收稿日期:2023-04-13基金项目:甘肃省高校教师创新基金项目 基于计算机视觉的农产品品质检测与智能分级应用技术研究 (2023B -437)㊂作者简介:于灏(1994 ),男,赤峰宁城人,助教,助理工程师,硕士,主要研究方向:计算机视觉及图像处理㊂基于视觉的西红柿分级方法研究于 灏1,2,李诏敏21.金力永磁(包头)科技有限公司智能制造研发中心,内蒙古包头 014030;2.酒泉职业技术学院,甘肃酒泉 735000摘 要:文章针对西红柿采摘后的自动化分级过程进行研究,提出了一种基于视觉的西红柿智能分级方法㊂该方法对西红柿图像进行降噪㊁灰度化㊁二值化和形态学处理并进行相关计算获取用于分级的参数信息,包括西红柿所占像素数㊁西红柿的色彩和果型参数,并用于训练B P 神经网络,最终得到了可以精确分级西红柿的神经网络,对实现西红柿以及与其相似果蔬的智能分级具有一定参考价值㊂关键词:图像处理;自动采摘;果蔬分级;西红柿分级;B P 神经网络中图分类号:T P 391.4 文献标识码:A 文章编号:1007 6921(2024)03 0126 03 我国是农业大国,农业关乎国计民生,在国内的经济中占有重要地位㊂随着工业升级和城镇化,农村劳动力逐渐向城镇聚集,以及土地政策的引导,土地也逐渐流转聚集,这都促使着中国农业的升级转型,进而对农业装备业提出了更高的要求和考验㊂装备智能化是农业装备发展的必由之路[1]㊂西红柿在国内有广泛的种植,是中国乃至世界上重要的蔬菜之一㊂目前国内西红柿的种植㊁采摘以及分拣主要靠人力来完成[2]㊂图像处理㊁目标定位㊁信息提取以及分类是农业采摘㊁分拣装备智能化的基础问题和核心问题[1-4],目前在这些领域已经有了很多优秀的成果㊂赵源深[1]对西红柿采摘机器人做了深入研究,实现了机器人在农业环境下的西红柿识别㊁定位和采摘㊂袁紫薇[2]对西红柿的收割过程进行了研究,构建了基于视觉的番茄收割实时分拣系统,提取西红柿图像的特征,并分拣出不成熟的西红柿㊂在西红柿的销售过程中,需要对其进行分级,区分品质并以不同的价格销售才可获得最大的利润,但是目前很少有研究针对这类问题㊂笔者结合图像处理与智能分类等方面的成果,对西红柿采摘后的分类过程进行研究㊂曹占辉等[5]提出了一种基于蚁群算法的二维最大熵分割算法,可快速实现图像的分割,其求解速度是穷尽算法的60倍左右㊂于灏等[6]提出了一种基于蝙蝠算法的最大熵分割算法,可快速求取最大值,并进行分割㊂郁志宏等[7]把神经网络应用于种蛋蛋形识别取得了良好的识别结果㊂杨振超等[8]基于L a b V I EW 的马铃薯分拣技术,利用图像处理与特征提取,实现了对马铃薯的分类㊂黄懿[9]构建了马铃薯分级系统,实现了对马铃薯大小㊁形状㊁缺陷外部品质的自动检测与分级㊂石瑞瑶等[10]提出了一种基于视觉的苹果分级检测方法,克服了传统方法的不足,实现了苹果自动快速的分级㊂1 方法简述与理论基础1.1 方法简述笔者针对西红柿采摘后的分级问题,提出了一种基于视觉和B P 神经网络的分级方法,流程如图1所示㊂读入由摄像设备所拍摄的图片,提取其亮度信息得到灰度图像,采用中值滤波的方法对图片进行降噪,中值滤波可以有效地降低噪声,并更好地保护图像的边缘信息㊂采用最大熵阈值分割算法,对灰度图像进行分割并做形态学处理得到二值图像,并统计目标区域像素数作为面积参数㊂将二值图像作为蒙版与原图像的对应像素相乘,获取原图中的目标区域㊂通过对目标区域的处理,可以得到其色彩信息㊂利用二值图像得到西红柿的边缘,获得重心,并计算果型参数㊂最后把西红柿颜色㊁面积与果型参数作为输入,以人工分级的结果作为输出,对B P 神经网络进行训练,从而实现了基于视觉的西红柿分级㊂㊃621㊃2024年2月内蒙古科技与经济F e b r u a r y 20243541I n n e r M o n g o l i a S c i e n c e T e c h n o l o g y &E c o n o m yN o .3T o t a l N o .541图1基于视觉和B P神经网络的分级方法流程1.2二值图获取对读取的图像提取亮度信息进行灰度化处理㊂然后对灰度图像进行中值滤波㊂与均值滤波相比较,中值滤波能更好地保护边缘信息㊂中值滤波属于非线性平滑滤波,对于脉冲噪声有较好的抑制作用㊂其原理是建立模板,提取像素周围领域的灰度值进行排序,并将中值赋给这一像素,遍历整个图像后就完成了滤波㊂以图像取得最大熵值时的像素作为分割阈值可以获得较好的分割效果[6]㊂假设图像灰度的分布范围是{0,1, ,L-1},若灰度值小于t的像素区域构成目标区域,大于t的构成背景区域,那么各个灰度级在本区域的分布概率分别为:p i/p t,i=1,2, ;p i/(1-p t),i=t+1,t+2, ,L-1目标区域的熵为:H O(t)=-ði(p i/p t)l g(p i/p t),i=1,2, ,t(1)背景区域的熵为:H B(t)=-ði[p i/(1-p t)]l g[p i/(1-p t)],i=t+1,t+2, ,L-1(2)熵函数的定义为:H(t)=H O(t)+H B(t)=l n p t(1-p t)+H t/P t+(H r-H t)/(1-p t)(3)其中:H r=ðL-1i=1P i l n p iH t=ðt i=0p i l n p i二值化处理后还会存在一些小面积的噪声点,选取合适参数进行形态学运算可以得到较为理想的二值分割结果㊂1.3获取面积参数二值化后的图像目标区域为黑色灰度值为1,背景为白色灰度值为0,为了方便后续计算,对其进行取反,使目标区域为白色,背景为黑色㊂读取每个像素的灰度值,如果值为1,则计数器加1㊂遍历完整个图像后的返回值即为图像中目标区域的像素数量㊂1.4获取色彩参数将二值图像作为蒙版与原图像的对应像素相乘,获取原图中的目标区域,然后对目标区域的颜色求平均可以得到其色彩参数㊂1.5获取果型参数通过对二值图像进行边缘检测可以得到目标区域的轮廓线,据此计算轮廓的重心,以重心为参考点分别计算目标区域的纵向直径与横向直径,并把横纵直径的比值作为果型参数[10]㊂重心坐标为(x0,y0),过重心做横向直径与轮廓交于(x1,y0)和(x2,y0)两点,做纵向直径与轮廓交于(x0,y1)和(x0,y2)两点,则果型参数G可由下式求得㊂G=y2-y1x2-x1(4) 1.6创建B P神经网络反向传播神经网络(b a c k p r o p a g a t i o n,B P)是一种按照误差逆向传播算法训练的多层前馈神经网络,目前应用较为广泛[11]㊂本文中神经网络的输入为:面积参数㊁红色分量均值㊁绿色颜色分量㊁蓝色颜色分量㊁果型参数,输出为分级参数㊂2实验及结果分析所做实验采用的是W i n d o w s系统,处理器为11t h G e n I n t e l(R)C o r e(T M)i5-11300H@3.10 G H z,内存(R AM)为16.00G B,系统类型为64位,所用软件为MA T L A B2014a㊂西红柿的原始图像如图2所示,对其灰度化处理,图像在灰度为195时取得最大熵,以此分割图像㊂对目标区域的颜色求平均可以得到其颜色参数,结果如表1所示㊂对图像进行边缘检测,可以获㊃721㊃于灏,等㊃基于视觉的西红柿分级方法研究2024年第3期得图像轮廓,然后标记其重心,如图3所示,计算得到其横径与纵径的比值为1.04㊂图2西红柿原始图像图3重心标记表1目标区域颜色分量颜色分量数值R107G44B36通过人工分拣西红柿,取不合格品20个,良好品20个,优质品20个,依据上文方法测得其各个参数作为B P神经网络的输入㊂其中不合格品标记为0,良好品标记为1,优质品标记为2,作为B P神经网络的输出㊂取60组数据的50组作为训练集,取20组作为测试集㊂图4为B P神经网络训练的均方误差图,在第14次迭代时获得最优结果,均方误差为8.4569e-6㊂图4均方误差图3结束语对采摘后的西红柿进行分级,按照不同的品质以不同的价格出售,可使菜农获得最大利润㊂目前自动分级的技术和设备还没有普及,主要依靠人工来完成分拣㊂并且针对分拣过程的相关研究还少有人做㊂笔者通过对西红柿图像的处理得到了西红柿分级的参数,包括西红柿所占像素数㊁西红柿的颜色以及果型参数,成功地训练了B P神经网络,实现了基于视觉的西红柿智能分级,为西红柿及相似果蔬的自动化分级处理提供参考,并对实现农业智能化和农业装备的升级提供借鉴㊂[参考文献][1]赵源深.西红柿采摘机器人目标识别,定位与控制技术研究[D].上海:上海交通大学,2018.[2]袁紫薇.基于机器视觉的番茄收割机实时分拣系统研究[D].西安:长安大学,2017. [3]罗陆锋,邹湘军,杨洲,等.基于改进人工蜂群模糊聚类的葡萄图像快速分割方法[J].农业机械学报,2015,46(3):23-28. [4]蔡雯.基于机器视觉的自动收割机控制系统分析与研究[J].农机化研究,2018,40(11):199-202,207.[5]曹占辉,李言俊,张科.基于蚁群算法的二维最大熵分割算法[J].光子学报,2007(12):2377-2380.[6]于灏,王小刚,杨建鸣.工程图纸分割方法研究[J].现代电子技术,2019,42(13):69-72.[7]郁志宏,王栓巧,张平,等.应用改进遗传神经网络识别种蛋蛋形试验[J].农业工程学报,2009(10):340-344.[8]杨振超,章佳佳,周律,等.基于L a b V I EW的马铃薯分拣技术[J].电子科技,2017,30(9):72-74,81.[9]黄懿.基于机器视觉技术马铃薯自动分级系统的研究[D].武汉:华中农业大学,2011. [10]石瑞瑶,田有文,赖兴涛,等.基于机器视觉的苹果品质在线分级检测[J].中国农业科技导报,2018,20(3):80-86.[11]于灏,杨建鸣,王小刚.基于工图图像的法兰三维重建方法研究[J].机械设计与制造,2020(11):221-223,227.㊃821㊃总第541期内蒙古科技与经济。
