蔣 偉 溫寶琴 吳 杰 李 玲 馮 哲 徐虎博 王志鵬

（石河子大學(xué)機(jī)械電氣工程學(xué)院，新疆 石河子 832000）

蟠桃是新疆特色果品產(chǎn)業(yè)之一［1］，尤其是新疆石河子143團(tuán)的蟠桃從口感、外貌到營養(yǎng)價值都屬于蟠桃中的極品，2000年10月被中國農(nóng)業(yè)特產(chǎn)專業(yè)委員會正式命名為“中國蟠桃之鄉(xiāng)”。新疆蟠桃的銷量逐年增長，2013年銷量已達(dá)15萬t以上，但是增速在逐年降低［2］。經(jīng)調(diào)查［3］發(fā)現(xiàn)，新疆蟠桃的自動化分級水平不高，生產(chǎn)效率低下，這是影響增速的原因之一。為了提高新疆蟠桃的商品價值及其在國際桃類高端市場上的競爭力，河北省地方標(biāo)準(zhǔn)［4］規(guī)定了根據(jù)蟠桃單果質(zhì)量的不同分為特級、一級和二級的分級標(biāo)準(zhǔn)，通常特級蟠桃單果質(zhì)量：早熟品種≥100g，中熟品種≥120g，中晚熟品種≥220g。

目前，蟠桃的稱重分級主要依靠人工處理，分級效率較低，而且損傷率較高。由于果蔬的尺寸與其質(zhì)量存在一定關(guān)系，因此為了避免果品單果稱重所存在的效率低下、人為誤差較大，以及果品損傷率較高的缺點，通過分析國內(nèi)外針對梨、馬鈴薯、獼猴桃等果蔬質(zhì)量的預(yù)測方法，利用蟠桃的幾何特性尺寸來預(yù)測蟠桃質(zhì)量。蟠桃?guī)缀纬叽绲墨@取，可以采用計算機(jī)圖像處理技術(shù)，實現(xiàn)非接觸式測量，以減少蟠桃不必要的機(jī)械損傷，同時也可以降低人工成本。本研究擬采用計算機(jī)圖像處理技術(shù)對蟠桃的幾何特性進(jìn)行分析，建立預(yù)測蟠桃質(zhì)量的數(shù)學(xué)模型，旨為依據(jù)蟠桃質(zhì)量來自動分級的裝備的設(shè)計提供依據(jù)。

1 材料與方法

1.1 材料

蟠桃：由新疆石河子墾區(qū)143團(tuán)提供。隨機(jī)挑選無損傷、無蟲害，且剔除畸形果的蟠桃90個，將蟠桃氣調(diào)貯藏（4%～6%O2，2%～4%CO2，－1～1℃）。

1.2 幾何特性參數(shù)實測

本研究假設(shè)蟠桃的形狀為扁平狀［5］，蟠桃的幾何參數(shù)有：蟠桃橫剖面的面積x1、縱剖面的面積x2、縫合中線處的直徑x3，縫合中線垂直處的直徑x4，蟠桃厚度x5。用數(shù)顯游標(biāo)卡尺測量x3、x4、x5，采用數(shù)方格法［6］測量x1、x2。蟠桃的質(zhì)量y由數(shù)字式電子稱（精度為0.01g）稱量。蟠桃的三維圖見圖1。

圖1 蟠桃的三軸徑圖Figure 1 Three axes diameter of flat peach

1.3 蟠桃?guī)缀螀?shù)圖像法獲取

蟠桃的圖像采集裝置（圖2）由計算機(jī)、背景板、CCD數(shù)碼相機(jī)、高度調(diào)節(jié)裝置、光源箱組成。采集圖像時，將相機(jī)攝像頭與測量臺間距調(diào)節(jié)至19cm，光源為白熾燈點光源，蟠桃放置于白色背景的底板上，處于攝像頭正下方。采集蟠桃正、反兩面以及側(cè)面（圖2中的蟠桃樣品為正面），應(yīng)用MATLAB R2014a軟件對圖像進(jìn)行濾波、二值化等預(yù)處理［7］，進(jìn)而進(jìn)行邊緣檢測［8］、背景分割、RGB分量提取［9－11］。同時對圖像進(jìn)行形態(tài)學(xué)處理，以便得到蟠桃的外輪廓圖像，達(dá)到對圖像分析和識別的目的［12，13］，最終獲得軸徑參數(shù)、厚度參數(shù)和投影面積參數(shù)的像素值。圖像處理過程見圖3。

圖2 圖像采集系統(tǒng)Figure 2 Image acquisition system

圖3 蟠桃圖像處理過程Figure 3 Image processing process

1.4 蟠桃質(zhì)量預(yù)測

針對蟠桃質(zhì)量與各幾何參數(shù)（如縫合中線處的直徑，縫合中線垂直處的直徑，蟠桃橫、縱剖面的面積等）之間的關(guān)系，本研究采用了多元線性回歸方法擬合出實測值與蟠桃質(zhì)量的預(yù)測模型，并比較了不同參數(shù)所得模型的擬合優(yōu)度，找到最優(yōu)質(zhì)量預(yù)測模型。同時通過將MATLAB R2014a軟件獲取的像素值與相應(yīng)幾何參數(shù)進(jìn)行擬合，最終得到像素—質(zhì)量預(yù)測模型。

2 結(jié)果與分析

2.1 實測值—質(zhì)量模型

多元線性回歸：

式中：

b0～bn——回歸系數(shù)；

在3GPP國際標(biāo)準(zhǔn)中,4G移動網(wǎng)絡(luò)包括核心網(wǎng)與無線網(wǎng),涉及網(wǎng)元主要有eNodeB、MME以及SAEGW。eNodeB主要負(fù)責(zé)用戶手機(jī)的無線接入以及給用戶手機(jī)分配無線帶寬和優(yōu)先級,MME負(fù)責(zé)手機(jī)的移動會話管理,SAEGW負(fù)責(zé)手機(jī)流量的路由[2]。

x1～xn——樣本特征值；

y——目標(biāo)特征值。

回歸函數(shù)：

式中：

b——回歸系數(shù)；

bint——回歸系數(shù)的區(qū)間估計；

r——殘差；

stats——檢驗回歸模型的統(tǒng)計量。

本試驗有5個自變量：蟠桃橫剖面面積x1，蟠桃縱剖面面積x2，縫合中線處的直徑x3，縫合中線垂直處的直徑x4，蟠桃厚度x5；一個因變量：蟠桃質(zhì)量y。5個自變量的箱形圖見圖4。由圖4可知，x1的變化最大并且異常量較多，x2次之，x3最小。

圖4 箱形圖Figure 4 Box－plot

分別對5，4，3個自變量進(jìn)行線性擬合，同時得出各自的殘差圖，見圖5。最終統(tǒng)計結(jié)果見表1。

表1 不同自變量擬合結(jié)果統(tǒng)計表Table 1 Fitting results of different independent variables

圖5 殘差圖Figure 5 Residual plot

由表1可知，4種回歸方程的擬合優(yōu)度均較高，達(dá)到了90%以上。它們的顯著性概率P＝0.000 0＜0.05（默認(rèn)95%置信區(qū)間），故拒絕零假設(shè)，認(rèn)為回歸模型中至少有一個自變量的系數(shù)不為0，回歸方程有意義。其中第1個回歸方程擬合優(yōu)度最高，達(dá)到了93.65%。但是自變量過多，統(tǒng)計繁瑣。第4個回歸方程只有3個自變量，擬合度達(dá)到了91.87%。綜上所述，第4個模型是最適合的模型。

最優(yōu)回歸方程：

2.2 實測值與像素關(guān)系

通過MATLAB R2014a軟件獲取相應(yīng)幾何參數(shù)的像素值，并將實測值與像素值進(jìn)行擬合，結(jié)果見圖6。

通過 MATLAB R2014a對蟠桃x3、x4和x53個自變量與對應(yīng)像素進(jìn)行擬合，得到3個擬合模型：

由式（3）～（6）得像素—質(zhì)量模型：

式中：

x′3——蟠桃縫合中線處的直徑，mm；

x′4——縫合中線垂直處的直徑，mm；

x′5——蟠桃厚度所對應(yīng)的像素值；

y——蟠桃質(zhì)量，g。

圖6 實測值與像素值擬合圖Figure 6 Fitting between the measured value and the pixel value

3 結(jié)論

本試驗分析了蟠桃質(zhì)量與幾何特征參數(shù)間的關(guān)系，并運用多元線性回歸方法得到預(yù)測模型。選取的幾何參數(shù)自變量不同，所得質(zhì)量預(yù)測模型的準(zhǔn)確率不同。通過比較分析，第4種實測值—質(zhì)量模型最優(yōu)。將像素值與相應(yīng)幾何參數(shù)進(jìn)行代換，最終得到最優(yōu)像素—質(zhì)量模型，預(yù)測準(zhǔn)確率達(dá)到91.87%，該模型可以準(zhǔn)確的對蟠桃質(zhì)量進(jìn)行預(yù)測。同時，本研究方法也適用于其他種類的球體果蔬或物品的質(zhì)量預(yù)測。通過殘差圖分析，實測值有6～7個異常值，在今后的研究中，可以分析異常值出現(xiàn)的原因并解決此問題，以達(dá)到更準(zhǔn)確的效果。

1 趙建軍，丁繼高.新疆石河子蟠桃食心蟲防治技術(shù)［J］.果農(nóng)之友，2011（3）：30.

2 新疆維吾爾自治區(qū)統(tǒng)計局.新疆統(tǒng)計年鑒（2014年）［Z］.北京：中國統(tǒng)計出版社，2014.

3 付洪波，何軼，張汝廷，等.蟠桃產(chǎn)業(yè)發(fā)展的SWOT分析及政策建議［J］.中國集體經(jīng)濟(jì)，2013（3）：31～33.

4 河北省地方標(biāo)準(zhǔn).DB13/T 1069—2009無公害果品蟠桃［S］，河北：河北省質(zhì)量技術(shù)監(jiān)督局，2009.

5 周祖鍔.農(nóng)業(yè)物料學(xué)［M］.北京：農(nóng)業(yè)出版社，1994：55～62.

6 于東寧，張國安，李建寧.瘢痕面積及其不規(guī)則程度的定量測量方法研究［J］.中國美容醫(yī)學(xué)，2005，15（5）：486～489.

7 施健，何建國，張冬，等.基于計算機(jī)視覺鮮棗大小分級系統(tǒng)研究［J］.食品與機(jī)械，2013，29（5）：134～137.

8 周林妹.數(shù)字圖像邊緣檢測算法及其在農(nóng)產(chǎn)品加工中的應(yīng)用［J］.食品與機(jī)械，2009，25（3）：139～142.

9 楊杰.數(shù)字圖像處理及MATLAB實現(xiàn)［M］.北京：電子工業(yè)出版社，2009.

10 王紅君，陳偉，趙輝，等.復(fù)雜背景下植物葉片的彩色圖像分割［J］.中國農(nóng)機(jī)化學(xué)報，2013，34（2）：207～211.

11 謝中華.MATLAB統(tǒng)計分析與應(yīng)用：40個案例分析［M］.北京：北京航空航天大學(xué)出版社，2010.

12 Xu Li－ming，Zhao Yan－chao.Automated strawberry grading system based on image processing［J］.Computers and Electronics in Agriculture，2010（72）：32～39.

13 Joseph D，Eifer T，Gabriel C，et al.Prediction of raw produce surface area from weight measurement［J］.Journal of Food Engineering，2006（74）：552～556.