摘 要:水果品质检测关系到水果的包装运输贮藏和销售的效果和收益。传统的外观品质检测主要是利用分级机械,其存在很多不足之处,因此提出了利用机器视觉进行无损检测的技术。利用机器视觉技术主要是检测水果的大小、形状、颜色和表面缺陷四个性状参数。本文总结了国内外一些利用机器视觉技术对水果进行检测分级的成果,并以苹果外部品质检测与分级系统为例做了说明。然后就未来的发展前景做了展望。
关键词:水果品质检测, 机器视觉技术, 大小, 形状, 颜色, 表面缺陷
一、前言
水果品质检测是水果商品化处理的关键环节之一,直接关系到水果的包装运输贮藏和销售的效果和收益。品质检测主要包括外观品质和内部品质两个方面, 传统的外观品质检测主要是利用分级机械,根据水果的大小重量等指标进行分级,该方法主要是通过设计专用机械结构来检测水果的大小和重量,而无法对水果的颜色纹理和表面缺陷等做出评价,设备专用性强,利用率低,检测时水果常发生碰撞,容易导致水果的损伤。
近些年来发展起了利用机器视觉技术进行水果质量检测的技术。机器视觉技术从概念上讲是用计算机实现人的视觉功能也就是用计算机代替人眼实现对客观三维世界的认识。机器视觉是一门涉及到人工智能、神经生物学、心理物理学、计算机科学、图像处理学、模式识别等诸多领域的新兴交叉学科[1]。利用该技术可以实现高效率、无损害的水果品质检测。
二、国内外研究现状
在水果外观品质的检测中,主要是针对其大小、形状和颜色三个性状进行检测。按果实大小进行检测,选出大小基本一致的果实,有利于包装贮存和加工处理;而每种水果均具备相似的外形,通过制定形状等级,进行销售时可以提高水果的销售力;外表颜色是水果的最重要外观参数之一,消费者常常根据果品的颜色来决定是否购买。另外,果实表面缺陷也是水果品质检测的一个重要形状。针对上述几个方面的机器视觉检测法国内外研究人员已获得很多研究成果。
1、国外研究现状
Throop[2]等通过平移和旋转苹果来获取不同角度的图像,根据这些图像计算出苹果的赤道半径和面积;然后把苹果视为椭球体,计算出苹果的长轴和短轴,并据此估算苹果的大小。
Koc[3]研究了西瓜的体积测算算法,通过对采集到的图像进行处理,在不同的投影面上获取图像的轮廓线,形成轮廓切片,然后沿x轴旋转这些轮廓切片,通过把得到的切片组合起来测算出西瓜的体积。
Blasco等[4]分别使用了像素RGB平均值和对R/G设定简单阈值的方法来实时地区分四种不同石榴的品种,区分的成功率高于90%。
Tao[5]等研制出的基于计算机视觉的苹果缺陷检测系统,达到了快速和全面检测的效果。在该系统中,首先将采集到的6个苹果的图像数据进行分离和滤除环境噪声等处理,然后进行果面缺陷的计算。为了克服苹果曲面引起的光照强度不均的问题,通过缺陷变换,最大限度地保留了果面上任何水平的缺陷,包括灰度值低于背景的像素,然后通过形状变换算法,对光照进行有效的补偿。
2、国内研究现状
李翔[6]在基于视频图像的水果质量检测系统的研究中,通过求取水果图像总像素数的办法,获得水果大小;然后使用求取目标周长及面积的函数获取所需参数,以圆形度评价水果形状;通过掩模处理还原水果外围缺陷,再以Lab空间的色彩分割方法完成对水果缺陷特征的提取;最后再通过K均值聚类法实现对水果颜色分量的参数检测。
鲁伟奇等[7]在识别不同种类葡萄的无损检测方法研究中,在Matlab中直接对彩色图像进行目标提取,然后提取R、G、B三个分量的值,并分别求整体平均值得到彩色图片三分量的平均值r、g、b,通过特征变换使得不同图像上的r、g、b具备较大差异。再经过后期处理,所得结果准确率很高均方误差为0.000252%。
应义斌等[8]通过确定图像处理窗口,利用Sobel算子和Hilditch细化边缘,确定形心点找出代表果径,从而检测出黄花梨的外形尺寸与表现状况;另外对检测黄花梨表面缺陷,剔除利用红(R)、绿(G)色彩分量在坏损与非坏损交界处的突变,求出可疑点,再经区域增长定出整个受损面。
三、应用举例
袁金丽[9]在苹果外部品质检测与分级的应用研究里根据苹果形状、大小、颜
图1 苹果外部品质检测与分级系统
色和表面缺陷这四个性状参数做了品质检测研究。所用的系统示意图如图1所示。
首先采集覆盖苹果整个表面的三幅图像,然后进行表面特征提取。接着分别对苹果的大小和形状、颜色及表面缺陷四个性状参数的快速检测进行了研究。
该研究使用了傅里叶算子描述苹果形状,并通过基于L-M算法的神经网络对苹果按形状进行分级。然后根据果梗确定轴向,然后确定径向,根据果径大小确定苹果大小。
图2 图像预处理流程
在苹果颜色的研究中,对图像进行R、G、B值提取并转化为HIS模式,处理得到色度直方图,将色度分量H的7个色度域作为7个颜色特征。然后应用粒子群算法优化神经网络对苹果进行颜色分级。
对于苹果表面缺陷的检测,在matlab环境下,分别实现了利用参考图像法和标准球体灰度模型法检测苹果缺陷。后者实现了仅用单个阈值分割缺陷,且计算量小,识别速度快。
四、总结与展望
在利用机器视觉技术对水果进行品质检测的研究中,主要是针对水果的大小、形状、颜色和表面缺陷这四个性状参数进行研究,关键点就是编写好的图像处理的算法,这对于提高检测精度十分重要。
未来的水果品质检测技术将由静态检测发展为动态条件下的检测,这不仅需要对硬件的稳定性和敏捷性作出改进,同时还要对图像处理和分析的软件的精度作出改进,从而达到提高检测效率和正确率的目的。
[1]章炜. 机器视觉技术发展及其工业应用[J]. 红外,2006,02:11-17.
[2]Throop J A, Aneshansley D J, Anger W C, et al..Quality evaluation of apples based on surface defects: Development of an automated inspection system[J].Postharvest Biol.Technol., 2005, 36( 3) :281-290.
[3] Koc A B.Determination of watermelon volume using ellipsoid approximation and image processing[J].Postharvest Biol.Technol., 2007, 45( 3) :366-371.
[4] Blasco J, Aleixos N, Moltó E.Machine vision system for automatic quality grading of fruit[J].Biosystems Eng., 2003, 85( 4) :415-423.
[5] Tao Y. Method and apparatus for sorting objects including stable color transformation. U. S. Patent No. 5, 533, 628. , 1996.
[6]李翔,白真龙. 基于视频图像的水果质量检测系统[A]. 全国经济管理院校工业技术学研究会.第十一届全国经济管理院校工业技术学研究会论文集[C].全国经济管理院校工业技术学研究会:,2012:5.
[7] 鲁伟奇,郭永洪. 一种识别不同种类葡萄的无损检测方法[J]. 中国计量学院学报,2012,01:20-24.
[8] 应义斌,景寒松,马俊福,赵匀,蒋亦元. 机器视觉技术在黄花梨尺寸和果面缺陷检测中的应用[J]. 农业工程学报,1999,01:203-206.
[9] 袁金丽. 计算机视觉在苹果外部品质检测与分级方面的应用研究[D].中国农业大学,2005.