基于MATLAB的桑蠶繭選繭輔助檢驗(yàn)方法的研究

陳　浩, 楊　崢, 劉　霞, 邵　玲

(山東省纖維檢驗(yàn)局 國(guó)家繭絲綢產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心(山東), 濟(jì)南 250032)

?

基于MATLAB的桑蠶繭選繭輔助檢驗(yàn)方法的研究

陳浩, 楊崢, 劉霞, 邵玲

(山東省纖維檢驗(yàn)局 國(guó)家繭絲綢產(chǎn)品質(zhì)量監(jiān)督檢驗(yàn)中心(山東), 濟(jì)南 250032)

摘要:針對(duì)目前桑蠶繭選繭均采用人工視覺進(jìn)行判別易導(dǎo)致誤選率高的問(wèn)題,采用MATLAB軟件對(duì)桑蠶繭彩色圖像進(jìn)行圖像處理和數(shù)值計(jì)算的方法,從計(jì)算機(jī)視覺的角度,對(duì)桑蠶繭表面污斑面積的自動(dòng)檢測(cè)進(jìn)行了分析,得到了一種智能化和自動(dòng)化的選繭輔助檢驗(yàn)方法。研究結(jié)果表明：在多光源拍攝彩色圖像和進(jìn)行準(zhǔn)確相機(jī)標(biāo)定的條件下,將桑蠶繭彩色圖像經(jīng)過(guò)彩色空間轉(zhuǎn)換、圖像增強(qiáng)和二值化等處理后,桑蠶繭表面污斑面積的自動(dòng)檢測(cè)快速且具有較高的準(zhǔn)確度,顏色淺淡和多個(gè)污斑的樣品同樣具有良好的檢測(cè)效果,所采集圖像與實(shí)際大小之間的差異可采用立體相機(jī)進(jìn)行三維模型重建來(lái)消除。

關(guān)鍵詞:桑蠶繭; 選繭; MATLAB; 計(jì)算機(jī)視覺; 圖像處理; 相機(jī)標(biāo)定

在生產(chǎn)中,選繭是制絲過(guò)程中的一道重要準(zhǔn)備工序,其目的是在整個(gè)莊口的蠶繭中,剔除不能繅制設(shè)計(jì)生絲等級(jí)要求的蠶繭。選繭要求正確,誤選率越小越好[1],選繭質(zhì)量的好壞直接關(guān)系到產(chǎn)品質(zhì)量、生產(chǎn)效率和經(jīng)濟(jì)效益等。在檢驗(yàn)中,選繭是桑蠶繭試驗(yàn)的重要組成部分,是根據(jù)國(guó)家標(biāo)準(zhǔn)和下繭實(shí)物樣照選除各類下繭的過(guò)程,選繭試驗(yàn)結(jié)果的準(zhǔn)確與否與清潔、潔凈、解舒率、萬(wàn)米吊糙、毛繭出絲率等主要質(zhì)量指標(biāo)結(jié)果密切相關(guān)。但是,目前選繭均采用人工視覺進(jìn)行判別的方式,選繭的準(zhǔn)確性易受人員技術(shù)水平、精神狀態(tài)等主觀因素影響,存在誤選率高、勞動(dòng)強(qiáng)度大等缺點(diǎn),特別是尿黃繭、靠黃繭和油繭等污斑面積接近標(biāo)準(zhǔn)規(guī)定值時(shí)更是如此。因此,將計(jì)算機(jī)視覺技術(shù)運(yùn)用到桑蠶繭選繭中,將大大提高選繭結(jié)果的準(zhǔn)確性和促進(jìn)選繭技術(shù)的自動(dòng)化進(jìn)程。本研究采用美國(guó)MathWorks公司出品的MATLAB商業(yè)數(shù)學(xué)軟件,對(duì)彩色圖像中桑蠶繭污斑面積的自動(dòng)檢測(cè)技術(shù)進(jìn)行探討。

1　試　驗(yàn)

1.1材料與儀器

材料：油繭或尿黃繭等在GB/T 9111—2006《桑蠶干繭試驗(yàn)方法》國(guó)家標(biāo)準(zhǔn)術(shù)語(yǔ)和定義中涉及到污斑面積的桑蠶繭。

儀器：電腦(聯(lián)想啟天M6500-D756,Intel?CoreTMi7-4770 cpu@3.40GHz處理器,8G內(nèi)存,Windows7操作系統(tǒng)),S300l高拍儀(深圳市良田科技有限公司),Ms3150游標(biāo)卡尺(精度0.01 mm,臺(tái)州機(jī)械工人科技有限公司),標(biāo)定物(藍(lán)色圓形塑料板,直徑38.69 mm,厚度1.62 mm),圖像處理軟件MATLAB R2014a。

1.2方法

1.2.1圖像采集

由于國(guó)內(nèi)飼育的桑蠶繭雜交種均為白色繭,為更好地突顯桑蠶繭表面污斑的顏色,從有效的特征提取角度考慮,確定以白色紙張作為試驗(yàn)臺(tái)背景。在進(jìn)行測(cè)試時(shí),當(dāng)燈光為單一光源時(shí)獲取的圖片會(huì)存在陰影的情況,若此時(shí)污斑顏色較淺則會(huì)影響到所拍攝圖片特征提取的效果,所以本研究圖像是在多光源的情況下進(jìn)行采集的。圖像采集時(shí)的高拍儀掃描尺寸為A5幅面,得到的彩色圖像尺寸為880 dpi×660 dpi。

1.2.2圖像處理

圖像處理主要包括圖像讀取、彩色空間轉(zhuǎn)換、圖像增強(qiáng)、二值化和圖像空洞填充等。

1.2.2.1彩色空間轉(zhuǎn)換

彩色空間是以數(shù)值方式描述色彩的模型,如RGB、HSV和HSI等。在MATLAB中,HSV彩色空間是人們用來(lái)從調(diào)色板或顏色輪中挑選顏色所用的彩色系統(tǒng)之一,比RGB系統(tǒng)更接近人們經(jīng)驗(yàn)和對(duì)彩色的感知[2]；在HSV模型中,亮度分量和色度分量是分開的,其中H為色調(diào),S為飽和度,V為亮度值,在圖像處理和計(jì)算機(jī)視覺中,大量算法均可在HSV彩色空間中方便地使用[3],在用于指定顏色分割時(shí)有較大作用。由于桑蠶繭表面的污斑顏色往往與蠶繭本身顏色有較明顯的差異,可利用MATLAB數(shù)字圖像處理工具箱中的RGB2HSV函數(shù)將RGB圖像轉(zhuǎn)換為HSV,并提取飽和度分量。

1.2.2.2圖像增強(qiáng)

由于圖像在形成、傳輸或變換過(guò)程中,受諸如光學(xué)系統(tǒng)失真、系統(tǒng)噪聲、相對(duì)運(yùn)動(dòng)、曝光不足或過(guò)量等因素的影響,引起圖像質(zhì)量的下降。圖像增強(qiáng)的目的是突出圖像中感興趣的信息,去除或消弱不需要的信息[4]。飽和度分量增強(qiáng)算法是將高飽和度的區(qū)域進(jìn)行保持或降低,適當(dāng)提高低飽和度區(qū)域,可到達(dá)更好的視覺效果[5],本研究采用imadjust函數(shù)對(duì)圖像轉(zhuǎn)換后的飽和度分量進(jìn)行線性變換增強(qiáng)方法。

1.2.2.3圖像二值化

為提取圖像的特征信息,利用MATLAB中的im2bw函數(shù)進(jìn)行二值圖像的轉(zhuǎn)換,這是因?yàn)槎祱D像是將圖像上的每一個(gè)像素轉(zhuǎn)換成只有兩種可能的取值或灰度等級(jí)狀態(tài),所有的像素只能從0和1這兩個(gè)值中取,因此在MATLAB中,二值圖像用一個(gè)由0和1組成的二維矩陣表示,以這種方式來(lái)操作圖像可以更容易識(shí)別出圖像的結(jié)構(gòu)特征[6]。在進(jìn)行二值化轉(zhuǎn)換時(shí)使用最大類間方差法(有時(shí)也稱之為大津法)自動(dòng)獲得閾值以避免多次嘗試才能獲得一個(gè)合適的閾值,大津法選出來(lái)的閾值非常理想,對(duì)各種情況的表現(xiàn)都較為良好[7]。

1.2.2.4空洞填充和面積計(jì)算

利用MATLAB中的imfill函數(shù)將空洞填充為白色,圖像中的其他部分填充為黑色,則圖像中白色部分的面積即為需要檢測(cè)的污斑面積。將經(jīng)過(guò)空洞填充的圖像,利用MATLAB中的size函數(shù),求出被填充為白色部分的像素?cái)?shù)占圖像全部像素?cái)?shù)的比例,再根據(jù)這個(gè)比例和所拍攝圖像的實(shí)際物理面積就可以間接得出污斑的面積。

1.2.3相機(jī)標(biāo)定

為得到所拍攝圖像的實(shí)際物理面積,需要確定空間物體表面某點(diǎn)的三維幾何位置與其在圖像中對(duì)應(yīng)點(diǎn)之間的相互關(guān)系,必須進(jìn)行相機(jī)標(biāo)定,標(biāo)定結(jié)果的精度及算法的穩(wěn)定性直接影響相機(jī)工作產(chǎn)生結(jié)果的準(zhǔn)確性[8]。本研究中圖像采集所用的高拍儀屬于采用CMOS成像原理的單目相機(jī),在相機(jī)標(biāo)定時(shí)采用了傳統(tǒng)相機(jī)標(biāo)定法,通過(guò)拍攝尺寸已知的標(biāo)定物,再計(jì)算圖像中標(biāo)定物像素?cái)?shù)占圖像全部像素?cái)?shù)的比例,從而得出本研究所用高拍儀所拍攝圖像的實(shí)際尺寸,在求取圖像全部像素?cái)?shù)時(shí),通常在所測(cè)目標(biāo)區(qū)域放置一個(gè)標(biāo)準(zhǔn)物件[9]。

標(biāo)定物為一藍(lán)色圓形板,經(jīng)采用游標(biāo)卡尺測(cè)量其直徑為38.69 mm,則其面積為11.75675 cm2。為盡量減小標(biāo)定物因在試驗(yàn)臺(tái)不同位置拍攝可能產(chǎn)生的誤差,標(biāo)定時(shí)利用高拍儀拍攝標(biāo)定物在試驗(yàn)臺(tái)中心附近不同位置的9張圖像,標(biāo)定物樣本分布見圖1。經(jīng)圖像處理和計(jì)算后,得出圖像中標(biāo)定物像素?cái)?shù)占圖像全部像素?cái)?shù)的比例平均值為0.03369,從而推導(dǎo)出本研究用高拍儀所拍攝圖像的平均物理尺寸為348.98239 cm2。標(biāo)定數(shù)據(jù)見表1,標(biāo)定圖像處理效果見圖2。

表1　相機(jī)標(biāo)定統(tǒng)計(jì)

圖1　標(biāo)定物樣本分布Fig.1　The sample distribution of calibration objects

2　結(jié)果與討論

2.1面積檢測(cè)

根據(jù)圖像處理和相機(jī)標(biāo)定的情況,利用上述方法對(duì)一個(gè)繭層表面有油斑的樣品進(jìn)行污斑面積的測(cè)定,經(jīng)相機(jī)標(biāo)定得到的圖像平均物理尺寸為348.98239 cm2。圖3所示的污斑像素?cái)?shù)占圖像全部像素?cái)?shù)的比例為0.0013,則本樣品污斑面積為0.454 cm2,符合GB/T 9111—2006《桑蠶干繭試驗(yàn)方法》3.10繭層表面油斑總面積大于0.2 cm2的繭[10]為油繭的術(shù)語(yǔ)和定義,此樣品可判定為油繭。對(duì)于顏色淺淡和具有多個(gè)污斑的樣本,本方法同樣能夠達(dá)到理想的檢測(cè)效果。圖4為污斑顏色淺淡的樣本圖像處理效果,圖5為具有多個(gè)污斑的樣本圖像處理效果,其污斑像素?cái)?shù)所占比例分別為7.6618×10-4和6.3017×10-4,則其實(shí)際面積分別為0.267 cm2和0.220 cm2。經(jīng)實(shí)際測(cè)試,檢測(cè)時(shí)間平均為0.691 s,程序相應(yīng)迅速,基本可以達(dá)到實(shí)時(shí)檢測(cè)的效果。

圖2　標(biāo)定圖像處理效果Fig.2　Processing effect of calibrated image

圖3　樣本圖像處理效果Fig.3　Processing effect of the sample image

圖4　樣本圖像處理效果(顏色淺淡污斑)Fig.4　Processing effect of the sample image (light color contamination spot)

圖5　樣本圖像處理效果(多個(gè)污斑)Fig.5　Processing effect of the sample image (multiple contamination spots)

2.2結(jié)果驗(yàn)證

由于自然產(chǎn)生的桑蠶繭污斑形狀多為不規(guī)則狀,其面積很難直接準(zhǔn)確測(cè)量,所以為驗(yàn)證本研究,采用在一粒桑蠶干繭繭層表面用墨水涂一個(gè)圓后,將這個(gè)圓的計(jì)算面積和經(jīng)圖像采集與處理后得出面積進(jìn)行比較的方式。經(jīng)測(cè)量,用墨水所涂圓的直徑為5.33 mm2,則其計(jì)算面積為0.223 cm2,經(jīng)圖像采集與處理后得出的污斑面積為0.221 cm2,二者僅相差0.002 cm2,相對(duì)誤差0.9%,可以說(shuō)明本研究方法具有較高的準(zhǔn)確度。圖6為結(jié)果驗(yàn)證效果圖。

圖6　結(jié)果驗(yàn)證效果Fig.6　Result verification effect

3　結(jié)　論

1)利用MATLAB在數(shù)字圖像處理方面的優(yōu)勢(shì)對(duì)桑蠶繭表面污斑面積進(jìn)行自動(dòng)檢測(cè),為桑蠶繭選繭提供了一種選繭輔助檢驗(yàn)方法,并為研究選繭智能化和自動(dòng)化檢測(cè)技術(shù)提供了理論依據(jù)。研究結(jié)果表明,此方法能夠很好地提取圖像特征,桑蠶繭污斑面積的檢測(cè)具有較高的準(zhǔn)確度,具有一定的理論研究和學(xué)術(shù)價(jià)值。

2)由于蠶繭是三維結(jié)構(gòu)的橢圓體,采用高拍儀等單目相機(jī)采集到的圖像與實(shí)際大小會(huì)有一定的差異,為修正此差異,可在采用雙目立體相機(jī)進(jìn)行圖像采集和匹配計(jì)算來(lái)重建蠶繭三維模型的基礎(chǔ)上,根據(jù)本研究的相關(guān)理論檢測(cè)污斑面積。

3)對(duì)于污斑位于蠶繭頭部的情況,可在使用雙目立體相機(jī)進(jìn)行重建蠶繭三維模型的基礎(chǔ)上,在試驗(yàn)臺(tái)中部鑿一凹洞使蠶繭立于試驗(yàn)臺(tái),以提高本研究的適用性。

參考文獻(xiàn)：

[1]陳文興,傅雅琴.蠶絲加工工程[M].北京:中國(guó)紡織出版社,2013:56-57.

CHEN Wenxing, FU Yaqin.Processing Engineering of the Mulberry Silk[M].Beijing:China Textile & Apparel Press, 2013:56-57.

[2]岡薩雷斯R C,伍茲R E,艾丁斯S L.數(shù)字圖像處理(MATLAB版)[M].阮秋琦,譯.北京:北京電子工業(yè)出版社,2005:152-153.

GONZALEZ R C, WOODS R E, EDDINS S L.Digital Image Processing Using MATLAB[M].Translated by RUAN Qiuqi.Beijing:Beijing Publishing House of Electronics Industry, 2005:152-153.

[3]張娜,王緒本,楊斯涵,等.基于HSV空間的簡(jiǎn)牘圖像增強(qiáng)算法研究[J].計(jì)算機(jī)應(yīng)用研究,2007,24(6):204-206.ZHANG Na, WANG Xuben, YANG Sihan, et al.Research of bamboo slips image enhancement algorithm based on HSV space[J].Application Research of Computers, 2007, 24(6):204-206.

[4]艾劍鋒,章海亮.基于MATLAB的蘋果圖像處理研究[J].湖北農(nóng)業(yè)科學(xué),2011,50(4):840-841.

AI Jianfeng, ZHANG Hailiang.Research of dispose technology based on MATLAB to grad apple[J].Hubei Agricultural Sciences, 2011, 50(4):840-841.

[5]李小霞，李鋮果，鄒建華，等.一種新的低照度彩色圖像增強(qiáng)算法[J].計(jì)算機(jī)應(yīng)用研究,2011,28(9):3554-3555.LI Xiaoxia, LI Chengguo, ZOU Jianhua, et al.New low illumination color image enhancement algorithm[J].Application Research of Computers, 2011, 28(9):3554-3555.

[6]曾晰,趙國(guó)軍,王淵平,等.一種基于圖像識(shí)別技術(shù)的電梯門控方法[J].信息與控制,2011,40(2):243-247.

ZENG Xi, ZHAO Guojun, WANG Yuanping, et al.An image recognition method for the elevator door control[J].Information and Control, 2011, 40(2):243-247.

[7]肖瑩,龔自霞,高翔宇.基于MATLAB的醫(yī)學(xué)圖像二值化算法的實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù),2013,9(6):3842-3844.

XIAO Ying, GONG Zixia, GAO Xiangyu.The realization of medical image binarization algorithm based on MATLAB software[J].Computer Knowledge and Technology, 2013, 9(6):3842-3844.

[8]李鵬,王軍寧.攝像機(jī)標(biāo)定方法綜述[J].山西電子技術(shù),2007(4):77-79.LI Peng, WANG Junning.Method survey of the camera calibration[J].Shanxi Electronic Technology, 2007(4):77-79.

[9]趙松柏,諶海云,陳普春,等.基于MATLAB的不規(guī)則面積圖像測(cè)量[J].自動(dòng)化技術(shù)與應(yīng)用,2012(9):14-16.

ZHAO Songbai, CHEN Haiyun, CHEN Puchun, et al.The irregular image area measurement based on MATLAB[J].Techniques of Automation and Applications, 2012(9):14-16.

[10]國(guó)家質(zhì)量檢驗(yàn)檢疫總局.GB/T9111—2006桑蠶干繭試驗(yàn)方法[S].北京:中國(guó)標(biāo)準(zhǔn)出版社,2006.

General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China.GB/T 9111-2006 Methods of mulberry silkworm dried cocoons[S].Beijing:Standards press of China, 2006.

DOI:10.3969/j.issn.1001-7003.2016.03.006

收稿日期:2015-06-29; 修回日期:2016-01-15

作者簡(jiǎn)介:陳浩(1973),男,工程師,主要從事繭絲質(zhì)量檢驗(yàn)工作。

中圖分類號(hào):TS101.8

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):1001-7003(2016)03-0032-05引用頁(yè)碼:031106

Study on auxiliary testing method for mulberry silkworm cocoon sorting based on MATLAB

CHEN Hao, YANG Zheng, LIU Xia, SHAO Ling

(National Cocoon and Silk Quality Supervision and Inspection Center(Shandong), Shandong Fiber Inspection Bureau, Ji’nan 250032, China)

Abstract:Manual mulberry silkworm cocoon sorting may easily result in high false sorting rate.To solve this problem, MATLAB software was applied for image processing and numerical calculation of color images of mulberry silkworm cocoons.Automatic detection of the stained surface area of mulberry silkworm cocoon was analyzed from the perspective of computer vision, and an intelligent and automated auxiliary testing method for cocoon sorting.The results show that under the conditions of color image shooting with multiple light sources and accurate camera calibration, after color space transformation, image intensification and binaryzation of mulberry silkworm cocoon color image, the stained surface area of mulberry silkworm cocoon can be auto-detected accurately and rapidly.The samples with light color and multiple contamination spots also have the good detection effect.The difference between the gathered image and actual image can be eliminated through 3D modeling with a stereo camera.

Key words:mulberry silkworm cocoons; cocoons sorting; MATLAB; computer vision; image processing; camera calibration