一种应用圆形度的番茄形状分级方法

殷蓉，高珏，孟国飞，潘洋洋

（常熟理工学院电气与自动化工程学院，江苏常熟 215500）

一种应用圆形度的番茄形状分级方法

殷蓉，高珏，孟国飞，潘洋洋

（常熟理工学院电气与自动化工程学院，江苏常熟 215500）

提出一种基于圆形度的番茄形状自动分级方法.采用机器视觉技术，首先利用CCD摄像机获取样本图像，然后以圆形度描述番茄外形的圆润程度，通过MATLAB的图像处理功能获得分级信息，并由LabVIEW平台实时监控、PLC实施有效控制，从而实现对番茄形状的自动分级.试验表明，此方法具有较高的分级质量和效率.

机器视觉；MATLAB图像处理；圆形度；形状分级

农产品无损检测分级是促进其标准化和商品化的必要技术手段[1]，对于提升蔬果的附加值非常重要.我国是水果生产大国，但采摘后加工环节薄弱，未能满足人们对水果品质的要求，也影响其国际竞争力.随着计算机技术的迅猛发展，机器视觉技术在工农业生产中的应用也越来越普遍.机器视觉是用机器代替人眼完成检测分级工作，具有非接触性测量、效率高、长时间稳定工作等优势，克服了人工分级和传统机械分级的缺点，可广泛应用于农产品品质检测与分级[2-4].外形尺寸是水果[5-6]的主要品质参数之一，也是水果分级的重要依据.水果在生长过程中受到多种因素的影响，外部形状很难统一，所以水果形状分级至今没有完善的解决方法.目前，以最大最小半径比值法和圆形度法作为描述水果形状的特征参数，对硬件设备的要求较低，而且算法通俗易懂、效率高.本文提出的基于机器视觉的番茄形状分级方法，通过图像采集和处理获取番茄的形状特征，可实现对番茄形状的自动分级.

1 分级系统的设计

系统硬件由机器视觉系统、PLC控制系统和分级系统三部分组成.其工作示意图如图1所示.其中，光室、CCD摄像头、进料光电传感器和工控机（含图形处理软件）属于机器视觉系统，PLC、皮带输送线及三相异步电机属PLC控制系统，分级系统包括各种传感器、执行机构及相应的料槽.

系统软件由LabVIEW和MATLAB组成.系统分别通过MATLAB和PLC实现番茄样本的图像处理和自动分级，而LabVIEW作为监控平台，实现两者的通信.

在分级过程中，番茄样本由传送带连续传送.当通过光室中的进料光电传感器时，PLC接收到信号，经通信模块传输给上位机，上位机驱动CCD摄像机，通过图像采集卡将水果图像传入计算机.上位机使用Lab⁃VIEW作为监控平台，调用MATLAB脚本进行一系列处理和分析，获取番茄的形状特征、输出分级结果，最后PLC根据分级信息控制分级机构，完成分级.

图1 系统工作示意图

2 番茄等级规格与形状描述

根据农业部发布的农业行业标准，番茄等级规格中重要的一点就是果形圆润无筋棱，消费者也多以番茄外形的圆润程度挑选、购买，故以形状指标对番茄进行分级很有必要.

最小最大半径比值法是把采集的水果图像近似投影成圆形图像，投影的近似图像越圆则说明水果形状越好，如果近似投影图像很扁，则表示水果畸形.同时把通过形心和果轴具有相同方向的果径作为纵径，而与之垂直方向的果径作为横径.由纵径与横径的比值表示水果形状的特征参数.

把水果的周长L和面积S提取出来，以L^2/（4πS）表示圆形度.当水果在相同面积的条件下，若区域边界光滑且为圆形，其圆形度值接近1；若区域边界凹凸变化大，区域的形状越偏离圆形，则相应的周长也增加，圆度值也相应增大.

用两种程序对实物分别处理后，发现两种方法的分级准确率相当，用圆形度做特征参数的方法相比最小最大半径比值法可以反映更多的形状信息，而且该方法运行速度也较快，符合水果检测系统完成实时检测的任务要求，所以本文选用圆形度作为特征参数.

图2 图像采集和处理流程

3 图像采集与图像处理

CCD摄像机获取样本图像后，传送到上位机，由MATLAB进行预处理.图像的预处理包括背景抑制、灰度化、二值化、图像分割和边缘检测，其流程及相应的效果如图2、图3所示.

3.1 图像采集

番茄图像的采集由大恒图像DH-HV-u系列数字摄像机获取，这款摄像机采用USB2.0标准接口传输图像数据，安装简单方便.试验时，调节CCD摄像头的焦距和传送带的速度，直到采集图像清晰为止.MATLAB中，函数getsnapshot用于调用CCD摄像机拍摄番茄图像，imwrite和imread函数分别用于保存和读取原始待测图像.实验中，获取的样本图像如图3（1）所示.

3.2 背景抑制

摄像机拍摄的图像往往包含皮带等干扰样本特征提取的背景，若背景的亮度和面积与样本相当，图像处理过程中就有可能误判为样本的一部分，使样本的特征信息和分级结果产生很大的误差，因此应对背景做一定的处理.函数imclearborder可以抑制和图像边界相连的亮对象，调用格式为X2=imclearborder（X1，conn），默认conn=8，即使用8邻域.经过背景抑制的图像如图3（2）.

3.3 灰度化与二值化

图像灰度变化可扩展图像的对比度和增大图像的动态范围，使图像的特征信息显示得比较清晰明显，是增强图像效果的重要手段之一.MATLAB中的函数rgb2gray可以将24位真彩色的图像转换为8位的灰度图像.

图3 图像处理步骤

在图像处理过程中，样本的背景分割是分析和识别图像的关键技术，利用图像中背景与目标的灰度值的差异度，把图像看作具有不相同灰度级的两类区域的组合，而只提取出目标区域.只有这样，才能对目标图像进行特征提取和参数测量，使得更高层次的图像分析和识别成为可能.自适应阈值法可以按照灰度图的特性，将灰度图分为两个像素组.通常把所要提取的目标图像分为一组，而背景图像则被分为另一组，通过求其最大组间方差的方法来判定阈值.函数graythresh可以实现用最大组间方差法计算全局图像的阈值，再调用im2bw函数将灰度图像二值化，效果如图3（3）所示.

3.4 平滑与分割

经过二值化的图像中背景仍有很多噪点，而且目标的边界也会有一些突刺，这些都会影响对象的特征提取.故首先用中值滤波器medfilt2函数对图像做平滑处理.再取适当的值P，通过调用X4=bwareaopen（X3，P，conn）可删除二值图像X3中面积小于P的对象，X4为输出图像，默认情况下conn使用8邻域.

图像的腐蚀就是使用算法将图像的边缘腐蚀掉，作用是将目标边缘的“毛刺”踢除掉.膨胀就是使用算法将图像的边缘扩大些，作用是将目标的边缘或内部的坑填掉.使用相同次数的腐蚀与膨胀，可以使目标表面更平滑.

对于背景中的噪点，可以通过imclose函数对图像实现闭运算，闭运算也能平滑图像的轮廓，一般融合窄的缺口和细长的弯口，去掉小洞、填补轮廓上的缝隙.

其中，函数strel的作用是构造结构元素，用于创建半径为2的圆.再用闭运算对图像进行膨胀，使断开的点连接.

对于目标边界上的毛刺，则可以用调用X6=imerode（closeX，se）进行边缘腐蚀.对图像先膨胀后腐蚀，使番茄样本完全从背景中分割出来，且经过噪声去除，一定程度上还原了原始图像的真实信息，如图3（4）所示.

3.5 边缘检测与特征提取

要提取样本的形状信息，必须首先检测分割出来的目标的边界.在MATLAB中调用border=（closeX）-X6，其中closeX为膨胀后的图像，X6为腐蚀后的图像，两者之差及为所希望获取的目标的边界，见图3（5）.调用p=bwperim（border）获取边界的像素点数p，C=sum（sum（p））求得样本的边长，S=sum（sum（X6））则可求得样本的面积.最后由公式Y=C^2/（4piS）求得样本的圆形度.

4 试验与结果

国际上对番茄形状的分类标准如表1所示，依据圆形度的不同分为优等品、一等品和二等品.首先，选取50个新鲜的番茄作为试验样本，分别进行人工分级和自动分级.对于自动分级，在MATLAB中经过图像处理得到圆形度特征量后，根据分类标准用选择结构就能得到番茄样本的分级信息.由试验结果得知，基于圆形度的自动分级准确率达到82%，样本总体全部完成分级共用时172 s.可见此法在保证准确率的基础上，能大大提高分级质量和效率.由于篇幅限制，故仅选取部分结果列举，如表2所示.

5 结束语

本文提出了一种基于圆形度的番茄形状自动分级方法，通过机器视觉技术获取图像，采用圆形度描述番茄果实的形状，实现了番茄的自动分级，准确率达到了82%，每分钟可分级约17个番茄.此系统提高了番茄果实的分级质量和效率，且稍加改进就能适用于其他农产品的分析，应用前景十分广阔.

表1 国际形状分级标准

表2 部分样本形状分级结果

[1]赵茂程，侯文军.我国基于机器视觉的水果自动分级技术及研究进展[J].包装与食品机械，2007，25（5）：1-4.

[2]应义斌，饶秀勤，黄永林，等.运动水果图像的实时采集方法与系统研究[J].农业机械报，2004，35（3）：179-183.

[3]应义斌，饶秀勤，赵匀.机器视觉技术在农产品品质自动识别中的应用研究进展[J].农业工程学报，2000，16（3）：4-8.

[4]章文英，应义斌.苹果图像的底层处理及尺寸检测[J].浙江农业学报，2001，13（4）：214-217.

[5]赵静，何东健.果实形状的计算机识别方法研究[J].农业工程学报，2001，17（2）：165-167.

[6]赵静，何东健.果实形状的计算机识别方法研究[J].农业工程学报，2001，17（2）：165-167.

[7]潘峰，刘文予，朱光喜.MATLAB在图像处理与研究中的应用[J].计算机应用研究，1999，16（12）：73-75.

A Method of Tomato Shape Classification with the Application of Circularity

YIN Rong,GAO Jue,MENG Guo-fei,PAN Yang-yang
(School of Electrical and Automation Engineering,Changshu Institute of Technology,Changshu 215500,China)

This paper proposes a method of automatic classification of tomato shape based on circularity in order to improve the added value and degree of commercialization of tomatoes.Using the technology of machine vision, A CCD camera is used to obtain the image of the sample of tomato and then the image processing function of MATLAB provides rating information of the sample which is described by circularity.With the real-time moni⁃toring by LabVIEW and the effective control of PLC,the automatic classification of tomato shape can be conduct⁃ed.Experiments show that this method has high classification quality and efficiency.

machine vision;MATLAB image processing;circularity;shape classification

S609；TP391.41

A

1008-2794（2013）04-0100-04

2013-04-24

常熟理工学院2012年度大学生实践创新训练计划项目“基于PLC和LabVIEW的水果检测与分级系统的设计”（2012JSSPITP2351）

高珏，实验师，硕士，研究方向：光谱分析及机器视觉模式识别，E-mail：gao_jue@hotmail.com.