【摘要】根據(jù)獼猴桃的外形特征，提出了一種以橫截面積為依據(jù)的獼猴桃分級檢測算法。算法將經(jīng)灰度轉(zhuǎn)換后的獼猴桃圖像進行自適應(yīng)中值濾波處理，以去除圖像的噪點，然后采用Otsu方法進行背景分割，并計算出獼猴桃的橫截面積，以此面積為依據(jù)對獼猴桃進行大小分級。實驗數(shù)據(jù)表明該方法的分級正確率可高達(dá)87%且單果分級的平均速率可達(dá)1.83秒/個。

【關(guān)鍵詞】分級檢測技術(shù)；自適應(yīng)中值濾波；Otsu方法；特征提取

1.引言

利用計算機視覺對水果進行自動分級是國內(nèi)一大熱點，但是從現(xiàn)實來看，獼猴桃的分級技術(shù)很落后，基本依靠果農(nóng)或冷機械手工分級，效率低誤差大，從而造成勞動力及果品浪費等現(xiàn)象。雖然國內(nèi)有很多類似的研究致力于實現(xiàn)對各種果品的分級，但基本是針對蘋果等類圓形果品。Paulus等[1]人提出以表面積、直徑和體積作為表征果品大小的參數(shù)，但并未做進一步的研究實驗驗證。劉禾、汪懋華等[2]通過求取最大果寬和果軸長度來估測果品最大果徑，并給出2個參數(shù)的系數(shù)，依照此系數(shù)計算出表征果品大小的數(shù)學(xué)關(guān)系式?？登缜鏪3]利用改進的面積投影法計算果品的平均直徑，并以此作為大小分級的標(biāo)準(zhǔn)。此外，越來越多的新興技術(shù)在水果分級領(lǐng)域被引用，如柏流芳[4]引入DSP技術(shù)對蘋果進行動態(tài)實時的大小和形狀分級，劉燕德[5]利用LED組合光源實現(xiàn)對水晶梨可溶性固形物的在線檢測等。

本文獼猴桃大小分級算法是將獲得的獼猴桃圖像經(jīng)過自適應(yīng)中值濾波等圖像預(yù)處理后，利用Otsu方法進行背景分割得到獼猴桃目標(biāo)區(qū)域，再以目標(biāo)區(qū)域的面積作為分級依據(jù)得出大小等級分級結(jié)果。實驗數(shù)據(jù)表明：該分級檢測算法的分級正確率和分級速率均達(dá)到了實際生產(chǎn)應(yīng)用的基本要求，可為獼猴桃大小自動化分選提供參考。

2.分級檢測算法的描述

獼猴桃分級檢測算法由以下幾部分組成：對彩色獼猴桃圖像的預(yù)處理、目標(biāo)區(qū)域面積的計算和獼猴桃大小分級結(jié)果的輸出。具體檢測流程如圖1所示。

3.圖像預(yù)處理

3.1 圖像的灰度轉(zhuǎn)換

3.2 圖像的平滑去噪

自適應(yīng)中值濾波器的濾波方式和常規(guī)的中值濾波器一樣，都使用一個矩形區(qū)域的窗口Sxy，不同的是在濾波過程中，自適應(yīng)濾波器會根據(jù)一定的設(shè)定條件改變?yōu)V波窗的大小[6]，當(dāng)判斷濾波窗中心的像素是噪聲時，噪聲點值用中值代替，否則不改變當(dāng)前像素值。由于上述特性，自適應(yīng)中值濾波算法較其它濾波算法具有更好的圖像細(xì)節(jié)保留效果。故在采用自適應(yīng)中值濾波算法對采集的獼猴桃圖像進行去噪處理時，能較好地保留住獼猴桃圖像的細(xì)節(jié)從而確保分級結(jié)果的正確性。

自適應(yīng)中值濾波算法由兩個部分組成，第一層（Leve1 A）用于對圖像各區(qū)域進行噪聲檢測并根據(jù)各區(qū)域受噪聲污染的狀況確定濾波窗口Sxy的尺寸。第二層（Leve1 B）用于對檢測出的噪聲點進行濾波[7]。

目標(biāo)區(qū)域面積的具體計算過程是先將經(jīng)過Otsu閾值分割的二值化獼猴桃圖像（這時獼猴桃區(qū)域為黑色，其他區(qū)域為白色）取反，將黑白顏色區(qū)域?qū)φ{(diào)，獼猴桃區(qū)域變?yōu)榘咨?。然后利用bwarea函數(shù)計算出白色區(qū)域的像素點的個數(shù)total，再利用公式（9）得出獼猴桃的面積S，利用S值的差異便可實現(xiàn)對獼猴桃大小的分級。

6.結(jié)果與分析

6.1 實驗結(jié)果

計算機為實驗的仿真平臺，其硬件環(huán)境為Intel I5-2430M的處理器，2.40GHZ的主頻，2GB的運行內(nèi)存。其軟件環(huán)境為32位的Windows 7操作系統(tǒng)和Matlab 7.0的仿真工具。實驗先選用海沃德獼猴桃100多組，根據(jù)2010年成都市獼猴桃協(xié)會出臺的《海沃德獼猴桃鮮果分級標(biāo)準(zhǔn)》，統(tǒng)計得出獼猴桃質(zhì)量分級標(biāo)準(zhǔn)與面積分級標(biāo)準(zhǔn)間的對應(yīng)關(guān)系。如表1所示。再隨機選用海沃德獼猴桃35組，通過對比實驗測出的最大橫截面分級結(jié)果和稱重得出的分級結(jié)果，統(tǒng)計得出表2。實驗中統(tǒng)計得出獼猴桃的單果分級平均速率可達(dá)1.83秒/個。圖4所示給出了典型大型、中型、小型果的實驗結(jié)果圖。

6.2 結(jié)果分析

分析表2的實驗數(shù)據(jù)可知：①該獼猴桃大小分級檢測算法的分級正確率可高達(dá)87%且平均單果分級速率可達(dá)1.83秒/個。②實驗中出現(xiàn)錯誤的分級結(jié)果的主要有兩種情況：a.果品重量過于接近分級標(biāo)準(zhǔn)的等級分界值；b.果品的果形過于扁平化。但是在大基數(shù)的實際生產(chǎn)應(yīng)用中，這兩種錯誤情況的影響是十分有限的。圖5給出了扁平化的一級果錯誤分級實驗圖，若按橫截面積分級為三級果，但按質(zhì)量分級其應(yīng)劃分為一級果。

7.總結(jié)

人工分級方法勞動強度大，缺少客觀性和準(zhǔn)確性，嚴(yán)重影響獼猴桃分級的效率和精度。計算機視覺技術(shù)為根據(jù)獼猴桃大小進行分級檢測提供了一種自動、無損、高效的方法。本文利用獼猴桃的最大橫截面積作為獼猴桃大小分級的重要依據(jù)，根據(jù)獼猴桃的外形特征，提出了一種以橫截面積為依據(jù)的獼猴桃分級檢測算法。算法將經(jīng)灰度轉(zhuǎn)換后的獼猴桃圖像進行自適應(yīng)中值濾波處理，以去除圖像的噪點，然后采用Otsu方法進行背景分割，最后計算出獼猴桃的橫截面積進行大小分級。該算法達(dá)到了較好的預(yù)期分級效果。實驗仿真結(jié)果表明，該方法用于獼猴桃自動分級是可行的，有著廣泛的應(yīng)用前景。

參考文獻

[1]Paulus I，De Busscher R，Schrevens E.Use of image analysis to investigate human quality classification of apples[J].Journal of Agricultural Engineering Research，1997，68（4）：341-353.

[2]劉禾，汪懋華.水果果形判別人工神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報，1996，12（1）：171-176.

[3]康晴晴.基于機器視覺的蘋果檢測分級方法研究[D].北京：中國農(nóng)業(yè)大學(xué)，2007.

[4]柏流芳.基于DSP的蘋果大小和形狀動態(tài)分級系統(tǒng)的研究[D].北京：中國農(nóng)業(yè)大學(xué)，2006.

[5]劉燕德，彭彥穎，高榮杰，等.基于LED組合光源的水晶梨可溶性固形物和大小在線檢測[J].農(nóng)業(yè)工程學(xué)報，2010，26（11）：338-343.

[6]劉穎，陳謹(jǐn)女.自適應(yīng)中值濾波算法在圖像處理中的應(yīng)用[J].物聯(lián)網(wǎng)技術(shù)，2013（3）：51-54.

[7]王建華，王春平，賈洪濤.自適應(yīng)中值濾波器在圖像降噪技術(shù)中的應(yīng)用[J].測控技術(shù)，2004，23（5）：54-55.

[8]Ostu N.A threshold selection method from gray-level histogram.IEEE Transactions on SMC，1979，9（1）：62-69.

基金項目：吉首大學(xué)大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實驗計劃立項項目（項目編號：JSU-CX-2013-11）。

通訊作者：張書真。