曾嶸　陸玲　呂牡丹

摘要：該文給出了在自然光相對復(fù)雜的背景下對馬鈴薯進(jìn)行了區(qū)域分割和綠皮缺陷檢測，提出了一種基于飽和度灰度化的閾值分割方法，先飽和度灰度化處理，然后用大津法二值化，再用形態(tài)學(xué)處理產(chǎn)生的噪聲，該方法能將自然光下的馬鈴薯準(zhǔn)確分割。馬鈴薯目標(biāo)分割后，提取馬鈴薯的表皮顏色特征進(jìn)行分析，發(fā)現(xiàn)深綠薯皮缺陷的顏色分量差R-G小于0，色調(diào)H大于60，淺綠薯皮的顏色分量差R-G∈[0，10]，H色調(diào)∈[50，60]，而Lab模型的色彩a小于0可以判斷是否有無綠色，通過這幾種顏色特征可以確定綠皮的檢測條件。試驗結(jié)果分析表明，該方法對自然光下的綠皮馬鈴薯檢測準(zhǔn)確率高達(dá)94.33%。

關(guān)鍵詞：自然光；綠皮馬鈴薯；飽和度灰度化；多顏色特征

中圖分類號：TP311 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2016）24-0191-03

隨著馬鈴薯的經(jīng)濟(jì)價值和營養(yǎng)價值越來越高，對馬鈴薯的品質(zhì)檢測也顯得尤為重要。綠皮屬于馬鈴薯外部缺陷的一種，它能產(chǎn)生一種對人體有害的龍葵素，人們食用后可引起中毒、嘔吐。研究在自然光照相對復(fù)雜背景下檢測綠皮馬鈴薯對馬鈴薯產(chǎn)業(yè)的實(shí)時檢測和分級具有應(yīng)用價值，它不僅能開放機(jī)器視覺檢測的條件，提高檢測效率，還能應(yīng)用到更廣泛的農(nóng)產(chǎn)品檢測當(dāng)中。

國內(nèi)外學(xué)者專家針對馬鈴薯等農(nóng)產(chǎn)品品質(zhì)檢測已經(jīng)做了許多研究，如：Tao[1]等利用色度直方圖信息做相關(guān)分析，運(yùn)用多變量識別技術(shù)檢測了馬鈴薯和蘋果的顏色信息，準(zhǔn)確率高達(dá)90%。J.C.Noordam[2]等結(jié)合線性判別分析法和馬氏距離建立一個RGB顏色空間下的像素分類器，針對不同的馬鈴薯表皮顏色分成不同類別馬鈴薯，但實(shí)驗樣本的數(shù)量不夠。P.Moallem[8]等在可變的光照下，基于自適應(yīng)模糊推理系統(tǒng)結(jié)合遺傳算法對正常馬鈴薯圖像進(jìn)行了目標(biāo)分割，效果還不錯，但該方法未針對有缺陷馬鈴薯進(jìn)行分割并檢測。榮佳佳[3]等在自然光照下用支持向量機(jī)去除了干擾背景對茄子目標(biāo)進(jìn)行了分割，對被遮擋的茄子運(yùn)用凸包擬合的方法進(jìn)行分割，分割成功率較高。郝敏[4]統(tǒng)計正常與缺陷馬鈴薯在RGB和HSI各通道下的直方圖分布范圍，設(shè)置閾值進(jìn)行分割，并用面積判定大小范圍。虞曉娟[5]提出了一種基于色調(diào)域的閾值識別法從量化的角度提取了馬鈴薯的表皮顏色信息，結(jié)合二次閾值分割法成功地對綠皮馬鈴薯區(qū)域進(jìn)行了檢測，識別率高達(dá)99.48%。楊冬風(fēng)[6]等人分析馬鈴薯表皮的顏色特征并提取特征參數(shù)，利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了綠皮區(qū)域的準(zhǔn)確分割，準(zhǔn)確率達(dá)96.88%。

前人已經(jīng)提出了不少綠皮馬鈴薯的檢測方法，但大多數(shù)都在封閉的環(huán)境中進(jìn)行檢測，比如封閉箱中，然而在圖像的實(shí)際獲取過程中，總是還是容易受到許多隨機(jī)因素的干擾，比如背景不確定、光照不均勻、有陰影和噪聲等影響，不能適應(yīng)許多工廠機(jī)器視覺實(shí)時在線檢測的要求，有一定的局限性。

因此本研究針對在自然光照相對復(fù)雜背景下對馬鈴薯圖像進(jìn)行目標(biāo)分割和綠皮檢測，提出了一種基于飽和度灰度化閾值分割方法和一種基于多顏色特征相結(jié)合的綠皮檢測方法。先對自然光照下拍攝的馬鈴薯圖像進(jìn)行分割，去背景，然后對馬鈴薯綠皮區(qū)域進(jìn)行精確檢測并標(biāo)記。

1 材料與方法

1.1 試驗材料

本試驗材料的馬鈴薯選自南昌新建縣農(nóng)貿(mào)市場采購來自東北品種的東農(nóng)303號馬鈴薯，總樣本集由50個正常馬鈴薯和53個不同程度表皮變綠的馬鈴薯組成，樣本集符合馬鈴薯等級國家標(biāo)準(zhǔn)要求。

1.2 采樣方法

將挑選好的馬鈴薯樣本進(jìn)行簡單的清洗，去掉表面泥土等雜質(zhì)，晾干后，將其以任意姿態(tài)放在自然光下，用數(shù)碼相機(jī)對其進(jìn)行多角度拍照，對于綠皮馬鈴薯主要采集綠皮缺陷面作為樣本，最后，隨機(jī)從中挑選出100張比較理想的馬鈴薯圖像。圖像像素分辨率為1024×768，顏色空間為RGB，存儲格式為24位的bmp格式。

2 馬鈴薯區(qū)域分割

由于實(shí)驗是在自然光下采集的馬鈴薯圖像，容易受到非均勻光照和陰影的影響，加上還可能會受到背景因素的影響，所以簡單使用B通道和平均灰度化分割方法不能把馬鈴薯目標(biāo)從圖像背景中分離出來，本文采用S飽和度灰度化閾值分割方法能準(zhǔn)確提取馬鈴薯范圍。

2.1 基于S飽和度灰度化閾值分割方法

基于S飽和度灰度化閾值分割算法具體步驟如下：1）將RGB圖像轉(zhuǎn)換成更符合人眼視覺直觀的HSV顏色空間。轉(zhuǎn)換公式如下（1）、（2）、（3）：R、G、B三個顏色分量取值范圍為[0，255]。

2）S飽和度灰度化，將轉(zhuǎn)換后的S取值[0，255]范圍內(nèi)，利用飽和度灰度化能增強(qiáng)目標(biāo)與背景的對比度，陰影也能被消除。

3）Otsu二值化，利用該方法能自動確定一個最佳閾值，將背景與目標(biāo)變成黑白二值圖。

4）形態(tài)學(xué)運(yùn)算，通過腐蝕、膨脹等運(yùn)算可以消除產(chǎn)生的噪聲，最終完整地得到馬鈴薯目標(biāo)分割圖像。

3 馬鈴薯綠皮檢測

3.1 馬鈴薯表皮顏色特征分析

大部分正常成熟的馬鈴薯表皮顏色呈淡黃色，經(jīng)過陽光直射，馬鈴薯表皮變綠。在馬鈴薯RGB圖像中，圖像由紅、綠、藍(lán)三原色分量混合組成，黃色主要是由紅色分量和綠色分量組成，通過統(tǒng)計分析發(fā)現(xiàn)正常馬鈴薯表皮像素的紅色分量要大于綠色分量，而深綠表皮的馬鈴薯像素紅色分量值要小于綠色分量，所以顏色分量差R-G可以作為檢驗綠皮馬鈴薯的條件，如圖2正常表皮的R-G值在[25，45]范圍內(nèi)，綠皮馬鈴薯的R-G值在[-30，10]范圍內(nèi)。在馬鈴薯HSV顏色空間中，色調(diào)H用角度度量，取值范圍為0°～360°，經(jīng)過通過統(tǒng)計分析發(fā)現(xiàn)在自然光下正常馬鈴薯的表皮色調(diào)H小于45，在（25，45]范圍內(nèi)，肉眼能識別的綠皮馬鈴薯色調(diào)H值要大于50，在[50，90]之間，如圖3。在Lab顏色空間中，色彩a 分量（綠色-洋紅色）和 色彩b 分量（藍(lán)色-黃色）的取值范圍是-128 到 +127 ，a小于0可以判斷有綠色，b大于0可以判斷有黃色。綜上所述，本文提出一種基于顏色差R-G、色調(diào)H和色彩a等多顏色特征的綠皮檢測方法。

3.2 基于多顏色特征綠皮檢測方法

基于多顏色特征綠皮檢測方法具體步驟如下：1）用飽和度灰度化閾值分割方法把馬鈴薯從圖像背景中分離出來，確定馬鈴薯的取值范圍2）通過采樣馬鈴薯樣本的50個隨機(jī)像素點(diǎn)（包括正常薯皮和綠色薯皮），統(tǒng)計它們的顏色分量差R-G值和色調(diào)H值。3）確定它們的取值范圍，統(tǒng)計滿足條件的像素點(diǎn)的個數(shù)，色度概率大于5%即為綠皮馬鈴薯，并對將它們標(biāo)記為綠色。

4 結(jié)束語

本文給出了在自然光相對復(fù)雜背景下對綠皮馬鈴薯的檢測，提出了基于S飽和度灰度化閾值分割方法和多顏色特征相結(jié)合的綠皮檢測方法，兩種方法簡單有效，為研究馬鈴薯品質(zhì)無損檢測提供了參考。今后要研究的內(nèi)容是針對更加復(fù)雜的背景和多種缺陷的馬鈴薯進(jìn)行檢測，但對樣本的選擇還要全面，否則會影響判別的準(zhǔn)確性。

參考文獻(xiàn)：

[1] Tao Y， Heinemann P H， Varghese Z， et al. Machine vision for color inspection of potatoes and apples[J]. Trans of the ASAE， 1995， 38（5）： 1555-1561.

[2] Noordam J C， Timmermans A J M， Otten G W，et al. A color vision system for high speed sorting of potatoes[C]// Paper read at Agricultural engineering. Warwick：Agrotechnological Research Institute， 2000： 2-7.

[3] 榮佳佳. 自然光照下茄子圖像的分割與識別方法研究[D]. 重慶： 重慶郵電大學(xué)， 2013.

[4] 郝敏. 基于機(jī)器視覺的馬鈴薯外部品質(zhì)檢測技術(shù)研究[D]. 呼和浩特： 內(nèi)蒙古農(nóng)業(yè)大學(xué)， 2009.

[5] 虞曉娟， 廖桂平， 李錦衛(wèi)， 等. 基于色度域劃分的馬鈴薯綠皮檢測方法[J]. 農(nóng)業(yè)工程學(xué)報， 2009， 25（增刊2）： 314—3l9.

[6] 楊冬風(fēng)， 陳爭光. 基于顏色特征的馬鈴薯綠皮檢測[J]. 黑龍江八一農(nóng)墾大學(xué)學(xué)報， 2011（1）： 83-87.

[7] Gui Ying， Lu Ling， Wang Lei. The research and practice of computer graphics teaching reform based on algorithm demonstration and algorithm training [J]. Journal of East China Institute of Technology（ Social Science）， 2013， 32（1）： 78-80.

[8] MOALLEM P， RAZMJOOY N.Robust potato color image segmentation using adaptive fuzzy inference system[J]. Iranian Journal of Fuzzy Systems， 2014， 11（6）： 47-65.