基于机器视觉核桃仁大小自动分级技术.docVIP

基于机器视觉核桃仁大小自动分级技术 　　摘要：为了改善我国核桃仁外观品质人工检测速度慢、精度低、费时费力的现状，提出1种基于机器视觉和图像处理技术的核桃仁大小检测方法。构建图像采集系统以获得与背景颜色对比度明显的待检核桃仁图像；通过灰度变换、中值滤波，降低了图像处理计算数据量，提高了图像信息的可读性；通过阈值分割和区域填充，得到了清晰完整的核桃仁区域分割图；使用像素统计法计算核桃仁像素面积；提出1种自适应平均算法对样本学习训练，进而计算出大小分级阈值；以Lab Windows/CVI 2012为开发平台，借助其图像采集和图像处理函数，设计配套的核桃仁大小自动分级软件。结果表明，该方法在实验室条件下可实现核桃仁大小分级，分级正确率达90.0%以上。 　　关键词：核桃仁；大小分级；自适应平均算法；机器视觉 　　中图分类号：S126；TP391.41 文献标志码： A 　　文章编号：1002-1302（2016）09-0383-03 　　核桃是世界四大坚果类之首，也是我国主要栽培的果树种类之一[1]。核桃仁富含蛋白质、氨基酸、油脂以及多种其他营养物质，核桃加工而成的高级食用植物油营养丰富，常食核桃仁及其油产品，具有润肺强肾、预防冠心病、降低血脂的功效 [1-2]。核桃贸易主要有核桃仁和带壳核桃2种，近年来，随着生活水平的提高，人们对核桃仁产品的需求量和品质要求也越来越高。在核桃仁贸易中，不同大小核桃仁的销售价格和用途也不同，大仁可经包装后直接销售，小仁可用于制作糕点、玛仁糖等，碎仁可用于榨油[2]。因此，对核桃仁进行大小分级是核桃仁产品生产过程中十分必要的环节，对提高核桃仁的经济价值具有十分重要的意义。 　　目前，国内对核桃大小分级的研究主要以带壳核桃大小分级为主[3-7]，对核桃仁分级技术的研究仍处于起步阶段[8]，因此，我国核桃仁大小分级仍主要靠人工进行分拣，这种方法不仅过程繁琐、效率低下，同时还容易受人的主观因素影响，不能保证分级的客观性和标准化。机器视觉技术在农产品品质检测与分级中的应用已非常广泛，涉及的研究对象包括玉米[9]、花生[10]、黄花梨[11]、橄榄[12]、槟榔[13]等，不仅实现了无损检测与分级，还提高了检测与分级的速度和效率，避免人为因素的影响，使分级结果更加客观、精准。 　　本研究在实验室条件下研究1种基于机器视觉的核桃仁大小分级技术，可为进一步研究核桃仁的实时在线外观品质检测和分级技术提供新的思路和基础条件，对提高我国核桃仁贸易水平有着重要的意义。 　　1 材料与方法 　　1.1 试验材料 　　本试验所用核桃仁样本为2014年保定市种植的香玲核桃。 　　1.2 图像采集系统构建 　　图像采集硬件系统如图1所示。为避免暴露状态下周围自然光源对采集图像的影响，本试验在特制的密闭光照箱中进行图像采集，箱内设有与相机镜头上下垂直相对的载物台，载物台正中间设有1个标志点，以保证核桃仁每次的放置位置一致，调节相机物距和焦距使采集图像清晰后，固定载物台与相机的距离。箱内壁为黑色，箱底及载物台为蓝色，可使采集到的核桃仁图像背景为蓝色，便于后期图像处理；光源为环形低角度LED工业光源，其光线均衡，可使采集到的核桃仁图像无阴影；相机为MV-GX3300C，计算机为ThinkVision E2323，配置i7处理器、2T内存硬盘。 　　1.3 核桃仁图像处理 　　为了消除和抑制图像中的无用信息，增强有用信息的可检测性，提高检测速度和精度，进行图像检测前须先进行图像处理。针对核桃仁外观颜色及其轮廓的特殊性，结合核桃仁大小分级要求进行图像处理算法设计[14-15]。 　　对于核桃仁的大小检测而言，图像的色彩信息并不影响所需提取的大小特征，反而会影响图像处理的速度，故在对图像进行分析处理之前先进行灰度变换，得到的灰度图像如图2-a所示；采用5×5的中值滤波器对灰度变换后的核桃仁图像进行滤波，如图2-b所示；采用基于聚类统计技术的自动阈值法进行图像二值化分割，得到阈值为128，分割结果如图2-c所示；采用八向连通算法进行小孔填充，填充后得到完整的核桃仁区域，如图2-d所示。 　　1.4 核桃仁图像特征提取 　　图像特征是分析图像信息的基本属性，主要包括几何特征、形状特征、颜色特征、纹理特征等。鉴于核桃仁边缘轮廓的不规则性以及大小分级的标准要求，本研究主要对核桃仁图像的几何特征进行分析，并选择核桃仁图像面积这一几何特征作为大小分级的特征参数值。面积计算方法有很多种，常见的有最小外接矩形法、形状拟合法、像素计数法等[16]。 　　由于不同大小等级核桃仁轮廓的不规则性和随机性，使用外接矩形法和形状拟合法都会对分级结果造成很大的误差。以大三角仁为例，使用最小外接矩形法进行面积计算，则大三角仁与整半仁所得