基于RGB顏色模型的番茄識別系統(tǒng)設(shè)計*

陶彥輝，尹君馳，方 菲

(新疆工程學(xué)院機械工程系，新疆烏魯木齊 830000)

0 引言

新疆是國內(nèi)主要番茄制品加工區(qū)，在番茄制品的初次加工中，首要工作是挑選出未成熟的番茄，顏色識別系統(tǒng)是其核心部分。目前番茄分選方法主要采用人工分選，由于人的主觀因素以及重復(fù)工作造成的視覺疲勞，人工分選效率低下且精度不高，如采用番茄顏色識別系統(tǒng)可以提高番茄分選的生產(chǎn)效率和自動化程度。

筆者應(yīng)用LabVIEW中的Vision開發(fā)模塊，編制程序利用USB攝像頭進行圖像采集，對圖像中的RGB顏色模型應(yīng)用軟件進行直方圖修正以提高圖像的清晰度，修正后對圖像采用鄰域平均法進行去噪，消除外界干擾后采用最優(yōu)閾值分割法對番茄圖像進行分割，使目標(biāo)物體與背景分離。目標(biāo)物體和背景分離后，采用程序提取圖像中像素的R、G、B分量值，最后根據(jù)圖像中像素的R、G、B分量值的差異對成熟番茄與未成熟番茄進行顏色識別［1］。

1 顏色模型的選定

國內(nèi)研究的番茄識別系統(tǒng)主要采用基于HSI顏色模型的色調(diào)統(tǒng)計閾值方法，該方法通過對比不同成熟期番茄灰度值的差異，基本可以實現(xiàn)成熟和未成熟番茄圖像的分割，但該方法不能實現(xiàn)番茄圖像的自動閾值分割，同時對光照的變化的適應(yīng)能力也差［2］。采用基于RGB顏色模型的番茄識別系統(tǒng)能夠?qū)崿F(xiàn)自適應(yīng)閾值處理，能對不同自然光照強度下的目標(biāo)圖像進行有效分割，同時基于RGB顏色模型對番茄的成熟度及品種差異也具有很好的魯棒性，其性能要優(yōu)于基于HSI顏色模型的色調(diào)統(tǒng)計閾值方法［3］。

RGB顏色模型采用紅(R)、綠(G)、藍(B)三種顏色分量表示，R、G、B為其基本色，對基本色進行疊加，就可產(chǎn)生各種顏色。RGB顏色模型中，采用笛卡爾坐標(biāo)系下的1個單位長度的立方體表示顏色，不同顏色處在立方體上或其內(nèi)部，并可用從原點出發(fā)的向量來定義，即 R，G，B 的值都在［0，1］范圍內(nèi)取值［4］。

2 顏色識別模塊

2．1 直方圖修正

由于采集到的圖像灰度的分布集中，造成圖像清晰度不足，為此需采用直方圖修正使圖像灰度分布均勻化，以提高圖像的清晰度。本軟件利用LabVIEW中的Vision工具庫下color processing即顏色處理模板所帶的圖像色彩分析曲線圖IMAQ color Histograph子 VI［5］，對采集到的圖像的直方圖進行均衡化修正法，原圖像的直方圖通過變換函數(shù)修正為均勻的直方圖。［6］圖1為原始圖像及其直方圖，圖2為直方圖均衡化圖像及其直方圖。

圖1 原始圖像及原始圖像直方圖

圖2 直方圖均衡化后的圖像及其直方圖

2．2 平滑去噪處理

原始圖像在采集和傳輸?shù)倪^程中，會受到各種干擾，使圖像質(zhì)量下降，為了抑制噪聲改善圖像質(zhì)量，必須對采集到的圖像進行平滑去噪。本軟件采用領(lǐng)域平均法去噪，運用LabVIEW中Vision工具庫濾波器模塊filters中的子 VI進行編程，使窗口模板沿圖像逐行逐列移動，待處理窗口模板中的原始圖像像素灰度值與整體圖像的灰度平均值之差超過了某一閾值時，則該像素處的灰度值用平均值來代替，否則該像素的灰度不變。

圖3是原始圖像及平滑去噪后的圖像對比，從圖中可以看出平滑去噪后的圖像較為干凈。

圖3 原始圖像及平滑去噪后的圖像對比

2．3 最優(yōu)閥值分割法

利用Vision中的形態(tài)處理模塊Morphology中的子VI對圖像進行最優(yōu)閥值分割，把其中感興趣的像素分離出來作為前景圖像像素，把不感興趣的其余部分作為背景圖像像素。本文中對番茄飽和度S采用最優(yōu)閥值法對番茄圖像進行分割，取一個最優(yōu)閾值(常數(shù))，灰度值小于該最優(yōu)閥值時為背景圖像像素，灰度值大于該最優(yōu)閥值時時為番茄圖像像素值。圖4為最優(yōu)閥值分割法部分原代碼。

圖4 最優(yōu)閥值分割法部分原代碼

2．4 顏色識別

圖像進行最優(yōu)閥值分割后，分割出前景圖像像素，提取前景圖像像素中的R、G、B顏色分量。對R、G、B顏色分量進行對比運算。當(dāng)R≥0．64G+1．26B時，可以把色調(diào)為紅色的像素從RGB三角形中分離開來，即圖像中像素的R、G、B分量值滿足式R≥0．64G+1．26B，則其該像素的色調(diào)為紅色，即認為是成熟番茄的顏色［7］。

3 實驗與結(jié)果分析

采用普通USB攝像頭進行數(shù)據(jù)采集，對采集到圖像中的成熟番茄及其他顏色果實(淡綠色)應(yīng)用以上系統(tǒng)進行識別，可得如圖所示的結(jié)果。采用基于RGB顏色模型的番茄識別系統(tǒng)能夠?qū)崿F(xiàn)自適應(yīng)閾值處理，能對不同自然光照強度下的目標(biāo)圖像進行有效分割，處理后得到的成熟番茄目標(biāo)輪廓比較完整。對100幅番茄圖像進行識別試驗表明，正確識別率達到92%以上。

圖5 基于RGB顏色模型的番茄識別系統(tǒng)實驗

4 結(jié)語

采用基于RGB顏色模型的番茄識別是可行的方法，能對不同自然光照強度下的目標(biāo)圖像進行有效分割，試驗結(jié)果表明對番茄處理的效果較好，可以準確判別未成熟的番茄。同時利用LabVIEW的Vision工具包可以縮短程序開發(fā)的周期。

由于軟件在閥值分割法后，未對番茄圖象進行有情況，如圖9所示。可以明顯看出仿生刀齒切削力主要集中在凸起單元上，而基面上的受力很小，這主要是因為在切削過程中，土壤很難接觸到刀齒基面，不能直接形成力的作用。這樣就減少了刀具與土壤的接觸面積。進而減少了刀具與土壤的粘附力。

圖9 仿生刀齒凸起單元與基體單元受力對比圖

3 結(jié)語

本文采用ANSYS建立了刀具切削土壤的有限元模型，運用LS－DYNA顯示動力學(xué)分析程序［5］對刀具切削土壤過程進行了求解計算。并且與仿生刀具的切削做對比，研究仿生刀具的減阻脫土效果［6－8］。通過研究表明:仿生刀具表面凸起按照優(yōu)化的參數(shù)設(shè)計，可以起到減小阻力的效果。

［1］ Barthelat F．Biomimetics for Next Generation Materials［J］．Philosophical Transactions of the Royal Society A:Mathematical，Physical and Engineering Sciences，2007，365(1861):2907－2919．

［2］ Bhushan B．Biomimetics:lessons from Nature－an Overview［J］．Philosophical Transactions of the Royal Society A:Mathematical，Physical and Engineering Sciences，2009，367(1893):1445－1486．

［3］ 徐中華，王建華．有限元法分析土壤切削問題的研究進展［J］．農(nóng)業(yè)機械學(xué)報，2015，36(1):134－137．

［4］ 馬愛麗．基于ANSYSLS_DYNA的螺旋刀具土壤切削的數(shù)值模擬［J］．華中農(nóng)業(yè)大學(xué)學(xué)報，2009，28(2):248－252．

［5］ 曾德超．機械土壤動力學(xué)［M］．北京:北京科學(xué)技術(shù)出版社，1995．

［6］ 郭志軍，周志立，任露泉．仿生彎曲型耕作工具耕作 性能的二維有限元分析［J］．機械工程學(xué)報，2003，39(9):106－109．

［7］ 從 茜．非光滑減粘降阻機理及觸土部件仿生改形研究［D］．長春:吉林工業(yè)大學(xué)，1992．

［8］ 任露泉，李建橋，陳秉聰．非光滑表面的仿生降阻研究［J］．科學(xué)通報，1995，40(19):1812－1814．