基于图像处理的胡萝卜青头须根与开裂的检测方法.pdf
《基于图像处理的胡萝卜青头须根与开裂的检测方法.pdf》由会员分享,可在线阅读,更多相关《基于图像处理的胡萝卜青头须根与开裂的检测方法.pdf(6页珍藏版)》请在咨信网上搜索。
1、第 29 卷 第 9 期 农 业 工 程 学 报 Vol.29 No.9 156 2013 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2013 基于图像处理的胡萝卜青头、须根与开裂的检测方法 韩仲志1,2,邓立苗2,徐 艳2,冯永莲4,耿琪超3,熊 凯2(1.中国石油大学(华东)地球科学学院,青岛 266580,2.青岛农业大学信息学院,青岛 266109;3.美国明尼苏达大学双城校区,明尼苏达州明尼阿波利斯 55455;4.莱西市农业局,青岛 266000)摘 要:为了实现基于计算机视觉
2、的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准(SB/T10450-2007),该文提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法。须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过 R 分量上二值化得到,开裂检测算法使用 S 分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度 3 个量化标准,对试验随机采集的 520 个胡萝卜图像的青头、须根和开裂进行检测,正确率分别达到了 97.5%,81.8%,92.3%,总体识别率 91.3%。该文所构建的胡萝卜关键特征检测方法,对研究机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义。关
3、键词:计算机视觉,检测,品质分级,胡萝卜,青头,须根,开裂 doi:10.3969/j.issn.1002-6819.2013.09.020 中图分类号:S126;TP391.41 文献标志码:A 文章编号:1002-6819(2013)-09-0156-06 韩仲志,邓立苗,徐 艳,等.基于图像处理的胡萝卜青头、须根与开裂的检测方法J.农业工程学报,2013,29(9):156161.Han Zhongzhi,Deng Limiao,Xu Yan,et al.Image processing method for detection of carrot green-shoulder,fibr
4、ous roots and surface cracksJ.Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE),2013,29(9):156161.(in Chinese with English abstract)0 引 言 中国是胡萝卜生产大国,胡萝卜是中国最具有竞争力的农产品之一。胡萝卜的分级销售有助于提高胡萝卜的市场竞争力以及增加经济效益,目前国内大部分胡萝卜生产加工企业主要采用人工分选的方式,这种方式分选效率低,主观性强、标准不严格,具有人工分选的固有缺陷,
5、因而不适合大规模生产和推广。现在国内有些果蔬加工企业采用依照胡萝卜的粗度,用不同间隙的滚轴的机械代替人工进行胡萝卜的分级,极大地提高了生产效率,但这些分级设备只能按照胡萝卜的粗度进行分级,而胡萝卜的销售等级很多指标,如长度、青头、开裂等不能量化并检测,无法同时完成多个指标的较精确的分级。将机器视觉技术引入到胡萝卜检测分级中,是解决这个问题的有效途径之一。收稿日期:2012-05-08 修订日期:2013-03-26 基金项目:国家自然科学基金(31201133)、山东省自然科学基金(ZR2009DQ019)、青岛市科技发展计划(11-2-3-20-nsh)资助项目 作者简介:韩仲志(1981)
6、,男,山东莒南人,博士生,研究方向信号处理与模式识别。青岛 青岛农业大学信息学院,266109。Email: 通信作者:熊 凯(1978),男,江西人,副教授,研究方向:农业信息化。青岛 青岛农业大学信息学院,266109。Email: 国外自上世纪 90 年代开始着手研究利用计算机对果蔬进行自动检测识别或分级的技术1-3,国内从 90 年代中后期开始做了大量的跟踪研究4-7,虽然研究起步较晚,但也在该领域取得了一些成果。然而已有的研究主要集中在苹果8、桃9、甜瓜10、梨11、马铃薯12等外观呈球形或类球型的果蔬上,且目前对球形水果的研究主要集中在颜色等统计参量方面的特征考量,另外现有研究中图
7、像多在静态环境下获取,与实时在线分级还存在一定距离,且较少考虑到特异果蔬所表现的生物物料的多样性问题:如像胡萝卜、黄瓜等外观性状特异的非球形果蔬研究较少7,目前没有成熟的分级方法和分级设备,相关研究是一个具有挑战性的课题。根据中华人民共和国国内贸易标准(SB/T10450-2007)胡萝卜销售等级要求(中华人民共和国商务部2007.12.28 发布)等级标准13,影响胡萝卜销售等级的关键指标有开裂、青头、须根等,但其衡量准则比较模糊,为在线胡萝卜检测带来了困难,要对胡萝卜进行准确检测需要对这些指标进行量化。本文拟以胡萝卜为研究对象,基于图像处理的方法构建影响胡萝卜分级的关键特征参数,本文的创新
8、之处为提出了一种胡萝卜须根数、青头比和开裂度的量化和检测方法,突破了传统检测方法仅限于球型果检测的限制,算法复杂度低,对胡萝卜外观品质的在线检测具有积极意义,并为非球形果蔬第 9 期 韩仲志等:基于图像处理的胡萝卜青头、须根与开裂的检测方法 157 的外观品质自动检测装备的研制提供了算法基础。1 材料与方法 1.1 试验材料 供试胡萝卜为 2011 年山东莱西店埠镇农户种植的未知品种。收集了完整无缺陷的胡萝卜 395 个和包含青头、开裂和须根等表面缺陷的胡萝卜分别40、33 和 59 个共 520 个作为试验样本。1.2 图像采集 为避免自然光源影响,采用密闭灯箱进行图像采集,箱内壁加黑色吸光
9、布,底部用蓝色布,图像采集系统如图 1 所示,由置于灯箱顶部的照相机获取图像。拍摄完成后,通过数据采集卡将这些图像存储到计算机上,以备后续处理,采集的部分图像如图 2 所示。图 1 图像采集系统图 Fig.1 Image collecting system a.正常 Normal carrot b.青头 Green-shoulder c.须根 Fibrous roots d.开裂 Surface cracks 图 2 采集的部分不同品质的胡萝卜图像 Fig.2 Some carrot images of different qualities 试验使用的相机为 Olympus E300(1 7
10、282 304像素)微距模式;计算机为 ThinkPad SL300,配置Intel(R)Core(TM)2 Duo CPU P86002.40 GHz,2 G内存,320 G 硬盘,Winows Vista 操作系统。1.3 图像预处理 图像预处理包括图像的对比度增强、中值滤波、边缘检测、灰度化、二值化、图像色彩空间转换等常规的预处理方法3,9-10。其中对图像对比度增强以增强图像的对比度,中值滤波以对图像进行去噪,边缘检测以获取胡萝卜的边缘图像,灰度化、二值化和颜色的空间转换分别将 RGB 彩色图像转换成灰度图像二值化图像和 HSV 空间图像以进一步在这些分量上进行图像特征的提取。这些预处
11、理方法都是基于 Matlab 软件编程实现的。研究发现受阴影影响,直接对胡萝卜灰度图像进行二值化效果不好,通过对 RGB 和 HSV 颜色模型的各颜色分量进行比较,发现对 HSV 颜色模型的 H 分量进行二值化和边缘检测的效果最好。2 实现算法 算法的实现流程图如 3 所示,本文的算法是在基本图像处理算法的基础上,考虑到胡萝卜检测的需求和特点设计而提出。图 3 算法流程图 Fig.3 Algorithm flowchart 2.1 须根检测算法(须根数)须根是影响胡萝卜品质的一个重要方面,在胡农业工程学报 2013 年 158 萝卜分级过程中需要进行须根检测。先对采集的图像(图 2)做必要的预
12、处理,然后对二值图像抽取骨架(图 4a,4b)后,求骨架图的端点数,这个数据越大说明边界上凸起越多,正常胡萝卜应该有 5个端点以下,凸起越多则反映其须根越多,在抽取骨架时,在骨架上标注端点、三叉点和四叉点。设置相应的阈值,当 2 个端点的距离小于一定程度时进行合并,以避免同一个须根被重复检测。观察发现每一个须根往往多出 2 个端点,图 4b 有 11 个端点,则须根数为(115)/2=3 个,这与观察到的须根数相符。a.正常胡萝卜骨架图 Skeleton diagram of normal carrot b.须根胡萝卜骨架图 Skeleton diagram of fibrous roots
13、图 4 胡萝卜须根检测 Fig.4 Detection of fibrous roots 2.2 青头检测算法(青头比)对胡萝卜的RGB/HSV 6个颜色分量观察发现,胡萝卜的青头现象在 R 分量上比较明显。将胡萝卜图像进行预处理,将背景设置为 0 去除背景,取红色分量(图 5a),对红色分量的灰度图像进行阈值分割得到二值图像(图 5b),白色部分为非青头部分。计算整个胡萝卜区域的面积和青头部分的面积(整个胡萝卜面积减去非青头部分面积),青头比定义为青头部分面积除以整个胡萝卜区域的面积。此比值越大,证明青头现象越严重,图 5 的胡萝卜 a.青头胡萝卜 R 分量 R component of g
14、reen-shoulder b.非青部分与边界 Not green-shoulder and edge 图 5 胡萝卜青头检测 Fig.5 Detection of carrot green-shoulder 的青头比为 0.4197,正常胡萝卜此值接近于 0。应用青头比能够准确检测出胡萝卜的青头现象。2.3 开裂检测算法(开裂度)对于开裂的检测较为困难,开裂现象的区域灰度图在 RGB/HSV 分量图上均没有明显差别,均不能一步将开裂部分提取出来,研究发现开裂部分在S 图像上较为连贯(图 6a),所以选择在 S 图像上进行处理。检测过程为:1)在 S 图像(图 6a)上将背景的阴影部分去除,然
15、后进行开运算以去除杂点和边界毛刺;2)在 S 图像上进行二值化;3)对所有联通区进行标记,计算每个连通区的面积和长宽;4)由于开裂部分都是细长的区域,将大于一定面积(本研究为 1 000 像素点)并且同时满足长宽比大于一定程度(为 10 倍)的区域便识别为开裂区域,见图 6b;5)计算开裂部分的面积 Area3,定义开裂度为开裂区域的面积与整个胡萝卜面积的比值,即 KaiReto=Area3/Area0,1,其中 Area为整个胡萝卜面积。a.开裂胡萝卜 S 分量 R component of surface cracks b.开裂胡萝卜开裂区域图像 Surface cracks region
16、 图 6 胡萝卜开裂 Fig.6 Detection of surface cracks 3 结果与分析 对采集的 520 个胡萝卜图像采用以上方法进行须根、青头和开裂检测获得 3 个特征参数值,对 3个关键特征参数统计均值和方差,结果如表 1 所示。从均值和方差表上可以看出:采用胡萝卜图像骨架来检测须根数,简单方便,正常胡萝卜端点数为 5 个左右,方差为 0.67 较小,反映数据比较集中,同样在青头比和开裂度上也体现了相似的规律。而对于非正常样本,如有须根、青头和开裂现象的胡萝卜,其端点数、青头比和开裂度的数值分别达到了 11、0.4197 和 6.0952,较正常胡萝卜这 3 个值有较大差
17、别。同时这 3 个值的方差较大,说明数据不集中,而是分布在一个区域范围之内,此范围可进一步量化。因为本文工作只需要检测出萝卜有无须根、青头和开裂现象,所以没有进一步量化。第 9 期 韩仲志等:基于图像处理的胡萝卜青头、须根与开裂的检测方法 159 表 1 样本的均值与方差表 Table 1 Mean and variance of the samples 正常样本 Normal samples 非正常样本 Abnormal samples 关键特征 Key feature 均值 Mean 方差 Variance 均值 Mean 方差 Variance 骨架端点数 Number of skele
18、ton ends 5 0.67 11 43.7 青头比 Green-shoulder ratio 0.0092 12.7 0.4197 953.4 开裂度 Degree of crack 1.2 0.25 6.0952 13.3 为进一步说明数据分布区域,将人工检测的非正常须根数胡萝卜 30 个,青头胡萝卜 30 个,开裂胡萝卜 30 个,随机选取正常胡萝卜 30 个作为参照组,得到数值分布股价图(图 7)。从图中不难看出正常胡萝卜 3 个关键特征的数据分布比较集中,而非正常胡萝卜数据分布比较分散,且数值上差别比较明显。图 7 数据分布股价图 Fig.7 Stock chart of data
19、 distribution 为进一步验证检测算法的性能,针对 520 个胡萝卜进行性能测试,以人工检测为标准,机器检出青头、须根、开裂胡萝卜正确率分别为 97.5%,81.8%,92.3%,见表 2。总体检测正确率达到了91.3%,基本符合理论与实践的需求,因为即使纯人工检测也会存在不可避免的偏差。在检测结果方面,可以看出:1)胡萝卜青头的检测正确率较高,算法性能较高,而且不受胡萝卜拍摄角度的影响。2)当开裂在胡萝卜背面时,受到拍摄角度的影响,图像上不能反映出胡萝卜的开裂现象,检测效率较低,如果在拍摄的过程中能将胡萝卜旋转获取更为全面的图像,则此检测正确率将大幅提高。3)须根检测错误的主要原因
20、是有些胡萝卜有一些轻微凸起瘤状物,并不是须根而被误检,所以有必要进一步统计骨架端点与主干距离以判断须根的长度,以便对算法进行优化。表 2 算法的检查效果表 Table 2 Test performance of algorithms 项目 Items 人检数量 Number of manual detection 机检数量 Number of machine detection 正确率/%Accurate rate 青头 Green-shoulder40 39 97.5 开裂 Crack 33 27 81.8 须根 Fibrous roots 52 48 92.3 正常 Qualified 3
21、95 362 91.6 合计 Total 520 476 91.5 4 讨 论 本文探讨了使用计算机对胡萝卜进行外观关键特征进行检测的过程,提出了基于图像的胡萝卜须根、青头和开裂检测算法,在性能测试结果显示算法具有较好的检测效果。但应该说明,农产品的综合等级不仅要考虑外观的表现还要考虑内部品质的影响14,需要借助近红外等光谱检测15手段进行处理,需要深入研究。即使在外部等级判定中,还有一些关键参数,比如胡萝卜的长度、粗度、弯曲度、表面光滑度等,也是判定胡萝卜的重要指标,鉴于有些特征检测起来较为简单,本文不做探讨。胡萝卜的“卖相”主要取决于胡萝卜的外部信息,因此本文讨论的特别在外贸过程中具有积极
22、意义。另外图像采集的过程需要有稳定的光照环境,在本研究中采用了自制的灯箱,尽量形成漫反射光照环境,使胡萝卜受光均匀,避免阴影造成的检测误差。作者研究农产品品质检测过程16-18发现,生物物料的多样性使得农产品的外观缺陷检测不同于工业标准件检测,问题更为复杂,在农产品检测过程中往往一种算法的鲁棒性较差,多种算法综合检测将会使得检测效果更好,但同时也会增加实时检测系统的负担,所以更好的方式应该是在算法复杂度与效率之间取一折中,满足需求的算法即是可取的算法。将胡萝卜须根、青头、开裂的检测只是胡农业工程学报 2013 年 160 萝卜品质检测的第一步,借鉴相应的农产品品质分级系统研发经验19-20,研
23、究具有自主知识产权的可用于实时品质分级检测装备和分级生产线必将在实际生产中节约大量的劳动力成本,也将是下一步的重要工作。5 结 论 为了实现基于计算机视觉的胡萝卜外观品质自动分级系统,基于图像处理的方法,参照国家标准,提出影响胡萝卜外观等级的须根、青头、开裂等关键参数的提取算法,须根检测算法通过提取骨架检测端点数来实现,青头检测算法通过 R 分量上二值化得到,开裂检测算法使用 S 分量结合区域标记的方法完成,在此基础上构建了须根数、青头比和开裂度 3 个量化标准,对试验随机采集的 520 个胡萝卜图像的青头、须根和开裂有无现象进行检测,正确率分别达到了 97.5%,81.8%,92.3%。本文
24、所构建的胡萝卜关键特征检测方法,对研究实现机器视觉的胡萝卜外观品质自动检测装置与分级生产线具有积极意义。参 考 文 献 1 Sarkar N,Wolfe R R.Image processing for tomato gradingJ.Trans of the ASAE,1990,33(4):564572.2 Tao Y,Morrow C T,Heinemann P H,et al.Fourier-based separation technique for shape grading of potatoes using machine visionJ.Transactions of the
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 图像 处理 胡萝卜 须根 开裂 检测 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【二***】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【二***】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。