基于机器视觉的水果外部品质的研究

李悦 赵娜

摘要： 随着工业化的时代的高速发展，对于需求巨大的水果，使用人工的分拣已经不能满足需求，采用机器视觉的方法来对各种类水果进行分级检测，可以达到高的速度，优的品质，也可方便记录当年各种类水果的重量，形状，颜色的数据，反馈到农业相关部门，提出解决措施，保持优良性状，以便来年种植得到更加完美的产品。本文主要研究的就是通过机器视觉来研究水果外部品质，以此来实现对水果品质的检测和数据的记录。

关键词：机器视觉；水果；外部品质

中图分类号：TP393 文献标识码：A

文章编号：1009-3044（2019）07-0189-02

Abstract： With the rapid development of the era of industrialization， manual sorting fruits can no longer meet the demand. And the machine vision method is used to classify various kinds of fruits to achieve high speed and excellent quality. It is also convenient to record the weight， shape and color data of various types of fruits in the same year， and feedback to the relevant departments of agriculture， propose solutions， and maintain good traits so that plants can be more perfect in the coming year. The main research in this paper is to study the external quality of fruits through machine vision， in order to achieve the detection of fruit quality and the record of data.

Key words： machine vision； fruit； external quality

1 概述

當今社会，经济高速发展，人们的生活水平不断提高，越来越重视身体的健康，吃水果已经成了人们每天都会做的事情，所以对水果的需求也在不断地增加。而今现在的水果市场上同类的水果品种参差不齐，人工去挑拣水果更是耗费大量的人力、物力与财力。机器视觉是通过对目标物体图像的获取、处理和分析来模拟人类的视觉功能，并使用各种机电设备实现生产自动化。通过机器视觉来研究水果的外部品质，可以更加快速高效的检验水果的内在和外在品质，以此来达到在市场中买卖水果得到更多的经济利益。

我国是水果生产大国，在当今的经济来源上，水果的销售收入是国民经济的一大部分来源。一般水果的外部光滑，颜色鲜亮均匀便是佳品，也是人们争相购买的。水果具有储存时间短，不易储藏，不易翻动等特点，甚至有的水果在离开枝茎之后很短的时间便会腐败或者变质。这时如果采用人工分拣装箱，速度往往很慢，就会导致浪费。通过机器视觉来将水果进行分级与检测，能够大大地提高水果买卖的经济利益，同时减少时间与人力，这样也符合大众的需求。同时，使用机器视觉去研究水果的外部品质，还可以记录和检测该类农产品在一定时期的产量与质量，检测存在的问题，有益于今后的种植问题与注意事项，以此来培育具有更高优良性状的水果品种。这样必然能使今后的水果种植业有着更加强大的数据指标，达到高产优产。

2 机器视觉方法

机器视觉系统由三部分组成：图像的获取、图像的处理和分析、输出或显示，一般需要电荷耦合器件（Charge Coupled Device CCD）、检测装置、传送带、计算机、控制系统等设备。在水果分级过程中，水果位于传送带上方，CCD摄像机配置在传送带的上方及周边，在传送带的两侧安装有检测装置。当水果通过CCD摄像机时，CCD摄像机将通过图像采集卡将水果图像传入计算机，由计算机对图像及数据进行一系列处理，确定水果的颜色、形状、重量情况等特征，再根据处理结果控制机构，完成分级，该方法无损水果质量。

首先要获取对象，在合适光照条件下的场景中，使用成像仪器，获取收集水果的图像，并且转换成数字信号输入计算机中。之后分析图像，并且生成一个对被成像物体（或场景）的描述。通常，从图像中生成符号描述的过程，可以被分为以下两个阶段。第一个阶段生成一个素描图，即：一个详尽的、但是未经加工处理的描述。下一个阶段是：生成一个简化的、有结构的描述，用来进行决策。第一个阶段被称为图像分析：而对第一个阶段所得到的结果进行后续处理的过程，则被称为场景分析。这两个阶段有几分相似，其主要区别是：图像分析从图像开始，而场景分析从素描图开始[1]。

在整个机器视觉检测系统当中，最重要的就是获取到的图像的质量，如果获取到的图像质量有一定的缺陷，就会造成图像分析的不准确性大大增加，所以一定要保证图像的准确性。在这种情况下，可以考虑在CCD摄像机的配件上下功夫，例如提高相机镜头的分辨率，调整照明情况，使获取到的图像的对比度达到最佳效果，另外还有场深，失真等镜头上的优化事项都可以作为提高图像质量的方法。但是也要注意不能过分调整各项参数，强化了一些指标，破坏了图像本质的样子，造成图像分析的判断错误，例如在水果果皮颜色上，如果光线太过明亮就会造成视觉上的错觉，以此无法更加细小的区分果皮的颜色。

3 基于机器视觉方法的检测方法

在研究水果的外部品质上，机器视觉技术主要通过采集静态图像，对水果进行多方面的特征分析，以此得到果实的外部品质的数据，从而对水果进行分级与检测。建立基于多光谱成像设备的计算机视觉系统，对水果的外观品质进行定量检测。采用机器视觉技术对水果的3个指标进行外观品质检测。在重量检测方面，每种水果规定重量的分级，标准重量附近左右的水果为最佳的产品；在形状检测方面，不同水果外形类别应保持在正常形态，区分残缺果和畸形果；在颜色检测方面，每一种类的水果果皮颜色都应当是均匀的，并且颜色应当的是晶莹透亮，按照正常水果种类颜色的分布来划分等级，区分最佳果皮颜色[2]。

高光谱技术能有效检测水果的表面损伤缺陷。ElMasry等利用波段范围400～1000nm的高光谱成像系统对“McIntosh"苹果表面损伤进行检测。实验选取30个表面无缺陷、无损的苹果，贮藏在3℃环境下，24 小时后取出进行癌伤处理。选取了三种不同背景颜色的“McIntosh" 苹果作为实验对象。每个样品从10cm高处掉落到重250g的钢板上，在样品位于果梗与花萼的中间位置处产生直径约为14～ 18mm的相同瘀伤。将产生瘀伤的苹果分别放置1，12，24小時及3天后进行数据采集，以此得到高光谱成像系统对苹果表面从正常组织到瘀伤组织识别的一个时间阈值。水果放置在托盘上，通过步进电机控制平移台移动进行线扫描采集，图像尺寸大小为400X400像素，826个光谱波段。利用高光谱成像技术结合逐步回归算法及偏最小二乘算法，提取水果表面正常组织和瘀伤组织的光谱特征，对高光谱数据进行降维分析， 反射图像的数据被减少到三个最佳波长（750nm、820nm、 960nm）。这三个特征波长可用在多光谱成像系统中检测苹果表面瘀伤。实验验证了这种技术可以预测苹果表面的瘀伤的时间段为1个小时～3天[3]。

利用高空间分辨率（0.5～ Inm）的高光谱成像系统能检测苹果表面污染、腐烂、疤痕等缺陷。Mehl等以四类苹果（蛇果、金冠、嘎啦和富士苹果）作为研究对象，苹果被储存在0～4C环境中。美国农业部仪器与传感技术实验室（instrumentation and sensing lboretory ISL.） 开发的一套高光谱成像系统，光谱范围为430～ 930nm，光谱分辨率为10nm， 空间分辨率为1mm。该系统可以采集高光谱反射图像和荧光图像。通过高光谱系统对四类苹果表面的损伤、腐烂、疤痕和土壤污染进行检测，确定完好苹果以及带有缺陷和污染物的苹果不同目标处的光谱特征波长。通过实验发现利用主成分分析法检测苹果的表面情况（损伤、污染第多个主成分图像均受到苹果种类的影响，在某一特定波长得到的高光谱图像存在较大差异，为解决这一问题，设计了一种新的算法不均匀二次差分（asymmetric second diference， ASD）。不均匀二次差分方法在二次差分方法的基础上，对中心波长的较高波长和较低波长使用不同的波长间隔[4]。

4 总结

利用机器视觉来完成对水果的分级，可以加快经济的发展，解放劳动力，提高生产的效率，面对日益增加的水果需求，采用机器视觉技术可以更好地完成任务，提高国民生活质量，同时也是发展机械农业的重要步骤。将机器视觉与计算机相结合，不仅能将水果分级，还能提取水果的数据，达到商业与农业的完美结合。因此，紧紧抓住京津冀体化发展的历史性机遇，将信息化作为引领现代农业发展、创新农业管理服务、破解农业发展难题的重要手段，全面提升农业信息化应用水平[5]。未来在市场上这项技术一定会非常的流行与重要。

参考文献：

[1] 霍恩.机器视觉[M].王亮，蒋欣兰，译.北京：中国青年出版社，2014.

[2] 彭彦昆.农畜产品品质安全光学无损快速检测技术[M].北京：科学出版社，2016.

[3] ElMasry G， Wang N，Vigneault C，et al. Early detection of apple bruises on different background colors using hyperspectral imaging. LWT，2008（41）：337-345.

[4] Mehl P M，Chen Y R，Kim M S， et al. Development of hyperspectral imaging technique for the detectionof apple surface defects and contaminations.Journal of Food Engineering，2004（61）：67-81.

[5] 农业部信息中心课题.农业信息化研究报告[M].北京：中国农业出版社，2017.

【通联编辑：唐一东】