燕紅文

（山西農(nóng)業(yè)大學(xué) 信息科學(xué)與工程學(xué)院，山西 晉中 030801）

番茄的缺陷有明確的規(guī)定和標(biāo)準(zhǔn)，缺陷種類非常多，包括：裂傷、碰壓、皺縮等，其中，最為普遍的缺陷為碰壓傷和裂傷，直接影響西紅柿的分級(jí)[1]。番茄損傷區(qū)域檢測(cè)是識(shí)別缺陷的重要技術(shù)手段，在傳統(tǒng)人工檢測(cè)番茄損傷區(qū)域中，受人為主觀因素和肉眼功能的影響，番茄損傷區(qū)域檢測(cè)存在著精度低、速度慢的問題，嚴(yán)重影響番茄等級(jí)與分類效率的提升。計(jì)算機(jī)視覺技術(shù)以計(jì)算機(jī)技術(shù)為支撐，通過感知、識(shí)別三維場(chǎng)景，可以實(shí)現(xiàn)人的視覺功能，幫助人們完成肉眼難以完成的視覺任務(wù)。所以，將計(jì)算機(jī)視覺技術(shù)應(yīng)用到番茄損傷區(qū)域檢測(cè)中具有一定可行性，利用該技術(shù)設(shè)計(jì)番茄損傷區(qū)域自動(dòng)檢測(cè)系統(tǒng)，可彌補(bǔ)人工檢測(cè)的不足，提升番茄缺陷檢測(cè)效率。

1 番茄圖像的機(jī)器視覺處理步驟

在番茄損傷區(qū)域自動(dòng)檢測(cè)中，要運(yùn)用機(jī)器視覺技術(shù)對(duì)番茄圖像進(jìn)行處理，以獲取自動(dòng)檢測(cè)的基本信息，提高檢測(cè)的精確度和效率。

1.1 圖像采集

利用攝像裝置采集番茄圖像，要求圖像能夠反映出番茄外部輪廓、損傷部位和無損傷部位，為分析番茄缺陷提供關(guān)鍵信息支持。在圖像采集中，采用可見光域成像技術(shù)區(qū)分番茄表面正常部分與損傷部位的灰度[2]。同時(shí)，將攝像裝置調(diào)整為0°，90°和180°這3種角度，采集無死角的番茄表面圖像。

1.2 圖像去噪

在采集、傳輸和處理圖像的過程中，機(jī)器會(huì)受到干擾因素的影響，降低圖像質(zhì)量，所以，必須對(duì)圖像進(jìn)行去噪處理，以保證圖像識(shí)別達(dá)到最佳的效果。圖像去噪方法較多，文中采用了中值濾波，對(duì)濾波窗口內(nèi)的像素的計(jì)算其中值，并保持其中值濾波輸出，可對(duì)噪點(diǎn)進(jìn)行平滑，利用前一個(gè)窗口像素的數(shù)據(jù)刪去后一窗口的像素?cái)?shù)據(jù)，再對(duì)原窗像素進(jìn)行修正，獲得新窗口的中值，進(jìn)而完成對(duì)整幅圖的去噪處理[3]。

1.3 圖像分割

對(duì)去噪后的圖像進(jìn)行背景分割，提取出圖像中有助于損傷檢測(cè)的信息，生成標(biāo)記圖像。對(duì)其進(jìn)行分割可選擇區(qū)域閾值，首先，對(duì)待分割的閾值進(jìn)行試驗(yàn)確定；其次，將圖中像素點(diǎn)的值與之相比，完成像素選擇。

1.4 圖像增強(qiáng)

在圖像增強(qiáng)中采用直方圖均衡法和灰度變換法，突出圖像含有的有用信息，弱化無用信息，便于快速獲取檢測(cè)結(jié)果。其中，直方圖均衡法可擴(kuò)大圖像灰度動(dòng)態(tài)范圍，而灰度變換法則可豐富圖像灰度層的層次，使圖像形成強(qiáng)烈的局部對(duì)比，提高視覺識(shí)別能力。

2 番茄損傷區(qū)域關(guān)鍵點(diǎn)的確定

2.1 損傷區(qū)域特征分析

在處理番茄損傷圖像后檢測(cè)損傷區(qū)域，識(shí)別出番茄的表面缺陷。在番茄損傷區(qū)域特征分析中，可根據(jù)損傷閾值確定損傷點(diǎn)，將各個(gè)損傷點(diǎn)連成區(qū)域，即為損傷區(qū)域。損傷區(qū)域特征具體表現(xiàn)為：不是損壞區(qū)域的像素值小，并具有一定程度連續(xù)性，梯度變化較大；像素值從其圖像邊緣到圖像中心的損傷部位表現(xiàn)出線性下降規(guī)律，而正常部位的像素值則線性增加，文中采用了3種基本色調(diào)進(jìn)行試驗(yàn)：紅色像素值（R）、綠色像素值（G）、藍(lán)色像素值（B）。通過損傷區(qū)域特征分析顯示，R分量和G分量灰度發(fā)生了明顯變化，但是B分量灰度卻沒有發(fā)生明顯變化[4]。

2.2 番茄損傷區(qū)域檢測(cè)

分析番茄有缺陷的部分的圖像特征發(fā)現(xiàn)，其像素值變化有階躍的特征，若想將其檢測(cè)出來，像素值有階躍的點(diǎn)可作為對(duì)其檢測(cè)的一個(gè)特征，隨著區(qū)域的逐步增長(zhǎng)，便可從圖像當(dāng)中找出所有損傷的區(qū)域。所以，在對(duì)番茄的缺陷區(qū)域進(jìn)行檢測(cè)的過程中，可以采用計(jì)算機(jī)視覺技術(shù)中的區(qū)域增長(zhǎng)法，該方法歸屬于圖像分割的范疇。在區(qū)域增長(zhǎng)法中，圖像的像素之所以能夠被分割成一類，主要是因?yàn)閷儆谕活惖南袼鼐哂心承┫嗤男再|(zhì)，并且與相似性準(zhǔn)則相符，基于這一前提，可針對(duì)某個(gè)像素的性質(zhì)定義集合，并將包含像素性質(zhì)的集合視作為與該像素相對(duì)應(yīng)的特征向量。在驗(yàn)證兩個(gè)像素的特征向量是否具有相似性時(shí)，可以對(duì)灰度級(jí)、梯度值等進(jìn)行比較，若是特征向量接近，則說明兩個(gè)像素的特征向量相似，由此便可求出圖像中缺陷點(diǎn)像素的最大連通集[5]。

從像素值的角度分析，可將圖像上的區(qū)域增長(zhǎng)理解為像素值在一定波動(dòng)范圍內(nèi)像素點(diǎn)的集合。在這一過程中，需要先從分割的區(qū)域中，找出一個(gè)種子像素，并以此作為區(qū)域增長(zhǎng)的起始點(diǎn)，然后尋找與之像素值在一定范圍的像素點(diǎn)，合并到相應(yīng)的集合中。當(dāng)圖像中與種子像素相似的像素全部被找到，并完成合并之后，一個(gè)區(qū)域就隨之生成。本研究對(duì)番茄的損傷部位進(jìn)行檢測(cè)，其種子像素值不能使用常用值，通過幾次試驗(yàn)對(duì)比能夠確定其所需的像素值，并對(duì)合并相似像素的準(zhǔn)則進(jìn)行確定，最后制定生長(zhǎng)終止的條件，便可將連通的區(qū)域顯示出來，該區(qū)域即番茄的損傷區(qū)域。

2.3 損傷區(qū)域的特征值提取

不同對(duì)象的不同損傷類型外形差異較大，每類損壞圖像外形差異較大，但都具有自己的特征，機(jī)器視覺技術(shù)則可提取其特征，識(shí)別不同損壞類型與部位。特征提取主要提取的是圖像信息，在這一過程中會(huì)產(chǎn)生相關(guān)的特征值，將所有提取到的特征值組合起來，便會(huì)形成特征向量。對(duì)其進(jìn)行特征提取，需要處理的圖像向量維數(shù)下降明顯，背景信息特征被過濾掉，僅剩下包含損傷部位的圖像，在此基礎(chǔ)上提取缺陷部位的特征，完成處理過程。

（1）特征參數(shù)。有損傷的番茄圖像可從邊緣、紋理、飽和度等指標(biāo)與正常圖像相比較，其像素點(diǎn)的特征在顏色、深度、飽和度等指標(biāo)均有差異，借助三分量的不同組合形式，并通過相應(yīng)的數(shù)學(xué)運(yùn)算，便可形成一些特征參數(shù)，能夠反映出圖像在顏色、深度、飽和度等方面的特征；損傷區(qū)域的邊緣是其識(shí)別的一個(gè)主要特征，不同對(duì)象、不同損傷的面積各異，其長(zhǎng)寬比也各有特點(diǎn)，圖像檢測(cè)中的面積無法帶單位計(jì)算，可統(tǒng)計(jì)其包含的像素點(diǎn)計(jì)算，參考不同損傷的空間頻率在紋理上差異表現(xiàn)，選用灰度空間矩陣進(jìn)行識(shí)別。

（2）缺陷分類。當(dāng)番茄損傷區(qū)域的所有特征全部提取完畢之后，可以利用BP神經(jīng)網(wǎng)絡(luò)算法對(duì)番茄缺陷進(jìn)行分類，具體過程如下：先對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化，從番茄的損傷區(qū)域?qū)ο鄳?yīng)的特征值進(jìn)行提取，以此作為主要依據(jù)建立輸入相量和目標(biāo)輸出，然后求出目標(biāo)值與實(shí)際輸出之間的偏差，檢驗(yàn)該偏差是否滿足要求，確認(rèn)滿足后便可對(duì)隱層單元誤差進(jìn)行計(jì)算，進(jìn)而求出誤差梯度[6]。

3 采用機(jī)器視覺技術(shù)對(duì)番茄進(jìn)行損傷檢測(cè)的設(shè)計(jì)

基于計(jì)算機(jī)視覺技術(shù)設(shè)計(jì)番茄損傷區(qū)域自動(dòng)檢測(cè)系統(tǒng)，采用C++語言進(jìn)行編程，系統(tǒng)共分為4個(gè)模塊：（1）文件管理。打開已存儲(chǔ)在數(shù)據(jù)庫內(nèi)的圖像，用于檢測(cè)操作。（2）圖像采集。啟動(dòng)采集程序，采集的番茄圖像傳輸?shù)接?jì)算機(jī)中。（3）圖像處理。進(jìn)行番茄圖像的噪點(diǎn)去除、分割背景、增強(qiáng)損傷部位特征，提供便于識(shí)別的圖像。（4）損傷區(qū)域檢測(cè)?；谟?jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)該模塊功能，提取圖像損傷區(qū)域特征進(jìn)行檢測(cè)分析，得出檢測(cè)結(jié)果。

為檢驗(yàn)本系統(tǒng)的實(shí)際應(yīng)用效果，選取130個(gè)番茄樣本，其中，有碰壓傷和裂傷缺陷的番茄樣本各為35個(gè)，使用本文設(shè)計(jì)的系統(tǒng)對(duì)番茄樣本檢測(cè)，運(yùn)行耗時(shí)8 s，試驗(yàn)結(jié)果如表1所示。

表1 采用機(jī)器視覺對(duì)番茄進(jìn)行損傷測(cè)準(zhǔn)確率

可知，該系統(tǒng)對(duì)番茄的碰壓形成的損傷可達(dá)到94.29%的準(zhǔn)確率，而裂傷也可達(dá)到91.43%的準(zhǔn)確率，耗時(shí)較短，在檢測(cè)效率和準(zhǔn)確性上達(dá)到要求。

4 結(jié)語

本文研究了機(jī)器視覺對(duì)有損傷的番茄圖像進(jìn)行檢測(cè)的步驟，并設(shè)計(jì)相應(yīng)檢測(cè)系統(tǒng)，實(shí)現(xiàn)了番茄圖像的采集、預(yù)處理和損傷部分的特征提取，形成有利于損傷檢測(cè)的圖像。通過應(yīng)用實(shí)例可以得出：在番茄損傷區(qū)域檢測(cè)中運(yùn)用機(jī)器視覺技術(shù)，可大幅度提升檢測(cè)準(zhǔn)確率和檢測(cè)工作效率，為快速完成番茄分級(jí)打下基礎(chǔ)。