基于面積的獼猴桃大小分級(jí)檢測(cè)算法

【摘要】根據(jù)獼猴桃的外形特征，提出了一種以橫截面積為依據(jù)的獼猴桃分級(jí)檢測(cè)算法。算法將經(jīng)灰度轉(zhuǎn)換后的獼猴桃圖像進(jìn)行自適應(yīng)中值濾波處理，以去除圖像的噪點(diǎn)，然后采用Otsu方法進(jìn)行背景分割，并計(jì)算出獼猴桃的橫截面積，以此面積為依據(jù)對(duì)獼猴桃進(jìn)行大小分級(jí)。實(shí)驗(yàn)數(shù)據(jù)表明該方法的分級(jí)正確率可高達(dá)87%且單果分級(jí)的平均速率可達(dá)1.83秒/個(gè)。

【關(guān)鍵詞】分級(jí)檢測(cè)技術(shù)；自適應(yīng)中值濾波；Otsu方法；特征提取

1.引言

利用計(jì)算機(jī)視覺(jué)對(duì)水果進(jìn)行自動(dòng)分級(jí)是國(guó)內(nèi)一大熱點(diǎn)，但是從現(xiàn)實(shí)來(lái)看，獼猴桃的分級(jí)技術(shù)很落后，基本依靠果農(nóng)或冷機(jī)械手工分級(jí)，效率低誤差大，從而造成勞動(dòng)力及果品浪費(fèi)等現(xiàn)象。雖然國(guó)內(nèi)有很多類(lèi)似的研究致力于實(shí)現(xiàn)對(duì)各種果品的分級(jí)，但基本是針對(duì)蘋(píng)果等類(lèi)圓形果品。Paulus等[1]人提出以表面積、直徑和體積作為表征果品大小的參數(shù)，但并未做進(jìn)一步的研究實(shí)驗(yàn)驗(yàn)證。劉禾、汪懋華等[2]通過(guò)求取最大果寬和果軸長(zhǎng)度來(lái)估測(cè)果品最大果徑，并給出2個(gè)參數(shù)的系數(shù)，依照此系數(shù)計(jì)算出表征果品大小的數(shù)學(xué)關(guān)系式?？登缜鏪3]利用改進(jìn)的面積投影法計(jì)算果品的平均直徑，并以此作為大小分級(jí)的標(biāo)準(zhǔn)。此外，越來(lái)越多的新興技術(shù)在水果分級(jí)領(lǐng)域被引用，如柏流芳[4]引入DSP技術(shù)對(duì)蘋(píng)果進(jìn)行動(dòng)態(tài)實(shí)時(shí)的大小和形狀分級(jí)，劉燕德[5]利用LED組合光源實(shí)現(xiàn)對(duì)水晶梨可溶性固形物的在線(xiàn)檢測(cè)等。

本文獼猴桃大小分級(jí)算法是將獲得的獼猴桃圖像經(jīng)過(guò)自適應(yīng)中值濾波等圖像預(yù)處理后，利用Otsu方法進(jìn)行背景分割得到獼猴桃目標(biāo)區(qū)域，再以目標(biāo)區(qū)域的面積作為分級(jí)依據(jù)得出大小等級(jí)分級(jí)結(jié)果。實(shí)驗(yàn)數(shù)據(jù)表明：該分級(jí)檢測(cè)算法的分級(jí)正確率和分級(jí)速率均達(dá)到了實(shí)際生產(chǎn)應(yīng)用的基本要求，可為獼猴桃大小自動(dòng)化分選提供參考。

2.分級(jí)檢測(cè)算法的描述

獼猴桃分級(jí)檢測(cè)算法由以下幾部分組成：對(duì)彩色獼猴桃圖像的預(yù)處理、目標(biāo)區(qū)域面積的計(jì)算和獼猴桃大小分級(jí)結(jié)果的輸出。具體檢測(cè)流程如圖1所示。

3.圖像預(yù)處理

3.1 圖像的灰度轉(zhuǎn)換

3.2 圖像的平滑去噪

自適應(yīng)中值濾波器的濾波方式和常規(guī)的中值濾波器一樣，都使用一個(gè)矩形區(qū)域的窗口Sxy，不同的是在濾波過(guò)程中，自適應(yīng)濾波器會(huì)根據(jù)一定的設(shè)定條件改變?yōu)V波窗的大小[6]，當(dāng)判斷濾波窗中心的像素是噪聲時(shí)，噪聲點(diǎn)值用中值代替，否則不改變當(dāng)前像素值。由于上述特性，自適應(yīng)中值濾波算法較其它濾波算法具有更好的圖像細(xì)節(jié)保留效果。故在采用自適應(yīng)中值濾波算法對(duì)采集的獼猴桃圖像進(jìn)行去噪處理時(shí)，能較好地保留住獼猴桃圖像的細(xì)節(jié)從而確保分級(jí)結(jié)果的正確性。

自適應(yīng)中值濾波算法由兩個(gè)部分組成，第一層（Leve1 A）用于對(duì)圖像各區(qū)域進(jìn)行噪聲檢測(cè)并根據(jù)各區(qū)域受噪聲污染的狀況確定濾波窗口Sxy的尺寸。第二層（Leve1 B）用于對(duì)檢測(cè)出的噪聲點(diǎn)進(jìn)行濾波[7]。

目標(biāo)區(qū)域面積的具體計(jì)算過(guò)程是先將經(jīng)過(guò)Otsu閾值分割的二值化獼猴桃圖像（這時(shí)獼猴桃區(qū)域?yàn)楹谏渌麉^(qū)域?yàn)榘咨┤》?，將黑白顏色區(qū)域?qū)φ{(diào)，獼猴桃區(qū)域變?yōu)榘咨Ｈ缓罄胋warea函數(shù)計(jì)算出白色區(qū)域的像素點(diǎn)的個(gè)數(shù)total，再利用公式（9）得出獼猴桃的面積S，利用S值的差異便可實(shí)現(xiàn)對(duì)獼猴桃大小的分級(jí)。

6.結(jié)果與分析

6.1 實(shí)驗(yàn)結(jié)果

計(jì)算機(jī)為實(shí)驗(yàn)的仿真平臺(tái)，其硬件環(huán)境為Intel I5-2430M的處理器，2.40GHZ的主頻，2GB的運(yùn)行內(nèi)存。其軟件環(huán)境為32位的Windows 7操作系統(tǒng)和Matlab 7.0的仿真工具。實(shí)驗(yàn)先選用海沃德獼猴桃100多組，根據(jù)2010年成都市獼猴桃協(xié)會(huì)出臺(tái)的《海沃德獼猴桃鮮果分級(jí)標(biāo)準(zhǔn)》，統(tǒng)計(jì)得出獼猴桃質(zhì)量分級(jí)標(biāo)準(zhǔn)與面積分級(jí)標(biāo)準(zhǔn)間的對(duì)應(yīng)關(guān)系。如表1所示。再隨機(jī)選用海沃德獼猴桃35組，通過(guò)對(duì)比實(shí)驗(yàn)測(cè)出的最大橫截面分級(jí)結(jié)果和稱(chēng)重得出的分級(jí)結(jié)果，統(tǒng)計(jì)得出表2。實(shí)驗(yàn)中統(tǒng)計(jì)得出獼猴桃的單果分級(jí)平均速率可達(dá)1.83秒/個(gè)。圖4所示給出了典型大型、中型、小型果的實(shí)驗(yàn)結(jié)果圖。

6.2 結(jié)果分析

分析表2的實(shí)驗(yàn)數(shù)據(jù)可知：①該獼猴桃大小分級(jí)檢測(cè)算法的分級(jí)正確率可高達(dá)87%且平均單果分級(jí)速率可達(dá)1.83秒/個(gè)。②實(shí)驗(yàn)中出現(xiàn)錯(cuò)誤的分級(jí)結(jié)果的主要有兩種情況：a.果品重量過(guò)于接近分級(jí)標(biāo)準(zhǔn)的等級(jí)分界值；b.果品的果形過(guò)于扁平化。但是在大基數(shù)的實(shí)際生產(chǎn)應(yīng)用中，這兩種錯(cuò)誤情況的影響是十分有限的。圖5給出了扁平化的一級(jí)果錯(cuò)誤分級(jí)實(shí)驗(yàn)圖，若按橫截面積分級(jí)為三級(jí)果，但按質(zhì)量分級(jí)其應(yīng)劃分為一級(jí)果。

7.總結(jié)

人工分級(jí)方法勞動(dòng)強(qiáng)度大，缺少客觀性和準(zhǔn)確性，嚴(yán)重影響獼猴桃分級(jí)的效率和精度。計(jì)算機(jī)視覺(jué)技術(shù)為根據(jù)獼猴桃大小進(jìn)行分級(jí)檢測(cè)提供了一種自動(dòng)、無(wú)損、高效的方法。本文利用獼猴桃的最大橫截面積作為獼猴桃大小分級(jí)的重要依據(jù)，根據(jù)獼猴桃的外形特征，提出了一種以橫截面積為依據(jù)的獼猴桃分級(jí)檢測(cè)算法。算法將經(jīng)灰度轉(zhuǎn)換后的獼猴桃圖像進(jìn)行自適應(yīng)中值濾波處理，以去除圖像的噪點(diǎn)，然后采用Otsu方法進(jìn)行背景分割，最后計(jì)算出獼猴桃的橫截面積進(jìn)行大小分級(jí)。該算法達(dá)到了較好的預(yù)期分級(jí)效果。實(shí)驗(yàn)仿真結(jié)果表明，該方法用于獼猴桃自動(dòng)分級(jí)是可行的，有著廣泛的應(yīng)用前景。

參考文獻(xiàn)

[1]Paulus I，De Busscher R，Schrevens E.Use of image analysis to investigate human quality classification of apples[J].Journal of Agricultural Engineering Research，1997，68（4）：341-353.

[2]劉禾，汪懋華.水果果形判別人工神經(jīng)網(wǎng)絡(luò)專(zhuān)家系統(tǒng)的研究[J].農(nóng)業(yè)工程學(xué)報(bào)，1996，12（1）：171-176.

[3]康晴晴.基于機(jī)器視覺(jué)的蘋(píng)果檢測(cè)分級(jí)方法研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué)，2007.

[4]柏流芳.基于DSP的蘋(píng)果大小和形狀動(dòng)態(tài)分級(jí)系統(tǒng)的研究[D].北京：中國(guó)農(nóng)業(yè)大學(xué)，2006.

[5]劉燕德，彭彥穎，高榮杰，等.基于LED組合光源的水晶梨可溶性固形物和大小在線(xiàn)檢測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（11）：338-343.

[6]劉穎，陳謹(jǐn)女.自適應(yīng)中值濾波算法在圖像處理中的應(yīng)用[J].物聯(lián)網(wǎng)技術(shù)，2013（3）：51-54.

[7]王建華，王春平，賈洪濤.自適應(yīng)中值濾波器在圖像降噪技術(shù)中的應(yīng)用[J].測(cè)控技術(shù)，2004，23（5）：54-55.

[8]Ostu N.A threshold selection method from gray-level histogram.IEEE Transactions on SMC，1979，9（1）：62-69.

基金項(xiàng)目：吉首大學(xué)大學(xué)生研究性學(xué)習(xí)和創(chuàng)新性實(shí)驗(yàn)計(jì)劃立項(xiàng)項(xiàng)目（項(xiàng)目編號(hào)：JSU-CX-2013-11）。

通訊作者：張書(shū)真。