红枣表面缺陷快速检测方法研究-江苏农业科学.pdf

江苏农业科学　２０１５年第４３卷第７期 — ３３１— 张　萌，许　敏．红枣表面缺陷快速检测方法研究［Ｊ］．江苏农业科学，２０１５，４３（７）：３３１－３３４． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１５．０７．１１３ 红枣表面缺陷快速检测方法研究 １ ２ 张　萌 ，许　敏 （１．辽宁装备制造职业技术学院机械工程系，辽宁沈阳１１０１６１； ２．中国科学院沈阳自动化研究所智能检测与装备研究室，辽宁沈阳１１０１７９） 　　摘要：红枣表面缺陷快速检测是实现其自动分级的关键技术之一。针对红枣表面曲率变化致使其表面灰度分布 很不均匀和缺陷区域很不明显的特点，提出了一种亮度快速校正算法。首先使用单色ＣＣＤ、滤光片和近红外光源获 得红枣近红外图像；其次对原始图像进行去背景操作，获得红枣区域灰度图像；然后使用均值滤波器对去背景后的图 像进行滤波获得亮度图像，并使用该亮度图像对去背景后的红枣图像进行亮度校正；最后对亮度校正后的图像进行缺 陷分割。试验结果表明，该方法能显著提高自动分级系统的实时性，且该缺陷检测方法的准确率可达９５％。 　　关键词：表面缺陷检测；近红外图像；亮度校正；自动分级 ＋ 　　中图分类号：ＴＰ２７４．５２　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１５）０７－０３３１－０３ ［９］ 　　红枣具有极高的营养价值及药用价值，受到了越来越多 苹果表面大部分缺陷和正常组织 。Ｌｅｅ等将近红外 ＣＣＤ ［１］ 的消费者青睐 。作为中国的重要经济作物，种植面积与产 应用到椰枣表皮剥落缺陷检测中，与普通 ＣＣＤ相比，近红外 ［１０］ 量逐年提高，但霉烂、虫害等缺陷严重影响了红枣的品质和价 ＣＣＤ获取的图像其缺陷区域的对比度得到明显增强 。目 值，必须将其从正常枣中分选出来。目前，缺陷红枣的剔除采 前该系统已用于实际生产，分级精度最高可达９５％。展慧等 用人工分选方法，缺点是工作量大，劳动效率低，准确性差。 提出了近红外光谱和机器视觉的多源信息融合技术的板栗缺 计算机视觉技术具有效率高、精度高、检测信息丰富、非接触 陷检测方法，建立了３层ＢＰ神经网络融合识别模型，该模型 ［２］ ［１１］ 等优点，已在农产品表面缺陷检测领域获得了广泛应用 。 对测试样本的识别率为９０％ 。 由于农产品表面缺陷区域与正常区域在颜色上存在显著 目前，水果表面缺陷视觉检测技术面临的主要问题是如 差异，因此大部分缺陷检测算法是在颜色空间中进行。朱伟 何快速、准确地定位缺陷区域。由于水果通常呈球体或椭球 华等提出了基于模糊颜色聚类的缺陷分割方法，并将该方法 体，其表面的曲率变化使得灰度分布很不均匀，水果中心区域 ［３］ 应用于番茄的缺陷分割 。李锦卫等将灰度截留分割法与 的灰度值较高，边缘区域的灰度值较低，而水果表面缺陷通常 改进的十色模型应用到马铃薯表面缺陷检测中，试验结果该 以较低的灰度值出现在图像中。因此，水果表面缺陷很难用 ［４］ 方法能