基于图像处理的蜜柑大小自动分级方法

谭 博，唐少先

（湖南农业大学 信息科学技术学院，湖南 长沙 410128）

分级是根据要求把物体分为不同等级的一种方法。蜜柑分级一直是我国水果产业上的一大薄弱环节，直接影响到蜜柑在市场上的销售。柑橘类水果是我国产量最大的水果种类之一，也是非常重要的外贸果品。尤其是在南方一带，广泛种植了温州蜜柑类水果，但是由于采摘后的分级技术落后，造成上市的蜜柑质量良莠不齐，严重了损害了蜜柑品牌的形象，降低了竞争力。同时随着近几年我国劳动力成本不断飙升，人工分级的成本也较大，效率却较低。

目前计算机技术在农业上应用越来越广、深入。近年来图像处理技术在农业的研究和应用已经成了一个热点。如郑秀莲运用图像处理技术，提取柑橘的两个特征参数进行柑橘的无损检测研究；RAO和YING等研究了关于柑橘果径大小的最小矩形域检测方法，通过对80个柑橘进行检测，验证了果径测量的最大误差小于1mm；黎移新通过对柑橘图像中统计出来的亮度经验值为阀值，检测出柑橘病虫害疤痕，对柑橘图像中疤痕正确识别率达到88.64%；晁德起，章程辉等通过改进图像灰化的方法，研究了运用计算机视觉技术对毛叶枣进行分级。

为了改变过去在图像处理领域检测蜜柑类大小时，效率低，或者实现环境复杂而不利于工业应用的状况。本文根据蜜柑的特性以及工业应用的需要，提出了针对蜜柑直径检测的快速、高效的算法，实现快速分级。

1 分级系统原理与结构

1.1 分级系统原理

蜜柑分级系统主要采用微机和可编程控制器（PLC）相结合的控制架构。由微机组成的控制台负责图像信息采集、图像处理及分析评级。同时在传送带下面设置PLC接受来自微机的分级信息并对分级执行结构进行逻辑控制，对底层硬件如伺服电机和摄像头开关等进行控制。控制台对图像信息进行分析处理后，发布指令给PLC。PLC接受指令后，再对私服电机发送相应脉冲控制旋转分离臂的转向，将相应的蜜柑送到相应的等级通道中。

系统工作流程框架如图1所示。

图1 自动分级系统工作流程框架图

1.2 图像采集

当蜜柑由传送带运送进入分级系统时，分级系统采用双锥形滚子传送带，每一个柑橘都落入双锥形的凹槽中，然后进入灯箱。双锥式滚筒在摩擦带上绕水平轴转动，带动蜜柑进行翻转运动，在灯箱内，由CCD摄像头完成图像采集，并将图像信息传递给控制台。

2 图像处理及分析

采用MATLAB图像处理工具箱对图像进行处理和分析。具体过程是去除背景、图像二值化、检测直径、图像标定等。

2.1 背景去除及灰度化

图像去背景采取相位一致性边缘检测的方法来实现，基于相位一致性边缘检测的计算过程本身就具有消除噪声的功能，所以对原始图像不必再预先进行消噪处理。

相位一致性边缘检测方法主要是针对灰度图像，针对彩色图像，还没有基于彩色分量比较成熟的方法，所以应将图像变换成灰度图像。

实现图像灰度化的语句如下：

X2=mat2gray(x1)

得到灰度图像后采用非极大值抑制方法细化边缘特征的一些信息进行相位一致性边缘检测。

相位一致函数如下：

其中，E（x）表示 x处的局部能量，An表示 Fourier变换各分量幅度，pc(x)表示x处的相位一致性。

其中，F（x）表示某一维信号，而 H（x）表示 F的希尔伯特变换。所以局部能量定义为信号与它的希尔伯特变换的平方和的平方根。

去除背景后并灰度化的图像如图2所示。

图2 去背景后灰度化图像

2.2 图像二值化

为了后面的提取特征量，还需要将图像进行二值化处理。二值化处理的一个关键就是阀值的选取。通过对大量样本图像的分析，采用自动搜索阀值法进行图像的二值化处理。

使用最大类间方差法,即OTSU获得阈值T后，用T将图像分为两部分。大于T的像素群取值1，小于T的像素群取值0，从而把图像分化成仅留目标对象和黑色背景的两个图像区域。通过二值化处理，将检测对象提取出来。

图像二值化处理函数：

Matlab语句如下：

Level=graythresh(x2);

X3=im2bw(x2,level);

二值化处理后的图像如图3所示

图3 二值化图像

2.3 检测直径

蜜柑直径的检测精度直径影响到了蜜柑的分级准确性，利用图像处理技术进行直径检测时，通常用图像像素数量表示空间尺度。最大果宽法是目前应该比较多的方法，但是此方法要求检测果梗和花筹，而蜜柑的果梗和花筹并不明显，实际过程中难以检测，所以并不适用。应义赋提出的最小外接矩形法（MER）对柑橘类水果的最大直径计算比较准确，但是该方法对蜜柑的摆放位置要求较高，同时对每一个蜜柑都要求取120哥外接矩形，耗时大，在生产中不适用。

在对最大直径进行检测的过程中，传统的检测方法大部分精度不够，而且很多算法运行时间过长或不适用实际生产。同时经过上面的图像基本处理后，得到了蜜柑的边界信息，而边界信息的获取并不复杂，可以利用可靠的边界信息来求取质心，再利用质心对图像进行不断分割，找到分割后形成区域的最大半径，分割区域足够小时，便可以取得最大直径。

对蜜柑二值化处理后的图像，将每个像素点的质量当做1。则质心的横坐标就为所有像素点横坐标之和除以像素点总数；质心的纵坐标则为所有像素点的纵坐标之和除以像素点总数。公式如下：

式中cx、cy为质心坐标，n为分割的总线段条数，x1i、x0i为同条直线上的边界点坐标，I为像素点总数。

得到检测图像之后，还需要确定蜜柑直径的检测轴向，取垂直方向为轴向方向。这样，垂直于轴向的最大蜜柑宽度即为蜜柑直径大小。沿着轴向方向进行宽度检测，将得到一系列蜜柑宽度，对其进行比较，最后确定最大值，这就是对蜜柑进行大小分级的特征量。

2.4 图像标定

提取特征量后，得到的蜜柑的直径值是像素坐标下的值。要进行蜜柑大小分级，还需要对其值进行像素坐标和实际坐标的转化。

在图像标定过程中，用水平放置的刻度尺来作为参考，在刻度尺上做两处标记，记录两标记点间的实际坐标差。通过多次检测两标记点间的像素坐标差，利用下面的公式就可以得到像素坐标和实际坐标间的标定比例。

式中a为单位长度内的像素数，x1为左标记点的像素坐标，x2为右标记点的像素坐标，L为记录的刻度尺的总长度。

3 自动分级

利用图像标定比例对提取到的特征量进行转化，可以得到蜜柑的实际直径。蜜柑大小分级可以按照国家质量监督检验检疫总局、国家标准化管理委员会于2008年8月7日发布的标准GB/T 12947-2008。

表1 蜜柑类直径分级标准

由表 1 可见，取阀值 d1=75.0、d2=70.0、d3=65.0、d4=60.0、d5=40.0,设蜜柑的实际直径大小为d。分级程序思路如下：

利用上面的程序，分级容易实现，且计算量小，分级速度快。

4 实验验证分析

随即抽取80个温州蜜柑样本进行分级。机器视觉分级结果和人工分级结果见表2。

表2 自动分级结果和人工分级结果比较表

从实验结果可以看出，通过图像处理进行的自动分级与人工分级结果相一致的有77个，不一致的只有3个，准确率高达96.25%，可见自动分级技术有较高的可靠性和精准度。

5 结语

以图像处理技术为基础，按照国家标准GB/T 12947-2008，对蜜柑进行了自动分级。巧妙地利用和改进相位一致性边缘检测算法，达到了很好的处理效果。同时，实验结果表明基于图像处理技术的自动分级能够达到较高的分级精度，而且计算复杂度小。

[1]郑秀莲，俞祖.计算机视觉的柑橘无损检测技术[J].轻功机械，2008，26(1):83-85.

[2]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.

[3]Ying Yibin，Cheng Fang，Ma Junfu.Real-time size inspection of citrus with minimum enclosing rectangle method [J].Journal of Biomathematics，2004，19(3):352-356.

[4]黎移新.柑橘病虫害疤痕的计算机视觉识别[J].机械与设计，2009，25(3):78-81.

[5]晁德起，章程辉，黄勇平等.毛叶枣的计算机视觉分级技术研究[J].农机化研究，2010，5:158-161.

[6]罗斌，涂铮铮，郭玉堂.基于运动信息和相位一致性的运动目标提取[J].系统仿真学报，2008，20(1):94-98.

[7]Otsu N.A threshold selection method from gray-level histogram[J].IEEE Trans.Systems ManCybernet，1979，9(1):62-66.

[8]章文英，应义赋.苹果图像的低层处理及尺寸检测[J].浙江农业学报，2001，13(4):214-217.

[9]应义赋，成芳，马俊福.基于最小矩形法的柑桔横径实时监测方法研究[J].生物数学学报，2004，19(3):352-356.