鄭貴君，周聰玲，王永強(qiáng)

(天津科技大學(xué)機(jī)械工程學(xué)院，天津 300222)

目前，常用殺魚機(jī)多采用固定的剖腹刀具，對(duì)不同種類和體型的魚適應(yīng)性程度低，容易造成腹部剖切不完全或過度剖切的問題。腹部剖切不完全，導(dǎo)致切口過小，不利于魚類加工后續(xù)的去內(nèi)臟處理，降低工作效率；剖切過度時(shí)，切口過大，影響魚體美觀，并且會(huì)造成苦膽破裂，影響口感。

隨著機(jī)器視覺技術(shù)在漁業(yè)加工領(lǐng)域的廣泛應(yīng)用，針對(duì)漁業(yè)養(yǎng)殖、生產(chǎn)的研究逐漸深入。李楷模等[1]提出了視覺引導(dǎo)淡水魚自動(dòng)去頭尾系統(tǒng)關(guān)鍵技術(shù)；Liang等[2]利用機(jī)器視覺技術(shù)設(shè)計(jì)了一種自動(dòng)生魚處理系統(tǒng)，可以加快對(duì)魚的清潔和稱重；王成[3]進(jìn)行了基于機(jī)器視覺的魚類定制切斷方法研究；Liao等[4]利用魚體表面顏色的變化來預(yù)測(cè)儲(chǔ)存過程中的新鮮度指數(shù)(APC指數(shù))，評(píng)估了開發(fā)紫外光的機(jī)器視覺系統(tǒng)的可行性；單慧勇等[5]進(jìn)行了魚加工生產(chǎn)線頭尾定向調(diào)理上料系統(tǒng)設(shè)計(jì)與試驗(yàn)，采用了結(jié)構(gòu)光的方式，提取魚體相關(guān)信息；何建雄[6]進(jìn)行了淡水魚加工生產(chǎn)線魚體頭尾腹背定向技術(shù)研究，進(jìn)行了魚體定向算法的研究；Azarmde等[7-8]提出了一種基于機(jī)器視覺技術(shù)的鱒魚加工系統(tǒng)的定位和切點(diǎn)確定算法，該算法可以檢測(cè)胸鰭、臀鰭、腹鰭、尾鰭的位置。包思圓等[9]進(jìn)行了關(guān)于魚的辨別的研究，趙慧等[10]在魚辨別的基礎(chǔ)上進(jìn)行了魚體分割的研究，李鑫星等[11]進(jìn)行了魚體新鮮度的檢測(cè)研究，李艷君[12]基于立體視覺技術(shù)，進(jìn)行了魚體動(dòng)態(tài)尺寸測(cè)量的研究，但上述研究都沒有涉及魚體上點(diǎn)的定位以及位置精度要求。在魚類加工設(shè)備方面，王啟航[13]采用機(jī)器視覺技術(shù)，進(jìn)行了淡水魚定向與切頭設(shè)備的研究。唐友全[14]進(jìn)行了殺魚機(jī)的研究，但并未引入機(jī)器視覺技術(shù)，智能化水平低。盡管存在如上研究，但目前針對(duì)殺魚機(jī)剖腹刀具自動(dòng)控制的視覺檢測(cè)方法研究卻很少，目前的殺魚機(jī)剖腹刀具仍需要手動(dòng)調(diào)節(jié)其高度位置[15]，自動(dòng)化程度低。

本研究利用機(jī)器檢測(cè)技術(shù)，提出了一種用于殺魚機(jī)剖腹刀具自動(dòng)控制的視覺檢測(cè)方法。通過長(zhǎng)寬比、斜率以及像素面積等特征尋找入刀點(diǎn)的位置，即剖腹刀具運(yùn)動(dòng)開始的位置；通過邊緣檢測(cè)和角點(diǎn)檢測(cè)的方法提取出刀點(diǎn)的位置，即剖腹刀具運(yùn)動(dòng)結(jié)束的位置；最后準(zhǔn)確得到魚體的腹部輪廓，通過相機(jī)標(biāo)定獲取魚體腹部輪廓的實(shí)際空間坐標(biāo)，進(jìn)而控制刀具實(shí)時(shí)調(diào)節(jié)運(yùn)動(dòng)。

1 原理與方法

通過設(shè)計(jì)的夾持運(yùn)動(dòng)裝置分別夾緊魚頭魚尾，圖像采集裝置采集魚體圖像；利用圖像處理技術(shù)提取魚身的入刀點(diǎn)、出刀點(diǎn)以及兩點(diǎn)間的腹部輪廓。由圖像處理技術(shù)和標(biāo)定技術(shù)準(zhǔn)確獲取魚腹輪廓的實(shí)際空間坐標(biāo)，作為剖腹刀具實(shí)時(shí)柔性調(diào)節(jié)的輸入控制信號(hào)，實(shí)現(xiàn)精確控制剖腹刀具上下運(yùn)動(dòng)。系統(tǒng)檢測(cè)原理如圖1所示。

圖1 檢測(cè)原理示意圖

2 圖像處理

2.1 圖像分割

為獲取魚腹的空間信息，需要通過圖像分割確定包含入刀點(diǎn)和出刀點(diǎn)的感興趣區(qū)域。首先將魚體和背景分割開，然后分割出所需要的感興趣區(qū)域，進(jìn)而在對(duì)應(yīng)的感興趣區(qū)域中提取相應(yīng)特征，最后提取兩點(diǎn)之間的腹部輪廓。

本研究將所采集到的白鰱魚彩色圖像轉(zhuǎn)化到HSV顏色空間，H表示色調(diào)，S表示飽和度，V表示亮度。提取飽和度S通道圖像數(shù)據(jù)，如圖2所示，此時(shí)灰度直方圖成雙峰狀，其中橫軸表示灰度值，范圍是0～255，縱軸表示灰度值的頻數(shù)，利用最大類間方差法[16]將魚體和背景分離。通過對(duì)圖像物理尺寸分割，得到入刀點(diǎn)和出刀點(diǎn)的感興趣區(qū)域，分割方法如圖3所示。

圖2 S通道下白鰱魚灰度直方圖

圖3 分割方法流程圖

魚體輪廓所在的最小外接矩形區(qū)域[17]原點(diǎn)坐標(biāo)O(u1,v1)和對(duì)角點(diǎn)E點(diǎn)坐標(biāo)(u2,v2)，可以計(jì)算出v方向上的中點(diǎn)C和u方向上的中點(diǎn)D的坐標(biāo)，進(jìn)而得到兩個(gè)四分點(diǎn)F、G點(diǎn)的坐標(biāo)，最后將圖片等面積分割，提取出入刀點(diǎn)和出刀點(diǎn)的感興趣區(qū)域，如圖4所示。

圖4 區(qū)域分割示意圖

2.2 入刀點(diǎn)位置的確定

本研究首先在入刀點(diǎn)感興趣區(qū)域中通過閾值分割、圖像濾波、特征提取來獲得魚鰓處的最小外接矩形區(qū)域[18]，然后得到入刀點(diǎn)的位置。

采用灰度中值進(jìn)行閾值分割，灰度中值定義如式(1)所示：

(1)

式中：b為灰度中值；H為入刀點(diǎn)感興趣區(qū)域的最大灰度值；h為入刀點(diǎn)感興趣區(qū)域的最小灰度值。

閾值分割后的圖像通過形態(tài)學(xué)處理去掉像素個(gè)數(shù)過少的噪聲區(qū)域，處理結(jié)果如圖5(a)所示。每個(gè)連通域都可以計(jì)算出其最小外接矩形，如圖5(b)所示。

圖5 連通域及其最小外接矩形

得到各連通域的最小外接矩形之后，采用求取若干最小外接矩形長(zhǎng)寬比的平均值、長(zhǎng)邊斜率的正負(fù)以及像素面積三個(gè)特征值的方法，最終篩選出魚鰓區(qū)域的最小外接矩形。最小外接矩形的長(zhǎng)寬比是指最小外接矩形長(zhǎng)邊L和短邊W的比值，如式(2)所示，其平均值是統(tǒng)計(jì)出所有最小外接矩形的長(zhǎng)寬比，然后求均值得到，如式(3)所示。

(2)

(3)

式中：r代表最小外接矩形的長(zhǎng)寬比，c代表長(zhǎng)寬比的平均值，n代表最小外接矩形的個(gè)數(shù)。

計(jì)算流程如圖6所示。在得到魚鰓處最小外接矩形(圖7中的紅色區(qū)域)后，遍歷尋找4個(gè)角點(diǎn)中v坐標(biāo)最大的角點(diǎn)，從該點(diǎn)沿著v軸正方向做垂線，與腹部輪廓的交點(diǎn)(圖7中魚腹輪廓中的紅色角點(diǎn))即可確定為刀具入刀點(diǎn)的位置。

圖6 魚鰓區(qū)域最小外接矩形篩選流程圖

圖7 入刀點(diǎn)位置

2.3 出刀點(diǎn)位置的確定

本研究先通過閾值分割、形態(tài)學(xué)處理在出刀點(diǎn)感興趣區(qū)域中提取出臀鰭圖像[19-22]，然后利用邊緣檢測(cè)提取出臀鰭邊緣輪廓，最后通過角點(diǎn)檢測(cè)確定出刀點(diǎn)，具體流程圖如圖8所示。

圖8 出刀點(diǎn)提取流程圖

在出刀點(diǎn)感興趣區(qū)域中，臀鰭和魚身顏色對(duì)比明顯，灰度直方圖呈現(xiàn)雙峰，通過最大類間方差法可以提取出臀鰭區(qū)域[23]，如圖9(a)所示。利用canny算子邊緣檢測(cè)提取臀鰭邊緣，首先利用二維高斯卷積核K對(duì)圖像進(jìn)行濾波，如式(4)所示：

(4)

式中：σ是高斯函數(shù)的標(biāo)準(zhǔn)差。

接下來通過水平和垂直方向的梯度算子，來計(jì)算梯度的模和方向，如式(5)、式(6)所示：

(5)

(6)

式中：Gu和Gv是水平和豎直方向上的梯度算子，G是梯度的模，θ是梯度方向。

采用非極大值抑制，利用線性插值，去除非邊緣像素[24-29]。提取結(jié)果如圖9(b)所示。

得到臀鰭圖像邊緣后，本研究采用Harris角點(diǎn)檢測(cè)，其數(shù)學(xué)模型如式(7)所示：

(7)

式中：w(u,v)是窗口函數(shù)；E(u1,v1)描述窗口函數(shù)在圖像上滑動(dòng)前與滑動(dòng)后的灰度變化情況；I(u,v)表示像素灰度值強(qiáng)度，范圍是0～255。

根據(jù)Taylor展開式，將式(7)進(jìn)一步化簡(jiǎn)，用Z矩陣表示為式(8)：

(8)

式中：iu表示圖像中每個(gè)像素點(diǎn)u方向的強(qiáng)度，iv表示圖像中每個(gè)像素點(diǎn)v方向的強(qiáng)度。

確定角點(diǎn)的閾值R可用式(9)表示：

R=detZ-k(traceZ)2

(9)

式中：det表示式(6)中Z矩陣特征值的乘積，traceZ表示Z矩陣特征值的和，k是系數(shù)值，取值為0.05[30]。提取出的角點(diǎn)如圖9c所示。遍歷尋找各個(gè)角點(diǎn)中橫坐標(biāo)最小值的角點(diǎn)，該角點(diǎn)即可確定為出刀點(diǎn)位置，如圖9d所示。

圖9 提取出刀點(diǎn)示意圖

2.4 腹部輪廓信息提取

魚的腹部輪廓，存在腹鰭收回和腹鰭打開兩種狀態(tài)，如圖10所示。

圖10 魚腹輪廓中的腹鰭狀態(tài)

對(duì)于腹鰭收回的情況，腹部輪廓是光滑完整的，可以直接提取腹部輪廓。提取到的入刀點(diǎn)與出刀點(diǎn)的位置以及腹部輪廓如圖11所示，圖中uOv面代表像素坐標(biāo)系下的二維平面。

圖11 提取到的入刀點(diǎn)與出刀點(diǎn)位置以及腹部輪廓

對(duì)于腹鰭打開的情況，如圖12所示，魚腹邊緣會(huì)多出腹鰭前后的兩個(gè)角點(diǎn)P、Q，需要將其剔除。

圖12 腹鰭處角點(diǎn)位置

剔除方法：首先通過邊緣檢測(cè)得到入刀點(diǎn)和出刀點(diǎn)之間的輪廓線，然后提取腹部輪廓邊緣上腹鰭處的角點(diǎn)，篩選找到腹部輪廓與腹鰭相交的兩個(gè)角點(diǎn)，直接連接這兩個(gè)角點(diǎn)并去掉腹鰭部分的邊緣點(diǎn)，即可形成理想的腹部輪廓線，過程如圖13所示。

圖13 提取腹部輪廓過程示意圖

3 相機(jī)標(biāo)定

本研究標(biāo)定的目的是得到世界坐標(biāo)系下的魚體腹部輪廓信息，進(jìn)而控制殺魚機(jī)剖腹刀具根據(jù)魚體腹部輪廓變化實(shí)時(shí)調(diào)節(jié)高度位置。如圖14所示。

圖14 腹部輪廓分區(qū)域坐標(biāo)轉(zhuǎn)換

魚體腹部輪廓狹長(zhǎng)，橫跨整張圖像，為了保證精確性，將標(biāo)定板平均分成4個(gè)部分，每個(gè)部分分別對(duì)應(yīng)著魚腹輪廓上從左到右25%的區(qū)域，分區(qū)域進(jìn)行標(biāo)定，每4個(gè)圓點(diǎn)作為一塊標(biāo)定區(qū)域，魚體腹部輪廓邊緣點(diǎn)的像素坐標(biāo)映射在世界坐標(biāo)系下時(shí)，采用對(duì)應(yīng)區(qū)域的M矩陣進(jìn)行坐標(biāo)轉(zhuǎn)換。

標(biāo)定流程流程如圖15所示。

圖15 標(biāo)定流程圖

4 結(jié)果與分析

4.1 入刀點(diǎn)、出刀點(diǎn)位置提取準(zhǔn)確性試驗(yàn)

為了保證剖腹切割的美觀，在剖腹工序中需要定義入刀點(diǎn)和出刀點(diǎn)的位置，入刀點(diǎn)的位置常選在魚鰓下方，出刀點(diǎn)的位置常選在臀鰭前端處，本試驗(yàn)采用了10條魚，試驗(yàn)前標(biāo)注實(shí)際切割魚腹時(shí)的入刀點(diǎn)和出刀點(diǎn)位置，經(jīng)過圖像處理后，測(cè)量提取出的入刀點(diǎn)和出刀點(diǎn)和試驗(yàn)前標(biāo)注的位置是否一致。如圖16所示，其中的黃色角點(diǎn)為試驗(yàn)前所標(biāo)注的入刀點(diǎn)和出刀點(diǎn)，紅色角點(diǎn)為圖像處理后提取的入刀點(diǎn)和出刀點(diǎn)。

圖16 試驗(yàn)前后的入刀點(diǎn)、出刀點(diǎn)位置

本研究選取10條魚，如式(10)所示，統(tǒng)計(jì)其實(shí)際誤差(實(shí)際加工的入刀點(diǎn)和出刀點(diǎn)的位置-圖像處理后得到的入刀點(diǎn)和出刀點(diǎn)的位置)，因?yàn)樵趯?shí)際加工中對(duì)兩個(gè)點(diǎn)的精度要求不高，在合理加工范圍內(nèi)即可，因此誤差保持在毫米級(jí)進(jìn)行統(tǒng)計(jì)，如表1所示。如表1所示，入刀點(diǎn)在水平方向上的最大誤差為2 mm，平均誤差為1.6 mm；在豎直方向上的最大誤差為1.5 mm，平均誤差為1.25 mm；出刀點(diǎn)在水平方向上的最大誤差為2 mm，平均誤差為1.5 mm；在豎直方向上的最大誤差為1.5 mm，平均誤差為1.25 mm。

表1 腹部輪廓可靠性試驗(yàn)誤差分析表

可以發(fā)現(xiàn)，標(biāo)定后得到入刀點(diǎn)的位置在水平、豎直方向上都是偏大的，原因是在圖像處理中，經(jīng)過閾值分割、圖像濾波等操作，會(huì)造成個(gè)別像素點(diǎn)的丟失，同時(shí)因?yàn)轸~鰓處的最小外接矩形的長(zhǎng)邊斜率范圍在(-π/2,π/2)之間，所以會(huì)造成圖像處理后得到的入刀點(diǎn)后移的情況，如圖17所示。而同時(shí)，出刀點(diǎn)的位置在兩個(gè)方向上都偏小，原因是對(duì)出刀點(diǎn)感興趣區(qū)域進(jìn)行閾值分割時(shí)，因?yàn)榉讲畲韴D像灰度值分布的均勻程度，若前景和背景差別不大，即直方圖雙峰不明顯時(shí)，導(dǎo)致類間方差變小，導(dǎo)致臀鰭區(qū)域出現(xiàn)分割不精確、像素?cái)?shù)量增加的情況。

圖17 魚鰓區(qū)域最小外接矩形引起入刀點(diǎn)出現(xiàn)偏移

此外，在水平方向上，標(biāo)定后入刀點(diǎn)的位置比實(shí)際所設(shè)定的入刀點(diǎn)位置大，同時(shí)出刀點(diǎn)的位置比實(shí)際所設(shè)計(jì)出刀點(diǎn)的位置小，這樣會(huì)造成剖切的魚腹偏小，但根據(jù)試驗(yàn)測(cè)量，最大誤差不影響實(shí)際的加工生產(chǎn)，也不會(huì)影響后續(xù)的去內(nèi)臟工序，因此該誤差滿足加工要求。在豎直方向上，因?yàn)閷?shí)際加工中入刀點(diǎn)的位置和圖像處理后入刀點(diǎn)的位置均在魚腹上，所以誤差對(duì)實(shí)際加工不會(huì)造成影響，而出刀點(diǎn)的最大誤差也不會(huì)造成刀具劃破苦膽，因此該方法提取入刀點(diǎn)和出刀點(diǎn)位置準(zhǔn)確。

4.2 腹部輪廓提取可靠性試驗(yàn)

本試驗(yàn)主要驗(yàn)證經(jīng)過本研究提取到的魚體腹部輪廓，經(jīng)過坐標(biāo)轉(zhuǎn)換后，如圖18所示，在世界坐標(biāo)系下得到的腹部輪廓是否可以和魚體的腹部準(zhǔn)確重合。

圖18 相機(jī)標(biāo)定后得到的魚腹輪廓與測(cè)量前魚腹的對(duì)比情況

由圖18可以看到，經(jīng)過相機(jī)標(biāo)定后得到的魚腹輪廓和實(shí)際的魚體腹部輪廓近似一致，但在個(gè)別區(qū)域存在誤差，經(jīng)過測(cè)量，最大誤差為1 mm，該誤差主要來自系統(tǒng)誤差，包括標(biāo)定誤差以及在取點(diǎn)時(shí)出現(xiàn)偏差，但不影響實(shí)際生產(chǎn)加工。以上試驗(yàn)的誤差的主要來源是：1)標(biāo)定矩陣的誤差。該誤差來源于相機(jī)標(biāo)定時(shí)鏡頭的分辨率以及標(biāo)定板的精度，可以通過選取更高分辨率的鏡頭以及精度更高的標(biāo)定板來減少誤差。2)圖像處理中，對(duì)于Harris角點(diǎn)檢測(cè)以及連通域最小外接矩形的提取，均會(huì)存在誤差，對(duì)精度產(chǎn)生影響，采用雙閾值的Harris角點(diǎn)檢測(cè)方法以及優(yōu)化外接矩形計(jì)算方法可以減少誤差。但對(duì)于殺魚機(jī)剖腹工序來說，理想的剖腹工序是保持一定的進(jìn)刀量，沿著腹部輪廓進(jìn)行走刀切割即可，因此試驗(yàn)過程中產(chǎn)生的誤差在合理范圍內(nèi)。

5 總結(jié)

提出了一種用于殺魚機(jī)剖腹刀具自動(dòng)控制的視覺檢測(cè)方法，設(shè)計(jì)了相應(yīng)的算法提取入刀點(diǎn)、出刀點(diǎn)以及腹部輪廓，并進(jìn)行了試驗(yàn)驗(yàn)證和誤差分析，可以滿足精度要求。該方法能夠控制剖腹刀具對(duì)不同尺寸大小的魚實(shí)現(xiàn)高質(zhì)量的腹部輪廓切割，并且有望普及到其他魚種的工業(yè)流水線加工，滿足生產(chǎn)自動(dòng)化、智能化的需求，可以避免傳統(tǒng)的漁業(yè)加工方式造成的加工質(zhì)量問題，提高漁業(yè)加工的經(jīng)濟(jì)效益。本研究通過機(jī)器視覺技術(shù)檢測(cè)到魚體腹部輪廓，進(jìn)而控制剖腹刀具自動(dòng)調(diào)整高度，且能保證精度要求，可以準(zhǔn)確提取魚體的腹部輪廓，為殺魚機(jī)剖腹刀具精確控制提供數(shù)據(jù)支持。

□