猕猴桃分级果实表面缺陷的检测方法

《猕猴桃分级果实表面缺陷的检测方法》由会员分享，可在线阅读，更多相关《猕猴桃分级果实表面缺陷的检测方法（4页珍藏版）》请在装配图网上搜索。

1、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

2、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 04A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

3、 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

4、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

5、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11 1 试验设备DALSA CCD 相 机，摄 像 头 FUJINONHF16 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 PD3024 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 PD3024 2 ( CE) 上，亮度调节有 1 16 个档位，微调也

6、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( KS08021101 ) ; 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

7、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 灯箱 4 近红外平面光源5 光源强度调节器 6 背景 7 猕猴桃果实 图 1 猕猴桃机器视觉检测系统Fig 1 Kiwi fruit machine vision detect system图 2 LFX2 100IR850 近红外平面光源Fig 2 LFX2 100IR850 nearinfrared plane Illuminator图 4 猕猴桃果实图像处理流程框图Fig 4 Kiwi fru

8、it machine image processing method schematic猕猴桃划伤及处理结果不同亮度的近红外图像及其处理结果如图 5 所2 2示。其中: 图 5 ( a) 为原始图像、中值滤波图像和阈值分割后的二值化图像; 图 5 ( b) 为 1 档亮度的近红外图 像、中值滤波图像和阈值分割后的二值化图像; 图 5( c) 为 8 档亮度的近红外图像、中值滤波图像和阈值 分割后的二值化图像; 图 5 ( d ) 为 16 档亮度的近红外 图像、中值滤波图像和阈值分割后的二值化图像。图图 3 猕猴桃原始图像Fig 3 Kiwi fruit original images2试验步

9、骤图像处理方法利用 Matlab 7 5 0 ( R2007 b ) 对采集到得带有划2 1像，将图 7 ( a) 规定化，使其直方图与图 5 ( a ) 的拟合，获得相似的图像亮度与对比度，再经 3 ×3 中值滤波后得到图 7 ( b) ，然后分析灰度直方图，确定最佳分割阈 值为 63 。图 7 日灼伤的猕猴桃果实图像及处理结果Fig 7 Burn kiwi fruit image and processing result3试验结果分析1 ) 西安春秋视讯有限责任公司提供猕猴桃果实腐烂伤的近红外图片( 如图 1 ( b) 所示) 经过处理后，一次就可成功提取猕猴桃表面的腐烂伤缺陷

10、区域，而且在处理结果( 图 7 ( d) 所示) 中可以通过阈值分割只 提取出了腐烂缺陷区域，无需区分梗萼区域。2 ) 在猕猴桃划伤试验的处理结果中，通过和原始 图像( 图 4 ( d) 所示) 的比较可以看出，近红外光源图 像有效克服了原始图像中的反射亮斑区域 ( 如 图 5( a) 所示) ，通过选取最佳阈值，一次就可成功分割划 伤缺陷区域和梗萼区域( 如图 5 ( b) 所示) 。如何区分 真正的缺陷区域和梗萼区域。从理论上分析，图像采 集中消除了猕猴桃果实表面反射亮斑的影响，而且坏 损区域与梗萼区域的粗糙度和纹理方向性的特征参 数不同，基于这种想法，参考李庆中基于分形特征的 水果缺陷快

11、速识别方法2，提出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，从而来完对成猕猴桃表面真正缺陷与 梗萼凹陷区的区别。3 ) 虽然试验中没有直接采集到猕猴桃果实日灼 伤害的图像，但基于日灼是猕猴桃果实常见的表面缺 陷，所以通过资料图片，进行与近红外图像的直方图 规定化处理，最后提取到了果实表面缺陷区域( 如图 7( d) 所示) 。直方图规定化本质上是一种拟合过程，因 此变换得到的直方图与标准目标图像并不会完全一 致。然而即使只是相似的拟合，仍然使规定化的图像 在亮度与对比度上具有类似标准图像的特性，这正是 直方

12、图规定化的目的所在。图 5 不同亮度猕猴桃果实图像及其处理Fig 5 Scratch kiwi fruit images and processing result in different brightness2 3 猕猴桃腐烂( 碰压引起) 及处理结果图 6 为腐烂伤的猕猴桃果实图像及其处理。 其 中: 图 6 ( a) 为近红外图像; 图 6 ( b) 为中值滤波图像; 图 6 ( c) 为滤波图像的灰度直方图; 图 6 ( d) 为阈值分 割后的二值化图像。中值滤波的模板大小为 3 × 3 ，分 析灰度直方图，并调试确定最佳的分割阈值为 63 。图 6 腐烂的猕猴桃果实图像及

13、处理结果Fig 6 Rotten kiwi fruit image and processing result2 4 猕猴桃日灼及处理结果图 7 为日灼伤的猕猴桃果 实图像及处理结果。 其中: 图 7 ( a) 为网络图片; 图 7 ( b) 为直方图规定化图 像; 图 7 ( c) 为灰度直方图; 7 ( d) 为最佳阈值分割后的2李庆忠，汪懋华 基于分形特征的水果缺陷快速识别方法J 中国图像图形学报，2000，5( 2) : 144148章文英，应义斌 苹果果梗和表面缺陷的计算机视觉检测对碰压引起的腐烂伤、日灼或划伤进行有效提取的检测方法。2 ) 近红外光源能够有效地消除猕猴桃果实表面 的

14、反射亮斑区域，采集的图像都能一次提取缺陷区 域，整体效果优于普通白炽灯光源。3 ) 在猕猴桃日灼伤处理过程中，提出以近红外图 像为标准，将资料图片直方图规定化的方法，并且证 明了该方法的可行性，可以帮助日后试验节约时间和 成本。4 ) 通过对试验结果的分析，较复杂的是划伤缺陷 区域与梗萼区域得区分。 虽然从理论上提出猕猴桃 表面坏损区域与梗萼区域的粗糙度和纹理方向性的 特征参数不同，依此来区分真正缺陷区域，但尚还需 大量实验证明。3方法研究J 浙江大学学报( 农业与生命科学版) ，2001，27( 5) : 583586冯斌 计算机视觉信息处理方法与水果分级检测技术研 究J 北京: 中国农业大

15、学，2002邵和鸿，郑万挺，彭加寅 基于计算机视觉技术的猕猴桃 分级方法J 北京生物医学工程，2009，28( 5) : 531533 王家文 Matlab7 6 图形图像处理M 北京: 国防工业出 版社，2009赵 书 兰 MatlabR2008 数 字 图 像 处理与分析实例教程 M 北京: 化学工业出版社，2009，6 张铮，王艳平，薛桂香 数字图像处理与机器视觉 Visual C+与 Matlab 实现M 北京: 人民邮电出版社，201045678A Method for Surface Defects Detection in Kiwi Fruit ClassificationCui

16、 Yongjie，Li Pingping，Ding Xian，Su Shuai( Northwest Agricultural and Forestry University，Yingling 712100 ，China)Abstract: Kiwi surface defects detecting is the most complex，time consuming in automation and classification Kiwi fruit surface defect include rotten，scratch and burning，inspection process

17、includes two stages: the defect segmentation and the defect recognition This paper put forward that kiwi machine vision collection system use the nearinfrared light source to get images，and use the median filtering method to eliminate process all kinds of noise of original images; image segmentation

18、 get the black spot area of kiwi fruit surface，including the real defect area and fruit calyx area The experi- ments indicate that the near infrared light sources can effectively extract kiwi fruit rotten，scratch and burning，and nearinfrared light source images effectively avoid the traditional imag

19、es reflected the light spot area In the defect segmenta- tion how to correctly identify suspicious defect area，utilizing double pyramid data form of the box counting dimension fast calculation method，put forward the characteristics parameters of describing the regional roughness and texture of the di- rectional，the parameters of the extraction have a little effect by changing light intensity change and fruit position，we can be based on the parameters to distinguish between defects and fruit calyx areaKey words: kiwifruit; surface defect; division; recognition