基于机器视觉的芒果果形评价方法研究

何 军，马稚昱，褚 璇，刘洪利，肖天宇，韦鸿钰

（仲恺农业工程学院，广东 广州 510225）

0 引言

芒果是热带和亚热带地区的主产水果，其消费形式以鲜食为主。而鲜果在上市之前需进行标准化分级才能实现优质优价。我国现有的芒果分级方式有人工分级、机械分级和机器视觉分级方式[1-5]，其中人工分级的主观性影响大且效率低下；机械方法多是根据芒果的质量进行分级，精度不高且容易导致芒果损伤[6]；基于机器视觉的无损分级技术越来越显现其优势，但现有的无损分级方法主要是根据芒果的大小、颜色、表面缺陷等进行分级[7,8]，而对于芒果的果形这一重要指标并未考虑。主要原因是芒果的果形非标准形，评价困难，目前已有的基于机器视觉技术的水果果形评价多是针对苹果、柑橘等圆形品种进行评价[9-16]，而对于芒果这种非规则形状评价尚缺乏量化方法及标准。本文采用机器视觉技术对芒果的果形进行量化评价，不仅可以提高分级精度还可以保证分级效率，分级后的芒果可更好地适应国际市场，满足消费者的购买需求。

1 材料和方法

1.1 试验设备及材料

试验样品为小台农芒果，产地广东，采购于广州某超市，果型似鸡蛋大小，呈卵圆形或长卵形。本研究目的是对芒果的果形进行评价，因此不关注芒果其他表面特征。

芒果图像采集系统如图1 所示，由计算机、CCD相机、LED光源、可调节支架及载物台组成，其中工业相机型号为MV-EM500C，分辨率为2 592×1944，相机至载物台距离为350 mm，采用pycharm 2018.2软件编写python程序调用OpenCV库，对所采集图像进行图像处理提取芒果果形特征参数。

图1 芒果图像采集系统

1.2 芒果果形评价指标

果形指数是衡量水果形状的重要参数，能在一定程度上反映出水果的形状，但不能体现水果的饱满程度。本文提出采用果形指数和饱满度两个参数来衡量芒果果形，为避免由于芒果果形不端正而带来的样本指标复杂性，本文采用最小外接矩形法来计算各指标参数。图2 为不同形态芒果的最小外接矩形。

图2 最小外接矩形

芒果的果形指数及饱满度具体计算方法如下：

1.2.1 果形指数

果形指数是水果的纵径与横径的比例，采用最小外接矩形法来评价芒果的果形指数[17]，其计算公式为

式中 D为芒果果形指数；L为最小外接矩形长度，mm；H为最小外接矩形宽度，mm。

1.2.2 饱满度

饱满度为芒果的面积与最小外接矩形的面积的比值。当芒果的面积越接近最小外接矩形的面积，芒果的果形就越饱满。芒果饱满度计算公式为

式中α为芒果饱满度；Smango为芒果面积，mm2；Stangls为最小外接矩形的面积，mm2。

1.3 图像处理流程

在进行果形特征参数提取时，具体算法实现流程如图3 所示。先将采集到的RGB 图像进行颜色空间转换为HSV 图像，通过比较HSV 颜色空间的3 个通道图像（见图4）可知，当芒果表面有黑斑的时候，S、V 两通道不利于芒果轮廓的提取，故采用H 通道进行图像自适应阈值分割[18,19]及二值化，通过形态学开运算消除二值化图像中的零散噪声，得到芒果的二值化图像，计算芒果图像面积即芒果图像所占的像素总数，采用canny 算子[20,21]提取芒果轮廓并计算芒果轮廓的最小外接矩形的长、宽和面积（如图5 所示），进而计算出芒果的果形指数和饱满度。

图3 芒果图像处理流程

图4 芒果图像HSV各通道图

图5 芒果图像提取

1.4 数据分析方法

根据NY/T 3011-2016《中国农业行业标准》的分级标准，将其果形指数和饱满度分为3 级。在对果形指数和饱满度指标的量化过程中，采用了聚类分析法中的K-means 算法[22,23]，将50 个芒果果形特征指标（I1,I2,...I50）分成3 个簇，具体计算流程如下。

1）随机选择3 个芒果果形特征对象，每个对象初始地代表了一个簇的平均值或中心，即选择3个初始质心。

2）对剩余的每个对象，根据其与各类中心的欧式距离，将它赋给最近的类。

其中欧式距离计算方法为

采用误差的平方和SSE 作为全局的目标函数，即最小化每个点到最近质心的欧几里得距离的平方和。

式中 C为聚类中心的值；x为属于这个簇的数据点。

3）重新计算每个类的平均值。这个过程不断重复，直到准则函数收敛，质心不发生明显的变化。

2 试验结果与分析

2.1 芒果果形指数数据分析

图6 测试集芒果果形指数分布图

图6 是测试集的50 个芒果果形指数的散点图。由图可知，测试集小台芒的果形指数最小值为1.03，最大值为1.66，大部分果形指数分布在1.20～1.60之间。当小台芒的果形指数低于1.10，果形扁平，芒果失去了卵形或者长卵形的特征。当小台芒的果形指数大于1.60 时，芒果呈现狭长型，亦不符合其典型果形特征。

为确定果形指数评价标准，采用K-means 算法对测试集果形指数进行聚类分析。在处理前，首先剔除果形指数高于1.60 和果形指数低于1.10 的芒果，对其余45 个芒果的果形指数作聚类分析，结果如图7 所示。

图7 果形指数聚类分析

聚类1 为三级果，聚类2 为二级果，聚类3 为一级果。分析每个类中的最大值和最小值可知，聚类1 最大值为1.30，聚类2 最小值为1.32，最大值为1.41，聚类3 最小值为1.45，以其相邻类之间的最小值和最大值的中值作为类与类之间的分界，确定芒果果形指数评价标准见表1。

表1 果形指数评价标准

2.2 芒果饱满度数据分析

图8 是测试集的50 个芒果果形饱满度的散点图。由图可知，测试集小台芒的饱满度最小值为0.764，最大值为0.805，数值越大芒果的饱满度越好。

图8 测试集芒果果形饱满度分布图

为确定果形饱满度评价标准，采用K-means 算法对测试集的50 个芒果饱满度进行聚类分析。结果如图9 所示。

图9 芒果饱满度聚类分析

聚类1 为三级果，聚类2 为二级果，聚类3 为一级果。分析每个类中的最大值和最小值可知，聚类1 最大值为0.777，聚类2 最小值为0.779，最大值为0.788，聚类3 最小值为0.790，以其相邻类之间的最小值和最大值的中值作为类与类之间的分界，确定芒果饱满度评价标准见表2。

表2 饱满度评价标准

2.3 验证试验

为了验证上述评价指标及方法，随机选取50个芒果作为验证集，先进行人工分级，然后分别用果形指数，饱满度，果形指数&饱满度3 种方法进行评价，结果如表3 所示。

由表3 中结果可知，单独采用果形指数或饱满度对芒果果形进行评价，错误率较高，分别达到32%和52%，这主要是由于有些芒果果形指数较好，但瘦弱干瘪；有些芒果虽饱满度很好，但不具备芒果的典型形状，因而出现较大的偏差，这说明单一指标评价不够全面。而采用果形指数和饱满度两个参数共同评价具有较好的评价效果，其评价准确率与人工相比可达92%。

表3 验证集各分级指标分级结果

3 结语

本文采用机器视觉技术对芒果果形进行评价，提出芒果果形指数及饱满度两个果形评价指标，采用图像处理技术对50 个测试集的芒果的果形信息进行提取及聚类分析，得出芒果果形指数及饱满度的量化评价标准，并采用该方法将机器视觉分级结果与人工分级结果进行对比，结果表明：单一评价指标会产生较大的偏差，对果形评价不够全面，综合果形指数和饱满度两个参数进行果形评价具有较好的分级效果，与人工分级对比准确率可达92%。