基于图像处理的双孢蘑菇分级方法研究

卢丹，王丽丽，郑纪业，陈振学，林英杰，王风云

(1. 山东大学控制科学与工程学院，山东 济南 250061；2. 山东省农业科学院科技信息研究所，山东 济南 250100；3.昌乐县农业局，山东 昌乐 262400)

基于图像处理的双孢蘑菇分级方法研究

卢丹1，王丽丽2，郑纪业2，陈振学1，林英杰3，王风云2

(1. 山东大学控制科学与工程学院，山东 济南 250061；2. 山东省农业科学院科技信息研究所，山东 济南 250100；3.昌乐县农业局，山东 昌乐 262400)

为提高工厂化生产双孢蘑菇的精选分级效率，本研究提出了基于图像处理的方法实现对新鲜双孢蘑菇的自动化分级。图像采集时阴影的存在和双孢蘑菇柄部是影响测量最大直径的重要因素，本研究首先结合全局阈值分割法与寻找最大熵阈值分割法进行第一次分水岭算法去除阴影部分，然后使用Canny算子、开闭运算、膨胀腐蚀等进行第二次分水岭算法去除柄部干扰，经试验验证，该方法分级效果较好。

双孢蘑菇；图像处理；自动分级；最大熵阈值分割法；分水岭算法

双孢蘑菇，又称口蘑、白蘑菇、洋蘑菇等，因其颜色洁白、味道鲜美、质地厚实，成为世界上栽培区域最广泛、生产量最大的食用菌品种。目前，双孢蘑菇已经实现了工厂化生产，规模较大的工厂日产量可达上百吨。但是，目前国内双孢蘑菇的品质分级仍主要依赖人工进行，而人长时间用眼所造成的疲劳以及情绪不稳定等都会造成分级误差的波动，并且人工分级存在着劳动量大、生产效率低、分级标准难统一、分级精度不稳定等缺点，因此，建立双孢蘑菇的智能化精选分级系统对于实现其高效生产具有重要的现实意义。

目前，基于图像的智能化分级系统在水果上应用较多。胡涛[1]通过采用图像形态学方法对苹果的果梗位置进行判别并进行边缘检测，提高了苹果最大直径的检测精度。谭博等[4]使用背景去除及灰度化、二值化和沿过质心的垂直轴线进行轮廓宽度检测的方法进行蜜柑的分级，达到了96.25%的准确率。张发军等[5]结合使用可翻转的琴键式传送带和图像处理方法实现脐橙轮廓的提取，并通过计算面积和周长进而计算圆度对脐橙实现自动分级。胡静等[6]提出了一种基于多分类器融合的水果自动分级系统，并对BP网络、径向基网络、竞争型网络、多分类器融合四种方法进行试验对比，其中径向基网络达到了100%的识别率。Nandi等[7]提出了一种基于模糊算法的水果分级方法，并将此方法在芒果分级中加以应用，取得了不错的效果。Afrisal等[8]提出先将采集到的图像的感兴趣区域提取出来，再将图像从RGB颜色空间转换到HSV颜色空间，对ROI-HSV进行特征提取，根据提取到的特征进行水果分级，结果表明该方法对颜色和大小的判断较为有效。另外，陈建军[2]采用图像分割、图像增强作为预处理，使用人工神经网络作为分类器，实现了马铃薯的大小分级、形状分级、发芽检测、畸形检测；文友先等[3]应用机器视觉技术制作的鸭蛋大小及蛋心颜色自动分级系统，大小分级误差±3 g，颜色分级准确度达90%以上，分级效果良好。但有关双孢蘑菇智能化分级的研究尚未见报道。

本研究基于图像处理的方法，首先结合全局阈值分割法与寻找最大熵阈值分割法进行第一次分水岭算法去除阴影部分，然后使用Canny算子、开闭运算、膨胀腐蚀等进行第二次分水岭算法去除柄部干扰，很好地克服了图像采集时阴影的存在和双孢蘑菇柄部对最大直径的影响，取得了良好的效果。

1 系统构成与工作流程

双孢蘑菇自动实时分级系统主要采用计算机控制系统和光电触发相结合的控制架构。由计算机组成的控制台进行图像采集、处理与分析，由光电传感器接受来自传送带的触发信号，进行拍照，图像保存至计算机，通过程序分析，得出双孢蘑菇的分级结论，并发送控制信号至分级执行机构进行逻辑控制，系统工作流程框图如图1所示。

系统整体处理步骤：

(1) 双孢蘑菇动态图像的采集。尽可能使双孢蘑菇不重叠输送，合理控制电机转速及图像采集触发延时，以确保快速稳定地采集图像。

图1 双孢蘑菇自动实时分级系统工作流程

(2) 双孢蘑菇菌盖尺寸的检测。包括图像预处理，图像特征提取，图像标定等。

(3) 分级处理。根据行业标准，利用图像分析法，将双孢蘑菇根据最大直径进行分级。

2 图像采集及处理

2.1图像采集

双孢蘑菇图像信息的采集是智能化精选分级的基础，本研究所用的图像采集系统具有快速实时采集的特点，能确保在线检测的顺利进行。图像采集装置主要包括线阵工业相机、图像采集卡、光源、光电传感器、传送带等。它必须满足：光照均匀，避免产生高光区和暗淡区；设置背景一致，且背景需满足后期图像处理的要求。

2.2图像预处理

2.2.1 图像感兴趣区域的提取 在图像采集过程中经常会出现将传送带边缘拍摄进图片的情况，为方便后续处理，提高图像处理速度，需要对采集到的图像进行感兴趣区域的提取，即将双孢蘑菇所在小片区域从整幅图像中分离出来，使后续的图像处理只在这部分起作用[9]。其步骤如下：

(1) 读入图像并灰度化，使用较大阈值进行二值化处理，得到二值图像；

(2) 对二值图像进行轮廓的提取，并设置轮廓的最大周长和最小周长用来排除其他物体(这里主要是双孢蘑菇上所掉落的碎片和传送带)的干扰，初步得到大致的双孢蘑菇轮廓图像；

(3) 对获得的双孢蘑菇大致轮廓做垂直边界最小矩形，该矩形与图像上下边界平行，矩形内的区域就是要在原图中提取的感兴趣区域。

2.2.2 图像边缘检测和轮廓提取 为实现在不同光照条件下对不同双孢蘑菇进行快速准确的边缘检测和轮廓提取，并实现阴影和菇柄部的去除，比较分析了七种阈值分割方法的分割效果(图2)。由图2(b)可看出，基本全局阈值法对菌盖部分的分割残缺较多，柄部去除不彻底；由图2(c)可看出迭代法不能去除阴影和柄部；由图2(d)可看出OTSU分割法对菌盖的分割不完整，柄部去除不彻底；由图2(e)可看出自适应阈值分割法得到的结果近似边缘提取，但存在较多噪点和不连续部分，且没有去除柄部；图2(f)可以看出上下阈值分割法能够去除部分阴影，但对柄部的去除效果不大；由图2(g)可看出手动设置阈值的方法分割效果不佳，且不能满足对不同光照的自适应；由图2(h)可看出最大熵阈值分割法保留了阴影和柄部。

(a)原图；(b)基本全局阈值分割效果图；(c)迭代法阈值分割效果图；(d)OTSU分割法效果图；(e)自适应阈值分割法效果图；(f)上下阈值分割法效果图；(g)手动设置阈值为71时所得效果图；(h)最大熵阈值分割法效果图

图2七种阈值分割方法的分割效果比较

综上所述，单独使用这七种阈值分割法都不能在很好地保留菌盖的同时去除阴影和柄部的干扰，其中，菇柄部是影响最大直径检测的主要因素。因此，本研究尝试使用分水岭算法[10]实现双孢蘑菇图像的分割。分水岭算法是一种基于区域的图像分割算法，它的基本思想：把图像看作是测地学上的拓扑地貌，图像中每一像素的灰度值表示该点的海拔高度，每个局部极小值及其影响区域称为集水盆地，而集水盆地的边界则形成分水岭。分水岭算法常用于快速将图像分割成多个同质区域，同质区域相当于陡峭的边缘内相对平坦的盆地。但是，传统的分水岭算法会因为输入的图像存在过多的极小区域而产生许多小的集水盆地，从而导致图像过分分割，使得分割后的图像与期望相差甚远。基于此，本研究使用OpenCV的改进版本实现分水岭算法：首先利用基本全局阈值法分割确定图像的一部分前景像素，利用寻找最大熵阈值分割法分割确定一部分背景像素，并对确定的前景像素和背景像素进行标记，再利用两次分水岭算法根据已标记的像素去识别其他像素所属区域，从而将双孢蘑菇从整体图像中分割出来，实现双孢蘑菇图像轮廓的检测与提取。其整体设计思路如图3所示。

根据图3所示整体设计思路进行实验，得到每一步的处理效果图(图4)。具体处理步骤如下：采集的双孢蘑菇原图如图4(a)列所示；首先利用基本全局阈值法和寻找最大熵阈值分割法分别获得一部分确定的前景像素和背景像素并标记，所得图像如图4(b)列所示；然后经第一次分水岭算法处理后得到如图4(c)列所示图像。可以看出，结合使用基本全局阈值分割法标记前景、最大熵阈值分割法标记背景进行分水岭算法的图像分割效果要明显好于单一使用阈值分割法，不仅可以将双孢蘑菇完整地分割出来，还可以去除由于光照不均匀导致的阴影。但由于双孢蘑菇柄部的存在，其最大直径的检测存在较大困难，因此，进行第二次分水岭算法处理以去除双孢蘑菇的柄部：将第一次分水岭算法处理后获得的背景标记为第二次分水岭的背景；使用Canny算子对原图进行轮廓提取(这里Canny的上下阈值分别是基本全局阈值和最大熵阈值)，得到的结果与第一次分水岭算法处理后得到的前景进行“或”操作，并进行多次闭运算，得到的结果图标记为第二次分水岭的前景，第二次分水岭前的标记图如图4(d)列所示；然后进行第二次分水岭算法处理，就可得到去除双孢蘑菇柄部的结果图，如图4(e)列所示；最终的处理效果如图4(f)列所示。

图3 双孢蘑菇轮廓提取整体设计思路

(a)列为由线阵相机采集到的原始图像；(b)列为进行第一次分水岭之前的标记图，白色表示前景，灰色表示背景，黑色表示未确定部分；(c)列为第一次分水岭之后的效果图；(d)列表示进行第二次分水岭之前的标记图；(e)列为第二次分水岭后的效果图；(f)列为检测的最终结果，通过计算矩形较长边确定最大直径范围

图4两次分水岭算法处理效果

但在光照很强的情况下，由于反光等因素可能会导致双孢蘑菇内部有些部分亮度较大，使用分水岭算法可能会产生多个轮廓，若仍使用二次分水岭法则可能得到如图5(f)所示的无效图像，说明二次分水岭算法对光照很强存在反光的情况并不适用。在这种情况下，可以使用多次膨胀腐蚀的方法最终得到一个外轮廓的清晰分割结果，如图5(d)所示。

2.3最大直径检测

双孢蘑菇图像轮廓提取后采用最小外接矩形法 (minimum bounding rectangle，MBR)进行最大直径的检测。

最小外接矩形法是要找到包裹目标图像的面积最小的矩形，一般先使用格雷厄姆法求解目标图像的凸壳，再使用旋转或投影的方法求取最小面积矩形。本试验利用该法得到的双孢蘑菇图像的最小面积矩形，如图4(f)列和图5(a)所示。最小外接矩形较长的边长，即为所要求的直径。

(a) 一次分水岭之后使用膨胀腐蚀得到的最后处理效果图；(b)第一次分水岭之前的标记图；(c)第一次分水岭处理后的效果图；(d)膨胀腐蚀之后提取的轮廓图；(e)使用二次分水岭之前的标记图；(f)二次分水岭之后的效果图

图5一次分水岭之后使用膨胀腐蚀与二次分水岭法效果对比

2.4图像标定

由于提取特征值后得到的直径值是像素坐标下的值，需要对像素坐标和实际坐标进行转换。具体方法为：用水平放置的刻度尺作为参考，在刻度尺的两处做好标记，记录两标记点间的实际坐标差；然后多次检测两标记点间的像素坐标差，利用公式(1)求得像素坐标和实际坐标间的比例：

(1)

其中，α为单位长度内的像素数，X1表示左标记点的像素坐标，X2表示右标记点的像素坐标，L表示刻度尺上两标记点间的实际距离。利用已获得的像素坐标下的直径值除以α，即可得到双孢蘑菇的实际直径值。

3 自动分级

根据我国农业行业标准NY/T 1790-2009，基于菌盖直径将双孢蘑菇分为三种规格，分级标准见表1。结合此标准及上述图像处理所得的双孢蘑菇最大直径，由计算机将分级命令传达给继电器模块，再由执行机构带动拨片将各规格双孢蘑菇拨向正确的容器。

表1 新鲜白色双孢蘑菇规格 (cm)

4 验证试验

随机选取20张双孢蘑菇图像进行验证试验，通过图像标定系数转换为单位为mm的实验值，使用游标卡尺测量最大直径作为实际值，根据公式(2)计算两者间的误差值，结果(表2)显示，在随机检测的20个双孢蘑菇中，测量的最大误差为4.3517%，最小误差为0.0707%，平均误差为1.6354%，表明本方法对双孢蘑菇最大直径的测量有较好的效果。最大直径检测结果的准确度直接决定着双孢蘑菇分级结果的准确性，因此，本方法在双孢蘑菇实时自动分级系统中的应用效果较好。

(2)

表2最大直径实际测量结果与试验结果对比

编号实际值(mm)实验值(mm)误差(%)编号实际值(mm)实验值(mm)误差(%)139.3539.000.88951146.3545.302.2654247.8548.621.60921240.1039.581.2968346.8547.651.70761343.9044.721.8679450.6050.190.81031444.2544.300.1130547.7046.462.59961542.0041.291.6905633.5534.462.71241642.4542.420.0707735.6035.500.28091743.7544.611.9657844.3542.424.35171839.4538.961.2421947.7547.191.17281938.8039.371.46911052.7553.651.70622041.9040.692.8878

5 小结

在双孢蘑菇实时图像处理中，采用本研究提出的两次分水岭法能够较好地去除双孢蘑菇图像中阴影及柄部的影响，但对于部分与菌盖颜色差别不大的柄部处理并不彻底，这是导致误差存在的因素之一。如何更好地去除双孢蘑菇的柄部，并完整地提取菌盖，仍需进一步研究。

[1] 胡涛.图像形态学在苹果自动分级视觉信息处理中的应用——以果梗判别与边缘检测为例[J].安徽农业科学, 2007, 35(6): 1866-1867.

[2] 陈建军.马铃薯品质自动分级机械化系统的设计[J]. 农业技术与装备, 2011(12): 4-5.

[3] 文友先，王巧华，陈小伟，等.鸭蛋大小及蛋心颜色自动分级系统软件研制[J]. 华中农业大学学报, 2001, 20(4):395-399.

[4] 谭博, 唐少先.基于图像处理的蜜柑大小自动分级方法[J]. 湖南农机(学术版), 2012,39(5): 207-209.

[5] 张发军，雷祎，朱鑫，等.基于图像原理脐橙分拣技术装置设计的研究[J]. 现代机械, 2014(1):57-60.

[6] 胡静，郭新，何浩甲，等.基于多分类器融合的水果自动分级系统[J]. 上海电机学院学报, 2012, 15(3): 163-166.

[7] Nandi C S, Tudu B,Koley C. Machine vision based automatic fruit grading system using fuzzy algorithm [C]//2014 International Conference on Control, Instrumentation, Energy & Communication(CIEC), 2014: 26-30.

[8] Afrisal Hadha, Muhammad Faris, Guntur Utomo P, et al. Portable smart sorting and grading machine for fruits using computer vision [C]//2013 International Conference on Computer, Control, Informatics and Its Applications, 2013: 71-75.

[9] Takeshi Hagisawa, Masashi Todat,Teruyasu Sakoil, et al. Image analysis method for grading raw shiitake mushrooms [C]//The 19th Korea-Japan Joint Workshop on Frontiers of Computer Vision, 2013: 46-52.

[10] 马丽红, 张宇, 邓健平.基于形态开闭滤波二值标记和纹理特征合并的分水岭算法[J].中国图像图形学报, 2003,8 (1): 80-86.

ClassificationMethodResearchofAgaricusbisporusBasedonImageProcessing

Lu Dan1, Wang Lili2, Zheng Jiye2, Chen Zhenxue1, Lin Yingjie3，Wang Fengyun2

(1.ControlScienceandEngineeringSchool,ShandongUniversity,Jinan250061,China;2.S&TInformationResearchCenter,ShandongAcademyofAgriculturalSciences,Jinan250100,China；3.ChangleCountyAgriculturalBureau，Changle262400，China)

The freshAgaricusbisporuswere automatic classified using the method based on image processing to improve the selection grading efficiency in industrialized production. The shadow existing in the process of image acquisition and the mushroom stalk were the important factors affecting the measurement of the maximum diameter. Firstly, the shadow part was removed by the first time watershed algorithm combining with the global threshold segmentation method and maximum entropy threshold segmentation method. Then the stalk interference was removed by the second watershed algorithm method using Canny operator, opening and closing operation and corrosion expansion. The verification results showed that the method had a good classification effect.

Agaricusbisporus; Image processing; Automatic classification; Maximum entropy threshold segmentation; Watershed algorithm

S646.1+1

A

1001-4942(2017)10-0126-05

10.14083/j.issn.1001-4942.2017.10.027

2017-05-11

山东省重点研发计划项目“双孢蘑菇智能精选分级系统研发”(2016GNC110008)；山东省农业科学院农业科技创新工程项目“精准农业关键技术研究”(CXGC2017B04)

卢丹(1994—)，女，山东滨州人，硕士研究生，研究方向为图像处理与模式识别。E-mail：2595684373@qq.com

王风云(1974—)，女，山东肥城人，硕士，副研究员，主要从事精准农业研究。E-mail:wfylily@163.com