代秋芳 吳偉斌 陳建澤 李浚時

摘 要：表面缺陷是衡量蘋果品質(zhì)的重要指標(biāo)。為了能夠在分選中正確的檢測出表面存在缺陷的蘋果，提高蘋果的分級水平，設(shè)計了一個基于圖像處理的蘋果表面缺陷檢測系統(tǒng)，可完成蘋果圖像的采集和蘋果表面缺陷的判斷。實驗結(jié)果表明：直方圖算法判斷準(zhǔn)確率為81%，感知哈希算法為86%，綜合算法為91%。

關(guān)鍵詞：蘋果 缺陷檢測 直方圖算法 感知哈希算法

中圖分類號：TP391.41 文獻標(biāo)識碼：A 文章編號：1674-098X（2016）03（c）-0001-02

蘋果的表面缺陷是其品質(zhì)最直接的反映，且在一定程度上還會影響內(nèi)部品質(zhì)。在交易或存儲前，對蘋果外觀品質(zhì)進行分選可實現(xiàn)優(yōu)質(zhì)優(yōu)價，可有效防止缺陷蘋果感染其他優(yōu)質(zhì)水果[1]。傳統(tǒng)的外觀品質(zhì)檢測主要是利用分級機械，根據(jù)水果的大小、質(zhì)量等指標(biāo)進行分級，而無法對水果的顏色、紋理和表面缺陷等做出評價[2]。運用機器視覺技術(shù)和圖像處理技術(shù)檢測水果的外觀缺陷一直是研究的難點和熱點[3-5]。該文設(shè)計基于圖像處理的蘋果表面缺陷檢測系統(tǒng)，通過圖像采集裝置獲取蘋果圖像，用缺陷檢測算法對圖像信息進行分析，實現(xiàn)對蘋果表面缺陷的快速檢測。

1 試驗材料與方法

1.1 試驗樣本

試驗的研究對象為紅富士蘋果，共采購100個。這些果實果型勻稱，半徑為68.5～88 mm，質(zhì)量為128～211 g，50個為有表面缺陷的蘋果，50個為正常蘋果，所有樣本均用于算法的驗證。

1.2 圖像采集裝置

搭建圖像采集裝置如圖1所示。整個裝置由計算機、像素為1 200萬的攝像頭、光源（USB接口的LED燈炮）和自制光照箱組成。

1.3 試驗方法

試驗采用搭建的圖像采集裝置對100個紅富士蘋果樣本進行圖像采集，在計算機中運行蘋果表面缺陷檢測系統(tǒng)得到樣本圖像，并在操作界面中得到判斷結(jié)果，操作界面可一鍵運行得到最終結(jié)果，也可通過按相應(yīng)按鈕在顯示蘋果圖像窗口中觀測中間結(jié)果。

2 蘋果表面缺陷檢測系統(tǒng)

該文基于VS2010平臺開發(fā)一個蘋果表面缺陷檢測系統(tǒng)。系統(tǒng)獲取蘋果圖像后依次經(jīng)過圖像預(yù)處理、灰度化、二值化、邊緣檢測、特征提取和特征分析后，判斷是否存在缺陷并輸出結(jié)果，系統(tǒng)分為操作界面窗口和顯示蘋果圖像窗口，其中系統(tǒng)操作界面如圖2所示。

2.1 圖像獲取

系統(tǒng)提供兩種圖像獲取模式供用戶選擇。①載入圖片模式：載入蘋果圖片庫中已有的圖片進行分析；②拍攝模式：利用系統(tǒng)搭建的圖像采集裝置，啟用攝像頭實時拍攝蘋果圖像。

2.2 圖像預(yù)處理

獲取蘋果圖像后系統(tǒng)先對圖像進行預(yù)處理，包括傾斜校正、中值濾波和歸一化。傾斜校正可得到位置端正的蘋果圖像；中值濾波可消除噪聲，改善圖像質(zhì)量，使其更清晰；歸一化可取得尺寸一致，灰度取值范圍相同的標(biāo)準(zhǔn)化蘋果圖像。

2.3 圖像灰度化、二值化及邊緣檢測

圖像預(yù)處理后要進行圖像灰度化、二值化及邊緣檢測。該系統(tǒng)中的邊緣檢測采用Canny算法，標(biāo)識數(shù)字圖像中亮度變化明顯的點來分割圖像?；叶然蟮膱D像如圖3所示，邊緣檢測圖如圖4所示。

2.4 表面缺陷判斷算法

系統(tǒng)通過特征提取和特征分析判斷蘋果表面是否有缺陷。系統(tǒng)設(shè)計了3種算法：直方圖算法，感知哈希算法和綜合算法，同時選取100個蘋果（前50個為正常果，后50個為缺陷果）進行了試驗。

（1）直方圖算法：對檢測蘋果與正常蘋果圖像進行直方圖數(shù)據(jù)采集，對兩種圖像的直方圖進行歸一化再使用巴氏系數(shù)算法進行計算，得到直方圖相似系數(shù)（Histogram Similarity Coefficient，HSC），取值范圍為0～1，0為極相似，1為極不同。若HSC<0.5，判斷為正常；若HSC≥0.5，判斷為缺陷。缺陷判斷情況如圖5所示，空心點為判斷錯誤，準(zhǔn)確率為81%。

（2）感知哈希算法：提取檢測蘋果與正常蘋果圖像的“指紋”字符串進行比較，得到圖像的哈希相似參數(shù)（Hash Similarity Parameters，HSP），取值范圍為0～100，0為極相似，100為極不同。若HSP<5，判斷為正常；若HSP≥5，判斷為缺陷。缺陷判斷情況如圖6所示，空心點為判斷錯誤，準(zhǔn)確率為86%。

（3）綜合算法：直方圖算法對顏色缺陷的檢測準(zhǔn)確率較高，而感知哈希算法對形狀缺陷的檢測準(zhǔn)確率較高，為綜合利用兩種算法的優(yōu)勢，論文設(shè)計了1種綜合算法。綜合算法做了2點改進：①首先對直方圖算法和感知哈希算法的判斷結(jié)果進行分析，若兩種算法結(jié)果相同，綜合算法直接取兩種算法的結(jié)果；②對兩種算法結(jié)果不相同的情況進一步處理，得到綜合系數(shù)（Synthetic Coefficient，SC）。取值范圍為0～1，0為極相似，1為極不同。若SC<0.5，判斷為正常；若SC≥0.5，判斷為缺陷。SC計算公式如式（1）所示。

3 結(jié)語

該文基于VS2010平臺設(shè)計了一個基于圖像處理的蘋果表面缺陷檢測系統(tǒng)，可判斷蘋果表面是否存在缺陷，系統(tǒng)設(shè)計了3種判斷缺陷的算法，選取100個蘋果（正常果50個，缺陷果50個）進行了試驗，主要結(jié)論有如下幾點。

（1）直方圖算法準(zhǔn)確率為81%，感知哈希算法準(zhǔn)確率為86%，集兩種算法優(yōu)點自行設(shè)計的綜合算法準(zhǔn)確率為91%。

（2）感知哈希算法的準(zhǔn)確率高于直方圖算法，綜合兩種算法優(yōu)點自行設(shè)計的綜合算法能提高檢測準(zhǔn)確率。

（3）其他水果的表面缺陷檢測，蘋果內(nèi)部缺陷檢測以及提取除顏色、灰度和形狀外的其他特征信息有待進一步研究。

參考文獻

[1] 趙娟，彭彥昆，Sagar D，等.基于機器視覺的蘋果外觀缺陷在線檢測[J].農(nóng)業(yè)機械學(xué)報，2013，44（S1）：260-263.

[2] 田有文，程怡，王小奇，等.基于高光譜成像的蘋果蟲傷缺 陷與果梗/花萼識別方法[J].農(nóng)業(yè)工程學(xué)報，2015，31（4）： 325-331.

[3] 劉禾，汪懋華.基于數(shù)字圖像處理的蘋果表面缺陷分類方法[J].農(nóng)業(yè)工程學(xué)報，2004，20（6）：138-140.

[4] 周建民，張瑞豐.基于主動熱成像技術(shù)的蘋果表面缺陷分類方法[J].華東交通大學(xué)學(xué)報，2012，29（1）：86-89.

[5] 張保華，黃文倩，李江波，等.基于亮度校正和AdaBoos的蘋果缺陷在線識別[J].農(nóng)業(yè)機械學(xué)報，2014，45（6）：221-226.