基于机器视觉的蔬菜外部品质的检测方法研究

贾楠 赵娜

摘要：据国际物质粮农组织1990年统计，人体必需的VC的90%、VA的60%来自蔬菜。此外，蔬菜中还有多种多样的植物化学物质，是人们公认的对健康有效的成分，随着现代技术的迅速发展，为蔬菜产品品质的无损检测提供了很多新的方法和手段，机器视觉技术在蔬菜品质检测中的应用已在国内外被广泛地开展，农产品检测技术方面在机器视觉上的应用也愈来愈多。与此同时，机器视觉技术在蔬菜中品质检测领域的应用前景正在变得越来越广阔。本文主要研究的就是通过机器视觉来研究蔬菜外部品质，以此来实现对水果品质的检测和数据的记录。

关键词：蔬菜；外部品质；机器视觉；高光谱图像

中图分类号：TP18 文献标识码：A

文章编号：1009-3044（2019）10-0155-02

开放科学（资源服务）标识码（OSID）：

Study on the External Quality of Vegetables Based on Machine Vision

JIA Nan， ZHAO Na*

（Tianjin Agricultural University， Tianjin 300384， China）

Abstract：According to the 1990 statistics of the International Food and Agriculture Organization （FAO）， 60% of the Vitamin A and the 90% of Vitamin C essential to human body comes from vegetables. In addition， there are a variety of plant chemicals in vegetables， which are recognized as healthy and effective ingredients. With the rapid development of modern technology， many new methods and means have been provided for non-destructive testing of vegetable product quality. The application of machine vision technology in vegetable quality detection has been widely carried out at home and abroad， and the application of agricultural product detection technology in machine vision is more and more. At the same time， the application prospect of machine vision technology in vegetable quality detection field is becoming more and more broad. This paper mainly studies the external quality of vegetables through machine vision， so as to achieve the detection of fruit quality and record of data.

Keywords： vegetable；external；quality machine vision；hyperspectral image

1 概述

農产品检测技术一直以来都是农业领域研究问题的热点。蔬菜在我国居民膳食结构中具有重要的地位，其品质安全状况不仅关系到国民的营养水平及身体健康，同样影响到我国农产品出口创汇以及在国际市场上的竞争力。随着国民生活质量的提高，人们对蔬菜品质的要求也越来越高。消费者对蔬菜的色、香、味、形、营养等方面提出了更高的要求。同时由于我国近年来蔬菜质量安全问题频发，导致公众对蔬菜安全的不信任。传统的蔬菜品质安全检测方法多采用精密检测仪器，如高效液相色谱仪、气质联用仪等，由于需要较复杂的样品前处理过程，较长的检测时间，因此无法对蔬菜的生产、运输、销售等环节的品质与安全做出快速响应。另外，传统方法需要专业人员进行操作，检测过程多数需要对样品进行破坏，因此只能进行抽样检测，造成了定程度的浪费。新兴的蔬菜品质安全光学检测技术，如机器视觉技术、近红外光谱技术，高光谱技术以及拉曼光谱技术，可实现蔬菜的无损检测，避免了常规检测手段复杂的前处理过程，并且检测速度快，可用于蔬菜生产加工过程的在线检测。近几年，通过机器视觉、光谱等光学检测手段对果蔬进行品质安全无损检测已成为研究的热点。

2 蔬菜外部品质检测

在蔬菜的种植运输过程中，由于种种原因不可避免会产生一些外观品质损伤，表现为表面缺陷、着色较差、擦伤以及病害导致的病斑等。蔬菜在采后通过分级、清洗、上色、打蜡、包装等步骤的处理，使其成为商品化程度高的产品。在蔬菜的优选分级过程中，光学成像检测技术能够有效提高优选效率，同时达到较高的准确度，保障蔬菜产品的优质供给。近年来采用光学技术对蔬菜外部品质进行检测的研究现状。可以知道，蔬菜外部品质检测主要集中在大小形状、颜色、重量等外形检测，以及冻伤、擦伤、酶促褐变等表面损伤。[1]机器视觉技术在检测蔬菜颜色、形状、大小或者相对明显的损伤等方面具有明显的优势，但是对于冻伤、轻微损伤、酶促褐变等损伤却难以辨别，采用高光谱或者多光谱技术则较为准确。用于蔬菜品质检测的高光谱系统，当不需要光谱检测时，可将成像光谱仪去除，使相机和镜头相连，组成机器视觉系统。

3 基于机器视觉的蔬菜形态检测

根据大小、形状对蔬菜进行分级分选，有利于提高蔬菜的商品价值，目前常用方法为人工挑选分级。机器视觉技术的大部分进展都是在工业应用中取得的。机器视觉技术具有快速、实时以及无损等优点，可作为蔬菜在线检测分级的重要手段。机器视觉技术首先通过图像传感器，如：电荷耦合器件 （Charge Coupled Device，CCD）、互补金属氧化物半导体 （Complementary Metal Oxide Semiconductor Transistor，CMOS）等，采集蔬菜图像，然后进行图像的预处理。[2]最后进行特征参数提取。郝敏等采用机器视觉技术实现了马铃薯薯形的检测分类，研究将Zemike作为特征参数并利用支持向量机建模，对薯形良好和畸形的检测正确率达93%和100%黄星奕等根据正常和畸形秀珍菇的形状特征，[4]通过逐步回归提取分形维数、相对位移、菌盖偏心率以及菌柄弯曲度等4个特征变量，采用支持向量机模式识别方法建立畸形秀珍菇判别模型，识别率高达96.67%。[3]可见，采用机器视觉技术对蔬菜的形态检测具有较高的准确度。

Lino等采用机器视觉采集番茄的颜色以进行成熟度的判断，在番茄的RGB图像，以及红、绿、蓝和亮度特征的处理过程，在番茄成熟过程中，亮度、蓝以及绿增强达到最高值后，开始降低，相反红色值开始开高。在番茄成熟过程中，其各个颜色范围不断发生变化，红色范围越来越大，绿色范围越来越小，说明叶绿素逐渐降低，番茄红素逐渐升高。[5]通过该方法可以有效辨识番茄的成熟阶段。

机器视觉技术对蔬菜的外部品质鉴定具有较好的实际效果，能够快速无损地对蔬菜的大小、是否畸形等做出鉴别，为蔬菜在线快速分级做出依据，随着消费者对果蔬的外观品质要求越来越严格，机器视觉应用于蔬菜的外部品质检测具有重要的实际价值。

4 蔬菜的缺陷识别

蔬菜缺陷包括机器损伤、病害、冻伤、腐烂等。对蔬菜缺陷进行检测有利于提高蔬菜的附加值，降低储藏成本以及避免病虫害损失。传统人工辨别方法，速度慢且正确率低，采用光学技术可以有效缩短检测时间，提高检测正确率，相比蔬菜的大小、形状、颜色等形态检测，这类检测由于缺陷区域的颜色、纹理等信息和正常区域处的高度相似，仅基于机器视觉效果较差，因此缺陷检测多采用高光谐/多光谱反射、透射以及荧光等技术。

5 高光谱图像处理与分析

高光谱图像是一个具有“图谱合一”特点的三维数据立方体，因此高光谱图像的处理和分析既可以在指定波长情况下在空间域进行图像处理和分析，又可以在指定像素坐标位置情况下在光谱域进行光谱处理和分析，也可以同时在空间域和光谱域进行处理和分析。一般来讲，高光谱图像处理流程包括高光谱图像数据获取与校正层、高光谱图像处理与分析层和应用层三个层面。[5]其中高光谱图像数据获取与校正层包括样品高光谱图像和参考图像的获取、高光谱图像校正；高光谱图像处理与分析层包括光谱处理与分析和图像处理与分析。

6 总结

随着人们生活水平的不断提高，蔬菜的品质和安全性得到了全社会持续不断的高度关注。传统化学方法是一种费时费力的破坏性检测方法，不利于品质和安全性的快速无损检测。高光谱成像技术于20世纪90年代后期才开始被应用于农产品品质的无损检测中，由于其科学有效的检测性能，近年来在食品行业得到了快速的发展。大量的成功应用案例已经证明了高光谱成像技术是果蔬外部品质、内部品质和品质安全检测的科学有效工具。高光谱成像技术还面临着以下几个挑战。首先是高光谱相机较为昂贵，增加了商業化在线检测与分选生产线的研发成本；其次是高光谱图像数据获取时间和分析处理时间较长，不利于高光谱成像系统的在线或实时检测果蔬的品质和安全；第三是高光谱图像存在较大的数据冗余，常常需要针对特定的应用挑选特征波长。尽管如此，随着计算机技术和信息技术的发展，高光谱成像技术作为一种科学有效的无损检测工具将在食品和农产品质量与安全检测方面发挥更大的作用。

参考文献：

[1] 彭彦昆.农畜产品品质安全光学无损快速检测技术[M].北京：科学出版社，2016（2）.

[2]霍恩. 机器视觉[M].王亮，蒋欣兰，译.北京：中国青年出版社，2014：

[3]郝敏，麻硕士，郝小冬.基于Zernike 矩的马铃薯薯形检测[J].农业工程学报，2010，26（2）.

[4]黄星奕，姜爽，陈全胜，等.基于机器视觉技术的畸形秀珍菇识别[J].农业工程学报，2010，26（10）.

[5] 黄涛，李小雨，徐梦玲，等.高光谱成像技术与支持向量机的无损检测研究[J].光谱学与光谱分析，2015（1）：198-202.

【通联编辑：唐一东】