基于计算机视觉技术大枣品质检测分级的研究

颜秉忠，王晓玲

(河北对外经贸职业学院，河北 秦皇岛　066311 )

0　引言

大枣是鼠李科枣属植物的果实，也称为红枣。其所含的营养物质比常见的水果丰富，特别是矿质元素、糖类、氨基酸和维生素，因此具有很高的食用价值[1]。红枣成熟后能够作为零食直接食用，也可以晾干后加在菜肴和主食中食用，加工的方式也较多，如制作蜜饯和果脯等。相比其丰富的营养和食用方式，大枣的价格低，具有较高的性价比，因此受到消费者的欢迎。大枣是我国的特色水果，种植面积和产量占世界总量的比例超过95%[2]。作为大枣的发源地和唯一出口国，我国近10年来的大枣生产规模增长迅速，年产量已经突破800万t，其中新疆为产量最高的省份。

为了便于运输和储藏，大枣产业以干枣的销售和加工为主。由于受到深加工程度和技术水平的制约，我国的大枣产业仍然缺乏高附加值的产品，影响了在国际市场的竞争力和种植及加工企业的效益。因此，加强从生产到消费的各个操作环节的改进，对于推动我国大枣产业的升级具有重要作用。

分级是对水果和蔬菜果实的大小、形状、颜色、营养物质含量、表面缺陷等性状进行检测和识别，然后根据行业标准划分等级的操作过程。分级是果蔬进入市场销售前的一个重要环节，有利于各个等级的果实统一定价销售，提高经济效益，增加相关产业的竞争力。我国的大枣产量和出口量巨大，加强大枣分级能够带来可观的经济效益，对大枣产业的升级也具有重要意义。目前，大枣的分级以人工方法为主，即通过目测观察，或利用选果板等工具，主观判定大枣的等级。人工方法的操作简单易行，对大枣的评价全面，能够涵盖多种表面性状[3]；但随着劳动力的转移，人工分级方法的成本升高，并且劳动强度大，效率降低。同时，视觉疲劳和主观因素会影响操作人员分级的准确性，从而导致获得的同级别大枣品质不一致。

在科学发展和技术进步的推动下，人们开发出了多种针对大枣的自动分级系统和方法，包括自动机械、光电系统和基于计算机视觉的方法。大枣的质量测量的难度相对较大，因此各种自动机械都是依据大枣的外形尺寸对其进行分级。自动机械在设计上根据分级标准规定的大小阈值，制作相应的间隙或空隙。大枣在机械中依靠离心力或自身的重力通过相应大小的间隙或空隙，从而得到分离。当前的大枣自动分级机械有多种，分级的部件形式包括带式、滚筒式和滚杠式等[4]。自动分级机械的速度快，效率高，具有较好的通用性，已经用于实际生产；但是自动机械只能针对果实的外部尺寸，导致分级指标单一，且分级过程中的碰撞磨损会降低品质，限制了自动机械的更广泛应用。光电式分级是采用光电传感器，通过检测大枣在移动时对光线的遮挡时间来计算其长度，从而判定级别并控制执行装置实现分级[5]。光电式的分级精度和自动化程度高，分级过程中没有接触引起的磨损，但是与机械式一样存在检测指标单一和稳定性欠缺的问题，因而还未应用于实际生产。

计算机视觉是图像处理技术的分支，是随着计算机技术和信息科学发展起来的。计算机视觉通过专用设备采集图像，然后转换为数字信号后用计算机处理，可对各种目标特征进行分析和识别。计算机视觉的用途非常广泛，在农业中用于机械导航、杂草识别及各种瓜果蔬菜的检测分级等[6-10]。基于计算机视觉的分级排除了主观因素的干扰，且检测精度高，能实现无损操作。人们对计算机视觉在大枣分级中的应用进行了大量研究和实践，设计了各种自动分级设备，并建立了针对不同性状的检测方法和算法，但目前其分级的实时性和质量需要提高[11-13]。本文基于计算机视觉技术，设计了一种大枣的品质检测分级系统，以其大小和质量为依据进行分级，旨在为我国大枣产业的发展提供技术支撑。

1　系统的设计原理及组成

1.1　原理

品质检测分级系统是大枣放置在传送带上随其移动，经过拍照箱时由相机拍摄图像，然后转换为数字信号传输给计算机；传送带轴承上安装的霍尔元件实时检测其运动速度，发送给计算机；计算机计算拍摄频率，并向相机发出指令，控制开启拍摄的时机；拍摄的大枣图像由计算机中安装的视觉软件处理分析，提取大小和尺寸特征，计算质量并作为依据对每个大枣进行分级。计算机根据分析结果向分级执行装置发出指令，控制各个大枣进入相应的通道中实现分级。系统工作的原理如图1所示。

图1　检测分级系统的工作原理

1.2　系统组成

检测分级系统主要由传送带、计算机视觉模块和分级执行装置组成。工作时，大枣被放置在传送带上移动，传送带宽度0.3m；传送带前端的轴承上安装1个HEX-302型霍尔元件，用于测定传送带的实时速度，并传送给计算机。分级执行装置安装在传送带的末端，包括4个分级通道；分级装置接收计算机的指令，控制气泵的开启，利用气吹结合挡板的方式将大枣送入相应的通道内实现分级。

计算机视觉模块包括拍照箱和核心计算机。拍照箱为0.4m×0.3m×0.5m的长方体，两侧开孔便于传送带运行。拍照箱内部为黑色，安装1盏15W的环形白炽灯作为光源，以及1台尼康D760型数码相机。数码相机由核心计算机控制开启拍摄，拍照范围0.4m×0.3m。拍摄形成的图像为JEPG格式，经过FQ-WLQ型转换器转换为数码信号后发送给核心计算机分析处理。核心计算机为惠普286型，安装Windows10操作系统、Intel i3处理器和4G内存，运行速度快，性能稳定，能够满足实时检测分级的要求。计算机视觉软件为MatLab7.0工具箱，用于图像的处理分析。

2　图像分析

拍摄的大枣图像为大小640×480的JEPG彩色图像，背景为黑色传送带，干制大枣为深红色。拍摄时大枣处于运动的状态，影响了图像的质量，不利于后续的分析处理。因此，采用3×3的中值滤波对图像进行平滑处理，消除噪音，得到了质量增强的图像，如图2所示。

原始图像的背景简单，且识别目标与背景的颜色差异明显，直接用RGB色彩空间进行处理。识别的目标为深红色，因此RGB空间中的B分量具有显著的峰值特征，可以得到更好的目标分割和特征识别效果。这里基于B分量，采用阈值分割法对图像进行灰度化处理，如图3所示。

图2　大枣的原始图像

图3　大枣的灰度化图像

经过灰度化后的图像，再通过HIS加权进行二值化处理，消除小块阴影面积和各种噪音点；然后根据B分量的峰值特征设定灰度阈值，进行图像分割；最后选择Sobel算子提取识别目标的边缘，从而获得大枣的轮廓，如图4所示。

图4　大枣的轮廓提取

大枣的尺寸和质量都是重要的品质特征。尺寸是质量的外观表现，长宽不同的大枣可能具有相同的质量。因此，利用计算机视觉检测大枣的尺寸，然后依据尺寸与质量之间的相关性计算质量，并作为依据划分等级。随机选取50个干枣进行编号，用天平测量质量，然后用该系统检测它们的尺寸。选择的特征参数为大枣轮廓最小外截矩形的长和宽，能够分别反映大枣外形的纵轴和横轴。用这50个干枣作为建模集，建立尺寸与质量之间的回归方程，以3个质量3.5、4.0、4.5g为阈值，将大枣划分为4级、3级、2级和1级，如图5所示。

图5　大枣的分级

3　试验结果与分析

3.1　试验设计

通过试验对系统的实时性和精确度进行了验证，采用的大枣品种为新疆干枣。用天平称量单个大枣的质量并分级，选取每个等级的大枣各50个编号。各等级的大枣混合在一起用系统进行检测分级，传输带运行速度为0.5m/s，相机拍摄间隔0.8s。计算质量的方程为W=0.0034x+0.0041y-1.67。其中，W为质量(g)；x和y分别为最小外截矩形的长和宽(pixel)。最后调查分级结果，统计准确率。

3.2　试验结果和分析

试验结果如表1所示。由表1可知：系统对1级大枣的识别准确率为96%，有2粒被误判为2级；对2级的识别准确率为94%，分别有2粒和1粒被误判为1级和3级；对3级的识别准确率为92%，分别有1粒和3粒被误判为2级和4级；对4级的识别准确率为94%，分别有1粒和2粒被误判为2级和3级。从整体来看，系统对大枣的检测分级具有很高的准确度，达到94%。处理单张图片平均耗时0.5s，能够满足实时分级的要求，配合传输带运行速度时的分级效率为20个/s。

表1　大枣分级的准确率

4　结论

1)建立了一个基于计算机视觉技术的大枣品质检测分级系统。系统拍摄传送带上的大枣图像，传入计算机中进行灰度化、图像分割和轮廓提取；然后以最小外截矩形的长宽为参数，计算大枣重量并以此划分等级。系统对各级大枣的识别准确率为92%～96%，整体平均为94%，具有很高的精准度。系统处理单幅图像的耗时为0.5s，能够满足自动分级的要求。在传送带运行速度0.5m/s、拍摄间隔0.8s时，可以实现20个/s的分级效率，能够用于大枣的自动化分级。

2)与目前已经报导的基于计算机视觉的大枣检测分级研究相比，本系统仅检测两个代表性的特征参数，减少处理过程中的计算量，提高了图像处理的速度和分级效率。本文仅用新疆干枣对系统进行了验证，若应用于其他品种的大枣，则需要对计算质量的方程进行优化，才能保证较高的分级准确率。