文章编号:1000-1573(2003)S0-0280-03鸭梨品质检测计算机视觉系统研究赵彦如1, 钱东平1, 杨世风2, 周建军1(1.河北农业大学机电工程学院,河北保定071001;2.天津科技大学信息与自动化工程学院,天津300222)摘要:本系统在虚拟仪器的基础上,对鸭梨进行了利用机器视觉技术检测外部品质的试验研究。
本系统可以对鸭梨的果面缺陷、颜色、尺寸和形状进行全面的检测。
在此基础上,可对鸭梨进行精确的分级。
关键词:机器视觉;鸭梨;果面缺陷;虚拟仪器中图分类号:TP 391.41 文献标识码:AStudy on pear quality detection with machine visionZHAO Yan -ru 1,QIAN Don g -pin g 1,YAN G Shi -fen g 2,ZHOU Jian -jun 1(1.College of M echanical and Electrical Engineering ,Agricultural University of Hebei ,Baoding 071001,China ;2.College of Information and Automation Engineering ,Tianjin Univers ity of Science and Technolegy ,Tianjin 300222,China )A bstract :I n view o f the existing situation of fruit quality detectio n in China ,the broad application prospect of machine vi -sion in quality evaluation of ag ricultural products ,the method to detect the quality of pear by machine vision were stud -ied .T he sy stem can detect the ex ternal quality feature of pears including size ,shape ,color ,and defects and on the basis of the data pears can be graded in a high accuracy .Key words :machine vision ;pear ;surface defect ;Lab Windows /CV I我国的水果生产在世界水果生产中占据重要的位置,但目前在国内,水果品质检测绝大部分停留在靠人工感官进行识别判断的原始阶段,这种主观评定受个人能力、色彩分辨力、情绪、疲劳程度和光线等条件的影响,劳动量大,生产率低、误差大,而且大多数停留在定性判断,其客观性、准确性较差,这导致了我国出口水果的外观质量较差,良莠不齐,在国际市场上缺乏竞争力,因此,提高我国水果的品质检测水平是当务之急。
随着计算机软硬件性能的不断提高和价格的不断下降,机器视觉技术应用于水果品质检测已成为可能,机器视觉技术具有速度高、信息量大、功能多的特点,而且可以测量定量指标,如水果大小。
水果外部品质的主要分级指标是大小、形状、颜色和表面缺陷,本研究选择河北鸭梨作为研究对象,在虚拟仪器的基础上研究了利用机器视觉技术检测鸭梨品质的理论与方法,为进一步开发具有市场前景的机器视觉水果品质检测系统提供了理论依据。
1 图像采集与处理系统鸭梨品质检测机器视觉系统由CCD 摄像机、彩色图像采集卡、光照箱、计算机等组成,如图1所示。
其工作过程是:通过应用程序控制CCD 摄像机完成图像采集;图像送入计算机内存,并在计算机显示器上显示;系统对图像数据进行处理、分析,将结果显示或保存。
1.1 系统的软、硬件组成硬件部分[1]:Panasonic W V -CP240/G 彩色摄像机作为系统的输入传感器;光照系统中光照箱内壁全部喷漆成白色,以便形成均匀漫反射,本系统选用100W 白炽灯两只;图像采集卡为中国大恒公司DH -CG300型视频采集卡;所用计算机为奔月2800。
图1 计算机视觉系统Fig .1 Computer vision system 软件部分:软件开发工具[2]为IM A Q 、IM AQ Vision 和LabWindows /CV I 6.0;操作系统为中文Win98。
I MA Q 是采集卡驱①收稿日期:2003-04-15作者简介:赵彦如(1975-),女,河北省饶阳县人,在读硕士研究生,主要研究方向:从事计算机控制研究工作.第26卷增刊2003年5月河北农业大学学报JOURNAL OF AGRICULTURAL UNIVERSITY OF HEB EI Vol .26Sup . May 2003动软件,它提供了丰富的图像采集驱动函数,用户不必编写、调试涉及采集卡及寄存器级的代码,可直接在用户的应用程序中调用这些函数,实现视频参数配置、图像的采集、内存缓冲器分配以及触发控制等。
IM AQ Vision 是一个高级图像处理分析软件包,它包括一整套丰富的M M X 优化函数,具备灰度、彩色及二值图像的显示、处理(统计、滤波和几何变换)和图像形态学处理等功能。
LabW indows /CVI6.0是虚拟仪器开发环境,它将源码编程、32位AN SIC编译、连接、调试以及标准AN SI C 库等集成在一个交互式开发平台中,用户在该环境中建立自己的虚拟仪器应用程序,并可形成可执行文件。
2 河北鸭梨外部品质检测2.1 鸭梨尺寸检测[3]2.1.1 确定形心点 对于图2所示梨的图形,我们可以计算形心点O :Q x =∑x ×1s Q y =∑y ×1s x ,y 分别为梨体中像素点的X ,Y 坐标;S 为梨体的投影面积。
图2 鸭梨尺寸计算Fig .2 Calculation of pear size2.1.2 确定果径 用与鸭梨梨体形心点和果梗与梨体交界点的连线垂直的最大直径来代表果宽的大小,鸭梨实际果径与预测果径关系的回归方程式为D r =1.043D c -5.81753,其中D r 和D c 分别为实际和预测果径,两者的相关系数为0.96。
2.2 鸭梨果形描述将鸭梨边界看作是平面或空间坐标系下的点集构成的曲线,水果的外形曲线[4],大都是一条封闭的似圆曲线,可以在极坐标系下表示为r (θ),其中θ为极角,r (θ)为极半径,且水果外形的数学描述为一周期函数,根据周期函数的性质:任何周期函数均可按傅氏级数展开成不同频率分量的三角函数的合成,即 F (t )=a 0+∑∞n =1(a n co s (nw t )+b n sin (nwt )) a 0=[SX (]1[]T [SX )]∫T 2-T 2f (t )dt a n =2T ∫T 2-T 2f (t )cos (nwt )dt b n =2T ∫T 2-T 2f (t )sin (nw t )dt 根据欧拉公式,上式可进一步写为F (t )=∑∞n =-∞f (n )e -jnwt通过对周期函数F (t )的傅立叶反变换[W T5”BX ]f (k )=∑F (t )e jnwt 可以求得f (k )。
利用前面形心坐标公式,以果梗与梨体交界点为起始点,逆时针方向求取半径序列r (k ),{k =0,1,2,……,255}。
由于果品大小不一,因而即使取傅立叶变换得到F (t ),仍不存在可比性,将其归一化为半径为1的标准圆。
此时,各梨体无论其大小都可以进行比较,对其做离散傅立叶变换F (h )=1n ∑n k =1r g(k )e -j 2hk /n h =0,1,2,...,n /2因为F (h )是对称的,所以只要计算其前n /2个值即可。
从图3可以看出,前16个F (h )已足以代表梨体的主要形状,而且起主要作用的又是前4个F (h )。
而一个梨体的外曲线周长点数多达上百个,从而将数据大大地进行了压缩。
同时可以证明:F (0)代表了平均果径;F (1)代表了水果曲线的弯曲程度;F (2)代表了它的长度;F (3)代表了它的三角度;F (4)代表了它的方度。
2.3 颜色检测图3 F (h )值的变化示意图Fig .3 F (h )change sketch 测定鸭梨的颜色,在图像处理中经常使用的是RGB 、HLS 和YIQ 颜色模型[5],RGB 颜色模型是面向硬件的,由摄像机获取的彩色图像被表示成R 、G 、B 成份。
从视觉角度而言,颜色包含了HLS 颜色模型中的三个要素:色相、饱和度和亮度。
色相是一种颜色区别于另一种颜色的要素,如通常所说的红、绿、蓝、黄等;饱和度就是颜色纯度;亮度即光的强度。
选择HLS 颜色模型对果实的颜色进行检测并按着色度分级。
为了用HLS 颜色模型检测果实颜色,需将摄像机获取图像的R 、G 、B 成份转换为HLS 值。
同一颜色从RGB 到HLS 的转换关系为:L =(R +G +B )/3 S =1-{max [R ,G ,B ]}/LH =cos -1(R -G )+(R -B )2[(R -G )2+(R -B )(G -B )]12 (若B ≤G )H =360-cos -1(R -G )+(R -B )2[R -G ]2+(R -B )(G -B )]12 (若B >G )随着成熟度的增加,果实表面颜色由绿变红,其色相也必将发生变化,经计算机视觉系统处理得到各个着色度等级的平均色相分布,再对其进行累计,得到平均累计相对频度分布如图4所示:在累计色相直方图中,4个着色度被很好地分离,选定合适的色相阈值,便可按着色度进行分级。
281 增刊 赵彦如等:鸭梨品质检测计算机视觉系统研究2.4 果面缺陷检测梨的正常部分和缺陷部分[6]分光反射率在可见光域内有很大差异,即梨的正常部分与缺陷部分呈现为不同的颜色,因而在可见光域内可以对果面缺陷进行检测,一般认为,任何一种颜色都可由三种基色表示,这三种基色为R 、G 、B (红、绿、蓝),各种颜色均可由此三基色叠加而成C (c )=R (r )+G (g )+B (b )三基色的单位也称为T 单位,CIE -RGB 颜色系统选择R 为700nm ,G 为546.1nm ,B 为435.8nm ,这样一T 单位的红光亮度为0.1770,绿光亮度为0.8124,蓝光亮度为0.0106,则任一颜色C 的亮度Y 为Y =0.1770R +0.8124G +0.0106B 从而得出:1)当梨中无坏损时,亮度值变化较为平坦,从梨的边缘到中心区域,呈逐步增长之势;2)当梨中有表面坏损时,坏损边缘与完好部分亮度、R 分量亮度、G 分量亮度有明显突变,而B 分量在整个梨表面中变化较为缓慢,无明显区别;图4 累计色相频度分布Fig .4 Overlapping hue distribution curves 3)坏损区的亮度值比边缘未坏损区域的亮度值更低。
![基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法[发明专利]](https://img.taocdn.com/s1/m/f327292cb6360b4c2e3f5727a5e9856a57122657.png)
