuǎn)化成為灰度圖以更加快速有效的處理圖像，依據(jù)人眼對綠色的敏感度最高，對藍色敏感度最低，即依據(jù)人眼對不同顏色的敏感度不同，根據(jù)式(1)對R、G、B分量進行加權(quán)求和實現(xiàn)圖像的灰度化。

f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)

(1)

灰度化結(jié)果如圖1a所示。

通常玉米在霉變情況下，玉米顆粒表層顏色會褐變甚至發(fā)黑，因此灰度化后玉米上霉變部分的灰度值比玉米顆粒上正常部分的灰度值小。試驗試圖通過選定合適的灰度值找出玉米上霉變的部分。在試驗中針對灰度圖像的閾值選取，使用自定義閾值算法。自定義閾值算法是根據(jù)整幅圖像選取一個固定的閾值將圖像二值化，具有簡單、快速、容易的特點。進一步根據(jù)灰度化直方圖1b可明顯看出，圖像的灰度值分布在80～230之間，該區(qū)域內(nèi)圖像有較明顯的單峰分布，灰度化后由于背景板的灰度值集中而且比玉米顆粒灰度值大，且背景板像素點數(shù)遠大于玉米顆粒的像素點數(shù)，因此右側(cè)較高峰為背景波峰，左側(cè)為玉米顆?；叶确植?，而玉米霉變部分灰度值比正常玉米灰度值還要小，結(jié)合直方圖和通過大量試驗測試，選取分割閾值146時即可較好的把玉米顆粒上霉變區(qū)域分割出來。進一步將所提取的霉變區(qū)域，返回到自然光下的原圖，即獲得霉變區(qū)域的分割結(jié)果。圖2為最右下角的玉米顆粒的霉變區(qū)域分割結(jié)果。

圖1 玉米顆粒圖像預(yù)處理

圖2 霉變區(qū)域返回到原圖上的效果

2.2 圖像去噪與特征提取

由于在圖像輸入與二值化等處理過程中難免會有噪聲干擾，降低了圖像質(zhì)量，造成后續(xù)圖像處理的困難，因此在圖像處理過程中加入了膨脹與腐蝕操作以去除噪聲。對圖像按照式(2)進行形態(tài)濾波，濾波系數(shù)n=3，即先腐蝕3次，再膨脹3次。圖像通過濾波，可消除遺留的隨機噪聲。

G=(F?nB)⊕nB

(2)

式中：F為原始圖像；G為目標圖像；B為結(jié)構(gòu)元素33正方形模板，由于玉米顆粒本身存在顏色差異，以及由光照角度等因素帶來的影響，圖像二值化后的目標區(qū)域存在空洞或凹陷，這些空洞或凹陷的邊緣會影響后續(xù)處理，必須進行填充。通過計算歐拉數(shù)進行填補，凹陷區(qū)域采用最小凸閉包原理可以部分修復(fù)，區(qū)域填充結(jié)果如圖3a所示。考慮到在試樣準備過程中，一些源自霉變破損顆粒的粉末遺撒到背景板上所帶來的干擾，以及一些玉米顆粒本身存在的局部微小色素沉積所帶來的影響，通過對霉變區(qū)域連通的像素值低于780像素的區(qū)域予以排除，調(diào)節(jié)處理后得到圖3b。

圖3 圖像去干擾與特征提取過程

進一步統(tǒng)計圖片上霉變玉米顆粒的數(shù)目，由于同一顆玉米顆粒上霉變區(qū)域有可能分布多處，因此在顆粒計數(shù)的過程中會誤把1顆玉米上多塊霉變的部分誤記為多個霉變玉米，故對圖片3b進行連續(xù)的膨脹操作。如果膨脹的次數(shù)過少不能很好地把間隔較大的區(qū)域連通起來，如果膨脹次數(shù)過多則可能導(dǎo)致2顆相鄰玉米連通到一起，使統(tǒng)計數(shù)據(jù)偏小造成錯誤。經(jīng)過多次試驗，連續(xù)膨脹80次可以很好的使圖片連通到一起而不使相鄰2顆玉米粘連，如圖3c。最后對霉變玉米顆粒計數(shù)并且對霉變區(qū)域進行標記，以霉變區(qū)域的核心為標記圓的圓心，把標記的結(jié)果映射到自然光原圖像上可清晰看到霉變顆粒均已被檢出，如圖3d所示。

3 感染黃曲霉毒素玉米顆粒的檢測方法

3.1 熒光圖像預(yù)處理

快速準確檢出感染黃曲霉毒素的玉米顆粒，對于避免因食用含毒素玉米顆粒帶來的生命財產(chǎn)損失，以及后續(xù)霉變糧食的再加工處理都具有重要意義。由于黃曲霉毒素在365 nm紫外光下產(chǎn)生黃綠色熒光，因此需要對紫外光下的圖像進行顏色的識別與查找，而采用RGB三基色原理比灰度化可以更好的突出目標區(qū)間。對玉米顆粒進行特征提取時，僅對玉米顆粒上黃綠色熒光部分感興趣，這些部分稱為目標區(qū)域，需要將目標區(qū)域從整幅圖像中分離、提取出來。而在玉米顆粒圖像處理的過程中，實際采集到的圖像會存在噪聲干擾，這些噪聲將影響圖像質(zhì)量，并給玉米顆粒的特征提取造成困難，因此進行圖像增強處理，可以盡可能減少噪聲影響，增強玉米顆粒的特征，使處理后的圖像中黃綠色熒光區(qū)域比原圖像更加清晰和易識別。

試驗過程中分別采用直方圖均衡化算法histeq圖4b和限制對比度自適應(yīng)直方圖均衡化算法adapthisteq圖4c來提高圖像對比度，無論是直方圖均衡化算法還是自適應(yīng)直方圖均衡化算法原理都是把原始圖像的直方圖從比較集中的某個區(qū)間變成在全部范圍內(nèi)的均勻分布。2種直方圖均衡化算法本質(zhì)就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定范圍內(nèi)的像素數(shù)量大致相同，但在本次試驗中效果均不理想，而使用圖像調(diào)節(jié)對比度函數(shù)imadjust圖4d不但提高了目標對比度，克服了輸出圖像動態(tài)范圍小和過度增強的缺點，同時使目標的細節(jié)更加明顯，而且對低對比度圖像增強效果較好。經(jīng)過增強處理后的3幅圖像比較圖4b、圖4c、圖4d對比得出，imadjust增強在試驗中效果明顯，因此采用imadjust增強進行操作，進一步對整幅圖像進行中值濾波，以濾除圖像中被增強的噪聲。

圖4 彩色圖像增強過程

3.2 熒光圖像處理

為區(qū)分黃綠色熒光區(qū)域與背景區(qū)域，分別做出熒光下整幅圖像的RGB直方圖(圖5)與玉米顆粒上表明黃曲霉毒素的黃綠色熒光部分(取自第2排最后1列的玉米顆粒上的黃綠色熒光部分)的直方圖(圖6)。

圖5 整幅圖像在紫外光下的RGB分布

圖6 有黃曲霉毒素的黃綠色區(qū)域RGB分布

整幅圖像在紫外光下的空間分布直方圖(圖5)，R值分布在(0～30)區(qū)域較為集中，G值分布在(20～90)區(qū)域，B值分布在(60～150)區(qū)域較為分散。紫外光下的黃綠色熒光區(qū)域的空間分布直方圖(圖6)，R值分布在(120～220)區(qū)域、G值分布在(170～240)區(qū)域、B值分布在(140～230)區(qū)域。

通過2幅RGB直方圖的對比發(fā)現(xiàn)，運用R、G分量可以更好的分離出黃綠色熒光部分，而且采用R、G通道下的閾值進行檢測，不僅能夠達到檢測目的,而且簡化了運算。通過運算保留圖片中的黃綠色熒光部分，然后對該圖片進行二值化運算，結(jié)果如圖7a所示。

考慮到在試樣準備過程中，一些源自黃曲霉變破損顆粒的粉末遺撒到背景板上所帶來的干擾，通過對像素點連通數(shù)值低于160的區(qū)域進行排除，對圖像進行處理后得到圖7b。進一步為統(tǒng)計圖片上霉變玉米顆粒的數(shù)目，對圖7b進行連續(xù)的膨脹操作，經(jīng)過多次試驗，連續(xù)膨脹80次可以使同1顆玉米顆粒上的霉變區(qū)域連通而不引起相鄰2顆玉米顆粒的粘連如圖7c。對霉變玉米顆粒計數(shù)并且對霉變區(qū)域進行標記，標記圓的圓心是以霉變區(qū)域的核心為中心，把標記的結(jié)果映射到熒光原圖上，即得出檢測結(jié)果如圖7d。

圖7 熒光圖像處理過程

4 結(jié)果與討論

進一步驗證所提方法的適用性，按照1.1方法另外提取出85粒玉米顆粒，并分為3組，為驗證玉米顆粒的擺放朝向?qū)z測結(jié)果的影響，前2組使玉米顆粒胚的部分朝上，第3組使玉米顆粒胚的部分朝下。對含有霉變與黃曲霉毒素感染的玉米顆粒進行檢測，檢測結(jié)果分別如圖8所示。

圖8 玉米顆粒檢測結(jié)果

對共4幅圖112粒玉米顆粒的檢測結(jié)果與運用化學(xué)方法檢測出的結(jié)果進行比對與統(tǒng)計，霉變和感染黃曲霉毒素的檢測結(jié)果分別如表1、表2所示。

表1 霉變率檢測結(jié)果統(tǒng)計

表2 黃曲霉毒素感染檢測結(jié)果統(tǒng)計

霉變玉米顆粒檢測數(shù)目超過實際感染顆粒數(shù)目，造成原因：由于個別玉米顆粒倉儲時間較長，表層顏色變深，變?yōu)榘迭S色，容易誤判為霉變玉米顆粒。

檢測出的黃曲霉毒素污染玉米顆粒數(shù)目超過實際感染玉米顆粒，造成原因：由于個別玉米顆粒霉變程度較為嚴重，在紫外光下顏色特征有別于正常玉米顆粒，表現(xiàn)為近似熒光的顏色特征。

從食品安全的角度出發(fā)，被誤判的玉米顆粒為陳化玉米或霉變較為嚴重的玉米顆粒，從食品安全和糧食或種子分選的角度來看，應(yīng)能檢出并剔除這些顆粒。

由于玉米顆粒含有胚的一面與不含有胚的一面是有所區(qū)分的，因此本試驗設(shè)置了對比組，根據(jù)第3組圖像檢測準確率(玉米顆粒胚的部分朝下)與前2組檢測準確率對比(玉米顆粒胚的部分朝上)，可以看出，本算法適用于玉米顆粒的任意朝向，玉米顆粒擺放朝向?qū)z測結(jié)果無響應(yīng)。

若通過一幅圖像就能夠同時檢測出上述2種指標，將提高設(shè)計的實用性和檢測效率，自然光下的圖像容易獲得，而且可以較容易的識別出霉變顏色變深的區(qū)域，但無法獲得感染黃曲霉毒素玉米顆粒的熒光特性，進而無法判別玉米是否感染黃曲霉毒素。而紫外光下的熒光圖像雖然在理論上可以檢測霉變指標，但實際操作過程中由于正常顆粒、霉變顆粒的RGB值區(qū)域分布相似，因此很難區(qū)分正常和霉變玉米顆粒。

通過快速切換照明方式并編制相關(guān)算法，實現(xiàn)了霉變與感染黃曲霉毒素的玉米顆粒同步檢測的目的。兩種檢測結(jié)果相輔相成，滿足了對玉米顆粒的霉變指標進行快速準確檢測的要求，較為完善的反映出一批玉米的品質(zhì)。將該技術(shù)稍加改進，亦可用于其他顏色差異較為明顯的谷物和油料作物霉菌的識別，例如小麥、稻米、花生等。應(yīng)當指出，本試驗所研究方法僅僅針對相互錯開的獨立顆粒，下一步要針對任意一堆待檢測玉米或者相互疊壓的玉米顆粒進行檢測，研究相應(yīng)的圖像處理方法。

5 結(jié)論

利用圖像處理技術(shù)，基于霉變玉米和感染黃曲霉毒素的玉米顆粒在不同光源照射下的不同圖像特征，實現(xiàn)了霉變玉米顆粒與感染黃曲霉毒素玉米顆粒的快速準確檢測；為進一步驗證所提方法的適用性，按照1.1方法提取出的另外85粒玉米顆粒進行檢測驗證，并對全部4組共112粒含有霉變和被黃曲霉毒素污染的玉米顆粒檢測結(jié)果進行統(tǒng)計，霉變玉米顆粒的準確率分別為100%、100%、93.75%、95%，檢測黃曲霉毒素污染玉米顆粒的準確率分別為88.9%、100%、100%、88.9%。因此該方法具有快速、準確率高等優(yōu)點，能有效地檢測玉米霉變狀況。

為驗證圖像處理技術(shù)檢測玉米霉變指標的可行性，本試驗的工作主要基于對玉米顆粒高分辨靜態(tài)圖像進行分析處理，未考慮實際待測玉米排列、重疊的隨意性問題，進一步的工作將致力于研究玉米顆粒重疊問題的相應(yīng)圖像處理方法，和基于本文所提方法的玉米霉變指標便攜式檢測儀器的設(shè)計工作。

[1] 董繼紅，高鵬飛，臧雪燕.玉米霉變對養(yǎng)殖業(yè)的危害及應(yīng)對措施[J].飼料工程師，2004(5):31-35

[2]Ma Fei，Liu Wenqiang，Liu Guiqin.Effects of mycotoxin from maize on immune response of vaccine for piglets[J].Agricultural Science & Technology，2010，11(7):117-119

[3]于永臣，周麗群.霉變玉米對畜禽的危害及處理方法[J].飼料與添加劑，2011(6):91-93

[4]趙志軍.霉變玉米對畜禽的危害及其防治[J].畜禽業(yè)，2012(3):35-39

[5]Mohamadi H，Abbaspour H.Comparisons of different methods for election of aflation in grain and grain products[C]//I International Sym-posium on Mycotoxins in Nuts and Dried Fru-its.2011:275

[6]Stroka Joerg，Anklam Elke.New strategies for the screening and determination of afatox-ins and the detection of afatioxin producing moulds in food and feed[J].Trends in Analytical Chemistry.2002,21(2):90-95

[8]Patel D，Davies E R，Hnnah I.The use of convolution operators for detecting contam-inants in food images[J].Pattern Recognition，1996，29(6):1019-1029

[9]陳兵旗，孫旭東，韓旭，等.基于機器視覺的水稻種子精選技術(shù)[J].農(nóng)業(yè)機械學(xué)報，2010，41(7)：153-169

[10]韓仲志，楊錦忠，李言照.玉米品種圖像識別中的影響因素研究[J].中國糧油學(xué)報，2012，27(10)：98-103

[11]Quevedo R，Carlos L G，Aguilera J M，et al.Description of food surfaces and microstru-ctural changes using fractal image texture analysis[J].Journal of Food Engineering，2002，53(4):361-371

[12]Laykin S，Alchanatis V，F(xiàn)allik E，et al.Image-processing algorithms for tomato cla-ssification[J].Transactions of the ASAE，2002，45(3):851-858

[13]Mery D，Pedreschi F.Segmentation of colour food images using a robust algorithm [J].Journal of Food engineering，2005，66(3):353-360

[14]成芳，應(yīng)義斌.基于顏色特征的稻種霉變檢測算法[J].農(nóng)業(yè)機械學(xué)報,2004,35(4):102-106

[15]勞文艷，林素珍.黃曲霉毒素對食品的污染及危害[J].北京聯(lián)合大學(xué)學(xué)報，2011,25(1)：64-69

[16]Casasent D，Chen X.Aflatoxin Detection in Whole Corn Kernels Using Hyperspectral Method[J].Monitoring Food Safety，Agricul-ture，and Plant Health,2003,3:275

[17]Goryacheva IY，Rusanova TY，Pankin KE.Fluoresent properties of aflatoxins in org-anized media based on surfactants，cyclodex-trins,and calixresorcinarenes[J].Journal of A-nalytical Chemistry，2008,63 (8):750-753

[18]趙志軍.霉變玉米對畜禽的危害及其防治[J].營養(yǎng)與日糧,2012(3):35-39

[19]寧媛，李皖.圖像去噪幾種方法分析比較[J].貴州工業(yè)大學(xué)學(xué)報：自然科學(xué)版，2005(8)：62-65.