基于幾何特性參數的庫爾勒香梨質量預測的研究

王虎挺，吳杰，胡蓉，李凡

（石河子大學機械電氣工程學院，石河子832003）

基于幾何特性參數的庫爾勒香梨質量預測的研究

王虎挺，吳杰，胡蓉，李凡

（石河子大學機械電氣工程學院，石河子832003）

采用圖像法獲取香梨的三軸徑和投影面積，通過線性或非線性回歸分析的方法分析了這些幾何參數與香梨質量之間的關系。結果表明：在基于三軸徑的預測模型中，由長軸徑和中軸徑（或短軸徑）兩個自變量組成的線性回歸模型與質量顯著相關，為最優(yōu)模型；在基于投影面積的預測模型中，以包含長軸徑所在的投影面積為自變量的二項式回歸模型與質量顯著相關，為最優(yōu)模型。這說明采用香梨幾何參數預測質量方法是可行的，而且這種方法可為采用機器視覺方法進行香梨質量分級提供依據。

庫爾勒香梨；幾何特性；質量預測；圖像法

庫爾勒香梨是新疆特色水果，在國際市場上被譽為“梨中珍品”，2008年新疆香梨產量已達20萬t，出口約3萬t［1］。為了提高新疆香梨的商品價值及其在國際梨果高端市場上的競爭力，農業(yè)部標準NY／T585－2002［2］規(guī)定特級、一級和二級的香梨的分類依據其單果質量不同來分級，通常特級香梨單果質量為120～160g。目前，香梨稱重分級主要依靠人工方法，分級效率很低。為克服這一缺點，阿克蘇紅旗坡農場引進果品自動稱重分級流水線以提高香梨質量分級的效率，但香梨在流水線分單輸送至稱重臺過程中碰撞頻繁而出現了過高的果損率。

由于果蔬的尺寸與其質量存在一定關系，因此為了避免果品單果稱重所存在的效率低下、人為誤差較大的以及自動稱重時果損率較高的缺點，國外有研究針對馬鈴薯、蘋果、獼猴桃等果蔬［3－7］，提出利用其幾何特性尺寸來預測質量。近年來，隨著計算機圖像處理技術在果品果形分類方面的應用，使得果品外觀特征尺寸信息的獲取成為可能［8－9］。本研究認為，香梨可以在機器視覺進行外觀品質分級的同時，通過提取其幾何特性信息預測其質量，以簡化香梨質量自動分級流水線，這樣既可降低香梨自動分級流水線的費用，又可減少香梨不必要的機械損傷。為此，本文采用計算圖像處理技術對香梨的幾何特性進行分析，建立預測香梨質量的數學模型，以期為香梨質量自動分級裝備的設計提供依據。

1 材料與方法

1.1 材料

本研究的香梨樣本采自巴州地區(qū)庫爾勒市農二師28團場梨園，隨機挑選無損傷、無蟲害，且剔除畸形果形的香梨90只，將香梨貯藏于溫度（0±1）℃，相對濕度（90±5）%的冷藏室，避免香梨質量變化。

1.2 幾何特性參數的實測

本研究假設香梨的形狀為三維橢球體［10］（圖1），則香梨的三軸直徑為：長軸徑a（外接球直徑）、中軸徑b（與a垂直的最大直徑）、短軸徑c（與a、b垂直的直徑）。用數顯游標卡尺測量香梨的三個軸徑a、b、c，分別為：長軸徑a、中軸徑b和短軸徑c；采用數方格法［11］測量香梨三個相互垂直的投影面的面積Pab、Pac、Pbc。其中Pab為長軸a和中軸b所在的橫截面，Pac為長軸a和短軸c所在的橫截面，Pbc為中軸b和短軸c所在的橫截面。香梨的質量由數字式電子稱（精度為0.01g）稱量。

圖1 香梨的三軸直徑Fig.1The dimensions of a Kolar pear

1.3 幾何特性參數的圖像法獲取

香梨的圖像采集裝置由CCD數碼相機、計算機、高度調節(jié)裝置、背景板、光源箱組成，如圖2所示。

采集圖像時，將相機攝像頭與測量臺間距調節(jié)至19cm，光源為白熾燈點光源，香梨放置于白背景的底板上，采集在香梨長軸上成90°垂直的兩個方向的圖像，然后利用Matlab7.0對圖像依次進行RGB分量提取、二值化處理和邊界檢測，獲得香梨的外輪廓圖像及軸徑參數和投影面積參數的像素值［12－14］（圖3）。將像素值與實測值進行線性擬合，獲得軸徑和投影面積的修正系數（圖4、圖5），最后利用修正系數將像素值轉化成相應的軸徑值和投影面積數值。

圖2 圖像采集處理裝置Fig.2Image acquisition system

圖3 香梨圖像處理過程Fig.3

圖4 獲得長軸徑a修正系數的線性擬合圖Fig.4The linear fitting for correction coefficient of Major a

圖5 獲得投影面積Pab修正系數的線性擬合圖Fig.5The linear fitting for correction coefficient of Projected area Pab

1.4 香梨質量預測的方法

針對香梨質量與三軸徑、投影面積和體積之間的關系，本研究提出了二種預測香梨質量的回歸模型，第1種：香梨質量與其三軸徑中某一個或三個進行線性擬合，二項式擬合或乘冪形式擬合獲得的回歸模型；第2種：香梨質量與三個投影面積中某一個或三個進行線性擬合二項式擬合或乘冪形式擬合獲得的回歸模型。

采用SPSS11.5統(tǒng)計軟件對所述總計26個模型分別進行分析，確定回歸方程的決定系數（擬合度）R2和標準偏差，然后根據最大決定系數R2和最小標準偏差SD值確定預測香梨質量最優(yōu)回歸模型。

2 結果與分析

2.1 基于三軸徑的質量預測模型

由表1所示，模型4～9分別以中軸b和（或）短軸c為自變量進行質量預測，其相關系數相近，從算法實現來看，可選擇中軸b和短軸c中一個變量進行質量預測即可。模型13的相關系數最高，但包含了3個軸徑，從圖像法測量角度看，增加了檢測裝置操作的復雜性。相比較而言，模型11和12均有較高的相關系數，與模型13的相關系數接近，且參數只包含長軸和中軸或短軸，在圖像法測量中易于操作實現，更適用于香梨的質量預測。

表1 基于三軸徑的香梨質量預測回歸模型Tab.1Different regression models for predication mass of Korla fragrant pears based on dimensions

2.2 基于投影面積的質量預測模型

由表2所示，模型1～6分別以投影面積Pab和Pac為自變量進行質量預測，其相關系數相近，從算法實現來看，可選擇Pab和Pac其中一個進行質量預測即可。模型10、11、12、13均有很高的相關系數，但參數包含了2個或3個投影面積，從圖像法測量角度看，增加了檢測裝置操作的復雜性。相比較而言，模型2和5均有較高的相關系數，且參數只包含Pab或Pac，而且在圖像法測量中易于操作實現，更適合進行香梨的質量預測。

表2 基于投影面積的香梨質量預測回歸模型Tab.2Different regression models for predication mass of Korla fragrant pears based on projected area

3 結論

1）香梨的實測參數與圖像法獲得的參數有很高的線性相關性，其相對誤差小于2%，可完全滿足香梨質量模擬對數據的準確性要求。

2）香梨的軸徑參數與其質量顯著相關。在基于軸徑的質量預測模型中，以香梨長軸a和中軸b或短軸c為自變量的線性質量預測模型更為適宜；香梨的投影面積參數與其質量顯著相關，在基于投影面積的質量預測模型中，以投影面積Pab或Pac為自變量的二項式質量預測模型更為適宜。

3）在進行香梨質量預測時，放置香梨使其長軸徑a平行于背景平面，就可滿足幾何參數的提取，從而保證香梨質量預測的準確性。

［1］《庫爾勒香梨產業(yè)化發(fā)展研究》課題組.庫爾勒香梨產業(yè)化發(fā)展的思路和建議［EB／OL］.http：／／kjj.xjbz.gov.cn／html／2006／2008－4／9／2008＿04＿09＿668.html，2008－04－09.

［2］中華人民共和國農業(yè)行業(yè)標準.NY／T585－2002庫爾勒香梨［S］，2002.

［3］Rashidi M，Seyvan K.Modeling of Kiwifruit mass based on outer dimensions and projected area［J］.American－Eurasian J Agric ＆ Environ Sci，2008，3（1）：26－29.

［4］Rashidi M，Seyvan K，Gholami M.Determination of Kiwifruit volume using image processing［J］.ARPN Journal of Agricultural and Biological Science，2007，2（6）：17－22.

［5］Pitts M J，Hyde G M，Cavalieri R P.Modeling potato tuber mass with tuber dimensions［J］.Transactions of the ASAE，1987，30（4）：1154－1159.

［6］Tabatabaeefar A，Rajabipour A.Modeling the mass of apples by its geometrical attributies［J］.Scientia Horticulture，2005，105：373－382.

［7］Lorestani A N，Tabatabaeefar A.Modelling the mass of kiwi fruit by geometrical attributes［J］.Int.Agrophysics，2006，20：135－139.

［8］Keramat Jahromi，Rafiee M，Jafari S，et al.Determination of dimension and area properties of data（Behri）by image analysis［J］.International Conference on Agricultural Food and Biological Engineering＆Post Harvest／Production Technology，2007（6）：21－24.

［9］高華，王雅琴.基于計算機視覺的農產品分級系統(tǒng)研究［J］.計算機工程與應用，2004（14）：228－229.

［10］周祖鍔.農業(yè)物料學［M］.北京：農業(yè)出版社，1994：55－62.

［11］于東寧，張國安，李健寧.瘢痕面積及其不規(guī)則程度的定量測量方法研究［J］.中國美容醫(yī)學，2005，15（5）：486－489.

［12］屈年巍，馬本學，王維新，等.基于機器視覺和人工神經網絡的庫爾勒香梨顏色分級［J］.石河子大學學報：自然科學版，2010，28（4）：515－518.

［13］李景彬，坎雜等.基于機器視覺的脫絨棉種外觀質量檢測裝置的研究［J］.石河子大學學報：自然科學版，2006，24（6）：761－764.

［14］馬本學.基于數學形態(tài)學的香梨果梗提取方法［J］.石河子大學學報：自然科學版，2008，26（5）：636－638.

Models for Predicting the Mass of Korla Fragrant Pear by Geometrical Parameters

WANG Huting，WU Jie，HU Rong，LI Fan
（College of Machinery and Electricity Engineering，Shihezi University，Shihezi 832000，China）

Three mutually perpendicular diameters and projected area of Korla fragrant pear were determined using image processing methods.Different linear and nonlinear regression models for mass prediction of Korla fragrant pears based on these geometrical parameters were identified.The results indicated that among the mass prediction models of Korla fragrant pear based on diameters，the linear model with the independent variables as major and intermediate diameter（or minor diameter）had higher correlation.Also，among the mass prediction models based on the projected area，the polynomial model with the independent variable as the projected area which include the major diameter can be optimum.The results showed that it is feasible to predict the mass of Korla fragrant pear using geometrical parameters，and it can supply basis for the research of mass classification using machine vision method.

Korla fragrant pear；geometrical parameters；mass prediction；image processing methods

R337.3

A

1007－7383（2011）03－0370－04

2011－03－04

王虎挺（1982－），男，講師，碩士研究生，專業(yè)方向為農產品品質安全與檢測；e－mail：wht＿jdxy＠shzu.du.cn。

吳杰（1972－），男，副教授，碩士生導師，從事農產品品質安全與檢測研究；e－mail：wjie＿mac＠shzu.edu.cn。