基于SOPC水果分级检测系统研究

乔　陆 陈　静

(河南职业技术学院信息工程系，河南 郑州　450046)



基于SOPC水果分级检测系统研究

乔陆 陈静

(河南职业技术学院信息工程系，河南 郑州450046)

为了解决传统的水果分级检测系统存在的分级速度慢、系统庞大和成本高等问题，提出了基于SOPC水果分级检测系统，并将整个控制系统集成到一个FPGA芯片上，以脱离PC机平台，从而降低成本。通过Soble算法实现了水果图像的边缘提取，通过直方图的方法对水果的大小进行分辨，从而可以准确地对水果进行分级处理。测试结果表明，该系统具有检测速度快，开发周期短，可在线升级的优点，具有很好的应用空间。

SOPC；Soble算法；水果检测

随着自动化技术的快速发展，农业自动化程度也越来越高。自动化水果无损检测技术的应用越来越广泛，此技术可以在不损坏水果的前提下对水果的内外品质进行精确和有效的检测，对水果进行分级处理[1]。目前的水果检测技术都是基于视觉技术的，都是使用单片机作为处理器，但单片机数字信号处理能力很差，其主频也很有限，前端需要增加分频器，同时还需要增加与数字信号处理的相关电路，因此虽然也能对水果的形状、大小和颜色等进行很好的检测，但是存在分级速度慢、系统庞大和成本高等问题[2]。目前还没有将SOPC应用到水果分级检测的相关研究和设计。为了解决这些问题，本研究提出了基于SOPC(system on programmable chip)机器视觉的水果检测分级技术[3]，所谓SOPC就是将整个控制系统集成到一个芯片里，具有很强的数字信号处理能力和运算速度，且SOPC系统使用的FPGA芯片价格低、集成度高，可以大大降低成本。

1　水果分级检测系统总体设计

系统总体设计见图1。

图1　系统总体框图

水果图像通过高清CCD摄像头得到，然后把图像信号输送到SOPC系统进行处理，系统通过算法可以准确地对水果进行边缘及分级检测，处理结果通过TFT-LCD进行显示。

2　水果图像的处理及边界提取

水果分级检测的前提是要准确地提取出图像边界。图像边界提取的算法种类很多，本研究选用的是Soble 算法[4]。该算法是将检测像素点作为所有像素的中心进行处理，同时还要将3×3领域内像素灰度的加权差融合进去。整个算法过程相当于一种梯度的幅值，选择恰当的门限，最终确定是否为边缘点[5]。

图像边界的提取是一个非常复杂的过程，之前还必须对图像进行有效的预处理，才能进行图像边界的提取，本研究使用高斯滤波法[6]进行预处理。高斯滤波法的实质是构建一个平滑滤波器，是通过二维零均值离散高斯函值实现的，该函数可表示成：

(1)

式中：

δ——高斯分布参数，高斯滤波器的宽度就是通过δ确定的；

i——横向像素点数，个；

j——纵向像素点数，个；

e——以e为底的指数函数。

高斯滤波器可以通过高斯函数的形状选择正确的权值，从而构建出一个线性平滑滤波器，这样就可以很好地过滤掉服从正态分布的噪音[7]。

图2是原始图像，通过高斯滤波处理的结果见图3。通过对比图2、3可知此滤波器可以很好地过滤掉服从正态分布的噪音。

图2　原始图像

图3　高斯滤波后的图像

3　Sobel边缘检测的应用

3.1Sobel算法原理

此算法的基本框图见图4。在使用此算法进行图像的边缘检测时，须先将水平、垂直梯度两个参数求出，再综合考虑此两个参数选取的合适门限，可得到较好的水果图像的边缘检测结果[8]。

水果图像的3×3区域见图5。图5中，可以用函数分别表示x,y两个方向的梯度。

图4　Sobel算法边缘基本框图

图5　水果图像的3×3区域

Gx=(z7+2z8+z9)-(z1+2z2+z3)，

(2)

Gy=(z3+z6+z9)-(z1+2z4+z7)。

(3)

在具体计算的过程中，必须要把Gx，Gy和hist[k]=0 (k=0,…L-1)同时使用。

在进行门限计算时，必须满足：

(4)

式中：

T——门限值；

3.2Soble算法的system generator实现

在使用此算法进行图像边缘检测时，为了得到需要的数据，必须将图像转变为system generator[9]。

具体的转换过程见图6。

把图像转换为system generator之后，就可以得到x、y两个方向梯度计算模型，见图7、8。

两个方向的梯度值求出后就可以选择合适的门限。

3.3基于SOPC的Sobel算法调试

根据前面论述的Sobel算法过程可知，选择的门限不同，图像边缘的检测结果也不同[10]。在进行调试时，选择的门限值分别为4，3，2，0.8时，得到的图像边缘检测结果见图9。

图6　图像转换过程

图7　X Sobel 子系统

图8　Y Sobel 子系统

图9　不同门限值的图像边缘检测结果

由图9可知，门限值越小，边缘越敏感；同时亮度也发生了很大的变化，这些变化的亮度被系统认作边缘，从而会出现边缘毛刺的情况。

4　基于SOPC水果分级检测系统的实现

通过Sobel算法可以很好地将水果边缘的特征量提取出来，要想实现对水果进行分级处理，还必须测定相应的图片面积。本研究使用直方图的方法来测定图片的面积。此方法可以把像素不同灰度值出现的次数准确地统计出来，进而能够很好地确定水果图像的一维信息[11]。直方图的频率表达式为：

(5)

式中：

N——水果图像总像素；

nk，rk——第k级灰度的像素数和灰度等级。

通过SOPC系统可以把直方图的模型构建出来，具体的见图10。

为了验证直方图法的正确性，对图11进行直方图处理，处理的结果见图12。

图12中，横坐标是灰度级别，纵坐标是频率(像素点的个数)，横坐标的数值主要表示不同的像素点。其中大数值和小数值分别表示白色和黑色像素点[12]。由此可知，将白色的像素点计算出来就可以确定图像的面积，白色像素点数越小意味着图像小，从而可以准确地对水果进行分级处理。

图10　直方图模型

图11　边缘提取图像

图12　灰度直方图

5　结论

本研究采用Soble算法实现了对水果图像边缘的提取，通过直方图的方法对水果的大小进行分辨，整个系统通过SOPC系统实现，可以准确地对水果进行分级处理。

本系统和目前其它的水果分级系统相比优势明显，主要表现在检测速度和精度大大提高，本系统可以不使用PC机平台，成本大大降低，同时还可以实现在线升级，具有很大的市场空间。如果检测的速度要进一步的提高，可以选择性能更好的FPGA芯片。

[1] 葛飞, 苏铁青, 岳晓禹. 单片机在重量分捡机中应用系统设计的研究[J]. 食品与机械, 2005, 21(3): 54-56.

[2] 葛飞, 王斌, 苏铁青. 重量分捡机单片机控制系统的抗干扰设计[J]. 食品与机械, 2004, 20(6): 39-41.

[3] 胡向峰, 王黎明. 基于SOPC技术的高速数据采集系统的设计[J]. 微电子学与计算机, 2009, 26(6): 62-65.

[4] 赵擎天, 尉广军, 姚义. 基于SOPC的多路并行同步数字信号采集系统设计[J]. 军械工程学院学报, 2011, 23(3): 60-65.

[5] 曹乐平, 谢培甫. vfb基于补偿模糊神经网络的立式转鼓水果分级系统设计[J]. 食品与机械, 2007, 23(2): 70-73.

[6] 施健, 何建国, 张冬, 等. 基于计算机视觉鲜枣大小分级系统研究[J]. 食品与机械, 2013, 29(5): 134-137.

[7] 党宏社, 宋晋国. 基于ARM 的嵌入式水果大小检测与分级系统的实现[J]. 四川农业大学学报, 2011, 29(1): 89-92.

[8] 李明, 赵勋杰. Sobel 边缘检测的FPGA实现[J]. 现代电子技术, 2009(16): 44-46.

[9] 展慧, 李小昱. 基于机器视觉的板栗分级检测方法[J]. 农业工程学报, 2010, 26(4): 327-331.

[10] 袁江南. 一种图像边缘检测FPGA实现的快速设计方法[J]. 厦门理工学院学报, 2010, 18(1): 56-59.

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

[12] 张辉, 曲仕茹. 基于FPGA硬件实现的图像边缘检测及仿真[J]. 计算机仿真, 2010, 27(3): 232-236.

Research on fruit grading detection system based on SOPC

QIAO LuCHENJing

(DepartmentofInformationEngineering,HenanPolytechnicCollege,Zhengzhou,Henan450046,China)

In order to solve traditional fruit grading detection system of graded speed slow, huge system and high cost, puts forward the detection system based on SOPC fruit grading, and the whole control system was integrated into a FPGA chip, which can be detached from the PC platform, greatly reduces the cost. Through the Soble algorithm to achieve the edge of the fruit image extraction, and the method of histogram of the size of the fruit to distinguish, the fruit could be accurately classified. Test results show that this system has the advantages of fast detection speed, short development cycle, and can be upgraded online, which has a good application space.

SOPC; soble algorithm; fruit detection

河南省教育厅科研项目(编号：2014SJGLX381)

乔陆(1979—)，男，河南职业技术学院讲师，硕士。

E-mail:hnqiaolu@163.com

2016—04—06

10.13652/j.issn.1003-5788.2016.08.023