楊甜軍+張箭+朱哲+周竹+曾松偉

摘要：基于LabVIEW和多光譜成像技術(shù)設(shè)計(jì)了一套蘋果品質(zhì)檢測裝置，包括硬件設(shè)計(jì)和軟件設(shè)計(jì)。硬件部分主要由單片機(jī)控制模塊、光源模塊、電機(jī)模塊以及圖像采集模塊等組成；軟件部分采用基于LabVIEW的G語言進(jìn)行編寫，包括通信模塊、圖像采集與保存模塊以及圖像處理與顯示模塊等。檢測裝置經(jīng)調(diào)試后，對(duì)每個(gè)蘋果的圖像采集與處理時(shí)間為8 s，能夠?qū)Υ笮?、形狀、損傷以及糖度等指標(biāo)進(jìn)行檢測，具有無損、快速的特點(diǎn)。

關(guān)鍵詞：多光譜成像技術(shù)；LabVIEW；品質(zhì)；無損檢測；蘋果

中圖分類號(hào)：S126；TP274 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2014）19-4720-03

DOI：10.14088/j.cnki.issn0439-8114.2014.19.056

Nondestructive Detection Device of Apple′s Quality Based on LabVIEW and Multispectral Imaging Technology

YANG Tian-juna，ZHANG Jiana，ZHU Zhea，ZHOU Zhua，b，c，ZENG Song-weia，b，c

（Zhejiang A&F University， a. School of Information Engineering； b. Research Center for Smart Agriculture and Forestry； c. Zhejiang Provincial Key Laboratory of Forestry Intelligent Monitoring and Information Technology， Linan 311300， Zhejiang， China）

Abstract： In order to realize the grading of apple based on size， shape， bruise and sugar content， a system consisted of hardware part and software part for detecting apple′s quality was developed based on multispectral imaging technology and LabVIEW. The hardware part was composed by MCU（STM32F103ZET6）， light source， stepping motor module， image acquisition module et ec. The software part was designed in the LabVIEW environment programmed by G language， made up of communication module， image acquisition and save module， image processing and display module et ec. After debugging of software and hardware parts， the device could meet the speed requirement of detecting one apple in less than 8 s， with the advantages of nondestruction and rapid detection.

Key words： multispectral imaging technology； LabVIEW； quality； nondestructive detection； apple

蘋果是世界上第二大消費(fèi)水果，營養(yǎng)價(jià)值豐富。蘋果的品質(zhì)包括外部品質(zhì)（大小、形狀以及各種缺陷）和內(nèi)部品質(zhì)（糖度、酸度等）。隨著蘋果采后商品化處理和加工技術(shù)的發(fā)展，開展蘋果的自動(dòng)化分級(jí)檢測是促進(jìn)蘋果增值的重要途徑。

機(jī)器視覺技術(shù)可以對(duì)果蔬的大小[1]、形狀[2]以及一些常見缺陷[3]進(jìn)行檢測。然而在采摘、運(yùn)輸?shù)倪^程中引起的果蔬損傷，對(duì)RGB以外的波段更加敏感。近紅外光譜技術(shù)可用于農(nóng)產(chǎn)品的組分如糖度[4]、水分[5]及缺陷[6]的檢測。但該方法只能提供樣品一個(gè)小區(qū)域的檢測，樣品的各向異性會(huì)影響測量結(jié)果。高光譜成像技術(shù)融合了圖像和光譜信息，可對(duì)農(nóng)產(chǎn)品進(jìn)行品質(zhì)檢測[7，8]。但其數(shù)據(jù)量龐大、處理耗時(shí)，不利于在線檢測。此外所需設(shè)備昂貴，制約了實(shí)際應(yīng)用。前人的研究指出，通過高光譜成像技術(shù)可以獲取反映被測物品質(zhì)的多個(gè)波段，基于這些特征波段可以設(shè)計(jì)多光譜成像系統(tǒng)，從而實(shí)現(xiàn)農(nóng)產(chǎn)品的在線檢測[9]。在前期研究及大量學(xué)者[10-13]對(duì)蘋果品質(zhì)檢測研究的基礎(chǔ)上，設(shè)計(jì)了一套蘋果品質(zhì)檢測裝置，該裝置可以采集特定波段下的圖像，并依據(jù)大小、形狀、損傷以及糖度等對(duì)蘋果進(jìn)行檢測分級(jí)。

1 系統(tǒng)工作原理

基于多光譜成像技術(shù)的蘋果品質(zhì)無損檢測裝置如圖1所示（專利號(hào)：ZL2013203684051），主要由步進(jìn)電機(jī)及其驅(qū)動(dòng)模塊、圖像采集模塊、濾光片輪、濾光片、光源模塊、單片機(jī)模塊等構(gòu)成。其中，步進(jìn)電機(jī)的輸出軸嵌入到采集箱內(nèi)，軸端安裝有濾光片輪。濾光片輪在圓周方向均布有多個(gè)T形通孔，每個(gè)T形通孔上放置一片濾光片。

蘋果品質(zhì)無損檢測裝置的工作原理為：將蘋果樣品放置在Y形載物臺(tái)上，調(diào)節(jié)可調(diào)鏡頭，使樣品圖像大小合適且清晰。通過專用計(jì)算機(jī)上的上位機(jī)軟件，設(shè)置合適的步進(jìn)電機(jī)轉(zhuǎn)速，并將信息發(fā)送給單片機(jī)，單片機(jī)接受指令后通過電機(jī)驅(qū)動(dòng)模塊控制步進(jìn)電機(jī)選擇對(duì)應(yīng)波段的濾光片后，反饋完成指令給上位機(jī)。隨后，上位機(jī)發(fā)送指令給近紅外相機(jī)進(jìn)行圖像采集，并將圖像實(shí)時(shí)傳回，重復(fù)這個(gè)過程直到6個(gè)濾光片下的圖像采集完成后進(jìn)行下一個(gè)樣品的采集。通過合適的圖像處理算法對(duì)獲取的6張圖像進(jìn)行處理，可快速準(zhǔn)確地分析出樣品的品質(zhì)信息，并將結(jié)果進(jìn)行顯示。

2 裝置硬件設(shè)計(jì)

蘋果品質(zhì)檢測裝置硬件部分主要實(shí)現(xiàn)蘋果的多光譜圖像采集，其裝置的設(shè)計(jì)包括單片機(jī)控制模塊、光源模塊、電機(jī)模塊以及圖像采集模塊等部分。

2.1 單片機(jī)控制模塊

單片機(jī)在系統(tǒng)中的主要功能是對(duì)步進(jìn)電機(jī)進(jìn)行控制，并和上位機(jī)進(jìn)行通信。本裝置采用ST（意法半導(dǎo)體）公司的STM32F103ZET6單片機(jī)，該單片機(jī)為32位基于ARM內(nèi)核的帶512 k字節(jié)閃存的微控制器，具有高性價(jià)比，運(yùn)行速度快，其資源足以滿足本系統(tǒng)的功能要求。其I/O端口中的PF0-PF3以及電源正極與電機(jī)驅(qū)動(dòng)器相連，向驅(qū)動(dòng)芯片發(fā)送信號(hào)來控制步進(jìn)電機(jī)的轉(zhuǎn)向和角度。RS232串口與上位機(jī)通信，配合控制步進(jìn)電機(jī)的轉(zhuǎn)動(dòng)和近紅外相機(jī)的圖像光譜的采集。此單片機(jī)的軟件設(shè)計(jì)在Keil開發(fā)環(huán)境下進(jìn)行，采用C語言編程。圖2為單片機(jī)與步進(jìn)電機(jī)驅(qū)動(dòng)的接線圖。

2.2 光源模塊

光源模塊為采集裝置提供穩(wěn)定的可見/近紅外光照。本裝置使用了一種碗狀光源，底部由6盞50 W的鹵素?zé)舭l(fā)出的光線，通過半球形內(nèi)腔壁涂有的特殊漫反射材料反射，均勻地、多角度地照射到蘋果上，能夠減少由于蘋果表面的凹凸不平引起的光照不均勻。鹵素?zé)舭l(fā)光效率高、色溫穩(wěn)定，滿足裝置采用的488～947 nm濾光片的波段需求。

2.3 電機(jī)模塊

電機(jī)模塊的作用是控制濾光片輪的轉(zhuǎn)向和精準(zhǔn)定位，由于本裝置采用開環(huán)控制，因此步進(jìn)電機(jī)的控制精度尤為重要。步進(jìn)電機(jī)選用型號(hào)為57BYGH338C-72J的兩相四線步進(jìn)電機(jī)，是一款大扭矩、高精度的步進(jìn)電機(jī)，具體參數(shù)為：軸徑 8 mm，工作電壓24 VDC，工作電流3 A，力矩1.6 N·m，步距角1.8°。步進(jìn)電機(jī)驅(qū)動(dòng)器則采用TOSHIBA（東芝）公司的TB6560AHQ芯片，該芯片采用光耦隔離，抗高頻干擾能力強(qiáng)，最高驅(qū)動(dòng)電流為3.5 A，是具有高集成度高可靠性的兩相步進(jìn)電機(jī)驅(qū)動(dòng)器。

2.4 圖像采集模塊

圖像采集模塊中相機(jī)選用的是杭州微圖視覺科技有限公司生產(chǎn)的VT-EXGM360近紅外相機(jī)，敏感波段范圍為350～1 050 nm。該相機(jī)遵循千兆網(wǎng)高速傳輸?shù)臉?biāo)準(zhǔn)，集高分辨率、高清晰度、高幀率為一體，具有300萬物理像素和板級(jí)處理功能，從而提供了高質(zhì)量的圖像采集。同時(shí)該相機(jī)還支持多種圖像處理及測控軟件如LabVIEW和Matlab等。系統(tǒng)中的相機(jī)透過濾光片采集到相應(yīng)波段的圖像數(shù)據(jù)，通過千兆網(wǎng)口傳給上位機(jī)，由上位機(jī)進(jìn)行保存、處理、分析等一系列操作。

3 裝置軟件設(shè)計(jì)

蘋果品質(zhì)檢測裝置的多光譜圖像采集軟件是基于虛擬儀器LabVIEW開發(fā)環(huán)境來實(shí)現(xiàn)。LabVIEW是美國國家儀器（NI）公司研制開發(fā)的一種虛擬儀器軟件開發(fā)平臺(tái)，使用圖形化編程語言G編寫程序，開發(fā)周期短，設(shè)計(jì)出來的系統(tǒng)界面美觀，便于修改，擴(kuò)展性強(qiáng)。圖3為蘋果品質(zhì)檢測的多光譜圖像采集軟件工作流程圖。其中主要涉及通信模塊、圖像采集與保存模塊以及圖像處理及顯示模塊。

3.1 通信模塊

上位機(jī)與單片機(jī)通信單元通過LabVIEW軟件中的VISA Configure Serial Port控件來實(shí)現(xiàn)。通信信號(hào)以字符幀傳輸，每幀包含8位數(shù)據(jù)位、1位停止位、無奇偶校驗(yàn)。故設(shè)置控件的波特率為9 600 bit/s，數(shù)據(jù)為8 bit，停止位為1，奇偶校驗(yàn)為0。以十六進(jìn)制0X31作為上位機(jī)與單片機(jī)的識(shí)別信號(hào)，當(dāng)單片機(jī)接收到命令信號(hào)0X31時(shí)，則啟動(dòng)步進(jìn)電機(jī)，發(fā)送反饋信號(hào)0X31；當(dāng)上位機(jī)收到反饋信號(hào)0X31判別與發(fā)出的命令信號(hào)相同時(shí)，則啟動(dòng)近紅外相機(jī)；若不是，則繼續(xù)等待。另以十六進(jìn)制0X32～0X36作為步進(jìn)電機(jī)速度選擇信號(hào)，其中0X32為最高檔速度。具體前面板和程序框圖如圖4所示。

3.2 圖像采集與保存模塊

通過LabVIEW圖像采集工具包IMAQ中的Vision Acquisition控件讀取圖像數(shù)據(jù)，再通過IMAQ OUT控件進(jìn)行顯示。將前面板設(shè)置中的地址和Vision Acquisition控件的輸出作為輸入，再通過IMAQ Write File控件進(jìn)行相應(yīng)的圖片保存。程序中通過編號(hào)的自增來改變圖像的保存名稱進(jìn)而實(shí)現(xiàn)圖像光譜的自動(dòng)保存，用戶只需通過啟動(dòng)和停止按鈕就可選擇是否運(yùn)行裝置。圖像采集與保存模塊的前面板和程序框圖如圖5所示。

3.3 圖像處理及顯示模塊

檢測裝置中需要根據(jù)蘋果的大小、形狀、損傷以及糖度等進(jìn)行分級(jí)。圖像處理流程為：首先判斷蘋果是否出現(xiàn)損傷，若無損傷，再根據(jù)大小、形狀以及糖度含量進(jìn)行分級(jí)。蘋果的損傷要使用所獲取的全部圖像，并對(duì)圖像進(jìn)行主成分以及波段比分析，其實(shí)現(xiàn)可以借助LabVIEW和Matlab的交互工具來實(shí)現(xiàn)。糖度檢測可以提取每張圖像中心部位感興趣區(qū)域的亮度值，通過前期建立好的多元線性模型進(jìn)行計(jì)算。而大小、形狀檢測可以選定指定波段的圖像，通過IMAQ中的圖像處理函數(shù)直接進(jìn)行分析。圖6給出了蘋果部分品質(zhì)檢測圖像處理的程序框圖。

圖7給出了蘋果品質(zhì)無損檢測裝置的前面板，該裝置經(jīng)軟、硬件調(diào)試后，在中擋步進(jìn)電機(jī)轉(zhuǎn)速下，蘋果的檢測速度為8 s/個(gè)，能夠滿足蘋果分級(jí)檢測需求，具備無損、快速檢測的優(yōu)點(diǎn)。

4 小結(jié)

基于虛擬儀器LabVIEW和多光譜成像技術(shù)設(shè)計(jì)了一套蘋果品質(zhì)檢測的多光譜成像裝置。該裝置由單片機(jī)、光源、電機(jī)及驅(qū)動(dòng)模塊、近紅外相機(jī)、濾光片以及濾光片輪等組成。通過單片機(jī)控制濾光片輪轉(zhuǎn)動(dòng)，可以獲得特定波段下的圖像。該裝置能對(duì)蘋果的損傷、果形、大小以及糖度進(jìn)行檢測并分級(jí)，檢測速度為8s/個(gè)，具備快速、無損等特點(diǎn)，為蘋果及其他果蔬品質(zhì)的檢測和分級(jí)提供了參考和借鑒。

參考文獻(xiàn)：

[1] 安愛琴，余澤通，王宏強(qiáng).基于機(jī)器視覺的蘋果大小自動(dòng)分級(jí)方法[J].農(nóng)機(jī)化研究，2008（4）：163-166.

[2] 司永勝，喬 軍，劉 剛，等.基于機(jī)器視覺的蘋果識(shí)別和形狀特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：161-165.

[3] 李小昱，陶海龍，高海龍，等馬鈴薯缺陷透射和反射機(jī)器視覺檢測方法分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（5）：191-196.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術(shù)進(jìn)行蘋果糖度無損檢測的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（3）：162-165.

[5] 劉 潔，李小昱，李培武，等.基于近紅外光譜的板栗水分檢測方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：338-341.

[6] 韓東海，劉新鑫，趙麗麗，等.受損蘋果顏色和組織的近紅外光譜特性[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：112-115.

[7] 郭俊先，饒秀勤，程國首，等.基于高光譜成像技術(shù)的新疆冰糖心紅富士蘋果分級(jí)和糖度預(yù)測研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2012，35（1）：78-86.

[8] 高海龍，李小昱，徐森淼，等.透射和反射高光譜成像的馬鈴薯損傷檢測比較研究[J].光譜學(xué)與光譜分析，2013，33（12）：3366-3371.

[9] QIN J W， BURKS T F， ZHAO X， et al. Development of a two-band spectral imaging system for real-time citrus canker detection[J]. Journal of Food Engineering，2012，108（1）：87-93.

[10] 黃文倩，陳立平，李江波，等.基于高光譜成像的蘋果輕微損傷檢測有效波長選取[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（1）： 272-277.

[11] LEE K， KANG S， DELWICHE S R， et al. Correlation analysis of hyperspectral imagery for multispectral wavelength selection for detection of defects on apples[J]. Sensing and Instrumentation for Food Quality and Safety，2008，2（2）：90-96.

[12] ELMASRY G， WANG N， VIGNEAULT C， et al. Early detection of apple bruises on different background colors using hyperspectral imaging[J]. LWT-Food Science and Technology， 2008， 41（2）：337-345.

[13] KLEYNEN O， LEEMANS V， DESTAIN M F. Selection of the most efficient wavelength bands for ‘Jonagold apple sorting[J]. Postharvest Biology and Technology， 2003， 30（3）：221-232.

[2] 司永勝，喬 軍，劉 剛，等.基于機(jī)器視覺的蘋果識(shí)別和形狀特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：161-165.

[3] 李小昱，陶海龍，高海龍，等馬鈴薯缺陷透射和反射機(jī)器視覺檢測方法分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（5）：191-196.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術(shù)進(jìn)行蘋果糖度無損檢測的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（3）：162-165.

[5] 劉 潔，李小昱，李培武，等.基于近紅外光譜的板栗水分檢測方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：338-341.

[6] 韓東海，劉新鑫，趙麗麗，等.受損蘋果顏色和組織的近紅外光譜特性[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：112-115.

[7] 郭俊先，饒秀勤，程國首，等.基于高光譜成像技術(shù)的新疆冰糖心紅富士蘋果分級(jí)和糖度預(yù)測研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2012，35（1）：78-86.

[8] 高海龍，李小昱，徐森淼，等.透射和反射高光譜成像的馬鈴薯損傷檢測比較研究[J].光譜學(xué)與光譜分析，2013，33（12）：3366-3371.

[9] QIN J W， BURKS T F， ZHAO X， et al. Development of a two-band spectral imaging system for real-time citrus canker detection[J]. Journal of Food Engineering，2012，108（1）：87-93.

[10] 黃文倩，陳立平，李江波，等.基于高光譜成像的蘋果輕微損傷檢測有效波長選取[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（1）： 272-277.

[11] LEE K， KANG S， DELWICHE S R， et al. Correlation analysis of hyperspectral imagery for multispectral wavelength selection for detection of defects on apples[J]. Sensing and Instrumentation for Food Quality and Safety，2008，2（2）：90-96.

[12] ELMASRY G， WANG N， VIGNEAULT C， et al. Early detection of apple bruises on different background colors using hyperspectral imaging[J]. LWT-Food Science and Technology， 2008， 41（2）：337-345.

[13] KLEYNEN O， LEEMANS V， DESTAIN M F. Selection of the most efficient wavelength bands for ‘Jonagold apple sorting[J]. Postharvest Biology and Technology， 2003， 30（3）：221-232.

[2] 司永勝，喬 軍，劉 剛，等.基于機(jī)器視覺的蘋果識(shí)別和形狀特征提取[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40（8）：161-165.

[3] 李小昱，陶海龍，高海龍，等馬鈴薯缺陷透射和反射機(jī)器視覺檢測方法分析[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45（5）：191-196.

[4] 趙杰文，張海東，劉木華.利用近紅外漫反射光譜技術(shù)進(jìn)行蘋果糖度無損檢測的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（3）：162-165.

[5] 劉 潔，李小昱，李培武，等.基于近紅外光譜的板栗水分檢測方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（2）：338-341.

[6] 韓東海，劉新鑫，趙麗麗，等.受損蘋果顏色和組織的近紅外光譜特性[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（6）：112-115.

[7] 郭俊先，饒秀勤，程國首，等.基于高光譜成像技術(shù)的新疆冰糖心紅富士蘋果分級(jí)和糖度預(yù)測研究[J].新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2012，35（1）：78-86.

[8] 高海龍，李小昱，徐森淼，等.透射和反射高光譜成像的馬鈴薯損傷檢測比較研究[J].光譜學(xué)與光譜分析，2013，33（12）：3366-3371.

[9] QIN J W， BURKS T F， ZHAO X， et al. Development of a two-band spectral imaging system for real-time citrus canker detection[J]. Journal of Food Engineering，2012，108（1）：87-93.

[10] 黃文倩，陳立平，李江波，等.基于高光譜成像的蘋果輕微損傷檢測有效波長選取[J].農(nóng)業(yè)工程學(xué)報(bào)，2013，29（1）： 272-277.

[11] LEE K， KANG S， DELWICHE S R， et al. Correlation analysis of hyperspectral imagery for multispectral wavelength selection for detection of defects on apples[J]. Sensing and Instrumentation for Food Quality and Safety，2008，2（2）：90-96.

[12] ELMASRY G， WANG N， VIGNEAULT C， et al. Early detection of apple bruises on different background colors using hyperspectral imaging[J]. LWT-Food Science and Technology， 2008， 41（2）：337-345.

[13] KLEYNEN O， LEEMANS V， DESTAIN M F. Selection of the most efficient wavelength bands for ‘Jonagold apple sorting[J]. Postharvest Biology and Technology， 2003， 30（3）：221-232.