劉陽泰，董慶利，秦智軒，劉洋, 樊欣熠，胡孟晗，劉寶林

(上海理工大學(xué) 醫(yī)療器械與食品學(xué)院，上海，200093)

?

基于Android智能手機(jī)圖像分析判定香蕉成熟階段

劉陽泰，董慶利*，秦智軒，劉洋, 樊欣熠，胡孟晗，劉寶林

(上海理工大學(xué) 醫(yī)療器械與食品學(xué)院，上海，200093)

開發(fā)了一款基于智能手機(jī)機(jī)器視覺技術(shù)用于判定香蕉成熟階段的Android程序。程序可運(yùn)行于Android1.6及以上版本的操作系統(tǒng)中。利用該程序?qū)ι珳貫? 500K光照環(huán)境下，成熟階段為第1～第8階段的單支香蕉果指進(jìn)行圖像獲取，提取表面RGB/HSV顏色指標(biāo)并分析反饋。該方法試驗(yàn)表明，貯藏期內(nèi)香蕉表面R值與H值2項(xiàng)指標(biāo)相結(jié)合可作為基于智能移動(dòng)設(shè)備的香蕉鮮果成熟階段分級(jí)依據(jù)，在標(biāo)準(zhǔn)白色光光照條件下的香蕉鮮果各成熟階段檢測(cè)總分類率為87.24%，因此可依靠智能移動(dòng)設(shè)備在各銷售節(jié)點(diǎn)實(shí)現(xiàn)香蕉鮮果成熟階段的實(shí)時(shí)快速判定。

香蕉; 計(jì)算機(jī)視覺; 智能移動(dòng)設(shè)備; 色澤; 成熟階段

我國(guó)是香蕉的主要種植發(fā)源地，已有3 000多年的歷史[1]。如今香蕉是世界上最主要的進(jìn)出口水果之一，截至2013年，全球香蕉年產(chǎn)量達(dá)10 654.2 萬t， 進(jìn)出口總量達(dá)3 539.2 萬t，貿(mào)易額197.6 億美元，超過柑橘成為世界第一大貿(mào)易額的水果[2]。在香蕉流通及銷售過程中，對(duì)其成熟階段的評(píng)價(jià)，通常是香蕉鮮果采后處理過程中的分級(jí)標(biāo)準(zhǔn)之一。香蕉鮮果表面的顏色和紋理特征在貯藏中會(huì)出現(xiàn)較大的變化，傳統(tǒng)一般由人工對(duì)其成熟階段進(jìn)行評(píng)價(jià)后分類[3]，主觀性強(qiáng)；部分客觀檢測(cè)則常采用色差儀等光檢測(cè)方法進(jìn)行判別[4]，且多為接觸式檢測(cè)，不適合實(shí)時(shí)獲取結(jié)果。同時(shí)也有學(xué)者采用計(jì)算機(jī)視覺技術(shù)，通過預(yù)設(shè)條件下分析香蕉樣品的圖像信息以達(dá)到無損檢測(cè)的目的[5-6]。

隨著“互聯(lián)網(wǎng)+”時(shí)代的到來，新興的智能移動(dòng)設(shè)備也開始配備高速處理器、高分辨率攝像頭并搭載智能操作系統(tǒng)[7]，已具備了部分或全部替代計(jì)算機(jī)完成視覺識(shí)別檢測(cè)的能力，利用其對(duì)食品進(jìn)行快速無損的品質(zhì)及安全檢測(cè)必將成為趨勢(shì)。由于智能移動(dòng)設(shè)備具有便攜易用、學(xué)習(xí)和使用成本較低的特性，不論是產(chǎn)品供應(yīng)商、銷售商，或是實(shí)驗(yàn)室檢測(cè)人員，甚至消費(fèi)者都能以統(tǒng)一的標(biāo)準(zhǔn)實(shí)時(shí)、快捷地開展視覺識(shí)別檢測(cè)工作。目前已有學(xué)者開展了部分相關(guān)的研究，但檢測(cè)目標(biāo)多以食品品種分類為主，并沒有針對(duì)食品的品質(zhì)信息進(jìn)行分析，且僅局限于利用手機(jī)設(shè)備獲取圖像，計(jì)算分析則多需依托互聯(lián)網(wǎng)反饋完成，不能充分利用智能設(shè)備的計(jì)算能力，無法開展離線檢測(cè)[8-12]。

本研究以Android智能手機(jī)為工具，利用視覺技術(shù)，開發(fā)相應(yīng)的檢測(cè)軟件，構(gòu)建基于移動(dòng)設(shè)備設(shè)備所提取的光學(xué)指標(biāo)與香蕉鮮果成熟階段的相關(guān)關(guān)系，達(dá)到通過智能移動(dòng)設(shè)備實(shí)現(xiàn)香蕉鮮果成熟度實(shí)時(shí)快速分類的目的。

1　材料與方法

1.1試驗(yàn)軟件構(gòu)建

本研究開發(fā)的Android試驗(yàn)程序在華碩N43s筆記本電腦上完成編寫及調(diào)試工作，電腦搭載Intel(R)Core(TM)i7-2630QM2.00GHz核心處理器，8G內(nèi)存，微軟Windows7 64位旗艦版操作系統(tǒng)。

試驗(yàn)程序具有調(diào)用Android系統(tǒng)設(shè)備自帶鏡頭或內(nèi)置圖片庫(kù)的功能。待拍攝或選取目標(biāo)圖像后，試驗(yàn)軟件可自動(dòng)完成圖像處理、指標(biāo)分析與結(jié)果反饋。Android程序操作界面及工作流程如圖1所示。

其中，圖像處理算法包含預(yù)處理、圖像分割與指標(biāo)提取3部分。為降低圖像信息噪聲，減少數(shù)據(jù)不確定性，試驗(yàn)程序在圖像輸入后加入高斯濾波算法(高斯平滑)，即根據(jù)高斯函數(shù)(正態(tài)分布函數(shù))選擇權(quán)值，對(duì)某像素點(diǎn)及其周圍的像素點(diǎn)進(jìn)行變換[13-14]。本研究應(yīng)用二維零均值離散高斯函數(shù)作為濾波器，如式1所示：

(1)主界面；(2)拍照界面；(3)圖庫(kù)界面；(4)裁剪界面；(5)結(jié)果反饋界面圖1　Android程序操作界面與步驟Fig.1　The interface and step of the Android program

(1)

式中，x表示圖像某像素點(diǎn)的橫坐標(biāo)；y表示圖像某像素點(diǎn)的縱坐標(biāo)；r表示高斯濾波半徑；σ表示濾波器寬度。

式1通過采樣、量化，并歸一化得到大小為3×3的高斯濾波模版G3，如式2所示。

(2)

經(jīng)過高斯濾波的圖像再由最大類間方差分割算法(大津法，簡(jiǎn)稱Otsu[15])去除無用背景，僅對(duì)圖像前景(樣本范圍)進(jìn)行顏色指標(biāo)提取[16-17]。Android試驗(yàn)程序可根據(jù)圖像直接對(duì)目標(biāo)樣本表面的RGB色彩指標(biāo)(紅色值、綠色值、藍(lán)色值)的進(jìn)行提取，并轉(zhuǎn)換為HSV色彩指標(biāo)(色調(diào)、飽和度、亮度)。其中，標(biāo)準(zhǔn)紅色的編號(hào)為#FF0000，標(biāo)準(zhǔn)綠色的編號(hào)為#00FF00，標(biāo)準(zhǔn)藍(lán)色的編號(hào)為#0000FF，三者取值區(qū)間均為0～255。

HSV指標(biāo)通過下式由RGB指標(biāo)轉(zhuǎn)換得到：

在診斷妊娠合并甲狀腺功能異常疾病時(shí)，需要對(duì)孕婦的臨床表現(xiàn)進(jìn)行觀察，同時(shí)對(duì)孕婦血清促甲狀腺激素、游離甲狀腺素（FT4）、TT4、TT3、游離三碘甲狀腺原氨酸（FT3）等數(shù)據(jù)進(jìn)行監(jiān)測(cè)，從而有效診斷妊娠合并甲狀腺功能異常[19]。

(3)

(4)

(5)

式中:H表示圖像平均色調(diào)值，取值區(qū)間為0～360；S表示圖像平均飽和度，取值區(qū)間為0.0～1.0；V表示圖像亮度，取值范圍為0～255；R/G/B分別表示圖像平均紅色值、平均綠色值、平均藍(lán)色值。

1.2視覺檢測(cè)平臺(tái)搭建

視覺檢測(cè)平臺(tái)光照箱部分由320mm×250mm×250mm的鐵箱改造而成，內(nèi)壁覆蓋黑色吸光絨布，下板放置待測(cè)樣品，上頂懸掛色溫為6 500K的白色環(huán)形T5型熒光燈(TL-E22W/33-640 1CT,Philips,China)，用以模擬晴朗白天環(huán)境，三星SM-101移動(dòng)電話機(jī)作為本試驗(yàn)的手持式智能設(shè)備，安裝試驗(yàn)軟件后置于頂板外側(cè)，透過視窗利用后置攝像頭對(duì)待測(cè)樣品進(jìn)行拍攝，拍攝設(shè)置參數(shù)如表1所示，視覺檢測(cè)平臺(tái)示意圖如圖2所示。

表1　智能移動(dòng)設(shè)備后置攝像頭參數(shù)設(shè)置

1-光照箱；2-智能移動(dòng)設(shè)備；3-光源；4-樣本圖2　視覺檢測(cè)平臺(tái)示意圖Fig.2　The schematic of lighting system

1.3試驗(yàn)材料及步驟

正式試驗(yàn)組及驗(yàn)證組所用香蕉鮮果(Musa AAA Cavendish)樣品均采購(gòu)于上海某水果市場(chǎng)。其中正式試驗(yàn)隨機(jī)選取同一果蔬中無明顯機(jī)械損傷的3支青香蕉果指分離并編號(hào)，每支香蕉果指分別與2個(gè)蘋果放入一個(gè)密封袋內(nèi)，并置于溫度(18±2)℃，濕度90%～95%的環(huán)境中貯藏催熟，直至鮮果喪失直接食用價(jià)值。每日通過Android程序獲取3幅待測(cè)樣本圖像，并記錄程序分析結(jié)果。驗(yàn)證組選取相同批次中無明顯機(jī)械損傷的香蕉鮮果30支，以相同處理方式貯藏，并每日獲取各支香蕉鮮果圖像3至6幅備用。

正式試驗(yàn)與驗(yàn)證實(shí)驗(yàn)檢測(cè)步驟如圖3所示。

圖3　智能移動(dòng)設(shè)備香蕉成熟度檢測(cè)步驟Fig.3　Measurement procedure of the banana maturity based on the smart handheld terminal

1.4分類與驗(yàn)證

香蕉鮮果的成熟階段感官評(píng)定依據(jù)1950年VonLoesecke8階段分級(jí)方法[18]對(duì)應(yīng)8分制進(jìn)行打分，即第1階段皮色青綠，第2階段綠中泛黃，第3階段綠多于黃，第4階段黃多于綠，第5階段黃有綠點(diǎn)，第6階段皮色金黃，第7階段黃雜褐斑，第8階段褐斑覆蓋，至此香蕉鮮果喪失直接食用價(jià)值。感官評(píng)定小組由經(jīng)過訓(xùn)練的食品科學(xué)相關(guān)專業(yè)教師及學(xué)生組成，共9人。

試驗(yàn)軟件獲取的指標(biāo)數(shù)據(jù)通過Grubbs檢驗(yàn)法排除異常數(shù)值后，繪制不同指標(biāo)隨時(shí)間變化趨勢(shì)圖。

綜合前期預(yù)試驗(yàn)R值與H值的變化規(guī)律，構(gòu)建指標(biāo)DRH表征香蕉鮮果成熟程度，等式如下：

(6)

并構(gòu)建指標(biāo)Tn作為各成熟階段的閾值對(duì)香蕉鮮果成熟階段進(jìn)行分類，n對(duì)應(yīng)8個(gè)不同成熟階段，T的計(jì)算式如下：

(7)

開展驗(yàn)證實(shí)驗(yàn)前將已獲得的分級(jí)準(zhǔn)則輸入程序，同時(shí)隨機(jī)抽取30支同品種香蕉鮮果各成熟階段圖像3幅，共計(jì)720組圖像進(jìn)行分類驗(yàn)證，并獲取不同香蕉鮮果成熟階段的正確率與總分類率。

繪圖與統(tǒng)計(jì)分析通過Windows操作系統(tǒng)下的Matlab2012b(TheMathWorks，USA)及SPSSStatistics22(IBM，USA)軟件共同完成。

2　結(jié)果與分析

2.1感官評(píng)定

本研究正式試驗(yàn)自香蕉鮮果樣品第1成熟階段皮色青綠至第8成熟階段褐斑覆蓋的感官評(píng)定結(jié)果如圖4所示，其中a～h表示各水平顯著性差異，字母不同者表示差異顯著(P<0.05)。

圖4　貯藏期內(nèi)香蕉鮮果成熟階段感官評(píng)定(P<0.05)Fig.4　Sensory evaluation of banana maturity stage during the storage (P<0.05)

2.2軟件結(jié)果

隨機(jī)選取試驗(yàn)中的某一幅圖像，如圖5(1)，輸入至Android程序，圖像處理結(jié)果如圖5(2)所示，圖5(3)為在Matlab應(yīng)用相同算法對(duì)圖像處理后的結(jié)果。閾值分割后，白色部分顏色信息作為后續(xù)統(tǒng)計(jì)指標(biāo)，黑色部分則忽略不記。通過對(duì)比發(fā)現(xiàn)，Android程序可較好地對(duì)樣本圖像進(jìn)行分割，同時(shí)，與Matlab處理結(jié)果相近，說明算法的可行性。

圖6(b)～圖6(c)及圖6(e)～圖6(f)顯示出在香蕉鮮果貯存期內(nèi)，G值、B值、S值和亮度數(shù)值波動(dòng)較大，同時(shí)不能反映出各個(gè)成熟階段的數(shù)值特征范圍，故并不適宜作為香蕉成熟階段的判定指標(biāo)。又由圖6(a)和圖6(d)可知，隨著貯藏時(shí)間的延長(zhǎng)，香蕉鮮果表面R值整體呈上升趨勢(shì)，H值整體呈下降趨勢(shì)。其中，在第1階段至第7階段中，R值均平穩(wěn)上升，其中第2～第5階段上升速度較快，進(jìn)入第6階段后R值逐漸放緩進(jìn)入平臺(tái)期，但仍繼續(xù)上升，這與胡孟晗等[5]研究結(jié)果相符合，第8階段開始R值有所下降，數(shù)值與第6階段重合。說明通過智能移動(dòng)設(shè)備所提取的香蕉樣品的R值較適于作為香蕉鮮果成熟度第1～第7階段分級(jí)的標(biāo)準(zhǔn)指標(biāo)，但不能獨(dú)立作為香蕉鮮果成熟度全成熟階段的分級(jí)指標(biāo)。H值雖在全成熟階段中數(shù)據(jù)平穩(wěn)下降，但存在數(shù)值間隔不明顯的現(xiàn)象，易導(dǎo)致誤判。

(1)RGB原圖；(2)Android程序閾值分割結(jié)果；(3)Matlab閾值分割結(jié)果圖5　Android程序與Matlab閾值分割結(jié)果比較Fig.5　Comparison between Android program binary image and Matlab binary image

(a)紅色值；(b)藍(lán)色值；(c)綠色值；(d)色調(diào)；(e)飽和度；(f)亮度圖6　貯藏期內(nèi)香蕉鮮果各指標(biāo)隨貯藏時(shí)間變化圖Fig.6　The change of banana surface color indexes during different storage time

圖7　不同香蕉鮮果成熟階段變化圖(P<0.05)Fig.7　The change of in different banana maturity stage

成熟階段Tn-Tn+1-<2.092422.09242.324632.32472.576242.57632.761152.76123.056463.05653.688173.68824.28198>4.2819-

2.3驗(yàn)證

根據(jù)2.2中香蕉鮮果成熟各階段的閾值Tn，賦予檢測(cè)軟件判定標(biāo)準(zhǔn)，并輸入驗(yàn)證組圖像對(duì)檢測(cè)軟件進(jìn)行驗(yàn)證，結(jié)果如表3所示。

表3　基于Android手持設(shè)備香蕉鮮果各成熟階段判定正確率與總分類率

3　討論

3.1檢測(cè)算法

目前應(yīng)用智能移動(dòng)設(shè)備于水果無損檢測(cè)的案例與研究均較少，市場(chǎng)上架的軟件如FruitChecker、Colorimeter、CatchColor等與水果品質(zhì)相關(guān)檢測(cè)軟件，檢測(cè)準(zhǔn)確率低，不能給出合理的結(jié)果，無法滿足用戶的需求。

胡孟晗等[5]研究中利用計(jì)算機(jī)軟件提取基于RGB的顏色指標(biāo)與基于灰度共生矩陣的紋理指標(biāo)對(duì)貯藏期內(nèi)1～7成熟階段的香蕉鮮果進(jìn)行描述，然而此算法局限于于傳統(tǒng)計(jì)算機(jī)中使用。MENDOZA等[19]曾利用計(jì)算機(jī)視覺技術(shù)根據(jù)香蕉上棕色斑點(diǎn)的量來評(píng)定香蕉鮮果的成熟階段，但經(jīng)過預(yù)實(shí)驗(yàn)發(fā)現(xiàn)，這種方式對(duì)于有自然損傷及污點(diǎn)的香蕉鮮果會(huì)造成誤判。INTARAVANNE等[20]曾利用手機(jī)提取香蕉鮮果在紫外下的二維光譜方法對(duì)香蕉鮮果的成熟階段進(jìn)行評(píng)估，但該方法對(duì)環(huán)境光照要求高，判定結(jié)果也僅粗略地將香蕉成熟階段分為3類，未列明各成熟階段的正確率及總分類率，不能滿足標(biāo)準(zhǔn)分類的要求。

本研究通過閾值分割去除背景及表面斑點(diǎn)后再進(jìn)行評(píng)定則避免了因污點(diǎn)對(duì)香蕉成熟階段的誤判，利用了色溫6 500K(標(biāo)準(zhǔn)白色光，對(duì)應(yīng)晴朗白天)條件下的圖像實(shí)現(xiàn)了香蕉成熟階段的分類。然而在算法上依舊存在不足，通過表3可知，第4及第5階段的正確率較低，根據(jù)8階段分級(jí)方法的表述，以及圖3和圖5的顯著性表現(xiàn)也可發(fā)現(xiàn)這2個(gè)階段的香蕉鮮果區(qū)別較小，而實(shí)際中第4及第5階段的香蕉鮮果均可上架銷售，故未來對(duì)于第4及第5階段正確率提升可能的方法有兩個(gè)思路，一是將2個(gè)階段合并視為同一成熟階段，二是增加其他分類指標(biāo)的提取，如表面紋理[5,21]、形狀[22]、大小[23]等輔助分類。同時(shí)，采集不同色溫條件下香蕉樣本的數(shù)據(jù)并實(shí)現(xiàn)白平衡校正，使算法可應(yīng)用于更多的光照條件下也是未來研究的目標(biāo)之一。

此外Android程序目前僅實(shí)現(xiàn)對(duì)單支香蕉果指的成熟階段進(jìn)行分類，然而實(shí)際中多以整把香蕉果蔬的形式銷售，HU等[6]曾利用雙層K-均值聚類算法，對(duì)整把香蕉果蔬進(jìn)行閾值處理，達(dá)到將果梳分割為果指并去除其表面的損傷及斑點(diǎn)的目的，借鑒該方法使利用智能移動(dòng)設(shè)備對(duì)香蕉果蔬的成熟階段進(jìn)行分類成為可能。

3.2平臺(tái)搭建

INTARAVANNE等[20]針對(duì)手持設(shè)備相關(guān)研究提出過2種視覺系統(tǒng)布局方案：一是采取較大的箱體作為光照系統(tǒng)主體，其中放置樣品與直管型光源，移動(dòng)設(shè)備則放置于箱體外，屬于傳統(tǒng)的視覺系統(tǒng)布局，但對(duì)于移動(dòng)設(shè)備來說過于龐大，不利于移動(dòng)設(shè)備操作；二是將光源以圓型形態(tài)布置于移動(dòng)設(shè)備鏡頭周圍，直接對(duì)樣品進(jìn)行拍攝，但此法所設(shè)計(jì)的光源目前不易獲得，且沒有構(gòu)造合適的封閉條件隔離外界光源，對(duì)環(huán)境要求較高。本研究為便于智能移動(dòng)設(shè)備的操作結(jié)合現(xiàn)有條件，將2種方案相結(jié)合，縮小光照系統(tǒng)的體積，將直管型光源替換為較小的圓型光源懸掛于箱體頂部開孔周圍，移動(dòng)設(shè)備通過開孔對(duì)箱內(nèi)樣品進(jìn)行拍攝。

同時(shí)需要說明的是，搭建光照平臺(tái)雖能更為準(zhǔn)確地對(duì)待測(cè)物體進(jìn)行拍照分析，但若實(shí)現(xiàn)在自然光下直接對(duì)食品開展無損檢測(cè)將大大拓展其應(yīng)用價(jià)值。在室外計(jì)算機(jī)視覺無損檢測(cè)中，面臨的最大難題是色溫的差異與待測(cè)對(duì)象表面反射的影響，這是由于自然光隨著時(shí)間的改變其色溫亦在改變，同時(shí)光線照射角度與待測(cè)樣本形態(tài)均具有不確定性[24-25]，需要開展大量的試驗(yàn)。WANG等[26]曾針對(duì)3種室外光照條件下的660組櫻桃樣本進(jìn)行計(jì)算機(jī)視覺分析，利用相機(jī)自帶的閃光燈及櫻桃表面綠色值的分布情況減小了室外條件帶來的影響，總分類率在85%左右，這為本研究未來算法的改進(jìn)與拓展提供了借鑒。

因此，在下一階段的研究中將通過獲取不同光照條件下及不同形式的香蕉樣本顏色、紋理、形狀等指標(biāo)數(shù)據(jù)，聯(lián)合化學(xué)指標(biāo)，利用移動(dòng)智能設(shè)備自帶閃光燈及色溫校正算法對(duì)香蕉的品質(zhì)進(jìn)一步分析分類，擴(kuò)大智能移動(dòng)設(shè)備開展無損檢測(cè)工作的應(yīng)用范圍。

4　結(jié)論

利用搭載Android操作系統(tǒng)且具有后置攝像頭的智能手機(jī)，通過開發(fā)相應(yīng)檢測(cè)程序，可替代計(jì)算機(jī)，完成對(duì)貯藏期內(nèi)第1～8成熟階段的香蕉鮮果進(jìn)行圖像獲取、預(yù)處理以及顏色指標(biāo)的提取。

優(yōu)選香蕉表面R值與H值相結(jié)合構(gòu)建DRH值，獲取各成熟階段分類閾值Tn作為智能移動(dòng)設(shè)備判定不同香蕉成熟階段的標(biāo)準(zhǔn)。經(jīng)驗(yàn)證，對(duì)特定品種及標(biāo)準(zhǔn)白色光光照條件下的香蕉鮮果各成熟階段檢測(cè)正確率達(dá)80.95%以上，總分類率為87.24%。

[1]董濤, 陳新建, 凡超, 等. 我國(guó)香蕉產(chǎn)業(yè)面臨的主要問題與對(duì)策[J]. 廣東農(nóng)業(yè)科學(xué), 2013, 40(11): 220-223.

[2]李玉萍, 方佳. 中國(guó)香蕉產(chǎn)業(yè)現(xiàn)狀與發(fā)展對(duì)策研究[J]. 中國(guó)農(nóng)學(xué)通報(bào), 2008, 24(8): 443-447.

[3]樊剛倫. 香蕉無傷采收及采后商品處理技術(shù)[J]. 農(nóng)業(yè)與技術(shù), 2012, 32(11): 104-104.

[4]CHENCR,RAMASWAMYHS.Colorandtexturechangekineticsinripeningbananas[J].LWT-FoodScienceandTechnology, 2002, 35(5): 415-419.

[5]胡孟晗, 董慶利, 劉寶林, 等. 基于計(jì)算機(jī)視覺的香蕉貯藏過程中顏色和紋理監(jiān)測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào), 2013, 44(8): 180-184.

[6]HUMH,DONGQL,LIUBL,etal.ThepotentialofdoubleK-meansclusteringforbananaimagesegmentation[J].JournalofFoodProcessEngineering, 2014, 37(1):10-18.

[7]工信部. 移動(dòng)互聯(lián)網(wǎng)白皮書[R]. 北京. 2013.

[8]ZHUF,BOSCHM,WOOI,etal.Theuseofmobiledevicesinaidingdietaryassessmentandevaluation[J].SelectedTopicsinSignalProcessing, 2010, 4(4):756-766.

[9]CATHALG,FRANKH,WOLFGANGH,etal.LectureNotesinComputerScience[M].Dublin:SpringerInternationalPublishing,2014:369-373.

[10]OLIVEIRAL,COSTAV,NEVESG,etal.Amobile,lightweight,poll-basedfoodidentificationsystem[J].PatternRecognition, 2014, 47(5):1 941-1 952.

[11]IQBALZ,ERIKSSONM.Classificationandquantitativeopticalanalysisofliquidandsolidsamplesusingamobilephoneasilluminationsourceanddetector[J].Sensors&ActuatorsBChemical, 2013, 185(8):354-362.

[12]MESAS-CARRASCOSAFJ,CASTILLEJO-GONZLEZIL,ORDENMSDL,etal.Real-timemobilephoneapplicationtosupportlandpolicy[J].Computers&ElectronicsinAgriculture, 2012, 85(5):109-111.

[13]謝勤嵐. 圖像降噪的自適應(yīng)高斯平滑濾波器[J]. 計(jì)算機(jī)工程與應(yīng)用, 2009, 45(16): 182-184.

[14]石銳, 陳中秋, 劉晶淼. 基于高斯加權(quán)和流形的高保真彩色圖像降噪[J]. 計(jì)算機(jī)應(yīng)用, 2013, 33(9):2 588-2 591.

[15]OTSUN,OHTSUN.Athresholdselectionmethodfromgray-levelhistograms[J].IEEETransactionsonSystemsManandCybernetics, 1979, 9(1): 62-66.

[16]齊麗娜, 張博, 王戰(zhàn)凱. 最大類間方差法在圖像處理中的應(yīng)用[J]. 無線電工程, 2006, 36(7): 25-26, 44.

[17]沈春裕. 自適應(yīng)閾值的運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)研究[D]. 杭州：浙江工業(yè)大學(xué), 2012.

[18]VONLOESECKEHW.Bananas.Chemistry,Physiology,Technology[M].IntersciencePublishers, 1950.

[19]MENDOZAF,AGUILERAJM.Applicationofimageanalysisforclassificationofripeningbananas[J].JournalofFoodScience, 2004, 69(9):E471-E477.

[20]INTARAVANNEY,SUMRIDDETCHKAJORNS,NUKEAWJ.Cellphone-basedtwo-dimensionalspectralanalysisforbananaripenessestimation[J].SensorsandActuatorsB:Chemical, 2012，168(7): 390-394.

[21]胡孟晗, 董慶利, 劉陽泰,等. 基于計(jì)算機(jī)視覺鑒別肉松與肉粉松[J]. 食品與發(fā)酵工業(yè), 2013, 39(4): 180-185.

[22]胡孟晗, 董慶利, 劉寶林,等. 基于橢圓傅里葉描述子的香蕉形狀識(shí)別[J]. 浙江農(nóng)業(yè)學(xué)報(bào), 2014, 26(1): 200-205.

[23]HUM,DONGQ,MALAKARPK,etal.Determiningbananasizebasedoncomputervision[J].InternationalJournalofFoodProperties, 2015,18(3)：508-520.

[24]VIBHUTEA,BODHESK.Colorcharacterizationofimagesinoutdoorillumination[C].EmergingTrendsinComputing,CommunicationandNanotechnology(ICE-CCN), 2013InternationalConferenceon.IEEE, 2013:319-321.

[25]HARONN,HALIMZA,SALEHJM,etal.WhiteLEDilluminationforimprovingoutdoorimageanalysisforpalmoilfruitripenessdetection[C].AdvancedComputerScienceandInformationSystems(ICACSIS), 2012InternationalConferenceon.IEEE, 2012:95-99.

[26]WANGQ,WANGH,XIEL,etal.Outdoorcolorratingofsweetcherriesusingcomputervision[J].ComputersandElectronicsinAgriculture, 2012, 87(3):113-120.

PotentialofimageanalysisfordeterminingbananamaturitystagebyAndroidmobilephone

LIUYang-tai，DONGQing-li*，QINZhi-xuan，LIUYang，F(xiàn)ANXin-yi,HUMeng-han,LIUBao-lin

(SchoolofMedicalInstrumentandFoodEngineering,UniversityofShanghaiforScienceandTechnology,Shanghai200093,China)

Inthisresearch,anovelmethodfordiscriminatingbananamaturitystageusingasmartmobilebyanAndroidoperatingsystemwasdeveloped.AnAndroidbasedsoftware,suitableformobileterminalsusingAndroidversion1.6orhigher,wasusedforimageacquisitionandimageprocessing.ThisAndroidsoftwarewascompiledbyusingJavaDevelopmentKit7.0,Eclipse4.2,AndroidDevelopmentTools20.0.0andNativeDevelopmentKit.Bananasamplesofdifferentmaturitystagescontent(fromthefirsttotheeighthstage)wereusedfortestingundertheilluminationof6500Kcolortemperatureinthisnovelapproach.Thechangeofthebananas’surfaceRGB/HSVvalueswereobtaineddailyduringthestorage.ResultsdemonstratedthatthecombinationoftheRandHvaluescouldachievetotalclassificationaccuracyof87.24%.Hence,thisnovelmethodofusingasmartmobilecanfastdetectthebananamaturityatsaleplace.

banana;computervision;smartmobileterminal;huevalue;maturitystages

10.13995/j.cnki.11-1802/ts.201601039

碩士研究生(董慶利副教授為通信作者，E-mail：dongqingli@126.com)。

國(guó)家自然科學(xué)基金項(xiàng)目(No.31271896); 上海市科委長(zhǎng)三角科技聯(lián)合攻關(guān)領(lǐng)域項(xiàng)目(No.15395810900); 上海市科委重點(diǎn)支撐項(xiàng)目(No.13430502400); 上?！按髮W(xué)生創(chuàng)新活動(dòng)計(jì)劃”(No.SH2013128)資助

2015-07-01，改回日期：2015-07-28