張偉+張李陽+陳守江+王海鷗+扶慶權(quán)+王蓉蓉

摘 要：文章以不同貯藏時間的葡萄穗軸為例，以攝影圖像處理技術(shù)作為手段，對葡萄穗軸褐變程度進行檢測。先用相機拍攝實驗對象，將得到的圖像利用MATLAB進行邊緣處理，降低背景對圖像分析的影響；經(jīng)圖像處理軟件處理得到其平均RGB值，分析R，G，B值的變化，從而客觀地以數(shù)字形式反映褐變程度，避免主觀檢測帶來的檢測誤差。最后拍攝貯藏6天、15天和28天的穗軸對該模型進行驗證。由此表明，圖像處理技術(shù)能將拍攝的葡萄穗軸褐變程度以數(shù)字形式直觀的表現(xiàn)出來，克服了人視覺系統(tǒng)的觀察誤差，圖像處理技術(shù)可作為其他研究的研究工具。

關(guān)鍵詞：葡萄穗軸；褐變；圖像處理；MATLAB

中圖分類號：Q-334 文獻標(biāo)志碼：A 文章編號：2095-2945（2017）26-0038-02

1 概述

葡萄作為世界上最古老的果樹樹種之一，有著悠遠(yuǎn)的歷史，也是最常見的水果品種之一，長期以來一直被人們所喜愛。葡萄幾種常見的病害有：葡萄白腐病、葡萄穗軸褐枯病、葡萄霉霜病、葡萄炭疽病等[1]，主要對葡萄幼嫩的穗軸組織產(chǎn)生危害。一般的發(fā)病期為5月下旬～6月下旬， 病菌以分生孢子的形式在葡萄穗軸的表皮或芽鱗片內(nèi)，通過外界風(fēng)雨進行傳播，葡萄品種不同，其對穗軸褐枯病的抗病性也有所差異[2]。一旦葡萄穗軸開始褐變，便會迅速蔓延至整個葡萄穗軸，且會迅速影響到葡萄果肉的品質(zhì)，使整串葡萄開始腐爛，不再新鮮，這也是影響葡萄新鮮品質(zhì)的重要影響因素。本研究以計算機圖像處理為主要的技術(shù)手段，選擇葡萄穗軸褐枯病作為主要的圖像處理研究對象，提取特征參數(shù)，此研究可以從而客觀地以數(shù)字形式反映褐變程度，避免主觀檢測帶來的檢測誤差。

2 材料及方法

2.1 材料準(zhǔn)備及處理

本試驗以葡萄穗軸作為試驗材料，選取新鮮、顏色嫩綠的，剛采摘下來的葡萄，去掉葡萄果粒，只留取葡萄穗軸，將葡萄穗軸用剪刀剪成小段，將處理好的葡萄穗軸分成四份，留作對照處理組，并將剪好的穗軸均勻的平鋪在罩了一層黑布的平板上，且穗軸小段之間不能有太大的空隙，分別在4℃冰箱中放置不同的時間。將四份葡萄穗軸分別記為A、B、C、D，A為放置1天的穗軸，B為放置5天的穗軸，C為放置10天的穗軸，D為放置20天的穗軸。

2.2 實驗方法

圖像獲取：

本實驗使用的是Canon1200D單反照相機，為了保證所拍的圖片不受其他外界因素的影響，因此，需要保證相機放置位置、光圈、快門等因素一致。相機的定位是在放置在可調(diào)節(jié)支架上的圖像的50cm以上。

2.3 圖像處理方法

2.3.1 圖像邊緣處理

圖像的邊緣是一個圖像最基本的特征，圖像大部分的信息主要是存在于圖像的邊緣中，所謂邊緣就是指灰度變化較為劇烈的地方，也就是我們通常說的信號發(fā)生變化的地方。邊緣處理時提取目標(biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來[3]。此處用edge（ ）函數(shù)實現(xiàn)檢測邊緣的功能。

2.3.2 求圖像平均RGB值

我們使用的MATLAB軟件為R2012a版本。它是一種以矩陣為基本變量單元的可視化程序設(shè)計語言，它的語法結(jié)構(gòu)簡單，數(shù)據(jù)類型單一，命令表達(dá)方式接近于常用的數(shù)學(xué)公式[4]。

3 實驗結(jié)果與分析

3.1 獲取圖像

分別在相應(yīng)的時間對ABCD四組葡萄穗軸進行拍照，得到圖1圖片。

圖1中四張圖片即為本實驗的實驗對象，A為4℃放置1天的穗軸，B為在4℃下放置5天的穗軸，C為在4℃下放置10天的穗軸，D為在4℃下放置20天的穗軸。通過肉眼可以直觀的看出，隨著貯藏天數(shù)的增加，穗軸褐變越來越嚴(yán)重，而且越來越干枯，這種鮮明的對比，可以用作為研究對象。

3.2 邊緣處理

先將拍攝所得的圖像進行簡單的摳圖處理，從圖1可見，拍攝的圖像背景不太理想，會對有用的圖像部分的處理造成影響，因此，將拍攝的穗軸從背景中分割出來，這樣可以減少誤差。

3.3 MATLAB求取平均RGB

用matlab處理得出的平均RGB值如表1。

由表1數(shù)據(jù)可知，A為貯藏一天后拍攝的穗軸圖像，最為新鮮，肉眼看上去也最嫩綠，所對應(yīng)的RGB數(shù)值也最大，意為褐變程度越低，與肉眼所觀察的一致；根據(jù)四組數(shù)值的對比，可以看出來A-D褐變越來越嚴(yán)重，褐變程度越深，RGB值越低，G值代表green（綠色），G值越低，表明新鮮程度也越低。由以上數(shù)據(jù)可以說明，葡萄穗軸褐變越嚴(yán)重，平均RGB值越低。

4 討論與結(jié)論

本課題選用不同貯藏時間的葡萄穗軸作為實驗材料，在良好的光照條件等環(huán)境條件下通過數(shù)碼照相機拍攝圖像，盡量減少因為光學(xué)失真等因素引起圖像的不清晰和失真問題，對圖像進行預(yù)處理去除各種噪音、背景干擾。首先選擇黑色作為病害圖像的背景，利用MATLAB軟件編碼，求得葡萄穗軸的平均RGB值，分析褐變程度。

由實驗結(jié)果可以發(fā)現(xiàn)，隨著貯藏天數(shù)的增加，平均RGB值逐漸降低，G值代表green（綠色），G值越低，數(shù)值越低，表明新鮮程度也越低，表明褐變程度越深。因此，這證明了數(shù)字圖像處理技術(shù)在果蔬病害檢測方面具有很好的應(yīng)用價值和廣闊的發(fā)展前景。本方法為計算機圖像處理技術(shù)在果蔬病害識別處理方面的研究探索了一條可行的路線，但還需繼續(xù)研究完善。

參考文獻：

[1]于海.葡萄常見病識別與防治[J].農(nóng)業(yè)科技與裝備，2010（10）：71-72.

[2]蔣先文，李啟立.幾種葡萄病蟲害特點及其防治技術(shù)[J].現(xiàn)代園藝，2011（09）：47.

[3]蔣愛花，邢濟收.圖像邊緣處理技術(shù)[J].科學(xué)技術(shù)與工程，2005（05）：298-300.

[4]梁原.基于MATLAB的數(shù)字圖像處理系統(tǒng)研究[D].長春理工大學(xué)，2008：11.endprint