盧軍黨，田智輝，劉東琴

（陜西省農(nóng)業(yè)機械研究所，陜西 咸陽 712000）

核桃是世界著名的四大堅果之一，具有很高的營養(yǎng)價值[1]。在國內(nèi)和國際市場核桃多以原核桃或者核桃仁的形式出現(xiàn)，其中核桃仁質(zhì)量的好壞除了與核桃本身的品種、培育有關(guān)外，還與核桃仁加工過程有關(guān)。一般用于直接食用或后期食品加工的直接原料均為脫殼核桃仁，并且要求所需核桃仁的品質(zhì)滿足食用要求，因此在之前就必須剔除核桃仁中的變質(zhì)部分。目前，我國核桃仁品質(zhì)分級仍主要靠人工進行分揀，這種方法不僅過程繁瑣、效率低下，同時還容易受人的主觀因素影響，不能保證分級的客觀性和標準化[2]。圖像處理技術(shù)是隨著高科技的發(fā)展應(yīng)運而生的一門新技術(shù)，具有快速、實用及客觀等優(yōu)點，國內(nèi)已將此技術(shù)成功地運用到核桃仁的質(zhì)量檢測上[3]。本文通過搭建核桃仁信息采集系統(tǒng)，運用圖像處理技術(shù)對采集到的核桃仁圖像信息進行了預(yù)處理，并提出了一種核桃仁網(wǎng)格化分級檢測算法，可以用于核桃仁外觀品質(zhì)的檢測。

1 核桃仁圖像的采集

1.1 核桃仁圖像采集系統(tǒng)的建立

要在計算機中處理圖像，必須先把真實的圖像通過數(shù)字化轉(zhuǎn)變成計算機能夠接受的顯示和存儲格式，然后再用計算機進行分析處理[4-5]。本文中的核桃仁圖像信息采集系統(tǒng)由計算機、數(shù)碼相機、照明室、LED光源、樣品臺等組成。計算機選取CPUIntel core i5、內(nèi)存8G、硬盤1 000G的臺式計算機。數(shù)碼相機使用Nikon D3200型單反相機，圖像分辨率為6016×4000（L），4512×3000（M），3008×2000（S），初始安裝高度為300 mm，視場大小為270 mm×200 mm。光源為4個3 W的LED燈泡和1個18 W的LED環(huán)形燈組成。圖像采集系統(tǒng)搭建成功后，將核桃仁隨機放置在樣品臺上，以便模擬自動檢測環(huán)境。數(shù)碼相機采集核桃仁圖像，然后傳輸?shù)接嬎銠C上，以便于對核桃仁圖像進行特征提取及分析。

1.2 核桃仁色選的閾值選擇

色選所需要的閾值主要是背景點和已經(jīng)腐敗變質(zhì)的核桃仁在當前拍攝條件下的灰度值范圍，背景點閾值作為圖像預(yù)處理中的二值化圖像的閾值選擇，而已變質(zhì)核桃仁的灰度值范圍是判定色選過程中識別核桃仁變質(zhì)程度的依據(jù)。

具體做法是：對背景和完全變質(zhì)核桃仁進行多次拍攝，統(tǒng)計其灰度值范圍，經(jīng)測定，背景的灰度值范圍在190～220；而變質(zhì)核桃仁的灰度值范圍在20～35。

2 核桃仁色選的網(wǎng)格法實現(xiàn)

網(wǎng)格法是通過對核桃圖像進行灰度化、濾波降噪處理后進行的網(wǎng)格劃分，并對劃分的網(wǎng)格進行標定、區(qū)域特征擬合和網(wǎng)格標簽輸出等操作，即網(wǎng)格中灰度值矩陣與提取的特征數(shù)據(jù)進行對比擬合，設(shè)定最小擬合度R，當網(wǎng)格灰度值范圍與特征數(shù)據(jù)擬合結(jié)果高于R，則表示該網(wǎng)格內(nèi)存在發(fā)生色變的核桃仁，并輸出網(wǎng)格標簽號，為剔除網(wǎng)格內(nèi)色變核桃仁提供位置信息。該方法的優(yōu)點在于數(shù)據(jù)處理量小、識別簡單、系統(tǒng)響應(yīng)時間短，通過定位網(wǎng)格來實現(xiàn)色變?nèi)实亩ㄎ?，降低了剔除機構(gòu)的要求，能大大提高工作效率，具有重要的工程實踐意義。

2.1 核桃仁圖像的網(wǎng)格化處理

核桃仁圖像網(wǎng)格化處理是對前期處理后的灰度圖進行網(wǎng)格化，也即是對灰度數(shù)據(jù)進行數(shù)據(jù)分割，將原有的大型數(shù)據(jù)按照縱橫比例分割為多個小型矩陣。圖1為核桃仁灰度化處理圖像，數(shù)據(jù)矩陣為2 000×2 000 uint8。網(wǎng)格化處理依據(jù)則是根據(jù)實際工程應(yīng)用中剔除機構(gòu)吹氣閥的位置及尺寸確定。在此將圖1所述的圖像數(shù)據(jù)矩陣劃分為100個200×200 uint8的正方矩陣。并為每個小矩陣設(shè)置矩陣標簽號label1、label2……label100，各矩陣中數(shù)據(jù)范圍為0～255。如圖2所示。

2.2 核桃仁圖像的網(wǎng)格化識別方法

核桃仁圖像的網(wǎng)格化識別即是對網(wǎng)格化的數(shù)據(jù)矩陣（200×200）進行一一識別，依據(jù)提取出的特征值空間與網(wǎng)格數(shù)據(jù)矩陣進行回歸擬合，統(tǒng)計矩陣中屬于特征空間的數(shù)據(jù)數(shù)量，并計算與特征空間擬合的數(shù)據(jù)數(shù)量占網(wǎng)格數(shù)據(jù)矩陣的比例M；若M大于設(shè)定的最小擬合度R，則認為此網(wǎng)格核桃仁存在色變可能，需要進行剔除操作，并標定輸出網(wǎng)格標簽label，反之則反。

假定提取的特征值 S=[S1，S2]∈[0，255]，已知網(wǎng)格化后的各數(shù)據(jù)矩陣數(shù)值xi范圍為0～255。其識別過程如下：

xi∈S，i=1～40000，如果 n 個 xi∈S，則輸出 n，即 n 為矩陣中數(shù)據(jù)與特征值擬合的數(shù)據(jù)量。與特征值空間擬合的數(shù)據(jù)數(shù)量占網(wǎng)格數(shù)據(jù)矩陣的比例M的計算如下：

式中：n——矩陣中數(shù)據(jù)與特征值擬合的數(shù)據(jù)量；M——與特征值擬合的數(shù)量占網(wǎng)格數(shù)據(jù)矩陣量的比例；40000——網(wǎng)格矩陣數(shù)據(jù)量。

網(wǎng)格內(nèi)核桃仁存在色變可能的判定方法：（1）若M≥R，則判定為真，即網(wǎng)格內(nèi)核桃仁存在色變可能，并輸出網(wǎng)格標簽號；（2）若M＜R，則判定為假，即網(wǎng)格內(nèi)核桃仁存在色變可能性小。

2.3 核桃仁圖像的網(wǎng)格化識別

根據(jù)上述核桃仁圖像網(wǎng)格化識別方法對圖4中已經(jīng)網(wǎng)格化處理的核桃仁圖像進行識別處理。在系統(tǒng)識別輸出為網(wǎng)格標簽號，為能直觀表現(xiàn)識別結(jié)果，設(shè)定系統(tǒng)對識別出的網(wǎng)格標記為紅色，如圖3所示。

輸出的網(wǎng)格標簽分別為：label26、label34、label36、lab el42、label43、label46、label47、label56、label57、label67、label75、label85、label86。通過原始圖像和識別標記圖像對比，發(fā)現(xiàn)網(wǎng)格化法識別精度較高，基本把明顯色變核桃仁全部識別出來。

各輸出標簽對應(yīng)網(wǎng)格中核桃仁如圖4所示：

3 結(jié)論

核桃仁品質(zhì)檢測的最終目標是提取到需要目標，并能夠?qū)⒛繕朔蛛x出來，核桃仁分選設(shè)備的分離機構(gòu)一般是通過吹氣閥來實現(xiàn)的。網(wǎng)格法的算法不需要對目標的圖像進行過多的預(yù)處理，在識別的時候只需統(tǒng)計網(wǎng)格內(nèi)的灰度值范圍，對圖像處理系統(tǒng)和控制系統(tǒng)的相關(guān)硬件要求低且處理量較高，但是對于機械分離系統(tǒng)的要求較高。