趙文鋒，朱菊霞，董 杰

（1.華南農(nóng)業(yè)大學電子工程學院，廣州 510642；2.江西科技學院理科教學部，南昌 330098）

基于圖像處理的香蕉成熟度檢測系統(tǒng)

趙文鋒1，朱菊霞2※，董 杰1

（1.華南農(nóng)業(yè)大學電子工程學院，廣州 510642；2.江西科技學院理科教學部，南昌 330098）

許多研究結(jié)果表明，水果損失主要集中在采摘、包裝、保存等環(huán)節(jié)，達到近三分之一，其中一個重要的原因為不同成熟度的水果相互混雜。因而，區(qū)分水果的成熟度并進行篩選加工處理，對于提升水果等級、改善水果品質(zhì)有重要意義。本文應用MATLAB圖像處理技術(shù)對香蕉成熟度進行檢測，系統(tǒng)通過攝像頭拍取圖片或者在給定的圖片中分割出香蕉圖片，然后對香蕉圖片進行二值化和濾波等分析處理，最后依據(jù)香蕉的色素組成檢測出不同成熟度的香蕉。

成熟度，無損檢測，圖像處理

0 引言

傳統(tǒng)意義上的水果成熟度區(qū)分主要是采用各類檢測儀器如硬度計、糖度計等來測試水果的硬度、可溶性糖等相關(guān)指標，這些檢測屬于有損檢測，不僅要破壞水果組織，而且無法大規(guī)模檢測，不適合現(xiàn)代技術(shù)的發(fā)展。因此，無損檢測技術(shù)應運而生[1,2]。無損檢測技術(shù)具有快速、準確和實時性的特性，在不破壞水果的前提下，利用水果的物理性質(zhì)對其進行檢測和評價，能夠確定水果最佳采收期，并按成熟度進行準確分級。該技術(shù)在水果分級應用方面有著良好的應用前景[3-5]。

本文主要應用MATLAB圖像處理作為基礎編程，介紹MATLAB圖像處理的特點、方法和基本步驟，最后對香蕉成熟度檢測系統(tǒng)驗證，并得出結(jié)論。

1 研究方法

圖形數(shù)字化后的矩陣為N×N的方陣。一般來說，無論是陣列大小N和象素的最大灰度級數(shù)G都取為2的整次冪，即N=2n，G=2m，m和n為某一個正整數(shù)。圖像的清晰度主要取決于N和m，這些參量越大，數(shù)字陣列對于原來的圖像的近似就越好，但是存貯量以及由此而引起的計算量也隨著N和m的增加而增加。N與m的選擇，應根據(jù)圖像性質(zhì)與處理目的來決定。

等間隔抽樣一幅黑白灰度的圖像以后，可以用一個矩陣來表示，組成矩陣量的都是離散量，具體表示如下：

f(x,y)代表該點圖像的光強度，f(x,y)必須大于零且為有限值。如果是一幅彩色圖像，各點的數(shù)值還應當反映出色彩的變化，即可用f(x，y，λ)表示，其中λ為波長。如果是一幅活動的彩色圖像，還

應是時間t的函數(shù)，即可表示為f(x，y，λ，t)[6]。

1.1 圖像中對象分布的實現(xiàn)

一般來說所拍攝的圖像都是RGB格式的彩色圖像，其大小為M×N×3像素（M、N均為整數(shù)）。通常將原始圖像轉(zhuǎn)換成灰度函數(shù)為f(x，y)(x，y為圖像中的像素位置)、灰度級為0～255的灰度圖像，以便于后續(xù)對圖像進行處理。根據(jù)顏色差異識別對象時，首先將圖像從RGB顏色空間轉(zhuǎn)化成HIS顏色空間，然后根據(jù)所設閾值分離出對象。

為了凸出對象，通常采用顏色差異方法和常規(guī)邊緣檢測方法進行對象識別。使用拐點判定法中的Roberts算法、Prewitt算法等各類算法來判定每一子塊的對象邊緣。最后可以采用邊界連通、邊緣連接和平滑技術(shù)對于邊緣檢測之后對象的某些輪廓線出現(xiàn)間斷或不光滑的情況進行數(shù)學形態(tài)學處理。

1.2 圖像紋理特征的實現(xiàn)

原始圖像為攝像頭拍攝得到的JPEG格式彩色圖像，其大小為M×N×3像素（M和N為整數(shù)）。首先，將原始圖像轉(zhuǎn)換成灰度函數(shù)為f(x，y)(x，y為圖像中的像素位置)、灰度級為0～255的灰度圖像，以便于后續(xù)對圖像進行處理。相應的灰度函數(shù)為

式中 k1、k2為圖像中像素點的直角坐標值；a（k1，k2）為位置（k1，k2）處的灰度值；k1=1，2，L，K1；k2=1，2，L，K2。

本次研究采用目前常用的紋理特征分析方法，為使用灰度（亮度）直方圖統(tǒng)計圖像像素灰度級的分布法、使用灰度共生矩陣統(tǒng)計圖像像素灰度級的空間關(guān)系法。

設L為圖像的總灰度級數(shù)，p（fi）為對應直方圖上灰度級fi（i=0，1，2，L，L-1）的分布密度，那么，圖像灰度分布的平均亮度、平均對比度、平滑程度、直方圖傾斜程度、度量一致程度、信息量多少則可以分別用均值m、標準差s、平滑度r、3階矩l、一致性u和熵e來描述，計算公式為[7]

2 測試與試驗分析

根據(jù)給定的條件以及市場對香蕉成熟度檢測技術(shù)，結(jié)合現(xiàn)代科技上的要求，開發(fā)出一種無損檢測系統(tǒng)[8]。系統(tǒng)以MATLAB軟件為基礎，采用MATLAB圖像處理技術(shù)，系統(tǒng)對獲得圖片進行處理，從而開展香蕉成熟度檢測并進行分級研究。該系統(tǒng)改善現(xiàn)有檢測儀的缺點，也降低了成本[9]。

香蕉成熟度檢測系統(tǒng)具體要實現(xiàn)以下功能：

1）首先在檢測過程中，設計一個界面方便我們進行各個部分的操作，包含了攝像頭和圖片預覽模塊，7個操作按鈕和1個結(jié)果顯示屏。如圖1所示是一個簡單的操作界面。

圖1 操作界面

2）對實物的現(xiàn)場錄入，則需要利用攝像的原理作為一個模塊在系統(tǒng)中起到預覽視頻的作用?？梢詫崟r實地進行檢測，達到方便快捷的功能，圖2為無香蕉的檢測結(jié)果圖。

3）除了實物現(xiàn)場拍攝圖像，系統(tǒng)還具有加載圖像的功能。如圖3所示，加載1張本地的圖片，顯示在右邊的模塊中。

4）對無論是錄入的圖像還是加載的圖像都能進行圖像處理圖像，處理過后進行香蕉成熟度的檢測。首先進行的是圖片的二值化處理，把圖片中香蕉分

割識別出來，如圖4所示，系統(tǒng)能夠識別香蕉，但是邊沿輪廓比較模糊，需要進一步處理。

圖2 無香蕉情況的檢測結(jié)果

圖3 加載本地圖片

圖4 圖片二值化處理

5）圖5中有被系統(tǒng)沒有檢測到的香蕉部分，要進行后期的連接處理。本系統(tǒng)采用的是膨脹處理，把斷開的區(qū)域連接起來。在聯(lián)通的區(qū)域內(nèi)，默認最大的模塊為香蕉。如圖5所示，系統(tǒng)檢測出比較清晰的香蕉輪廓。

6）進行了濾波之后，對分割得到的圖片進行數(shù)據(jù)的判斷。提取每個通道上青黃黑色素的值進行判斷，如圖6所示。

圖5 膨脹處理的香蕉

圖6 香蕉檢測與判斷

7）軟件同時支持自動檢測，以上步驟可在一個按鈕下完成，得到一個比較完整和清晰的香蕉圖像，如圖7所示。

圖7 香蕉成熟度自動檢測

3 結(jié)果與結(jié)論

由于系統(tǒng)對圖片的檢測的結(jié)果明確，在圖片的清晰度和亮度可以保證的情況下，主要誤差來源于系統(tǒng)設備。表1為獲得攝像頭拍攝的香蕉圖片檢測的結(jié)果，誤差主要來源是攝像頭集的圖片的清晰度、明暗程度以及香蕉擺放的位置，干擾了系統(tǒng)的識別

和辨色過程。

本文基于MATLAB圖像處理技術(shù)設計了一種香蕉成熟度檢測系統(tǒng)，系統(tǒng)能夠通過攝像頭拍取圖片或者給定的圖片中分割出香蕉圖片，然后進行二值化和濾波等清晰度更高的香蕉圖片，最后分析香蕉的色素組成檢測出不同成熟度的香蕉，檢測部分全部由系統(tǒng)自動完成，最終結(jié)論以成熟度表示出來。由于實際操作設備和外部環(huán)境因素，直接影響圖片的亮暗程度，會使系統(tǒng)出現(xiàn)對香蕉色素的判斷出現(xiàn)誤差。

表1 由攝像頭拍攝的香蕉圖片檢測的結(jié)果

[1]陳小央.甜瓜內(nèi)在品質(zhì)無損檢測方法研究進展[J].中國蔬菜，2011（10）：10-15.

[2]田海清，王春光，楊曉清.厚皮甜瓜無損檢測方法的研究現(xiàn)狀及發(fā)展趨勢[J].農(nóng)機化研究，2010，32（10）：245-248.

[3]賀艷楠，魏永勝，鄭穎.水果成熟度無損檢測技術(shù)研究進展[J].北方園藝，2010（3）：208-212.

[4]李敏，李憲華，奚星林，等.無損檢測技術(shù)在食品分析中的應用[J].檢驗檢疫科學，2008，18（6）：60-62.

[5]張帥，史磊，張本華.基于聲學特性的香瓜成熟度檢測方法[J].農(nóng)機化研究，2011，33（10）：126-129.

[6]李玉祥.基于數(shù)字圖像處理技術(shù)的火車輪緣動態(tài)檢測系統(tǒng)研究[D].哈爾濱：哈爾濱工程大學，2003.

[7]徐金明，趙曉波.邊緣檢測技術(shù)在確定流體包裹體跡線中的應用[J].巖石力學與工程學報, 2007，27（6）：1132-1134.

[8]徐金明，羌培，張鵬飛.粉質(zhì)黏土圖像的紋理特征分析[J].巖土力學，2009，30（10）：2903-2907.

[9]楊志偉，尹秀華.圖像處理在芒果自動選別中的應用[J].湖北農(nóng)業(yè)科學，2009，48（8）：1992-1995.

Image Processing System Based on Detection of Banana Maturity

Zhao Wenfeng1，Zhu Juxia2，Dong Jie1
(1.College of Engineering,South China Agricultural University,Guangzhou 510642,China; 2.Department of Science teching,Jiangxi University of technology,Nanchang 330098,China)

This paper is a study of image processing for the detection of banana maturity by MATLAB.Segmentation of banana picture system through camera to take pictures or a given picture,then the value of the two filtering and higher resolution images of banana,finallydetect the pigment composition of different maturity of bananas,the detection part completedautomatically by the system,the final conclusion to the maturity of the show.

maturity,nondestructive detection,image processing

高等學校博士學科點專項科研基金（20134404120005）；南昌市科技局項目（2014HZZC016）

趙文鋒（1979-），男，副教授，主要研究方向為水果處理機械化與信息化。

※通訊作者：朱菊霞（1979-），女，工程碩士，講師，研究方向為電子信息工程。