基于機(jī)器視覺的花生完善性檢測研究

王雪晴，鄭福來

（平頂山學(xué)院 電氣與機(jī)械工程學(xué)院,河南 平頂山 467000）

花生種植時要求種子完好無損、形態(tài)大、顆粒飽滿等。花生完善性是最基礎(chǔ)的檢測，其不完善主要是破損、霉變引起的。本文基于機(jī)器視覺和LabVIEW圖像處理工具包進(jìn)行花生粒完善性檢測。

1 測量原理

當(dāng)花生粒受環(huán)境影響發(fā)生破損、霉變或者病蟲侵害時，其顏色會發(fā)生變化，因此可以通過其顏色特征來衡量花生粒完善程度。顏色特征是圖像中最直觀、最明顯和具有全局性的物理特征，顏色作為一種重要特征在機(jī)器視覺系統(tǒng)中有廣泛的應(yīng)用[1]。RGB是目前常見的面向圖像采集等硬件設(shè)備的顏色模型[2]。利用機(jī)器視覺技術(shù)獲取花生圖像，通過圖像處理再提取并分析R、G、B顏色值來反映花生種子是否霉變、破損等完善性信息。

2 實(shí)驗材料與檢測裝置

2.1 花生粒的選擇

花生品種較多，且大小各不相同。選取我國大面積種植的花生品種大白沙，覆蓋了河南、河北、山東、山西、安徽、江蘇等地。大白沙171[3]結(jié)果整齊，飽果率高，抗旱耐瘠薄，抗病性能較好，畝產(chǎn)400公斤以上，符合國家出口標(biāo)準(zhǔn)，便于檢測分析。本文選擇大小相近、完好和破損的花生若干。三井坊僅作為顏色對比樣品使用，與大白沙171顏色不同?；ㄉ鷺悠芬妶D1。

圖1 花生樣品圖片

2.2 檢測裝置

為了提高花生圖像的質(zhì)量，本研究自制了檢測裝置如圖2所示。在暗室內(nèi)四角設(shè)置LED光源，暗室內(nèi)壁設(shè)置具有漫反射作用的背景白板。拍攝采用華恒MD-U300彩色工業(yè)相機(jī)，該相機(jī)有效像素為300萬，USB免驅(qū)接口，可直接與Lab-VIEW軟件對接，符合拍攝要求且價格便宜。工控機(jī)為普通PC電腦，被測花生放在托盤上，相機(jī)固定并在微距模式下拍攝花生的圖像，通過無線傳輸將圖像存儲到計算機(jī)上備用。

圖2 檢測裝置示意圖

3 圖像處理

獲取的花生粒圖像會受到拍攝技術(shù)、光照、背景等因素的影響，并且原始圖像包含太多對完善性檢測沒用的信息，因此對原始圖像要進(jìn)行一系列必要的圖像處理，直接影響到后期對特征的提取是否順利。

本文采用可視化軟件LabVIEWVision2017[4]圖像處理工具包進(jìn)行圖像處理。圖像處理流程如圖3所示，主要包括圖像的灰度化處理、灰度變換、圖像濾波、閾值分割的形態(tài)學(xué)處理等。

圖3 花生粒圖像的圖像處理流程

3.1 圖像灰度化

通俗地說圖像的灰度化就是對彩色圖像的RGB三個分量進(jìn)行加權(quán)平均得到最終的灰度值。將彩色圖像轉(zhuǎn)化成灰度圖像，后續(xù)計算量可以大大減少，但灰度圖像中的特征與彩色圖像沒有什么區(qū)別。LabVIEWVision中提供的IMAQcreate.VI中可以設(shè)置圖像的類型為Grayscale(U8)，直接緩存為灰度圖像。

3.2 灰度變換

圖像灰度變換[5]主要是調(diào)整圖像的亮度，增強(qiáng)圖像的對比度，用來突出圖像中重要的信息。LabVIEW Vision使用IMAQ Mat Lookup.VI實(shí)現(xiàn)圖像的灰度變換，其位于LabVIEW的運(yùn)動與視覺模塊的Image Processing選板中的Processing函數(shù)選板中。

3.3 圖像濾波

采集的花生粒圖像信息往往會因拍攝條件如光源強(qiáng)度不均勻等而引起一些干擾噪點(diǎn)，在圖像上表現(xiàn)為一些孤立像素點(diǎn)。這些噪點(diǎn)會對后續(xù)分析判斷造成影響，所以要加以濾除，對圖像進(jìn)行濾波。中值濾波既可做到噪聲抑制、濾除脈沖干擾及圖像掃描噪聲，又可以克服線性濾波器帶來的圖像細(xì)節(jié)模糊，保持圖像邊緣信息[6]。在LabVIEW Vision中，調(diào)用功能函數(shù)IMAQ Nth Order.VI來實(shí)現(xiàn)對灰度圖像的中值濾波處理。

3.4 閾值分割

圖像二值化可以使整個圖像呈現(xiàn)出明顯的黑白效果，其目的是將目標(biāo)與背景分離更加明顯。圖像二值化不僅能極大地壓縮數(shù)據(jù)量，而且可以大大地簡化分析和處理步驟，因此在很多情況下，是進(jìn)行圖像分析和特征提取之前的必要圖像處理步驟。在LabVIEWVision中利用IMAQThreshold.VI對圖像進(jìn)行二值化。本文采用直方圖方法選擇二值化閾值，主要是發(fā)現(xiàn)圖像中像素灰度聚集的區(qū)域會形成波峰，取兩個區(qū)域波峰中的波谷值作為二值化閾值[7]。通過實(shí)驗，證明該方法相對直接分割法和平均值分割法而言精準(zhǔn)度高了許多。

4 完善性檢測

4.1 特征參數(shù)提取

本文采用RGB模型對花生種子的的顏色特征進(jìn)行分析，R GB三個分量色度范圍都在[0-255]之間，不同顏色之間R G B分量的色度范圍數(shù)據(jù)也是不同的[8]。采用如圖1所示的3種花生樣本采集顏色特征數(shù)據(jù)，采集結(jié)果見表1。通過表1數(shù)據(jù)可以發(fā)現(xiàn)，完好大白沙171的RGB色度平均值在[168.4-171.1]之間，而脫皮大白沙171的RGB色度均值在[175.6-179.2]區(qū)間，作為對比樣品的三井坊色度均值在[166.4-167.5]之間。由此可見，RGB色度平均值I可以作為花生顏色特征參數(shù)，作為完善性識別的依據(jù)。

表1 花生種子RGB色度平均值采樣表

4.2 完善性檢測

采用LabVIEW2017和圖像處理工具包IMAQ Vision2017軟件編制花生粒完善性檢測程序。檢測流程如圖4所示。對任一花生粒進(jìn)行完善性檢測，完好花生和破損花生檢測運(yùn)行結(jié)果界面如圖所示5。

圖4 花生完善性檢測流程

圖5 完好花生和破損花生完善性檢測結(jié)果界面

5 仿真測試實(shí)驗

為了驗證系統(tǒng)的功能，現(xiàn)選取50個完好和破損花生粒進(jìn)行完善性檢測并驗證系統(tǒng)功能。表2給出了被檢測花生粒的完善性情況和檢測結(jié)果。

表2 被檢測花生粒的完善性情況和檢測結(jié)果

由表2看出，對50個花生粒的完善性檢測，正確率為92%，表明本方法具有一定的可行性。

6 結(jié)論

以花生種子為研究對象，基于機(jī)器視覺平臺和LabVIEW2017圖像處理進(jìn)行花生粒的完善性檢測。采用實(shí)驗裝置進(jìn)行花生粒圖像的采集，利用LabVIEW Vision2017進(jìn)行一列圖像處理，主要有灰度化、灰度變換、中值濾波和閾值分割，對處理之后的花生圖像進(jìn)行顏色特征提取，經(jīng)過對花生圖像RGB顏色值的分析得出利用色度平均值I可以作為花生顏色特征參數(shù)?；ㄉ鷺颖镜耐晟菩詼y試實(shí)驗結(jié)果顯示，檢驗的正確率達(dá)到92%，表明本方法簡單可行，精度高，省時省力，并可對后續(xù)機(jī)械化花生選種的研究和實(shí)現(xiàn)提供一定的基礎(chǔ)。若能采用高質(zhì)量的實(shí)驗裝置和設(shè)備，如采用可靠性更高的專業(yè)相機(jī)以及可靠性照明光源等，則可進(jìn)一步提高測量精度。