计算机视觉信息处理技术在苹果自动分级中的应用

阙玲丽

(广西工商职业技术学院 教务科研处，南宁 530008)



计算机视觉信息处理技术在苹果自动分级中的应用

阙玲丽

(广西工商职业技术学院 教务科研处，南宁 530008)

苹果在水果消耗中占有较大份额，对其进行分级销售可提高经济效益。在以往的苹果分级中，大都采用人工方法进行，只考虑大小、色泽方面的影响，导致分级精度低和人工消耗大。计算机系统现今已被广泛应用在精细农业中，如水果和蔬菜的自动收获及农产品的分级。为此，利用计算机视觉系统采集提取苹果图像，采用边缘检测、图像改善、图像二值化等图像数据处理方法对采集的图像前处理，设定等级区分参数，再依据特征参数对苹果进行自动分级。采用机器视觉进行苹果等级分离，提高了苹果分级的正确率，节省了劳动力，可以广泛地推广应用。

计算机视觉；苹果自动分级；图像信息提取；多特征分级

0 引言

联合国欧洲发达国家的农副产品质量等级区分标准中的品质会有最低要求和分级要求两个方面，且已经有了比较完善的农副产品等级区分要求，消费者也已经习惯了农副产品的分级[1]。我国作为苹果产量最大的国家，进行产品分级可以增加苹果种植户收入，加强国产苹果在国外市场上的竞争力。目前，计算机视觉技术已经是新鲜水果和蔬菜检验一个有力工具，在植物生长状态的采集、共享农业资源信息的建设、农副产品等级区分和质量检测等方面的应用得到了不断发展。因苹果在生产和之后加工处理等环节中受到诸多因素的影响，其等级、品质等方面就会产生很大的差异，如大小、形状、颜色、缺陷等或多或少存在着差异的，因此必需在对其进行分级和质量检测的过程中进行全面地区分。计算机视觉技术用摄像头代替人眼，剔除了人眼的各种影响因素，提高了分级工作的效率。在20世纪, Rehkugler和Throo p[2]研究了机器视觉如何检查苹果表皮损伤范围，并依据分级标准进行了分组，设计出缺陷检查和等级分离设备，经试验证实苹果分级效果良好。近年来，在农业生产上，利用计算机视觉技术对苹果进行多参量[3-4]等级区分判别，可以很大程度地提高生产效率，分级效果更加精确可靠。

1 新技术论述

1.1 计算机视觉概念

计算机视觉是指利用摄像头替代人眼的技术，即用摄像头和计算机代替人眼对标的物进行辨别、信息追踪和质量检测等。其利用镜头采集的图形，将图形前处理后，使图形变得更突出清晰，突显需要的信息；然后，通过软件分析，根据设定的参数来判断图形信息。

1.2 工作原理

采用计算机视觉技术的苹果自动分级系统的工作原理：将苹果摆放适当的位置，镜头拍照，获取苹果初级图像；将图像输送到计算机，利用计算机上的分析处理软件，进行图像前处理及特征(大小、形状、颜色、缺陷)提取，然后根据提取的图像信息综合分析确定苹果等级，工作原理流程如图1所示。

1.苹果输送装置 2.定向装置 3.苹果 4.摄像头 5.照明设备 6.计算机

1.2.1 图像前处理

通过镜头采集的图像易受到各类因素干扰，采集的图像一般都不是很清晰，存在很多噪声干扰，使得分级增加难度。采集的图像需要经过处理才能提取其中的特征信息，只有图像清晰，才能突显目标图形。首先，对图像灰度处理，灰度处理后的图像某一个灰度值区间内有着更大的对比度；然后，通过局部求平均值法或中值滤波法(取局部邻域中的中间像素值)去噪，再将图像边缘锐化；最后，进行伪彩色处理。经过前面几个步骤处理的图像清晰，需要提前特征信息突显，分级效果更好。

苹果分级过程中特征提取是决定分级效果的关键环节，等级的区分就是根据特征来确定，所以特征提取是否合理是决定分级正确率的最重要因素。

1.2.2 大小特征提取

提取苹果大小的特征量比较常用的有面积、线度等，以苹果的最大横切面直径作为特征量。在苹果图像中确定果心，以果心为圆点绕图形边缘旋转，旋转1周后得到最大值即为苹果的最大果径，再根据软件中设定的大小参量确定苹果的大小等级。

1.2.3 形状特征提取

苹果的形状是不规则的曲面，可用二维傅立叶动态变换[4]对苹果的形状提取。苹果等级区分是可以微调的，不需要用傅立叶半径描述中的所有特征参量来分析，中故去除中间较小的特征分量，利于快速分析。研究发现，傅立叶前9项分量基本可以复原图像中苹果的轮廓边缘，进而可以判断苹果的形状等级，如图2所示。

图2 傅立叶分量

1.2.4 颜色特征提取

颜色是苹果等级区分的最直观视觉特征，在苹果外观分级时，颜色是最重要的影响因素。本文采用色饱和度模型与人类眼睛观察色彩的原理相似，以色饱和度模型的色度图像进行作为苹果颜色的分析，可以确保分级的正确率。

1.2.5 缺陷特征提取

苹果在生长和加工过程中经常受到一些损伤，造成苹果表皮缺陷的形成，直接影响苹果的外观，因此苹果缺陷也成为苹果等级区分的重要影响因素。由于苹果表面呈不规则的状态，无法从一个方面来进行缺陷的检测，也无法利用模型识别来评判苹果的等级，鉴定的难度比较高，不能达到等级区分的目的。因此，本文采用对整个苹果图像进行全方位的扫描，检查其左、右临界点及图像像素点，提取缺陷点，将图像中的缺陷点面积累计，就可得到全部缺陷的总面积，确定苹果等级缺陷影响指数，从而判断苹果等级。

2 应用的方式方法

苹果采摘后要进行后续检测、等级分离、清理、上蜡等工序。其中，苹果的分级是后续加工中的重要环节，而且等级分离是苹果争夺市场竞争力的关键影响因素之一。

引入计算机视觉的苹果自动分级系统由安装了定向装置的输送带、采集镜头、光照补充装置、图像输送装置、计算机及分析软件构成。工作原理：将采摘下来的苹果置于输送带上，在输送的过程中，定向装置可以使苹果调整到适当的方向，利于后面采集图像；输送带输送苹果的过程中，由补光装置补充光照，镜头采集图像，输送装置将目标物图像传输到计算机上；利用计算机中的图像分析软件，将图像处理好后，再根据事先设定的多个特征参数，综合分析处理，确定苹果的级别；然后，发出指令，将苹果分配到相对应等级的输出口，完成苹果等级的划分。

3 效果和突破

国外从20世纪90年代已研发了利用机器视觉技术的分级系统，典型的有OSCARTM 型和MERLIN 型分级生产线，可以用于大多数水果的等级分离和品质测定[5]。日本研究的计算机视觉检测设备，还增加颜色、损伤、纹理等多特征的分级特征，其分级速度可达8 000个/h。

我国在20世纪末开始研究该项目，如农业大学研究的图像分割技术，利用光学反射特性的图像技术进行坏损检测，可以对坏损苹果进行检测。李庆中[7]研究了苹果色泽提取分级方法， 采用多层前馈网络识别器方法，可以基于苹果色泽的实时等级分离，试验的正确率都在90%以上，消耗时间为0.15s。2002年，浙江大学成功地研发出动态检测等级分离生产线，该线主要由双锥式滚筒输送翻转系统、图像识别系统和等级分离系统3部分构成，可以依据大小、形状、色彩、缺陷和表面光洁度进行检测，这是在原来基础上取得的重大突破。目前已研发出苹果内部无损检测技术，可将苹果进行更精细化的分级。

4 结论

计算机视觉技术方法引入为苹果等级的分离提供了一种高效、自动的方法。利用机器视觉技术进行农产品等级分离不仅增加了生产者的利润，也保证了消费者的利益。基于计算机视觉技术进行的苹果等级划分的正确率高、效率高，最大程度地规避了人工等级划分时受情绪的影响而导致的不良后果。计算机视觉技术在苹果外部等级划分中的应用已非常成熟，现已开始进行苹果的含糖量、农残等方面的研究，可改变苹果产业结构，提高国产苹果国际市场竞争力。

[1] 张灵光.农产品质量分级标准是增强市场竞争力的基础[J]．农业标准化，2007(10):59-62．

[2] Rehkug ler G E, Thr oo p J A. Apple so rting with machine v ision[J].Transactions of the ASAE, 1985, 29(5): 1388-1395.

[3] 龙满生，何东健，宁纪峰．基于遗传神经网络的苹果综合分级系统[J]．西北农林科技大学学报，2001，29(6):108-111．

[4] 包晓安，张瑞林，钟乐海．基于人工神经网络与图像处理的苹果识别方法研究[J]．农业工程学报，2004，20(3):109-112．

[5] 高华,王雅琴.基于计算机视觉的农产品形状分级研究[J].计算机工程与应用,2004(14):227-229.

[6] 蒋焕煜,应义斌,王剑平,等.水果品质智能化实时检测分级生产线的研究[J].农业工程学报,2002(6):158-160.

[7] 李庆中,张漫,汪懋华,等.基于遗传神经网络的苹果颜色实时分级方法[J].中国图像图形学学报,2000,5(9):779-784.

Computer Vision Information Processing Technology in Automatic Apple Grading

Que Lingli

(Academic Research Office，Guangxi Vocational College of Technology and Business，Nanning 530008，China)

The fruit as a daily consumables, the purchase is will pick one or two, selling fruit on the market today is a hierarchical sales approach. Apple accounted for the largest share in the fruit consumption, it is graded sales can fully play its value. Before Apple sales are artificial methods of rough grading, when using this method of classification may only consider the size or color of the impact, efficiency classification mode is very low, it is more important difficult to fully consider the situation of each apple, leading to low precision grading and artificial consumption. The computer system is now widely used in precision agriculture, such as detecting and removing weeds yield grade, automatic harvesting of fruits and vegetables or agricultural products. The working principle of computer vision grading system aapple: apple computer vision Acquisition extract images using edge detection, image improvement, image binarization image data processing method for pre-acquisition image processing, parameter setting level distinction, according to features required to set multiple parameters, and then based on the characteristic parameters of the apple automatically grade separation. Apple uses machine vision were grade separation, not only improve the accuracy of the apple grade separation, but also greatly save labor, while apple computer vision grading can also get a wide range of application.

computer vision; apple automatic grading; image information extraction；multi-grade features

2016-05-11

广西高校科学技术研究项目(KY2015YB454)

阙玲丽(1979-)，女，广西玉林人，讲师，硕士，(E-mail)40605449@qq.com。

S226.5;TP391.41

A

1003-188X(2017)05-0246-03