張 曉,陳鴻俊

(四川水利職業(yè)技術學院,成都 611231)

0 引言

大棗以其甘甜的口感和豐富的營養(yǎng)價值,深受人們的喜愛[1],在我國種植面積廣大。隨著城鎮(zhèn)化進程的推進和人口老齡化的來臨,農村青壯年勞動力的數(shù)量越來越少[2],而大棗采摘后的分揀工作,是大棗生產(chǎn)的最后環(huán)節(jié),直接影響著果農的收入。大棗分揀過程繁瑣,分揀標準因人而異,需要的勞動量巨大,是實現(xiàn)自動化的重要課題。目前,主流的大棗分揀系統(tǒng)分為純機械結構和圖像分析分揀系統(tǒng)[3]:純機械結構采用震蕩篩原理[4],通過震蕩作用,實現(xiàn)大棗的分離,具有可靠性及效率高的特點,但由于其為開環(huán)控制系統(tǒng),分揀效果差,且會產(chǎn)生震動和噪音污染;圖像分析分揀系統(tǒng)采用CCD攝像頭采集大棗圖像信息,由于大棗以紅色為主,目前大多采集R通道強度進行分析,忽略G和B通道強度[5],同時將大棗圖像輪廓面積作為評價大棗品質的標準,沒有考慮大棗形狀,評價標準不完善[6-7]。為此,以圖像分析分揀系統(tǒng)為基礎,綜合R、G、B三通道強度,以提高圖像信息的提取率;提取大棗輪廓曲線,進行橢圓擬合,引入形狀、體積和質量對大棗品質進行評價,提高了評價標準的科學性。以四川三臺地區(qū)某棗園的大棗作為樣本進行試驗,結果表明:本系統(tǒng)分揀精度高,系統(tǒng)運轉穩(wěn)定,具有一定推廣價值。

1 系統(tǒng)結構

系統(tǒng)機械結構如圖1所示,主要分為3部分:①大棗的運輸系統(tǒng)由帶輪和傳送帶構成,將大棗輸送到圖像采集區(qū)和分揀機構,為大棗的向前運動提高動力。②圖像采集系統(tǒng)包括CCD攝像頭、LED光源和遮光箱。遮光箱將外界雜散光屏蔽,形成黑室,LED光源提供CCD攝像頭所需亮度,CCD攝像頭將采集到的數(shù)據(jù)傳輸給控制系統(tǒng)進行分析。③大棗分揀系統(tǒng)主要包括擋板/分揀容器和步進電機。其中,擋板將傳輸帶送來的大棗擋住,落到分揀器中,分揀器為圓筒形容器,以圓筒軸心為基準,將其分為3部分,即將大棗按照質量好壞分成3個檔次。步進電機接受控制系統(tǒng)輸出信號,對驅動分揀器進行驅動。系統(tǒng)工作過程如下:檢測系統(tǒng)對大棗進行檢測,將數(shù)據(jù)傳送至控制系統(tǒng)進行分析處理,根據(jù)處理結果,對步進電機進行控制,達到對大棗進行分揀的目的。

系統(tǒng)邏輯結構包括控制系統(tǒng)、圖像分析系統(tǒng)和品質分析系統(tǒng)3部分,如圖2所示。工作時,CCD相機將檢測得到的大棗圖像傳入控制系統(tǒng),控制系統(tǒng)將數(shù)據(jù)輸入圖像分析系統(tǒng),經(jīng)歷圖像采集、降噪、邊界分析和邊界曲線擬合后,輸出大棗輪廓擬合橢圓的長軸半徑a和短軸半徑b;a、b進入品質分析系統(tǒng),計算大棗體積,檢測體積成梯度分布的大棗質量,進行擬合,求得大棗質量,最后輸出大棗體積V和質量m;大棗品質參數(shù)傳回控制系統(tǒng),控制傳輸帶與分揀器驅動電機,實現(xiàn)對于大棗的分類,不同品質大棗落到相應的容器內。

1.帶輪 2.控制系統(tǒng) 3.CCD攝像頭 4.LED光源 5.遮光箱

圖2 系統(tǒng)邏輯框圖

2 圖像處理系統(tǒng)

圖像處理是整個分揀系統(tǒng)的核心,包括圖像采集、圖像降噪、邊界分析計算和輪廓曲線擬合4部分。剛采摘的大棗不一定是純紅色,要充分考慮3個通道的強度;圖像降噪既要解決局部噪聲,又要解決整體噪聲;邊界輪廓計算要同時考量算法迭代次數(shù)和準確程度;輪廓曲線擬合要考量模型曲線和大棗輪廓線的誤差。

2.1 圖像采集

CCD相機輸出圖片為RGB顏色模型,即每個像素點輸出為三色模型中各通道的強度值(R、G、B);通過調整三者所占比例,產(chǎn)生不同的顏色,即每個像素點輸出的顏色F為

F=aR+mG+cB

(1)

其中,a、m、c為顏色配比系數(shù)。

CCD相機的感光部件呈矩陣分布,當相機對傳輸帶上的大棗進行拍照時,大棗的圖像信息就會在坐標為(i,j)像素點上生成相應強度的三通道強度(Rij,Gij,Bij),而后在系統(tǒng)時鐘和驅動電壓的作用下將三通道強度(Rij,Gij,Bij)輸出。利用本系統(tǒng)對單個大棗進行拍照,R、G、B通道的強度如圖3所示。其中,R通道強度圖片最高,這是因為大棗本身以紅色為主,但在左側棗的短軸邊界處不清;G通道強度在右側短軸邊界和右上邊界處不清晰,如圖3(b)所示;B通道的強度在左上方邊界處和右下方邊界處模糊,如圖3(c)所示。由于大棗體積分析需要求解圖像中大棗輪廓線,雖然R通道圖片最清晰,但仍有輪廓線模糊的情況,同時3個通道輪廓線模糊的位置均不相同。為了得到大棗良好的輪廓圖像,需要綜合考量三通道的強度值,因此定義I為式(2),其強度如圖3(d)所示。輪廓線集合的三通道的優(yōu)點,清晰度強于三通道中任何一單組,達到了互補的效果。

(2)

圖3 圖像通道強度

2.2 圖像降噪

圖像的噪聲主要分為兩類:①局部像素噪聲異常,如某一局部像素的灰度和周圍8個像素灰度相差很大;②整體噪聲,即所有像素點均含有的噪聲成分。由于每一個像素上包含以上兩種噪聲,因此降噪過程為:①局部噪聲,采用中值降噪法[8];②整體噪聲,采用高斯濾波器[9]進行降噪。

局部突變噪聲主要是由于系統(tǒng)檢測異常產(chǎn)生的,采用中值濾波法進行抑制,方法是將每一像素點的灰度值設置為該點鄰域內的所有像素點灰度值的中值。本文設置鄰域w大小為3×3,其輸出為

fn(x,y)=med{f(x-k,y-l),(k,l∈w)}

(3)

整體噪聲是由檢測方法和環(huán)境中雜散光造成的。存在于整體所有像素中,噪聲出現(xiàn)的機會及強度均等,即服從正態(tài)分布。因此,采用高斯濾波去除噪聲,結果如式(4)所示。

(4)

2.3 大棗邊界算法

大棗邊界是衡量其質量的關鍵性能指標,通過圖像分析大棗的大小和質量都是以確定其邊界為基礎的。邊界特點是兩邊的像素點的灰度變化劇烈,可通過求解像素點梯度的方法實現(xiàn)。當像素點的梯度G大于閥值時,認為該像素即為邊界像素。本系統(tǒng)采用Canny 邊緣檢測卷積因子[10],如式(5)所示。

(5)

梯度求解過程如下:

1)計算關于x、y的偏導數(shù),即

Gx(x,y)=F(x,y)·gx
Gy(x,y)=F(x,y)·gy

(6)

2)計算梯度大小,即

(7)

3)計算梯度方向,即

(8)

尋找邊緣像素坐標過程如下:①初始化像素坐標P(i,j),得到其灰度大小f(x,y);②對其進行降噪處理,輸出結果為F(x,y);③利用卷積因子求解偏導數(shù)Gx(x,y)和Gy(x,y);④計算梯度大小G(x,y),并與閥值比較,大于閥值時坐標P(i,j)即為邊界點,小于閥值時沿梯度方向θ(x,y),尋找下一個坐標點,找到所有滿足條件的像素點,輪廓線也就確定下來。大棗輪廓曲線如圖4所示。

圖4 大棗輪廓曲線

2.4 大棗輪廓曲線擬合

大棗輪廓曲線形狀和橢圓形相近,因此以橢圓方程對大棗輪廓進行擬合。以輪廓曲線幾何中心為原點建立直角坐標系,已知標準橢圓方程為

x2+Axy+Jy2+Kx+My+D=0

(9)

現(xiàn)將輪廓線上像素點坐標(xi,yi)帶入橢圓方程,會產(chǎn)生誤差ΔFi。現(xiàn)將輪廓線上的所有N個像素坐標帶入式(9),計算所有誤差的平方和,如式(10)所示。

(10)

(11)

設系數(shù)矩陣為A,結果向量為C,未知系數(shù)向量為P,采用最小二乘法進行擬合,則系數(shù)向量P為

P=(ATA)-1ATC

(12)

根據(jù)橢圓方程長短半軸和系數(shù)關系,計算橢圓長半軸a和短半軸b,即

(13)

3 大棗品相分析

大棗質量分析主要包括兩方面:①大棗形狀圓潤,形狀飽滿為上等品,即大棗圖像處理后輪廓線越逼近飽滿橢圓,同時體積越大,品質越好;②單個大棗的質量越大,品質越好?；谝陨显u價標準,以四川省三臺地區(qū)某棗園大棗為樣品,對其品相進行了分析。

3.1 體積分析

通過對大棗輪廓曲線擬合,得到了大棗輪廓的橢圓方程,并求得其長短半軸,由于大棗在短軸方向上比較圓潤,截面圖接近圓形,認為兩個短軸大小相等,均為b。橢球體積為

(14)

現(xiàn)對三臺地區(qū)大棗樣品進行統(tǒng)計,其體積分布與出現(xiàn)幾率如圖5所示。大棗體積分為3部分:①10～15cm3,該部分體積較小,形狀較差,占整體樣本的25.6%;②15～21cm3,該部分體積較大,形狀較好,占整體樣本的57.7%; ③21～24cm3,該部分體積大,形狀好,但數(shù)量較少,占整體樣本的16.7%。通過上述分析可知,大棗在體積上的分布基本上符合正態(tài)分析,且主要集中在15～21cm3區(qū)間;體積較小的占比25.6%;體積大、品相優(yōu)異的占比最小。

圖5 大棗體積分布

3.2 質量分析

大棗的單體質量是衡量大棗品質的重要因素,現(xiàn)探究體積與大棗質量之間的關系。取體積成梯度分布的大棗作為樣品,分別檢測其質量,其分布如圖6所示。對其進行線性擬合,設大棗體積為x,質量為y,結果如式(14)所示。其線性相關系數(shù)R2=0.94,證明大棗的質量與體積具有較高的線性相關性,因此大棗的質量分布與大棗體積分布趨勢相同,服從正態(tài)分布。

圖6 大棗質量與體積關系

斜率是大棗的平均密度,為0.774g/cm3。這是由于同一片棗園接受的陽光、水分等因素是相同的,且成長周期相近,因此其密度也相近。造成擬合關系截距為1.464 92的原因是棗核的存在,其具有特殊性,對于單個大棗,棗核同果肉的密度不同,對于不同大棗,棗核大小不同。

y=0.77376x+1.46492

(14)

4 結論

為了實現(xiàn)自動化的大棗篩選分類、降低果農勞動強度,應用視覺檢測原理,設計了大棗分揀類機構和品質檢測分析系統(tǒng)。大棗分揀機構主要包括大棗上料機構和分類篩選機構,品質檢測分析系統(tǒng)包括控制系統(tǒng),圖像處理系統(tǒng)和大棗品質分析系統(tǒng)。圖像處理系統(tǒng)完成以下工作:首先,采用中值降噪和高斯降噪的方法對圖像數(shù)據(jù)進行降噪處理;其次,采用Canny邊緣檢測卷積因子,計算大棗輪廓邊界;最后,采用橢圓一般表達式進行擬合,計算橢圓的半長軸a和半短軸b,并將其輸出到品質分析系統(tǒng)。品質分析系統(tǒng)主要完成以下工作:①以橢圓的半長軸a和半短軸b,計算大棗輪廓體積。對四川三臺地區(qū)某棗園的大棗體積進行采樣統(tǒng)計,發(fā)現(xiàn)大棗體積符合正態(tài)分布,15～21cm3體積區(qū)間的大棗,占整體樣本達到57.7%。②檢測體積呈梯度分布的大棗質量,并進行線性擬合,決定系數(shù)R2達到0.94,線性良好。擬合結果斜率為大棗平均密度,產(chǎn)生截距的原因為棗核與果肉密度差異很大,不同大棗之間棗核大小不同。本系統(tǒng)機械結構簡單,檢測元件采用成熟的CCD攝像頭,成本低廉、可靠性高,適于廣大農村棗園一線使用。