基于USB650南疆红枣颜色分级方法的研究

彭云发 解海龙 罗华平，2*

(1 塔里木大学机械电气化工程学院， 新疆 阿拉尔 843300)(2 新疆维吾尔自治区普通高等学校现代农业工程重点实验室， 新疆 阿拉尔 843300)

红枣又名大枣，起源于中国，在中国已有四千多年的种植历史，自古以来就被列为“五果”(桃、李、梅、杏、枣)之一。红枣富含蛋白质、糖类、脂肪、胡萝卜素、维生素C、维生素P、B族维生素以及钙、磷、铁和环磷酸腺苷等营养成分。其中维生素C的含量在果品中名列前茅，有维生素王之美称。新疆南疆地区红枣种植面积大，品种繁多。近年来南疆各个地区红枣生产中存在单纯追求数量忽视质量的问题，并且结构单一供应不均优质红枣买不出好的价格[1]。所以提高南疆地区红枣产后处理水平提高南疆红枣质量和国际竞争力是当务之急，南疆红枣急需提高产后加工水平改善检测和分级手段。南疆红枣采摘后分级、检测技术落后。大部分红枣都是采摘后不经检测、分级而是直接上市，没有提高红枣的附加值。为了提高红枣的附加值，红枣再上市前必须经过商品化的处理，如：清洗、烘干、分选、分级、包装，而且要求全部过程都是无损，并且传输过程的无损和分选分级过程中的无损检测[2]。

红枣的外部表面是一个重要感官质量属性，其中表面颜色是红枣外部品质的一个重要指标，它不仅影响他们的市场的销售价格、消费者的喜好和选择，而且在某种程度上也会影响他们的内部品质[3-4]。本研究目的在于运用海洋光学USB650来测量红枣的颜色反射光谱及L、a、b颜色值，并找出最佳的红枣颜色分级方法，为南疆地区的红枣颜色分级提供理论依据。

1 材料与方法

1.1 试验材料

材料为完熟期骏枣购买于新疆生产建设兵团和田地区农十四师224团和阿拉尔农一师10团，红枣平均含水率为19. 35%。将购买回来的红枣去除表面灰层并人工按表面颜色分为三个等级(参考国标GBT-5835-2009)，每个等级210颗，共630颗红枣。

1.2 试验设备及颜色测量

采用USB650型红潮(Red Tide)光谱仪(海洋光学，美国)来采集红枣可见-近红外光谱，仪器型号为线性硅CCD阵列，波长范围350～1 000 nm，可以在整个光谱上测量650个点，即每个波长1个点，入射狭缝为25μm，光学分辨率为约2. 0 nm(FWHM)，650有效像素，信噪比为250：1(全信号)，采集方式为积分球漫反射。

光谱采集前，先将红枣从冷库中取出放入室内12 h，室内温度在23 ℃～ 26℃之间，相对湿度25%～30%；颜色测量：光谱仪开机预热30分钟后，分别对红枣样本赤道部位每隔120 ℃标记的3点采集反射光谱，共采集三次，取平均光谱，如图1所示。该光谱仪测量的颜色空间为CIE 1976 L*a*b*，每颗红枣L、a、b颜色值也是测三次取平均，表1为各等级红枣的L、a、b颜色平均值。

图1 红枣颜色反射光谱

表1 各等级红枣L、a、b均值

1.3 软件

所有的算法应用在Windows XP系统上的Matlab 7.0 (Mathworks,USA)。SpectraSuite(海洋光学，美国)为颜色测量软件。

2 颜色分级方法

CIE 1976 L*a*b*颜色空间是由国家照明委员会(International Commission on Illumination,CIE)于1976年制定，其中有3个基本坐标L*、a*、b*，如图2所示L*表示颜色的亮度；a的正数代表红色，负数代表绿色；b的正数代表黄色，负数代表蓝色。后文省略“*”，简写为Lab[5]。Lab颜色空间的优点是用数字化方式来描述人的视觉感应，它与硬件设备无关，既不依赖于颜料，也不依赖于光线，所表达色彩范围广，它弥补了RGB和CMYK颜色空间必须依赖于设备色彩特性的不足，是均匀的彩色空间，可以按照距离最短进行颜色分级[6]。图3为三种颜色空间色域关系。

图2 Lab颜色空间

图3 三种颜色空间色域关系

从表1中可以看出等级越高的红枣L、a、b值越小，这说明等级越高的红枣颜色偏暗。将测量的红枣L、a、b颜色值画出二维和三维散点图，如图4所示，从图4(a)、(b)可以看出红枣等级聚类效果比较明显，说明红枣等级与L值有高的相关性；图4(c)中红枣等级聚类效果不好，相互交叉现象比较严重，说明红枣等级与a、b值的相关性不是很高；图4(d)中是L、a、b三个值的三维散点图，从图中可以看出L、a、b三个值的三维聚类效果很好，说明红枣可以按L、a、b三个值进行分级。

(a)

(b)

(c)

(d)

2.1 按L值来分级

表1给出的结果是等级越高的红枣L值越小，那么将630颗红枣按L值来分级，分级阈值如表2所示。表3为红枣按L值分级的结果，分级准确率为93. 65%，其中有11个二级红枣被判为1级红枣，11个一级红枣被判为二级红枣，9个二级红枣被判为3级红枣，9两三级红枣被判为二级红枣。

表2 各等级红枣L值

表3 分级结果

2.2 按L、a、b值分级

从630个样本中选取420个作为训练集，每个级别为140个样本；剩余的210个样本作为预测集，每个级别也为70个样本。

运用BP人工神经网络进行分级训练，将提取的L、a、b三个值进行归一化处理。

(1)

公式(1)中： P为红枣颜色特征值；Pi为归一化后的特征值。将归一化后得到的新向量[P1～P12]作为BP神经网络的输入特征变量，即输入层节点数为3。

由于红枣分为3个等级，所以输出层节点为3，一级为数字1，二级为数字2，三级为数字3，代表3种不同的等级红枣。

中间层节点数可根据经验公式[7]来选择。

(2)

式中： 为中间层节点数； 为输入层节点数； 为输出层节点数； 为1～10之间的常数。

BP神经网络输入层到中间层采用传递函数为S型的对数函数logsig，隐含层到输出层采用显性传递函数Purelin,迭代次数为5000次，误差性能目标为0. 005。试验发现中间层选取3个节点数时识别效果最好为94. 76%，表4为BP人工神经网络红枣颜色分级结果。

表4 BP神经网络红枣颜色分级结果

3 结束语

采用USB650可以实时测量红枣的L、a、b颜色值，红枣的L颜色值与红枣等级有非常高相关性，红枣颜色按L值分级准确率达93. 65%，红枣的a、b颜色值与红枣等级相关性不明显；将测量的红枣L、a、b颜色值进行BP人工神经网络分级训练，分级的准确率达94. 76%。比较发现红枣以L、a、b三个颜色值分级要好于以单个L值分级；该试验结果为实现新疆南疆地区红枣颜色的自动化分级奠定基础。

[1] 金新文，贾文婷，郑霞，等.新疆南疆地区红枣产业营销现状与战略思考[J].新疆农垦经济,2014(01):37-39.

[2] 庞江伟,应义斌. 机器视觉在水果缺陷检测中的研究现状[J]. 农机化研究,2006(09):47-49.

[3] 周健华. 红枣分级机的设计及试验研究[D].新疆农业大学,2012.

[4] Costa C, Antonucci F, Pallottino F,et al.Shape analysis of agricultural products: A review of recent research advances and potentialapplication to computer vision[J].Food and Bioprocess Technology,2011,4(5):673-692.

[5] 庞晓敏,闵子建,阚江明. 基于HSI和LAB颜色空间的彩色图像分割[J]. 广西大学学报(自然科学版),2011(06):976-980.

[6] 任洪娥,白杰云. Lab颜色空间中基于动态聚类的颜色分级[J]. 计算机工程,2013(06):231-235.

[7] Hecht-Nielsen R.Theory of back-propagation neural networks[C].San Diego: Proceedings of the International Joint Conference on Neural Networks,1989.

[8] 姚立健,边起,雷良育,等. 基于BP神经网络的水果分级研究[J]. 浙江农业报,2012(05):926-930.

[9] 赵杰文,刘少鹏,邹小波,等. 基于支持向量机的缺陷红枣机器视觉识别[J]. 农业机械学报,2008(03):113-115+147.

[10] 罗玉娟,李熙莹,蔡志岗,等. 采用均匀颜色空间的竹片分类研究[J]. 计算机工程与应用,2010(16):238-240.

[11] 武海丽,黄庆梅,苑馨方,等. 基于S-CIELAB和iCAM模型的图像颜色质量评价方法的实验研究[J]. 光学学报,2010(12):3447-3453.

[12] 庞晓敏,闵子建,阚江明. 基于HSI和LAB颜色空间的彩色图像分割[J]. 广西大学学报(自然科学版),2011(06):976-980.

[13] 许莉,王敏,温月. 基于Lab颜色空间的运动目标检测[J]. 华中科技大学学报(自然科学版),2013,S1:219-222.

[14] 古晶. RGB到Lab颜色空间转换[J]. 广东印刷,2009(05):11-14.

[15] 梁松涛,吕学强,程涛,等. 基于分块和Lab颜色模型的字幕提取方法[J]. 微计算机信息,2010(17):198-200.