基于图像处理的苹果表面缺陷检测系统的设计

代秋芳 吴伟斌 陈建泽 李浚时

摘 要：表面缺陷是衡量苹果品质的重要指标。为了能够在分选中正确的检测出表面存在缺陷的苹果，提高苹果的分级水平，设计了一个基于图像处理的苹果表面缺陷检测系统，可完成苹果图像的采集和苹果表面缺陷的判断。实验结果表明：直方图算法判断准确率为81%，感知哈希算法为86%，综合算法为91%。

关键词：苹果 缺陷检测 直方图算法 感知哈希算法

中图分类号：TP391.41 文献标识码：A 文章编号：1674-098X（2016）03（c）-0001-02

苹果的表面缺陷是其品质最直接的反映，且在一定程度上还会影响内部品质。在交易或存储前，对苹果外观品质进行分选可实现优质优价，可有效防止缺陷苹果感染其他优质水果[1]。传统的外观品质检测主要是利用分级机械，根据水果的大小、质量等指标进行分级，而无法对水果的颜色、纹理和表面缺陷等做出评价[2]。运用机器视觉技术和图像处理技术检测水果的外观缺陷一直是研究的难点和热点[3-5]。该文设计基于图像处理的苹果表面缺陷检测系统，通过图像采集装置获取苹果图像，用缺陷检测算法对图像信息进行分析，实现对苹果表面缺陷的快速检测。

1 试验材料与方法

1.1 试验样本

试验的研究对象为红富士苹果，共采购100个。这些果实果型匀称，半径为68.5～88 mm，质量为128～211 g，50个为有表面缺陷的苹果，50个为正常苹果，所有样本均用于算法的验证。

1.2 图像采集装置

搭建图像采集装置如图1所示。整个装置由计算机、像素为1 200万的摄像头、光源（USB接口的LED灯炮）和自制光照箱组成。

1.3 试验方法

试验采用搭建的图像采集装置对100个红富士苹果样本进行图像采集，在计算机中运行苹果表面缺陷检测系统得到样本图像，并在操作界面中得到判断结果，操作界面可一键运行得到最终结果，也可通过按相应按钮在显示苹果图像窗口中观测中间结果。

2 苹果表面缺陷检测系统

该文基于VS2010平台开发一个苹果表面缺陷检测系统。系统获取苹果图像后依次经过图像预处理、灰度化、二值化、边缘检测、特征提取和特征分析后，判断是否存在缺陷并输出结果，系统分为操作界面窗口和显示苹果图像窗口，其中系统操作界面如图2所示。

2.1 图像获取

系统提供两种图像获取模式供用户选择。①载入图片模式：载入苹果图片库中已有的图片进行分析；②拍摄模式：利用系统搭建的图像采集装置，启用摄像头实时拍摄苹果图像。

2.2 图像预处理

获取苹果图像后系统先对图像进行预处理，包括倾斜校正、中值滤波和归一化。倾斜校正可得到位置端正的苹果图像；中值滤波可消除噪声，改善图像质量，使其更清晰；归一化可取得尺寸一致，灰度取值范围相同的标准化苹果图像。

2.3 图像灰度化、二值化及边缘检测

图像预处理后要进行图像灰度化、二值化及边缘检测。该系统中的边缘检测采用Canny算法，标识数字图像中亮度变化明显的点来分割图像。灰度化后的图像如图3所示，边缘检测图如图4所示。

2.4 表面缺陷判断算法

系统通过特征提取和特征分析判断苹果表面是否有缺陷。系统设计了3种算法：直方图算法，感知哈希算法和综合算法，同时选取100个苹果（前50个为正常果，后50个为缺陷果）进行了试验。

（1）直方图算法：对检测苹果与正常苹果图像进行直方图数据采集，对两种图像的直方图进行归一化再使用巴氏系数算法进行计算，得到直方图相似系数（Histogram Similarity Coefficient，HSC），取值范围为0～1，0为极相似，1为极不同。若HSC<0.5，判断为正常；若HSC≥0.5，判断为缺陷。缺陷判断情况如图5所示，空心点为判断错误，准确率为81%。

（2）感知哈希算法：提取检测苹果与正常苹果图像的“指纹”字符串进行比较，得到图像的哈希相似参数（Hash Similarity Parameters，HSP），取值范围为0～100，0为极相似，100为极不同。若HSP<5，判断为正常；若HSP≥5，判断为缺陷。缺陷判断情况如图6所示，空心点为判断错误，准确率为86%。

（3）综合算法：直方图算法对颜色缺陷的检测准确率较高，而感知哈希算法对形状缺陷的检测准确率较高，为综合利用两种算法的优势，论文设计了1种综合算法。综合算法做了2点改进：①首先对直方图算法和感知哈希算法的判断结果进行分析，若两种算法结果相同，综合算法直接取两种算法的结果；②对两种算法结果不相同的情况进一步处理，得到综合系数（Synthetic Coefficient，SC）。取值范围为0～1，0为极相似，1为极不同。若SC<0.5，判断为正常；若SC≥0.5，判断为缺陷。SC计算公式如式（1）所示。

3 结语

该文基于VS2010平台设计了一个基于图像处理的苹果表面缺陷检测系统，可判断苹果表面是否存在缺陷，系统设计了3种判断缺陷的算法，选取100个苹果（正常果50个，缺陷果50个）进行了试验，主要结论有如下几点。

（1）直方图算法准确率为81%，感知哈希算法准确率为86%，集两种算法优点自行设计的综合算法准确率为91%。

（2）感知哈希算法的准确率高于直方图算法，综合两种算法优点自行设计的综合算法能提高检测准确率。

（3）其他水果的表面缺陷检测，苹果内部缺陷检测以及提取除颜色、灰度和形状外的其他特征信息有待进一步研究。

参考文献

[1] 赵娟，彭彦昆，Sagar D，等.基于机器视觉的苹果外观缺陷在线检测[J].农业机械学报，2013，44（S1）：260-263.

[2] 田有文，程怡，王小奇，等.基于高光谱成像的苹果虫伤缺 陷与果梗/花萼识别方法[J].农业工程学报，2015，31（4）： 325-331.

[3] 刘禾，汪懋华.基于数字图像处理的苹果表面缺陷分类方法[J].农业工程学报，2004，20（6）：138-140.

[4] 周建民，张瑞丰.基于主动热成像技术的苹果表面缺陷分类方法[J].华东交通大学学报，2012，29（1）：86-89.

[5] 张保华，黄文倩，李江波，等.基于亮度校正和AdaBoos的苹果缺陷在线识别[J].农业机械学报，2014，45（6）：221-226.