计算机视觉技术在海产品质量评估中的应用

里红杰 陶学恒 于晓强

（大连工业大学信息科学与工程学院，辽宁 大连 116034）

计算机视觉技术在海产品质量评估中的应用

里红杰 陶学恒 于晓强

（大连工业大学信息科学与工程学院，辽宁 大连 116034）

传统的海产品分类及质量检验主要是采用人工方法，靠肉眼进行判断，需耗费大量的人力，且劳动强度大、效率低。采用计算机视觉技术对海产品进行自动分类与质量评估可有效克服上述缺点。通过提取海产品的尺寸、形状、颜色、纹理等特征，结合预测模型，采用数字图像处理的方法可实现海产品的无接触、无损伤处理。文章分析基于计算机视觉技术的海产品分类及质量评估系统的构成，并通过实例分析阐述其具体实现方法，论证该方法的有效性。

计算机视觉；海产品；质量评估；图像处理

随着消费者食品安全意识的不断提高，海产品加工行业对产品质量的监控也在逐步提高。传统的质量评估常常是根据海产品的外观、气味、纹理等特征进行人工判断，自动检验系统主要是基于计算机视觉技术进行海产品的感官检验分析。

计算机视觉技术是利用图像传感器获取对象的图像并将其转化成数据矩阵，用计算机进行分析，同时完成与视觉有关的任务。20世纪70年代初期，计算机视觉技术得到了迅猛的发展，普遍应用于汽车、电子、食品、医药、纺织等行业，其中较为普遍的方式是基于物品的形状、颜色以及存在的瑕疵进行检验［1，2］。近年来，随着计算机硬件及软件技术的不断改进，计算机视觉技术在食品加工领域得到了大力的发展。Chong等［3］利用茄子的长度、直径、体积、色泽、表面缺陷等特征实现了茄子分级；Blasco等［4－7］实现了利用石榴粒的颜色进行自动分级筛选；Tu等［8］提出了椰菜分级方法，通过提取椰菜的色泽、形状等特征并利用神经网络实现分级。此外，还有利用水果的大小及其形状特征进行分级［9－11］、表面损伤检测［12－14］等。

针对海产品的检验，DJ White等［15］利用计算机视觉技术对比目鱼进行种类识别研究；张志强等［16，17］利用计算机视觉技术对淡水鱼的品种识别和质量分级进行研究。目前，对于贝类等其他种类海产品自动分类及检测的研究仍处于初级阶段。

基于计算机视觉技术的自动检验系统可有效地取代传统的人工视觉检验，但自动检验系统的实施需借助于专用的图像处理软件，因此，图像处理的质量对系统的性能有着直接的影响。

1 计算机视觉系统

计算机视觉系统由图像获取及图像分析两个基本环节构成。其中，图像获取环节包含照明装置及摄像头；图像分析环节包含图像采集卡，即帧捕获器或数字转换器以及分析软件。典型的计算机视觉系统见图1。

类似于人眼视觉系统，计算机视觉系统受照明度和照明品质的影响。照明系统的性能极大地影响了图像的质量，在系统的总效率和准确性方面起着重要的作用。

1.1 照明系统

系统工作时，光源集中在检测物样本上。光源的类型，位置以及颜色质量对生成一副清晰的目标图像起着重要的作用。照明包含前光及背光，前光主要针对于产品外部表面特征的检测，而背光是用于增强目标的背景。光源可采用荧光灯，发光二极管（LED）激光发射器，X射线管及红外发光管等。

图1 计算机视觉系统组成Figure 1 Components of a computer vision system

1.2 图像采集

图像采集是利用摄像头内部的CCD感光元件将光信号转换成电信号输出的过程。图像采集的效果很大程度上是由照明设备的质量来决定的，且不同的照明设备应配备相应的图像采集设备。

1.3 图像处理

由图像采集设备获取的样本图像传送给计算机转换为数字图像。对样本图像的各级处理过程见图2。

图2 各级图像处理过程Figure 2 Different levels in image processing

图像采集与预处理为低级图像处理，主要是对采集到的图像进行去噪，增强处理，以提高后续处理的精度。典型的图像去噪算法有均值滤波、维纳滤波、高斯滤波等。

特征提取是提取图像中感兴趣区域的特征，可采用图像分割等方法提取颜色特征、纹理特征和形状特征等。典型的图像分割算法有阈值法、形态学法、基于遗传算法的图像分割等。对于彩色图像和多光谱图像，可将颜色或光谱信息加入图像分割的参考依据以提高分割的准确率。

图像识别与判断为高级图像处理，结合预测模型实现目标的辨认、分类与解释，可采用的分类器有神经网络分类器、支持向量机等。

2 计算机视觉技术在海产品加工处理过程中的应用

海产品的特征包括大小、形状、纹理以及颜色等，由于种类繁多，针对不同种类的海产品这些特征也有所不同，因此对于传统的机械设备实现海产品的分类及质量评估具有一定的难度。而基于计算机视觉技术的海产品分类及质量评估系统可实现无接触、无损伤的检验［18，19］。此外，若执行分类筛选的硬件系统反应速度足够快，计算机视觉技术在海产品加工领域将会有更多、更现实的应用。

2.1 海产品的分类研究

图3所示为基于计算机视觉技术的海产品检测系统对鱼类的分析举例。

图3 基于计算机视觉系统的鱼类分析举例Figure 3 Examples of fish products analyzed by a computer vision system

图3（a）为系统采集到的鱼的原始图像，图像中的边缘信息即鱼的轮廓可利用边缘提取算法获得，见图3（b）。由提取出的轮廓可以有效地识别出鱼的种类，从而实现鱼的分类。

2.2 海产品的质量评估

更进一步地，对于海产品质量的评估见图4。

图4 基于计算机视觉的虾的质量评估Figure 4 Quality evaluation of shrimp using computer vision technology

图4（a）为系统采集到的虾的原始图像，左侧为鲜度质量较好的虾，部分虾体颜色呈青色，右侧为鲜度质量稍差的虾，虾体颜色整体偏白。图4（b）为利用增强算法处理过的图像，其中左侧的虾图像虾体具有较多的纹理特征，灰度变化显著，右侧的虾图像虾体灰度变化不明显。进一步可结合实际需求，通过修正预测模型的判别准则即可有效地对虾的质量进行评估。

由图3及图4所示实例可知，采用计算机视觉技术可有效地提取图像目标区域的特征，从而实现海产品的分类及质量评估。

3 结论及展望

计算机技术的迅猛发展使人类生产和生活发生了巨大的变化。近年来，食品安全问题逐步成为人们关注的焦点，因此，基于计算机视觉技术的食品分类及质量检验系统越来越受到关注。虽然在海产品加工领域中，基于计算机视觉技术的无接触、无损伤自动分类及质量评估系统仍属一项新技术，但是该技术已为种类繁多的农产品成功地提供了分类及质量评估方法，相信在不久的将来，这一技术即可在海产品加工领域得以广泛的实施。

1 Da－Wen Sun.Computer vision technology for food quality evaluation，food science and technology：international series［M］.Dublin：Elsevier Press，2007.

2 J M Aguilera，V Briones.Computer vision and food quality［J］.Food Australia，2005，57（3）：79～87.

3 Chong V K，Kondo N，Ninomiya K.Features extraction for eggplant fruit grading system using machine vision［J］.Applied Engineering in Agriculture，2008，24（5）：675～684.

4 Blasco J，Cubero S.Development of a machine for the automatic sorting of pomegranate（Punica granatum）arils based on computer vision［J］.Journal of Food Engineering，2009，90（7）：27～34.

5 高彩云，高满屯，王少卫.机器视觉中特征点提取算法的探讨［J］.计算机仿真，2009，30（10）：233～236.

6 李伟，康晴晴，张俊雄.基于机器视觉的苹果表面纹理检测方法［J］.吉林大学学报：工学版，2008，38（5）：1 111～1 117.

7 Xu Liming，Zhao Yanchao.Automated strawberry grading system based on image processing［J］.Computers and Electronics in Agriculture，2010，71（8）：32～39.

8 Tu K，Ren K，Pan L Q，et al.A study of broccoli grading system based on machine vision and neural networks［C］//Proceedings of the 2007IEEE International Conference on Mechatronics and Automation.［s.n.］：［S.l.］，2007：2 332～2 336.

9 安爱琴，余泽通，王宏强.基于机器视觉的苹果大小自动分级方法［J］.农机化研究，2008，52（4）：163～166.

10 林开颜，吴军辉，徐立鸿.基于计算机视觉技术的水果形状分级方法［J］.农业机械学报，2005，36（6）：71～74.

11 司永胜，乔军，刘刚.基于机器视觉的苹果识别和形状特征提取［J］.农业机械学报，2009，40（8）：161～165.

12 冯斌，汪懋华.计算机视觉技术识别水果缺陷的一种新方法［J］.中国农业大学学报，2002，7（4）：73～76.

13 Xu Liming，Zhao Yanchao.Automated strawberry grading system based on image processing［J］.Computers and Electronics in Agriculture，2010，71（8）：32～39.

14 应义斌，饶秀勤，赵匀，等.机器视觉技术在农产品品质自动识别中的应用［J］.农业工程学报，2000，16（1）：103～108.

15 White D J，Svellingen C.Automated measurement of species and length of fish by computer vision［J］.Fisheries Research，2006，80（4）：203～210.

16 张志强，牛智有，赵思明，等.基于机器视觉技术的淡水鱼质量分级［J］.农业工程学报，2011，27（2）：350～354.

17 张志强，牛智有，赵思明.基于机器视觉技术的淡水鱼品种识别［J］.农业工程学报，2011，27（11）：388～392.

18 Bahar Gümüs.Machine vision applications to aquatic foods：a review［J］.Turkish Journal of Fisheries and Aquatic Sciences，2011（11）：171～181.

19 T Brosnan，D W Sun.Improving quality inspection of food products by computer vision－a review［J］.Journal of Food Engineering，2004（61）：3～16.

Application of computer vision technology on quality evaluation of seafood

LI Hong－jie TAO Xue－hengYU Xiao－qiang

（School of Information Science and Engineering，Dalian Polytechnic University，Dalian，Liaoning116034，China）

The traditional method of classification and quality control is mainly used artificial means judging by the naked eye which would spend a lot of manpower with labor－intensive and inefficient.The disadvantage can be overcome by using the system based on computer vision technology，which can achieve the automatic classification and quality assessment of seafood.The methods of digital image processing were used to extract the size，shape，color，texture and other characteristics of the seafood.Combining with predictive models，the seafood can be classified in a non－contact and non－destructive manner.This paper analyzes the composition of classification and quality assessment system according to seafood based on computer vision technology.The feasibility of the system is described by the analysis of the examples which also demonstrates the effectiveness of this technique.

computer vision；seafood；quality evaluation；image processing

10.3969 /j.issn.1003－5788.2012.04.042

里红杰（1979－），女，大连工业大学讲师，硕士。E－mail：lihj＠dlpu.edu.cn

2012－05－15