基于计算机视觉信息处理技术的苹果自动分级研究

苏 欣

(承德石油高等专科学校 计算机系，河北 承德 067000)



基于计算机视觉信息处理技术的苹果自动分级研究

苏 欣

(承德石油高等专科学校 计算机系，河北 承德 067000)

随着社会经济的快速发展和人们消费水平不断的提高，消费者在购买苹果时对其品质的要求也越来越高。在传统农产品加工作业中，导致分级精度低和劳动生产率低。利用计算机视觉信息处理技术，依据主特征参量对苹果进行自动分级，相较于传统的苹果等级人工分离方法，不仅提高了苹果等级分离的正确率，且极大地节约了劳动力。

苹果自动分级；计算机视觉；信息处理；特征提取；多特征

0 引言

计算机视觉技术已经被证明是新鲜水果和蔬菜检验的有力工具，目前在水果和包装蔬菜的自动加工系统中应用比较广泛。农业作为人类生存的最基本要素，计算机视觉的应用范围更加广泛，如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。机器视觉信息处理技术在农副产品分级和品质鉴别中的应用，衍生出一个新型的农业方向—精细农业。由于农副产品在产前和产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(如大小、形状、颜色、缺陷等)或多或少存在着差异，需在等级分离和质量检测的过程中全面区分；而计算机视觉用机器眼代替人眼，即用视觉采集装置采集的图像和机器替代人眼对受检产品进行信息区别和分离等，然后将图像效果改善成更易于区分的图像。在过去的农业生产中，农产品外观是最基础的鉴别方式，都是依靠人眼来判定的。近些年来，在精细农业方面取得了很多成就，如赵静等[1]采用修改了的CANNY算数法和当量直径法相结合的方式来区分苹果的大小等级。因此，利用计算机视觉技术对苹果进行多个特征[2-3]进行等级判别，可极大地提高生产效率，分级效果更精确可靠，可提高苹果在国内外市场销售额。

1 实验设计

1.1 设计原理

苹果加工包含了采后的检测分级、清洗、上蜡、贴标签等工序，等级分离是苹果争夺市场竞争力的关键影响因素之一。近年来，随着农业的精细化,农产品分级已是农业生产的必备手段了，分级方式也从依靠人眼采用单纯的大小或质量分级发展到计算机视觉自动分级。自动分级系统可从多个方面(如形状、颜色、缺陷等因素)进行等级区分，使苹果品质区分效果明显、分级效率提高。

本文采用红富士苹果作为实验对象，通过计算机视觉采集图像，以大小、形状、颜色、缺陷4个特征为主要提取特征参量，考察分级效果。

1.2 总体设计

基于计算机视觉的苹果自动分离系统由输送带、定向装置、视觉采集设备、照明装置和计算机构成。工作时，采摘下来的苹果放置在输送带上，因定向装置的辅助使苹果的输送定向。与此同时，在照明装置的协助下视觉采集设备完成目标物图像信息的采集，并将信息输送到计算机，再根据计算机中的图像分析软件综合分析，并按照苹果等级区分的国家标准GB/T 10651-2008进行苹果等级分离；然后，由电脑发出指令，将苹果输送相对应等级的传输带上，完成苹果等级的分离。

2 苹果图像特征提取

2.1 苹果图像预处理

通过摄像头采集的图像需要经处理才能进行分析，只有图像清晰、像素高，才能突显目标图形，故要采用手段去除图像中干扰和噪点。通过改善图像视觉效果等方法，可以使采集的图像更易于分析和鉴别，抑制不需要的特征，使图像中信息突显，提高图像判读和识别效果。图像改善常用方法有：①灰度等级直方图方法。该方法使改善后的图像在某一个灰度值区间内有着更大的对比度。②干扰抑制。通过空间域法中具有代表性的算法，如局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等，来去除或减弱采集的图像上噪声和随机性干扰。③边缘锐化。通过高通滤波、差分运算或某种变动，使图形的轮廓线边缘突显，便于目标识别。④伪彩色处理。该方法是将图像中的无色转变为有色。

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，本文以苹果的横径作为苹果大小的特征量。从苹果二值图像中分析得到苹果横径，使用迭代阈值分割法得到f(x,y)，再通过转化得苹果横径。根据国家推荐标准GB/T 10651中规定的参数，来确定苹果等级分离时的大小。

2.3 形状特征提取

利用边界线半径和二维傅立叶动态变换[4]对苹果的形状分析描述， 不仅可提高等级分离的正确率，还能提高分级工作的效率。在对苹果的等级分离过程中，对果形的要求并不高，苹果等级区分可以有一定的上下浮动范围，也不需要用傅立叶半径描述中的所有特征参量来描述。因此，中间较小的特征分量可以去除，进而减少特征个数。研究发现，取傅立叶前9项分量就基本可以复原图像中物品的轮廓。

2.4 颜色特征提取

颜色是苹果等级区分的最重要、最直接视觉特征之一，高品质的苹果底色黄绿，有密集鲜红色条纹且色泽均匀。由于色饱和度模型与人类眼睛观察色彩的原理相似，因此本文以色饱和度模型的色度图像作为苹果色泽的特征提取参数。

2.5 缺陷特征提取

苹果表皮经常出现一些损伤，会形成锈果型及花脸型等，且多在大萼洼处先出现黄绿色、铁锈色斑纹或斑块，致使果面龟裂、凹凸不平。果实畸形就会导致苹果等级下降，也是质量的重要影响因素，由于苹果表面呈不规则的状态，导致采集图像的灰度值由中心点向边沿呈现递减的趋势,再加上大小及噪点等因素的影响，无法利用模型识别来评判苹果的等级，鉴定难度高，不能达到等级区分的目的。因此，本文采用从右至左、再至右对整个苹果图像进行全方位的扫描，检查它们的左、右临界点(Lli、Lri)，那么整个图像像素点为:Li=Lri-Lli+1。然后，再找到一个f(x，y) 为0的像素点，该处即为缺陷；将苹果采集图像中的缺陷面积累加，可得到苹果的全部缺陷的面积，从而分析出苹果等级缺陷影响指数。

3 实验与结果

3.1 实验条件

根据国家推荐标准GB/T 10651的要求，苹果分为4个等级分别为: 优等、一等、二等和次品。本文以红富士苹果为试验对象，数量为200个( 每个等级50 个)，以大小、形状、颜色及缺陷4个特征参量选择各等级苹果。

3.2 实验方法

为了检测采用计算机视觉信息技术的苹果自动分级装置的有效性，以人工分级来做对比。首先，让工人严格按照大小、形状、颜色、缺陷这4个特征指标，将试验品按照国家标准中4个等级标准要求分为4个级别，统计各个级别的苹果数量；然后，采用计算机视觉信息处理技术自动分级设备，设置大小、形状、颜色、缺陷这4个特征指标为主特征参量数值，将试验果进行检测，得到4个等级苹果数，如表1所示。

表1 人工与自动分级效果对比

由表1数据可知：采用计算机视觉技术等级分离的正确率较人工的更高，实现了苹果等级分离的自动化生产，并全方位地考虑苹果等级区分的影响因素，最大程度提高了分级的正确率。

4 结论

采用人工等级分离方法，需要人工多、劳动强度大，且缺乏应有客观性和准确度，严重影响了苹果等级区分的效率和精度，没有达到分级的目的。计算机视觉技术为苹果等级的分离提供了一种自动、高效的方法，本文将苹果在市场上销售的主要影响因素定为分离参数，为苹果等级分离提供了重要依据。利用机器视觉技术进行农产品等级分离，不仅增加了生产商的利润，同时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分离的正确率高、效率高，很大程度避免了人工等级分离时受员工主观心理因素的影响而导致等级区分不准确的问题。因此，该技术在精细农业中的应用将会越来越广泛。

[1] 谢静.基于计算机视觉的苹果自动分级方法研究[D].合肥:安徽农业大学,2011.

[2] 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．

[3] 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．

[4] 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.

Apple Automatic Grading Computer Vision Information Processing Technology

Su Xin

(Department of Computer & Information Engineering，Chengde Petroleum College，Chengde 067000, China)

With the rapid socio-economic development, people's consumption levels continue to increase, people are buying Apple its quality requirements are also getting higher and higher, the market is now on the quality of apple grading sales. In the traditional agro-processing operations, separating workers picking fruit and put them in bags or boxes on the ground, and then be transported manually to the trailer park where to be sent to the area of post-harvest packaging line. Note that this hierarchical model is inefficient, more importantly, which includes dead time, it is difficult to fully consider the situation of each apple, resulting classification accuracy and low labor utilization rate. The computer system has been widely used in precision agriculture, such as detecting and removing weeds yield grade, automatic harvesting of fruits and vegetables or agricultural products.How it works: computer vision acquisition variety of apple image feature extraction, using edge detection, image enhancement, image binarization image data processing method for image analysis acquisition, processing feature can set up multiple, according to the main characteristic parameters apple automatic grading.The results show that the traditional apple grade artificial separation method compared to using machine vision grade apples were separated, not only improve the accuracy of the apple grade separation, but also greatly save labor.

apple automatic grading; computer vision; information processing; feature extraction; multiple featuresr

2016-05-12

承德市科学技术研究与发展计划项目(201422105)

苏 欣(1981-)，男，河北承德人，讲师，硕士研究生，(E-mail)bbisuxin@126.com。

S126

A

1003-188X(2017)06-0242-03