喬　陸 陳　靜

(河南職業(yè)技術(shù)學(xué)院信息工程系，河南 鄭州　450046)

?

基于SOPC水果分級檢測系統(tǒng)研究

喬陸 陳靜

(河南職業(yè)技術(shù)學(xué)院信息工程系，河南 鄭州450046)

為了解決傳統(tǒng)的水果分級檢測系統(tǒng)存在的分級速度慢、系統(tǒng)龐大和成本高等問題，提出了基于SOPC水果分級檢測系統(tǒng)，并將整個(gè)控制系統(tǒng)集成到一個(gè)FPGA芯片上，以脫離PC機(jī)平臺，從而降低成本。通過Soble算法實(shí)現(xiàn)了水果圖像的邊緣提取，通過直方圖的方法對水果的大小進(jìn)行分辨，從而可以準(zhǔn)確地對水果進(jìn)行分級處理。測試結(jié)果表明，該系統(tǒng)具有檢測速度快，開發(fā)周期短，可在線升級的優(yōu)點(diǎn)，具有很好的應(yīng)用空間。

SOPC；Soble算法；水果檢測

隨著自動化技術(shù)的快速發(fā)展，農(nóng)業(yè)自動化程度也越來越高。自動化水果無損檢測技術(shù)的應(yīng)用越來越廣泛，此技術(shù)可以在不損壞水果的前提下對水果的內(nèi)外品質(zhì)進(jìn)行精確和有效的檢測，對水果進(jìn)行分級處理[1]。目前的水果檢測技術(shù)都是基于視覺技術(shù)的，都是使用單片機(jī)作為處理器，但單片機(jī)數(shù)字信號處理能力很差，其主頻也很有限，前端需要增加分頻器，同時(shí)還需要增加與數(shù)字信號處理的相關(guān)電路，因此雖然也能對水果的形狀、大小和顏色等進(jìn)行很好的檢測，但是存在分級速度慢、系統(tǒng)龐大和成本高等問題[2]。目前還沒有將SOPC應(yīng)用到水果分級檢測的相關(guān)研究和設(shè)計(jì)。為了解決這些問題，本研究提出了基于SOPC(system on programmable chip)機(jī)器視覺的水果檢測分級技術(shù)[3]，所謂SOPC就是將整個(gè)控制系統(tǒng)集成到一個(gè)芯片里，具有很強(qiáng)的數(shù)字信號處理能力和運(yùn)算速度，且SOPC系統(tǒng)使用的FPGA芯片價(jià)格低、集成度高，可以大大降低成本。

1　水果分級檢測系統(tǒng)總體設(shè)計(jì)

系統(tǒng)總體設(shè)計(jì)見圖1。

圖1　系統(tǒng)總體框圖

水果圖像通過高清CCD攝像頭得到，然后把圖像信號輸送到SOPC系統(tǒng)進(jìn)行處理，系統(tǒng)通過算法可以準(zhǔn)確地對水果進(jìn)行邊緣及分級檢測，處理結(jié)果通過TFT-LCD進(jìn)行顯示。

2　水果圖像的處理及邊界提取

水果分級檢測的前提是要準(zhǔn)確地提取出圖像邊界。圖像邊界提取的算法種類很多，本研究選用的是Soble 算法[4]。該算法是將檢測像素點(diǎn)作為所有像素的中心進(jìn)行處理，同時(shí)還要將3×3領(lǐng)域內(nèi)像素灰度的加權(quán)差融合進(jìn)去。整個(gè)算法過程相當(dāng)于一種梯度的幅值，選擇恰當(dāng)?shù)拈T限，最終確定是否為邊緣點(diǎn)[5]。

圖像邊界的提取是一個(gè)非常復(fù)雜的過程，之前還必須對圖像進(jìn)行有效的預(yù)處理，才能進(jìn)行圖像邊界的提取，本研究使用高斯濾波法[6]進(jìn)行預(yù)處理。高斯濾波法的實(shí)質(zhì)是構(gòu)建一個(gè)平滑濾波器，是通過二維零均值離散高斯函值實(shí)現(xiàn)的，該函數(shù)可表示成：

(1)

式中：

δ——高斯分布參數(shù)，高斯濾波器的寬度就是通過δ確定的；

i——橫向像素點(diǎn)數(shù)，個(gè)；

j——縱向像素點(diǎn)數(shù)，個(gè)；

e——以e為底的指數(shù)函數(shù)。

高斯濾波器可以通過高斯函數(shù)的形狀選擇正確的權(quán)值，從而構(gòu)建出一個(gè)線性平滑濾波器，這樣就可以很好地過濾掉服從正態(tài)分布的噪音[7]。

圖2是原始圖像，通過高斯濾波處理的結(jié)果見圖3。通過對比圖2、3可知此濾波器可以很好地過濾掉服從正態(tài)分布的噪音。

圖2　原始圖像

圖3　高斯濾波后的圖像

3　Sobel邊緣檢測的應(yīng)用

3.1Sobel算法原理

此算法的基本框圖見圖4。在使用此算法進(jìn)行圖像的邊緣檢測時(shí)，須先將水平、垂直梯度兩個(gè)參數(shù)求出，再綜合考慮此兩個(gè)參數(shù)選取的合適門限，可得到較好的水果圖像的邊緣檢測結(jié)果[8]。

水果圖像的3×3區(qū)域見圖5。圖5中，可以用函數(shù)分別表示x,y兩個(gè)方向的梯度。

圖4　Sobel算法邊緣基本框圖

圖5　水果圖像的3×3區(qū)域

Gx=(z7+2z8+z9)-(z1+2z2+z3)，

(2)

Gy=(z3+z6+z9)-(z1+2z4+z7)。

(3)

在具體計(jì)算的過程中，必須要把Gx，Gy和hist[k]=0 (k=0,…L-1)同時(shí)使用。

在進(jìn)行門限計(jì)算時(shí)，必須滿足：

(4)

式中：

T——門限值；

3.2Soble算法的system generator實(shí)現(xiàn)

在使用此算法進(jìn)行圖像邊緣檢測時(shí)，為了得到需要的數(shù)據(jù)，必須將圖像轉(zhuǎn)變?yōu)閟ystem generator[9]。

具體的轉(zhuǎn)換過程見圖6。

把圖像轉(zhuǎn)換為system generator之后，就可以得到x、y兩個(gè)方向梯度計(jì)算模型，見圖7、8。

兩個(gè)方向的梯度值求出后就可以選擇合適的門限。

3.3基于SOPC的Sobel算法調(diào)試

根據(jù)前面論述的Sobel算法過程可知，選擇的門限不同，圖像邊緣的檢測結(jié)果也不同[10]。在進(jìn)行調(diào)試時(shí)，選擇的門限值分別為4，3，2，0.8時(shí)，得到的圖像邊緣檢測結(jié)果見圖9。

圖6　圖像轉(zhuǎn)換過程

圖7　X Sobel 子系統(tǒng)

圖8　Y Sobel 子系統(tǒng)

圖9　不同門限值的圖像邊緣檢測結(jié)果

由圖9可知，門限值越小，邊緣越敏感；同時(shí)亮度也發(fā)生了很大的變化，這些變化的亮度被系統(tǒng)認(rèn)作邊緣，從而會出現(xiàn)邊緣毛刺的情況。

4　基于SOPC水果分級檢測系統(tǒng)的實(shí)現(xiàn)

通過Sobel算法可以很好地將水果邊緣的特征量提取出來，要想實(shí)現(xiàn)對水果進(jìn)行分級處理，還必須測定相應(yīng)的圖片面積。本研究使用直方圖的方法來測定圖片的面積。此方法可以把像素不同灰度值出現(xiàn)的次數(shù)準(zhǔn)確地統(tǒng)計(jì)出來，進(jìn)而能夠很好地確定水果圖像的一維信息[11]。直方圖的頻率表達(dá)式為：

(5)

式中：

N——水果圖像總像素；

nk，rk——第k級灰度的像素?cái)?shù)和灰度等級。

通過SOPC系統(tǒng)可以把直方圖的模型構(gòu)建出來，具體的見圖10。

為了驗(yàn)證直方圖法的正確性，對圖11進(jìn)行直方圖處理，處理的結(jié)果見圖12。

圖12中，橫坐標(biāo)是灰度級別，縱坐標(biāo)是頻率(像素點(diǎn)的個(gè)數(shù))，橫坐標(biāo)的數(shù)值主要表示不同的像素點(diǎn)。其中大數(shù)值和小數(shù)值分別表示白色和黑色像素點(diǎn)[12]。由此可知，將白色的像素點(diǎn)計(jì)算出來就可以確定圖像的面積，白色像素點(diǎn)數(shù)越小意味著圖像小，從而可以準(zhǔn)確地對水果進(jìn)行分級處理。

圖10　直方圖模型

圖11　邊緣提取圖像

圖12　灰度直方圖

5　結(jié)論

本研究采用Soble算法實(shí)現(xiàn)了對水果圖像邊緣的提取，通過直方圖的方法對水果的大小進(jìn)行分辨，整個(gè)系統(tǒng)通過SOPC系統(tǒng)實(shí)現(xiàn)，可以準(zhǔn)確地對水果進(jìn)行分級處理。

本系統(tǒng)和目前其它的水果分級系統(tǒng)相比優(yōu)勢明顯，主要表現(xiàn)在檢測速度和精度大大提高，本系統(tǒng)可以不使用PC機(jī)平臺，成本大大降低，同時(shí)還可以實(shí)現(xiàn)在線升級，具有很大的市場空間。如果檢測的速度要進(jìn)一步的提高，可以選擇性能更好的FPGA芯片。

[1] 葛飛, 蘇鐵青, 岳曉禹. 單片機(jī)在重量分撿機(jī)中應(yīng)用系統(tǒng)設(shè)計(jì)的研究[J]. 食品與機(jī)械, 2005, 21(3): 54-56.

[2] 葛飛, 王斌, 蘇鐵青. 重量分撿機(jī)單片機(jī)控制系統(tǒng)的抗干擾設(shè)計(jì)[J]. 食品與機(jī)械, 2004, 20(6): 39-41.

[3] 胡向峰, 王黎明. 基于SOPC技術(shù)的高速數(shù)據(jù)采集系統(tǒng)的設(shè)計(jì)[J]. 微電子學(xué)與計(jì)算機(jī), 2009, 26(6): 62-65.

[4] 趙擎天, 尉廣軍, 姚義. 基于SOPC的多路并行同步數(shù)字信號采集系統(tǒng)設(shè)計(jì)[J]. 軍械工程學(xué)院學(xué)報(bào), 2011, 23(3): 60-65.

[5] 曹樂平, 謝培甫. vfb基于補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的立式轉(zhuǎn)鼓水果分級系統(tǒng)設(shè)計(jì)[J]. 食品與機(jī)械, 2007, 23(2): 70-73.

[6] 施健, 何建國, 張冬, 等. 基于計(jì)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.

[7] 黨宏社, 宋晉國. 基于ARM 的嵌入式水果大小檢測與分級系統(tǒng)的實(shí)現(xiàn)[J]. 四川農(nóng)業(yè)大學(xué)學(xué)報(bào), 2011, 29(1): 89-92.

[8] 李明, 趙勛杰. Sobel 邊緣檢測的FPGA實(shí)現(xiàn)[J]. 現(xiàn)代電子技術(shù), 2009(16): 44-46.

[9] 展慧, 李小昱. 基于機(jī)器視覺的板栗分級檢測方法[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(4): 327-331.

[10] 袁江南. 一種圖像邊緣檢測FPGA實(shí)現(xiàn)的快速設(shè)計(jì)方法[J]. 廈門理工學(xué)院學(xué)報(bào), 2010, 18(1): 56-59.

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

[12] 張輝, 曲仕茹. 基于FPGA硬件實(shí)現(xiàn)的圖像邊緣檢測及仿真[J]. 計(jì)算機(jī)仿真, 2010, 27(3): 232-236.

Research on fruit grading detection system based on SOPC

QIAO LuCHENJing

(DepartmentofInformationEngineering,HenanPolytechnicCollege,Zhengzhou,Henan450046,China)

In order to solve traditional fruit grading detection system of graded speed slow, huge system and high cost, puts forward the detection system based on SOPC fruit grading, and the whole control system was integrated into a FPGA chip, which can be detached from the PC platform, greatly reduces the cost. Through the Soble algorithm to achieve the edge of the fruit image extraction, and the method of histogram of the size of the fruit to distinguish, the fruit could be accurately classified. Test results show that this system has the advantages of fast detection speed, short development cycle, and can be upgraded online, which has a good application space.

SOPC; soble algorithm; fruit detection

河南省教育廳科研項(xiàng)目(編號：2014SJGLX381)

喬陸(1979—)，男，河南職業(yè)技術(shù)學(xué)院講師，碩士。

E-mail:hnqiaolu@163.com

2016—04—06

10.13652/j.issn.1003-5788.2016.08.023