王佳盛，陳 燕，李嘉威，蔣志林，劉威威，鄒湘軍

(華南農(nóng)業(yè)大學(xué)工程學(xué)院/南方農(nóng)業(yè)機械與裝備關(guān)鍵技術(shù)教育部重點實驗室，廣東廣州 510642)

荔枝產(chǎn)后分級是其保鮮包裝銷售和深加工前的一個重要工序，亦是實現(xiàn)荔枝優(yōu)質(zhì)優(yōu)價，提高其附加值的關(guān)鍵[1]。但荔枝皮薄、肉多，含水量高，采用傳統(tǒng)的機械分級方法，存在較易損傷荔枝、分級依據(jù)單一、不夠全面等缺點。研究荔枝的無損檢測自動分級，有利于提高荔枝的產(chǎn)后處理效率，降低分級所造成的損傷，對提高荔枝的商品價值具有重要意義。

針對傳統(tǒng)的水果機械分級方法存在的弊端，許多學(xué)者研究了基于機器視覺的水果無損檢測分級方法或分級設(shè)備[2-9]，它可依據(jù)水果的多個外部品質(zhì)指標(biāo)進行快速智能無損判別分級，對水果的分級更加客觀和全面，損傷更少。針對荔枝水果，基于計算機視覺研究了荔枝大小和質(zhì)量2個分級特征[10]；研究了荔枝采摘時的顏色檢測和過熟荔枝的殼裂檢測，但目前未見基于機器視覺的荔枝多品質(zhì)指標(biāo)檢測融合分級方法研究[11]。

本研究搭建荔枝輸送視覺檢測試驗平臺，在線采集荔枝圖像，研究荔枝圖像處理和特征參數(shù)提取方法，開發(fā)荔枝品質(zhì)視覺檢測融合分級系統(tǒng)，為開發(fā)荔枝無損檢測自動分級設(shè)備提供技術(shù)支持。

1 荔枝圖像采集

1.1 材料

荔枝樣本為槐枝，采自廣東省廣州市從化區(qū)，采后2 h內(nèi)運回實驗室。運輸過程采用泡沫箱加冰袋進行保鮮。

1.2 試驗平臺

荔枝在線圖像采集所用的輸送視覺檢測試驗平臺如圖1所示。該試驗平臺由攝像機(維視公司MV-E1M30C，最大分辨率1280像素×960像素，網(wǎng)口攝像機)、白色光源、驅(qū)動電機、同步帶傳動機構(gòu)、鏈傳動機構(gòu)等零部件組成。該試驗平臺模擬實際生產(chǎn)的荔枝輸送，在輸送過程中通過網(wǎng)口相機在線采集荔枝圖像。

2 荔枝圖像處理及特征參數(shù)的提取

2.1 圖像預(yù)處理

在提取荔枝分級特征向量前，對通過相機采集的荔枝圖像進行預(yù)處理。荔枝圖像預(yù)處理包括圖像分割、噪聲去除等，其中圖像分割過程見圖2。

2.1.1 圖像初步分割 圖2-a為試驗平臺采集得到的荔枝原始圖像。由于不同的荔枝灰度值不同，固定閾值分割不能適應(yīng)于每個荔枝圖像。采用大津算法(OTSU)進行自適應(yīng)閾值分割會導(dǎo)致荔枝的邊緣信息損失嚴(yán)重(圖2-b)。而在優(yōu)化彩色視頻信號(YCrCb)模式下，對荔枝圖像Cr通道進行灰度k均值聚類分割，可以得到較為完整的荔枝圖像。經(jīng)初步分割得到的二值圖像如圖2-c所示。

2.1.2 輪廓檢測 若對圖2-c進行濾波或形態(tài)學(xué)處理以去除噪聲和背景雜色，由于所需濾波核較大，會對荔枝輪廓產(chǎn)生嚴(yán)重的破壞。本研究用小的濾波核對二值圖像進行中值濾波，再對濾波結(jié)果進行輪廓查找，尋找得到的最大輪廓即為荔枝的輪廓；最后得到荔枝圖像的掩碼(圖2-d)，將其與原始圖像(圖2-a)相比，可以獲得分割后荔枝的彩色圖像(圖2-e)。

2.2 分級特征參數(shù)提取

參照國際鮮荔枝標(biāo)準(zhǔn)，荔枝的外觀品質(zhì)等級指標(biāo)主要包括荔枝大小、果形、缺陷等。其中，果皮褐變是荔枝最常見的缺陷之一。本研究主要探討荔枝大小和果皮褐變?nèi)毕莸木C合分級。

2.2.1 荔枝大小參數(shù)提取 荔枝的大小是其品質(zhì)的重要指標(biāo)之一，本研究用橫徑表示荔枝的大小。荔枝在圖像上近似圓形，對荔枝輪廓做圓擬合，求得擬合圓的直徑作為荔枝橫徑的近似值。具體方法如下：(1)采集最大輪廓點集的橫縱坐標(biāo)；(2)求解輪廓最小外接矩形，求長寬比，當(dāng)長寬比超過某閾值時定義為畸形果，不做檢測；(3)對非畸形果分別求橫縱坐標(biāo)的均值，作為擬合圓的圓心；(4)以輪廓點集到該圓心的距離的平均作為擬合圓的半徑。

選取80個非畸形荔枝做圓擬合，建立計算機估測荔枝橫徑與人工實際測量橫徑的關(guān)系。根據(jù)試驗結(jié)果可得機測橫徑與人工實際測量橫徑的對比及回歸方程如圖3所示。

試驗結(jié)果表明，圓擬合法測算荔枝橫徑的平均相對誤差為1.56%，可代替實際橫徑作為判斷荔枝大小的標(biāo)準(zhǔn)。

2.2.2 褐變?nèi)毕莸膮?shù)提取 由于荔枝的果實呈球狀，邊緣光照不足，其圖象像素點灰度值較低，與褐變?nèi)毕莸幕叶戎迪嘟?。因此在分割時荔枝邊緣部分會被誤認為是褐斑，此時采用閾值分割后效果如圖4所示。

為了防止邊緣誤檢測，本研究對圖像進行了對比增強和邊緣光照補償。

根據(jù)荔枝RGB(red、green、blue)三通道圖像的特點，按下式對圖像進行對比增強：

fR(x,y)=2×fR(x,y)-fG(x,y)。

(1)

式中：fR(x,y)為R通道在(x,y)點的灰度值，fG(x,y)為G通道在(x,y)點的灰度值。

根據(jù)下式計算生成一幅從擬合圓圓心向外線性漸變的灰度圖，作為光照補償圖。

(2)

式中：g(x,y)為光照補償圖的在(x,y)點的灰度值，α為光照補償量，d為(x,y)點到擬合圓圓心的距離，R為擬合圓半徑，γ為照補償范圍調(diào)整系數(shù)。

將光照補償圖與對比增強圖疊加，再對其結(jié)果進行閾值分割，得到褐斑提取結(jié)果(圖5)。

建立荔枝果皮褐變模型，將褐斑面積和褐變顏色深度進行歸一化，并建立如圖6所示的坐標(biāo)系。

3 分級方法

3.1 橫徑大小分級

國際鮮荔枝標(biāo)準(zhǔn)[12]中將荔枝按其橫徑大小分為3個等級(表1)。采用本研究算法，當(dāng)荔枝為畸形果時，為不合格品。對于非畸形果，根據(jù)圓擬合結(jié)果求得荔枝橫徑，與此標(biāo)準(zhǔn)對比，即可將荔枝分為3個品級。

表1 國際鮮荔枝橫徑標(biāo)準(zhǔn)

3.2 褐變?nèi)毕莩潭确旨?/h3>

國際鮮荔枝標(biāo)準(zhǔn)中，對荔枝外觀的參考只將荔枝外觀瑕疵的面積作為指標(biāo)，沒有將瑕疵的嚴(yán)重程度作為分級指標(biāo)。本研究基于荔枝果皮褐變模型，將各點到原點的距離R作為分級標(biāo)準(zhǔn)，當(dāng)R

3.3 分級系統(tǒng)

結(jié)合荔枝橫徑大小和果皮褐變?nèi)毕莩潭?個特征，開發(fā)了荔枝品質(zhì)視覺分級系統(tǒng)。該系統(tǒng)可以對輸送線上的荔枝進行品質(zhì)檢測并分級，同時通過樣本學(xué)習(xí)可以適應(yīng)不同品種荔枝的分級。系統(tǒng)界面如圖7所示。

采用該系統(tǒng)，在輸送線上對80個荔枝進行了視覺檢測分級，結(jié)果如表2所示。

表2 荔枝分級試驗結(jié)果統(tǒng)計

4 結(jié)束語

本研究通過搭建荔枝輸送視覺檢測試驗平臺，獲取了不同大小和褐變狀態(tài)的荔枝圖像，研究了荔枝的圖像處理、橫徑大小和褐變?nèi)毕?個分級特征參數(shù)的提取方法，開發(fā)了荔枝品質(zhì)視覺檢測融合分級系統(tǒng)，在線試驗結(jié)果表明，該系統(tǒng)對荔枝分級的平均準(zhǔn)確率為93.75%。