李順琴，陳 勇，何 嬌

(重慶城市管理職業(yè)學院，重慶 401331 )

0 引言

橙子富含各類維生素、胡蘿卜素、檸檬酸、礦質元素和無機鹽等，具有很高的營養(yǎng)價值。橙子是一大類水果的總稱，包括甜橙、血橙和臍橙這3大種類及幾百個品種。其中，甜橙果實為圓形，酸含量低，是數(shù)量最多的橙子種類；血橙的果肉和果汁呈紫紅或暗紅色，是柑橘中唯一含有花青素的種類，具有很高的商業(yè)價值；臍橙的果實較大，一般無籽，適合新鮮食用。贛南地區(qū)是世界著名的臍橙產(chǎn)區(qū)，已經(jīng)成為了當?shù)氐闹鲗Мa(chǎn)業(yè)和重要商品基地。

我國是橙子的生產(chǎn)大國之一，近些年來的年產(chǎn)量在700萬t左右。因為品種與國外有差異，每年的鮮橙和干橙進出口數(shù)量為8～10萬t，貿易金額超過1億美元。橙子分布在13個省份，特殊品種酸橙的產(chǎn)量占世界的2/3。雖然不是主要水果，橙子在我國農(nóng)業(yè)中仍占有一定地位，成為一些適應種植地區(qū)的支柱產(chǎn)業(yè)，在農(nóng)業(yè)經(jīng)濟發(fā)展和多元化經(jīng)營中發(fā)揮著重要作用。

分級是水果和蔬菜采摘后進入市場銷售前的一道重要工序，是根據(jù)果實的大小、形狀、顏色和表面缺陷等劃分等級。通過分級可以淘汰缺陷果，并將品質相同的果實劃分到一起，按照相應的價格銷售。分級有利于滿足消費者的不同需求，增加銷售的收益，并提高產(chǎn)業(yè)在國際和國內市場上的競爭力。橙子的種類繁多，不同品種的果實大小和形狀各異，顏色和營養(yǎng)成分含量的差別較大，因此對橙子品種的檢測分級則顯得尤為重要。另外，橙子的各種品質性狀之間存在關聯(lián)。例如，黃雪燕等研究了溫嶺高橙果實大小與品質之間的關系，發(fā)現(xiàn)果實大小與維生素C含量等部分品質之間存在正相關；但尺寸的增大也會增加果皮厚度和種子數(shù)，引起品質的下降[1]。朱春釗等研究表明：塔羅科血橙的表面色澤可以反映內部品質，紅色果實具有更高含量的可溶性固形物、維生素C和花青素[2]。不同橙子品種的性狀之間關系各異，對其進行研究是準確分級的基礎。

根據(jù)橙子產(chǎn)業(yè)的現(xiàn)狀，我國制定了橙子的質量標準，為橙子的分級提供了依據(jù)。例如，針對贛南臍橙所制定的《贛南臍橙無公害果品質量標準》，就對其等級進行了定義，保證了無公害鮮果的正常生產(chǎn)和流通。目前，橙子分級主要由人工完成，即通過肉眼觀察并評判等級，然后實施分揀。人工分級操作簡單，且無需特殊的儀器設備和技術培訓，具有較廣的適用范圍。但是，這種方法的分級結果會受到人員體力和主觀情緒的影響，準確性難以穩(wěn)定保持，且效率不高。另外，不同人員的評判標準存在差異，導致分級果實的一致性降低。近些年，隨著我國勞動力的轉移，人力資源價格上升，人工分級也不再擁有以往的成本優(yōu)勢。

隨著科學的進步，人們開發(fā)出了各種果蔬的自動化分級技術，橙子自動檢測分級技術大多是建立在計算機視覺的基礎上。計算機視覺是圖像獲取、圖像分析與計算機技術相結合產(chǎn)生的，在國民經(jīng)濟中有著廣泛的用途。計算機視覺已經(jīng)應用于多種水果蔬菜的分級，展現(xiàn)出廣闊的前景。目前，基于計算機視覺的橙子分級的設備類型、分析和計算方法較多，但都處于試驗階段，還沒有應用于實際生產(chǎn)[3-9]。在針對的性狀方面，主要檢測的是果實大小、顏色和表面缺陷[10-13]。以往報導中對果實內部營養(yǎng)成分含量的檢測研究則較少，距離實際應用也還有一定的距離。

本文設計了一個基于計算機視覺的橙子分級系統(tǒng)，在傳送帶上拍攝橙子的圖像后對其大小、顏色和表面缺陷進行實時檢測，由計算機評判級別并控制執(zhí)行裝置實現(xiàn)分級。最后，對系統(tǒng)分級的準確性和實時性進行了測驗，以期為橙子產(chǎn)業(yè)的可持續(xù)發(fā)展提供技術支持。

1 系統(tǒng)的設計原理及組成

1.1 設計原理

橙子被放置在傳送帶上移動，經(jīng)過拍攝箱時由相機拍照獲取圖像，傳輸給核心計算機用視覺軟件進行處理，提取橙子的輪廓并分析大小、顏色和表面缺陷。傳送帶前端安裝傳感器，檢測通過的橙子數(shù)量，從而控制相機的開啟時機。計算機根據(jù)檢測的結果，按照質量標準對橙子劃分級別，并向安裝在傳送帶末端的分級執(zhí)行裝置發(fā)出指令，實現(xiàn)對橙子的分級，如圖1所示。

圖1 分級系統(tǒng)的工作流程

1.2 系統(tǒng)組成

分級系統(tǒng)主要由傳送分級裝置、拍攝箱和計算機視覺模塊組成。傳送分級裝置包括傳送帶和分級裝置。傳送帶長2.5m、寬0.3m，表面黑色，橙子呈單列排布在傳送帶上，間距2～3cm。經(jīng)過試驗確定傳送帶的最佳移動速度為0.3m/s，速度太低降低了分級效率，太高則會導致橙子滾動，影響成像質量。橙子分級裝置有4個通道，當橙子運行到傳送帶末端時，計算機控制執(zhí)行裝置相應的通道移動到接口處，實現(xiàn)橙子的分級。

拍攝箱是一個0.4m×0.35m×0.4m的長方體，兩側開孔用于傳送帶通過。拍攝箱內壁涂成黑色，上方4個角分別安裝功率5W的照明燈，頂端安裝1臺索尼XC-ST30型CCD相機。相機拍攝的圖像經(jīng)過AD6657A型A/D轉換器轉換為數(shù)字信號傳遞給計算機。拍攝箱的入口處安裝一個賽加得GL36型光電傳感器，用于檢測經(jīng)過拍攝箱的橙子數(shù)量。每個橙子經(jīng)過時傳感器都會產(chǎn)生一個電脈沖信號發(fā)送給計算機，3個橙子進入拍攝箱后計算機啟動相機進行一次拍攝。核心計算機為聯(lián)想揚天M4900型臺式電腦，配置Intel i7中央處理器、8GB DDR3內存和1TB硬盤，運行快速穩(wěn)定，能夠滿足圖像處理和信息存儲的要求。計算機中安裝MatLab7.0軟件，用于圖像的分析處理。

2 圖像分析

拍攝時橙子處于運動狀態(tài)，同時由于其它因素影響，拍攝獲得未經(jīng)處理的原始圖像中都存在著一定的噪音干擾。因此，首先要對原始圖像進行平滑處理，在增強圖像質量的同時，也可以強化目標特征。這里采用3×3的模板，通過中值濾波法去除圖像中的噪音，如圖2所示。

經(jīng)過預處理獲得的是包含R、G、B這3種基色的彩色圖像，若要識別目標特征，則須要進行灰度化處理。圖像的背景為黑色，目標與背景顏色差別很大，可以用RGB色彩空間進行處理。橙子為黃色和紅色，3基色中的B分量具有顯著的峰值特征，這里采用基于B分量的閾值分割法進行灰度化處理，如圖3所示。

對灰度化圖像采用HIS加權方法進行二值化計算，消除圖像中的微小陰影和噪音點，最后依照設定的B分量灰度化閾值進行圖像分割，提取出橙子的輪廓，如圖4所示。

橙子的大小、顏色和表面缺陷是目前人工分級主要觀察的品質性狀。橙子的形態(tài)比較規(guī)則，一般都呈橢球形，因此大小可以用果徑來反映。果徑的測量方法是對輪廓圖像進行掃描，統(tǒng)計橙子輪廓內的像素點；然后，根據(jù)統(tǒng)計的像素點數(shù)和實際測量值，確定二者之間的關系為y=0.001 32N。其中，y為果徑(mm)，N為像素點數(shù)。橙色是橙子的主要顏色，是由紅R和綠G這兩種基色按一定的比例混合而成。系統(tǒng)以R、G和R-G這3個分量作為橙子的顏色特征。其中，R所占比例高的橙子具有更好的品質，在圖像中用灰色顯示。橙子的表面缺陷有兩種：一是蟲害導致的白色條紋；二是病害和損傷造成的黑色爛點。兩者雖然顏色不同，但都可以用HIS顏色空間中的S分量展示出來。系統(tǒng)先提取橙子的輪廓，然后采用Sobel算子從中分離出S分量并進行Ostu閾值分割，得到表面缺陷的二值化圖像并計算缺陷面積，用黑色展示，如圖5所示。

圖2 橙子的預處理圖像

圖3 橙子的灰度化圖像

圖4 橙子的輪廓提取

圖5 橙子的顏色和表面缺陷檢測

最后，以大小、顏色和表面缺陷為特征參數(shù)，采用RBF神經(jīng)網(wǎng)絡模式對橙子進行判別分級。按照國家標準，將橙子劃分為特級、一級、二級和等外共4個等級。

3 試驗結果與分析

3.1 試驗設計

對系統(tǒng)的分級實時性和準確性進行了驗證，使用的橙子為秭歸夏橙，產(chǎn)于湖北省宜昌市秭歸縣，屬于甜橙類。用人工分級的方法選擇4個等級的橙子各40個并編號；果徑大小用游標卡尺測量，顏色和表面缺陷通過目測鑒定。將上述160個橙子通過系統(tǒng)進行分級，統(tǒng)計分級結果，計算識別的準確率。

3.2 試驗結果和分析

試驗的結果如表1所示。

表1 橙子分級的準確率

系統(tǒng)對特級橙子的識別準確率為87.5%，分別有3個和2個被誤判為1級和2級；對1級的識別準確率為82.5%，分別有3個和4個被誤判為特級和2級；對2級的識別準確率為85.0%，分別有1個、3個和2個被誤判為特級、1級和等外；對等外的識別準確率為90.0%，分別有1個和3個被誤判為1級和2級。系統(tǒng)對橙子分級的整體準確率很高，達到86.3%。計算機視覺處理單張圖片平均耗時0.6s，可以滿足對分級執(zhí)行裝置的實時控制要求，實現(xiàn)180個/s的分級效率。

4 結論

基于計算機視覺技術，建立了一個橙子的實時分級系統(tǒng)。拍攝的橙子圖像用計算機視覺軟件進行預處理和灰度化后提取目標輪廓，然后分別對橙子的大小、顏色和表面缺陷進行檢測，采用RBF神經(jīng)網(wǎng)絡模式劃分等級。驗證試驗表明：系統(tǒng)對各級橙子的識別準確率為82.5%～90.0%，平均為準確率86.3%。計算機視覺軟件處理單張圖像平均用時為0.6s，分級效率達到180個/s，可以實現(xiàn)對橙子的自動化檢測和分級。

準確性的驗證僅用了一個甜橙品種，若要應用于實際生產(chǎn)，還需要在各種類型的品種上進行驗證。系統(tǒng)對1級和2級果實的檢測精度相對較低，說明神經(jīng)網(wǎng)絡的部分參數(shù)設定需要進行相應的優(yōu)化。同時，隨著消費需求的改變，橙子的各種營養(yǎng)物質的含量等內在品質將會受到更多重視，這也是基于計算機視覺分級的發(fā)展方向。