劉啟全，郭俊先，劉明濤，劉 航，王 艷（1.新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院，新疆　烏魯木齊830052）

?

基于機(jī)器視覺(jué)的哈密瓜大小分級(jí)研究

劉啟全，郭俊先※，劉明濤，劉 航，王 艷
（1.新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院，新疆烏魯木齊830052）

采⒚機(jī)器視覺(jué)技術(shù)對(duì)新疆哈密瓜進(jìn)行自動(dòng)大小分級(jí)。線陣相機(jī)在線采集哈密瓜樣本RGB圖像，通過(guò)對(duì)哈密瓜RGB圖像進(jìn)行灰度化、中值濾波、二值化、去除果梗、特征提取等一系列處理，獲得哈密瓜二值化圖像。利⒚橢圓擬合算法對(duì)二值化圖像進(jìn)行橢圓特征提取，基于橢圓長(zhǎng)軸和橢圓率建立了哈密瓜大小分級(jí)標(biāo)準(zhǔn)，并以固定閾值建立分級(jí)模型。通過(guò)哈密瓜分級(jí)機(jī)系統(tǒng)進(jìn)行大小分級(jí)，分級(jí)準(zhǔn)確率達(dá)90.29%。

哈密瓜；機(jī)器視覺(jué)；圖像處理；大小分級(jí)

0　引言

新疆是有名的瓜果之鄉(xiāng)，哈密瓜就是其中之一，由于營(yíng)養(yǎng)價(jià)值高，經(jīng)濟(jì)效益好，近年來(lái)種植面積越來(lái)越大、產(chǎn)量越來(lái)越高。但目前對(duì)哈密瓜的外部品質(zhì)分級(jí)還是由人工完成，人工目測(cè)檢測(cè)效率低，速度慢，難以精確評(píng)價(jià)其品質(zhì)，從而影響了哈密瓜在市場(chǎng)上的競(jìng)爭(zhēng)力，嚴(yán)重阻礙了哈密瓜的商品化發(fā)展之路［1］。

近年來(lái)，機(jī)器視覺(jué)從工業(yè)滲透到農(nóng)業(yè)，在農(nóng)業(yè)中的應(yīng)⒚也越來(lái)越廣。瓜果大小是瓜果分級(jí)的重要指標(biāo)之一。許多學(xué)者利⒚機(jī)器視覺(jué)技術(shù)分別采⒚最小外接矩形法、面積投影法對(duì)多種瓜果的大小進(jìn)行了研究［2～11］。

國(guó)內(nèi)對(duì)于大型瓜果的在線分級(jí)研究基本還在理論層面，還沒(méi)有應(yīng)⒚到實(shí)際生產(chǎn)中，仍然需要進(jìn)行繼續(xù)深入研究。本文采⒚橢圓擬合算法對(duì)哈密瓜大小特征進(jìn)行提取，通過(guò)哈密瓜分級(jí)機(jī)系統(tǒng)，實(shí)現(xiàn)對(duì)哈密瓜大小的在線分級(jí)。

1　哈密瓜分級(jí)機(jī)系統(tǒng)

1.1系統(tǒng)組成

哈密瓜分級(jí)機(jī)系統(tǒng)如圖1，主要由動(dòng)力㈦傳動(dòng)機(jī)構(gòu)、圖像采集系統(tǒng)、控制機(jī)構(gòu)、分級(jí)執(zhí)行機(jī)構(gòu)、接收裝置等組成。動(dòng)力㈦傳動(dòng)機(jī)構(gòu)包括機(jī)架、交流電機(jī)、減速機(jī)、電氣控制箱、傳動(dòng)軸、鏈輪、鏈條等組成；圖像采集系統(tǒng)包括德國(guó)DALSA公司的Piranha color線陣攝像機(jī)PC-30-02k60、日本Nikon公司生產(chǎn)的AF NIKKOR 35/F2D鏡頭、CCS公司生產(chǎn)的高亮度LED線光源HLND-500SW2-R等組成；控制機(jī)構(gòu)由計(jì)算機(jī)、PLC、三極管、繼電器等組成；分級(jí)執(zhí)行機(jī)構(gòu)由電磁鐵、分級(jí)桿等組成。

1.2系統(tǒng)工作原理

系統(tǒng)工作后，當(dāng)哈密瓜運(yùn)行到攝像機(jī)正下面時(shí)，由接近開(kāi)關(guān)發(fā)送脈沖信號(hào)到圖像采集卡，由圖像采集卡控制相機(jī)進(jìn)行圖像采集。通過(guò)哈密瓜分級(jí)機(jī)系統(tǒng)軟件對(duì)哈密瓜RGB圖像進(jìn)行快速處理分級(jí)，將分級(jí)信號(hào)通過(guò)打印口輸入到PLC中，由PLC傳遞相應(yīng)級(jí)別的分級(jí)信號(hào)到分級(jí)執(zhí)行機(jī)構(gòu)，實(shí)現(xiàn)哈密瓜在線大小分級(jí)。

哈密瓜圖像識(shí)別流程如圖2，包括圖像采集、圖像處理、特征提取和大小分級(jí)四部分。其中圖像處理包括平滑處理、二值化、腐蝕膨脹、果梗去除等組成。

圖1　哈密瓜分級(jí)機(jī)系統(tǒng)示意

圖2　哈密瓜圖像識(shí)別流程

2　哈密瓜的大小特征提取

2.1試驗(yàn)樣本

選取新疆維吾爾自治區(qū)吐魯番市托克遜縣伊拉湖鄉(xiāng)生產(chǎn)的黑皮哈密瓜紫Ⅰ2號(hào)作為研究對(duì)象。選取175個(gè)哈密瓜作為分析樣本，根據(jù)瓜農(nóng)經(jīng)驗(yàn)結(jié)合實(shí)測(cè)長(zhǎng)軸、實(shí)測(cè)短軸將其分為精品、一等品、二等品三個(gè)等級(jí)，其中精品瓜22個(gè)、一等品瓜102個(gè)、二等品瓜51個(gè)。

2.2圖像采集

啟動(dòng)哈密瓜分級(jí)機(jī)系統(tǒng)，初始化參數(shù)設(shè)置后，進(jìn)行行頻、白板矯正和對(duì)焦，然后放置哈密瓜進(jìn)行圖像采集。將采集的RGB圖像通過(guò)圖像采集卡輸送到計(jì)算機(jī)上，保存為BMP格式。

2.3圖像處理與哈密瓜果梗去除

對(duì)哈密瓜RGB原始圖像進(jìn)行中值濾波去噪，將RGB三通道圖像分割成R、G、B三個(gè)單通道圖像。將原始RGB圖像進(jìn)行灰度變換后利⒚大津法自動(dòng)獲取每幅圖像的閾值點(diǎn)K。通過(guò)遍歷圖像分別獲取R、G、B三個(gè)單通道圖像的每個(gè)點(diǎn)上的像素值分別記為Mr、Mg、Mb。對(duì)三個(gè)單通道圖像相同位置點(diǎn)的像素值進(jìn)行數(shù)學(xué)運(yùn)算Mg-Mr＞0&&Mr＞k，對(duì)數(shù)學(xué)運(yùn)算得到的新的像素值賦值為255，并存放在已清空的B通道圖像上，得到二值圖像。對(duì)二值圖像進(jìn)行形態(tài)學(xué)處理獲得果梗和果體的分離的新二值圖像，對(duì)新二值圖像進(jìn)行最大連通Ⅱ提填充，得到去除果梗后的二值圖像。具體實(shí)現(xiàn)過(guò)程如圖3。

圖3　哈密瓜果梗去除流程

2.4哈密瓜輪廓橢圓擬合和特征提取

紫Ⅰ2號(hào)哈密瓜是黑皮哈密瓜的一種，瓜形接近橢圓形。因此通過(guò)橢圓擬合后得到的橢圓長(zhǎng)軸H、橢圓短軸W、橢圓率E就可以實(shí)現(xiàn)對(duì)哈密瓜大小的等級(jí)識(shí)別，其中E=arctan（H/W）。目前進(jìn)行橢圓擬合的方法主要有兩種，一種是哈夫變換法，該方法計(jì)算量大，解不唯一；另一種是基于最小二乘法的橢圓擬合方法，該方法技術(shù)簡(jiǎn)單，魯棒性好［12］。因此選取基于最小二乘法的橢圓擬合算法進(jìn)行哈密瓜大小特征提取。在opencv2.49中給出了有關(guān)橢圓擬合相應(yīng)的函數(shù)，首先使⒚cvFitEllipse2函數(shù)獲取去除果梗后的二值化圖像中的白色像素面積的邊框box，在利⒚函數(shù)cvEllipseBox畫出box包圍的橢圓，其實(shí)現(xiàn)過(guò)程如圖4。

圖4　哈密瓜特征提取流程

3　分級(jí)方法與結(jié)果討論

利⒚圖像處理軟件提取175個(gè)哈密瓜的大小特征值（橢圓長(zhǎng)軸H、橢圓短軸W和橢圓率E）以及實(shí)測(cè)長(zhǎng)軸數(shù)據(jù)如表1。

根據(jù)瓜農(nóng)經(jīng)驗(yàn)制定哈密瓜大小分級(jí)標(biāo)準(zhǔn)，如表2。中國(guó)人民共和國(guó)農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)（GB/T 23398-2009）針對(duì)哈密瓜大小并沒(méi)有很具體的表述，本大小分級(jí)標(biāo)準(zhǔn)主要基于瓜農(nóng)和食⒚者的經(jīng)驗(yàn)和思路。

表1　哈密瓜大小特征數(shù)據(jù)

表2　哈密瓜大小分級(jí)標(biāo)準(zhǔn)

由表2可知，采⒚最簡(jiǎn)單的閾值分割就可以進(jìn)行哈密瓜大小分級(jí)。取閾值T1=540，T2=480，T3=0.94，分級(jí)程序如下：

If H≥T1且E≥T3｛則分為精品｝；

else if H＞T2且H＜T1且E≥T3｛則分為一等品｝；

else｛則分為二等品｝；

將175個(gè)樣本通過(guò)基于機(jī)器視覺(jué)的哈密瓜分級(jí)機(jī)系統(tǒng)進(jìn)行測(cè)試，其測(cè)試結(jié)果和人工分級(jí)結(jié)果如表3，機(jī)器視覺(jué)分級(jí)準(zhǔn)確率達(dá)90.29%。

表3　哈密瓜大小等級(jí)識(shí)別結(jié)果

4　結(jié)束語(yǔ)

基于機(jī)器視覺(jué)的哈密瓜分級(jí)機(jī)系統(tǒng)，采集哈密瓜樣本圖像并成功實(shí)現(xiàn)了哈密瓜大小分級(jí)；利⒚軟件VS2010和Opencv2.49設(shè)計(jì)了哈密瓜分級(jí)機(jī)系統(tǒng)軟件；根據(jù)橢圓長(zhǎng)軸和橢圓率建立哈密瓜大小分級(jí)標(biāo)準(zhǔn)，確定尺寸閾值分級(jí)算法模型。結(jié)果表明：視覺(jué)分級(jí)準(zhǔn)確率達(dá)到90.29%，可以實(shí)現(xiàn)比較理想的分級(jí)效果，為后期進(jìn)一步完善哈密瓜多品質(zhì)在線分級(jí)系統(tǒng)提供了有利的依據(jù)。

［1］李少昆，王崇桃.圖像及機(jī)器視覺(jué)技術(shù)在作物科學(xué)中的應(yīng)用進(jìn)展［J］.石河子大學(xué)學(xué)報(bào)：自然科學(xué)版，2002，6（1）：79～86.

［2］應(yīng)義斌，景寒松，馬俊福，等.機(jī)器視覺(jué)技術(shù)在黃花梨尺寸和果面缺陷檢測(cè)中的應(yīng)用［J］.農(nóng)業(yè)工程學(xué)報(bào)，1999，15（1）：197～200.

［3］應(yīng)義斌，成芳，馬俊福.基于最小外接矩形法的柑桔橫徑實(shí)時(shí)檢測(cè)方法［J］.生物數(shù)學(xué)學(xué)報(bào)，2004，19（3）：352～356.

［4］馮斌，汪懋華.基于計(jì)算機(jī)視覺(jué)的水果大小檢測(cè)方法［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2003，34（1）：73～75.

［5］呂福香，苗玉彬.基于視覺(jué)的甜瓜形態(tài)信息的無(wú)損獲取［J］.農(nóng)機(jī)化研究，2011，33（7）：39～44.

［6］章文英，應(yīng)義斌.蘋果圖像的預(yù)處理及尺寸檢測(cè)［J］.金華職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2001（1）：23～25.

［7］高華，王雅琴.基于計(jì)算機(jī)視覺(jué)的農(nóng)產(chǎn)品形狀分級(jí)研究［J］.計(jì)算機(jī)工程與應(yīng)用，2004（14）：227～229.

［8］馮斌，汪懋華.基于計(jì)算機(jī)視覺(jué)的水果大小檢測(cè)方法［J］.計(jì)算機(jī)工程與應(yīng)用，2003，34（1）：73～75.

［9］鄭秀蓮，俞祖.計(jì)算機(jī)視覺(jué)的柑橘無(wú)損檢測(cè)技術(shù)［J］.輕工機(jī)械，2008，26（1）：83～85.

［10］Rao Xiuqin，Ying Yibin.A method of size inspection for fruit with machine vision［C］.Proceedings of SPIE.［s.L］：［s. n］，2005，5996：443～450.

［11］康睛晴.基于機(jī)器視覺(jué)的蘋果分級(jí)檢測(cè)研究［D］.北京中國(guó)農(nóng)業(yè)大學(xué)，2007.

［12］高建坡.一種新的基于直接最小二乘橢圓擬合的膚色檢測(cè)方法［J］.信號(hào)處理，2008，24（2）：192～196.

Hamimelon Size Classification Based on Machine Vision

Liu-qiquan，Guo-junxian※，Liu-m ingtao，Liu-hang，W ang-yan
（1.College ofMechanical and Traffic College，Xinjiang Agricultural University，Urumqi 830052，XinJiang China）

The automatic size grading of X injiang Ham iM elon by using themachine vision technology.Line array camera online acquisition ofHam imelon sample RGB image through gray，median filter，binary values，removalof fruitstem，feature extraction，and so on aseriesofprocessingofHam imelon RGB image，Hamimelon binary image isobtained.Elliptic eigenvalue extraction ofbinary image，to themajor axisof the ellipse and elliptic rate of Ham imelon geometry size grading standard w asestablished based on and w ith a fixed threshold established classificati onmodelbased on ellipse fitting algorithm.The geometric size grading by Ham imelon classification system，classification accuracy reached 90.29%.

Ham imelon；M achine vision；Image processing；S ize classification

10.13620/j.cnki.issn1007-7782.2016.02.005

S226.5

A

1007-7782（2016）02-0016-03

2016-04-20

新疆維吾爾自治區(qū)教育廳基金項(xiàng)目（XJEDU2013I14）；國(guó)家自然科學(xué)基金資助項(xiàng)目（61367001）

郭俊先