猕猴桃分级果实表面缺陷的检测方法.docVIP

猕猴桃分级果实表面缺陷的检测方法 崔永杰， 李平平， 丁 宪， 苏 帅 ( 西北农林科技大学， 陕西 杨凌 7 1 2 1 0 0 ) 摘 要: 猕猴桃的自动化分级中最为复杂 、费时的是表面缺陷检测。 猕猴桃果实表面缺陷主要包括碰压伤 、划 伤和日灼，检测过程包括缺陷分割和缺陷识 别 两 个 阶 段 。 猕猴桃机器视觉采集系统采用近红外光源采集图像 ， 并对采集图像中值滤波法去除图像采集过程中受到的各种噪声的干扰 ; 图像分析获取最佳阈值，最 后 图 像 分 割 得到猕猴桃果实表面的黑色斑点区域 ，包括真正的缺陷区域和梗萼区域 。 通 过 试 验 表 明，近红外光源能有效提 取猕猴桃果实表面的划伤、腐烂伤和日灼缺陷，而且近红外光源图像有效地避免了传统光源图像的反射亮斑区 域，通过实验结果，分析针对分割出的可疑缺陷区域如何正确识别 ，可利用双金字塔数据形式的盒维数快速计算 方法，提出描述该区域粗糙度和纹理方向性的特征参数 ，依此来区分真正缺陷和梗萼区域 。 关键词: 猕猴桃; 表面缺陷; 分割; 识别 中图分类号: TP391． 41; S126 文献标识码: 文章编号: 1003 －188X( 2012) 10 －0139 －04 A 从而进行图像的分割。 章文英等人［3］ 分析了苹果的 坏损表面与非坏损表面的不同反射特性以及不同灰 引言 0 随着猕猴桃种植面积的不断增加，猕猴桃的分级 检测也会逐步成为主要的研究对象。 猕猴桃的分级 是产后加工的关键环节，也是商品化生产中增值最高 的一个环节，此环节做好可以提高农业的综合效益和 国际市场的竞争力。随着计算机技术的迅猛发展，机 器视觉技术在农业生产中的应用也越来越广泛。 在 国外，基于机器视觉和机电一体化技术的水果尺寸、 形状和颜色分级技术已比较成熟，基本实现自动化检 测。目前，国内的水果分级主要由人工完成，现有的 分选设备也只是基于机械技术，按照水果的大小和质 量进行分选，而形状、颜色以及表面缺陷的检测仍基 本由人工完成［1］。 笔者做了大量研究，李庆中［2］ 采用取了基于计算 机视觉技术的水果表面缺陷分割方法，可消除球形水 果表面反射强度、水果表面亮度以及大小变化的影 响，用分形维数作为描述缺陷可疑区域粗糙度和纹理 方向性的特征参数，并用双金字塔数据形式的盒维数 快速计算方法提高有向分维的计算速度，完成苹果表 面真正缺陷与梗萼凹陷区的区特性，找出坏损区域， 并从中区分出果梗和花萼。 冯斌［4］ 考虑了水果的形 状特点，用标准件球面的灰度和水果灰度进行比较， 度值像素点数的统计灰度级的缺陷一次分割成功。 虽然这些研究都分割出了果实的缺陷区域，并成功地 识别了缺陷种类，但研究方向都是基于球形水果，例 如苹果。邵和鸿等人［5］ 基于计算机视觉技术提出了 猕猴桃颜色、形状和大小的分级方法，但是没有提出 猕猴桃表面缺陷的分级检测方法。 对猕猴桃这种椭 圆形水果的研究还处于初步阶段。 本文主要介绍从猕猴桃果实图像中准确地划分 出坏损区域和梗萼部分的方法，并在理论上对分割出 的部分加以描述和分类。 试验设备与材料 1 1． 1 试验设备 DALSA CCD 相 机，摄 像 头 FUJINON HF16 HA － 1 B，笔记本电脑( 宏碁 4741 g ) ，LFX2 － 100 IR850 近红 外光源，光源专用电源 PD－3024 －2 ( CE) ，光源延长线 ( 1 m，24 V) ，背景为白纸和纯黑衬布，如图 1 所示。 试验光源为 LFX2 －100 IR850 近红外光源，需要用 光源延长线( 1 m，24 V) ，接在光源专用电源 PD－3024 － 2 ( CE) 上，亮度调节有 1 ～ 16 个档位，微调也有 1 ～ 16 个档位。LFX2 －100 IR850 近红外平面光源实物如图 2 所示。 收稿日期: 基金项目: 2011 －10 －29 教育部留学回国人员科研启动基金项目( K) ; 西 北农林科技大学人才基金资助项目( Z111020902 ) 崔永杰( 1971 －) ，男( 朝鲜族) ，吉林人，副教授，博士，( E － mail) cuiyongjie@ nwsuaf． edu． cn。 试验材料 猕猴桃是人们日常生活常见的水果，因其维生素 C 含量在水果中名列前茅，一颗猕猴桃能提供一个人 1． 2 作者简介: 从市场购买猕猴桃，进行划伤处理 ，采集原始图 像如图 3 ( a ) 所示，西安春秋视讯有限责任公司提供 猕猴桃果实腐烂伤( 碰压引起) 的近红外图像如图 3 ( b) 所示，资料图片如图 3 ( c) 所示，提取日灼猕猴桃 果实图像如图 3 ( d) 所示。 1． 计算机 2． CCD 摄像机 3