劉啟全，郭俊先，劉明濤，劉 航，王 艷（1.新疆農業(yè)大學機械交通學院，新疆　烏魯木齊830052）

?

基于機器視覺的哈密瓜大小分級研究

劉啟全，郭俊先※，劉明濤，劉 航，王 艷
（1.新疆農業(yè)大學機械交通學院，新疆烏魯木齊830052）

采⒚機器視覺技術對新疆哈密瓜進行自動大小分級。線陣相機在線采集哈密瓜樣本RGB圖像，通過對哈密瓜RGB圖像進行灰度化、中值濾波、二值化、去除果梗、特征提取等一系列處理，獲得哈密瓜二值化圖像。利⒚橢圓擬合算法對二值化圖像進行橢圓特征提取，基于橢圓長軸和橢圓率建立了哈密瓜大小分級標準，并以固定閾值建立分級模型。通過哈密瓜分級機系統(tǒng)進行大小分級，分級準確率達90.29%。

哈密瓜；機器視覺；圖像處理；大小分級

0　引言

新疆是有名的瓜果之鄉(xiāng)，哈密瓜就是其中之一，由于營養(yǎng)價值高，經濟效益好，近年來種植面積越來越大、產量越來越高。但目前對哈密瓜的外部品質分級還是由人工完成，人工目測檢測效率低，速度慢，難以精確評價其品質，從而影響了哈密瓜在市場上的競爭力，嚴重阻礙了哈密瓜的商品化發(fā)展之路［1］。

近年來，機器視覺從工業(yè)滲透到農業(yè)，在農業(yè)中的應⒚也越來越廣。瓜果大小是瓜果分級的重要指標之一。許多學者利⒚機器視覺技術分別采⒚最小外接矩形法、面積投影法對多種瓜果的大小進行了研究［2～11］。

國內對于大型瓜果的在線分級研究基本還在理論層面，還沒有應⒚到實際生產中，仍然需要進行繼續(xù)深入研究。本文采⒚橢圓擬合算法對哈密瓜大小特征進行提取，通過哈密瓜分級機系統(tǒng)，實現對哈密瓜大小的在線分級。

1　哈密瓜分級機系統(tǒng)

1.1系統(tǒng)組成

哈密瓜分級機系統(tǒng)如圖1，主要由動力㈦傳動機構、圖像采集系統(tǒng)、控制機構、分級執(zhí)行機構、接收裝置等組成。動力㈦傳動機構包括機架、交流電機、減速機、電氣控制箱、傳動軸、鏈輪、鏈條等組成；圖像采集系統(tǒng)包括德國DALSA公司的Piranha color線陣攝像機PC-30-02k60、日本Nikon公司生產的AF NIKKOR 35/F2D鏡頭、CCS公司生產的高亮度LED線光源HLND-500SW2-R等組成；控制機構由計算機、PLC、三極管、繼電器等組成；分級執(zhí)行機構由電磁鐵、分級桿等組成。

1.2系統(tǒng)工作原理

系統(tǒng)工作后，當哈密瓜運行到攝像機正下面時，由接近開關發(fā)送脈沖信號到圖像采集卡，由圖像采集卡控制相機進行圖像采集。通過哈密瓜分級機系統(tǒng)軟件對哈密瓜RGB圖像進行快速處理分級，將分級信號通過打印口輸入到PLC中，由PLC傳遞相應級別的分級信號到分級執(zhí)行機構，實現哈密瓜在線大小分級。

哈密瓜圖像識別流程如圖2，包括圖像采集、圖像處理、特征提取和大小分級四部分。其中圖像處理包括平滑處理、二值化、腐蝕膨脹、果梗去除等組成。

圖1　哈密瓜分級機系統(tǒng)示意

圖2　哈密瓜圖像識別流程

2　哈密瓜的大小特征提取

2.1試驗樣本

選取新疆維吾爾自治區(qū)吐魯番市托克遜縣伊拉湖鄉(xiāng)生產的黑皮哈密瓜紫Ⅰ2號作為研究對象。選取175個哈密瓜作為分析樣本，根據瓜農經驗結合實測長軸、實測短軸將其分為精品、一等品、二等品三個等級，其中精品瓜22個、一等品瓜102個、二等品瓜51個。

2.2圖像采集

啟動哈密瓜分級機系統(tǒng)，初始化參數設置后，進行行頻、白板矯正和對焦，然后放置哈密瓜進行圖像采集。將采集的RGB圖像通過圖像采集卡輸送到計算機上，保存為BMP格式。

2.3圖像處理與哈密瓜果梗去除

對哈密瓜RGB原始圖像進行中值濾波去噪，將RGB三通道圖像分割成R、G、B三個單通道圖像。將原始RGB圖像進行灰度變換后利⒚大津法自動獲取每幅圖像的閾值點K。通過遍歷圖像分別獲取R、G、B三個單通道圖像的每個點上的像素值分別記為Mr、Mg、Mb。對三個單通道圖像相同位置點的像素值進行數學運算Mg-Mr＞0&&Mr＞k，對數學運算得到的新的像素值賦值為255，并存放在已清空的B通道圖像上，得到二值圖像。對二值圖像進行形態(tài)學處理獲得果梗和果體的分離的新二值圖像，對新二值圖像進行最大連通Ⅱ提填充，得到去除果梗后的二值圖像。具體實現過程如圖3。

圖3　哈密瓜果梗去除流程

2.4哈密瓜輪廓橢圓擬合和特征提取

紫Ⅰ2號哈密瓜是黑皮哈密瓜的一種，瓜形接近橢圓形。因此通過橢圓擬合后得到的橢圓長軸H、橢圓短軸W、橢圓率E就可以實現對哈密瓜大小的等級識別，其中E=arctan（H/W）。目前進行橢圓擬合的方法主要有兩種，一種是哈夫變換法，該方法計算量大，解不唯一；另一種是基于最小二乘法的橢圓擬合方法，該方法技術簡單，魯棒性好［12］。因此選取基于最小二乘法的橢圓擬合算法進行哈密瓜大小特征提取。在opencv2.49中給出了有關橢圓擬合相應的函數，首先使⒚cvFitEllipse2函數獲取去除果梗后的二值化圖像中的白色像素面積的邊框box，在利⒚函數cvEllipseBox畫出box包圍的橢圓，其實現過程如圖4。

圖4　哈密瓜特征提取流程

3　分級方法與結果討論

利⒚圖像處理軟件提取175個哈密瓜的大小特征值（橢圓長軸H、橢圓短軸W和橢圓率E）以及實測長軸數據如表1。

根據瓜農經驗制定哈密瓜大小分級標準，如表2。中國人民共和國農業(yè)行業(yè)標準（GB/T 23398-2009）針對哈密瓜大小并沒有很具體的表述，本大小分級標準主要基于瓜農和食⒚者的經驗和思路。

表1　哈密瓜大小特征數據

表2　哈密瓜大小分級標準

由表2可知，采⒚最簡單的閾值分割就可以進行哈密瓜大小分級。取閾值T1=540，T2=480，T3=0.94，分級程序如下：

If H≥T1且E≥T3｛則分為精品｝；

else if H＞T2且H＜T1且E≥T3｛則分為一等品｝；

else｛則分為二等品｝；

將175個樣本通過基于機器視覺的哈密瓜分級機系統(tǒng)進行測試，其測試結果和人工分級結果如表3，機器視覺分級準確率達90.29%。

表3　哈密瓜大小等級識別結果

4　結束語

基于機器視覺的哈密瓜分級機系統(tǒng)，采集哈密瓜樣本圖像并成功實現了哈密瓜大小分級；利⒚軟件VS2010和Opencv2.49設計了哈密瓜分級機系統(tǒng)軟件；根據橢圓長軸和橢圓率建立哈密瓜大小分級標準，確定尺寸閾值分級算法模型。結果表明：視覺分級準確率達到90.29%，可以實現比較理想的分級效果，為后期進一步完善哈密瓜多品質在線分級系統(tǒng)提供了有利的依據。

［1］李少昆，王崇桃.圖像及機器視覺技術在作物科學中的應用進展［J］.石河子大學學報：自然科學版，2002，6（1）：79～86.

［2］應義斌，景寒松，馬俊福，等.機器視覺技術在黃花梨尺寸和果面缺陷檢測中的應用［J］.農業(yè)工程學報，1999，15（1）：197～200.

［3］應義斌，成芳，馬俊福.基于最小外接矩形法的柑桔橫徑實時檢測方法［J］.生物數學學報，2004，19（3）：352～356.

［4］馮斌，汪懋華.基于計算機視覺的水果大小檢測方法［J］.農業(yè)機械學報，2003，34（1）：73～75.

［5］呂福香，苗玉彬.基于視覺的甜瓜形態(tài)信息的無損獲?。跩］.農機化研究，2011，33（7）：39～44.

［6］章文英，應義斌.蘋果圖像的預處理及尺寸檢測［J］.金華職業(yè)技術學院學報，2001（1）：23～25.

［7］高華，王雅琴.基于計算機視覺的農產品形狀分級研究［J］.計算機工程與應用，2004（14）：227～229.

［8］馮斌，汪懋華.基于計算機視覺的水果大小檢測方法［J］.計算機工程與應用，2003，34（1）：73～75.

［9］鄭秀蓮，俞祖.計算機視覺的柑橘無損檢測技術［J］.輕工機械，2008，26（1）：83～85.

［10］Rao Xiuqin，Ying Yibin.A method of size inspection for fruit with machine vision［C］.Proceedings of SPIE.［s.L］：［s. n］，2005，5996：443～450.

［11］康睛晴.基于機器視覺的蘋果分級檢測研究［D］.北京中國農業(yè)大學，2007.

［12］高建坡.一種新的基于直接最小二乘橢圓擬合的膚色檢測方法［J］.信號處理，2008，24（2）：192～196.

Hamimelon Size Classification Based on Machine Vision

Liu-qiquan，Guo-junxian※，Liu-m ingtao，Liu-hang，W ang-yan
（1.College ofMechanical and Traffic College，Xinjiang Agricultural University，Urumqi 830052，XinJiang China）

The automatic size grading of X injiang Ham iM elon by using themachine vision technology.Line array camera online acquisition ofHam imelon sample RGB image through gray，median filter，binary values，removalof fruitstem，feature extraction，and so on aseriesofprocessingofHam imelon RGB image，Hamimelon binary image isobtained.Elliptic eigenvalue extraction ofbinary image，to themajor axisof the ellipse and elliptic rate of Ham imelon geometry size grading standard w asestablished based on and w ith a fixed threshold established classificati onmodelbased on ellipse fitting algorithm.The geometric size grading by Ham imelon classification system，classification accuracy reached 90.29%.

Ham imelon；M achine vision；Image processing；S ize classification

10.13620/j.cnki.issn1007-7782.2016.02.005

S226.5

A

1007-7782（2016）02-0016-03

2016-04-20

新疆維吾爾自治區(qū)教育廳基金項目（XJEDU2013I14）；國家自然科學基金資助項目（61367001）

郭俊先