一种基于图像处理技术的核桃仁品质检测方法研究

卢军党，田智辉，刘东琴

（陕西省农业机械研究所，陕西 咸阳 712000）

核桃是世界著名的四大坚果之一，具有很高的营养价值[1]。在国内和国际市场核桃多以原核桃或者核桃仁的形式出现，其中核桃仁质量的好坏除了与核桃本身的品种、培育有关外，还与核桃仁加工过程有关。一般用于直接食用或后期食品加工的直接原料均为脱壳核桃仁，并且要求所需核桃仁的品质满足食用要求，因此在之前就必须剔除核桃仁中的变质部分。目前，我国核桃仁品质分级仍主要靠人工进行分拣，这种方法不仅过程繁琐、效率低下，同时还容易受人的主观因素影响，不能保证分级的客观性和标准化[2]。图像处理技术是随着高科技的发展应运而生的一门新技术，具有快速、实用及客观等优点，国内已将此技术成功地运用到核桃仁的质量检测上[3]。本文通过搭建核桃仁信息采集系统，运用图像处理技术对采集到的核桃仁图像信息进行了预处理，并提出了一种核桃仁网格化分级检测算法，可以用于核桃仁外观品质的检测。

1 核桃仁图像的采集

1.1 核桃仁图像采集系统的建立

要在计算机中处理图像，必须先把真实的图像通过数字化转变成计算机能够接受的显示和存储格式，然后再用计算机进行分析处理[4-5]。本文中的核桃仁图像信息采集系统由计算机、数码相机、照明室、LED光源、样品台等组成。计算机选取CPUIntel core i5、内存8G、硬盘1 000G的台式计算机。数码相机使用Nikon D3200型单反相机，图像分辨率为6016×4000（L），4512×3000（M），3008×2000（S），初始安装高度为300 mm，视场大小为270 mm×200 mm。光源为4个3 W的LED灯泡和1个18 W的LED环形灯组成。图像采集系统搭建成功后，将核桃仁随机放置在样品台上，以便模拟自动检测环境。数码相机采集核桃仁图像，然后传输到计算机上，以便于对核桃仁图像进行特征提取及分析。

1.2 核桃仁色选的阈值选择

色选所需要的阈值主要是背景点和已经腐败变质的核桃仁在当前拍摄条件下的灰度值范围，背景点阈值作为图像预处理中的二值化图像的阈值选择，而已变质核桃仁的灰度值范围是判定色选过程中识别核桃仁变质程度的依据。

具体做法是：对背景和完全变质核桃仁进行多次拍摄，统计其灰度值范围，经测定，背景的灰度值范围在190～220；而变质核桃仁的灰度值范围在20～35。

2 核桃仁色选的网格法实现

网格法是通过对核桃图像进行灰度化、滤波降噪处理后进行的网格划分，并对划分的网格进行标定、区域特征拟合和网格标签输出等操作，即网格中灰度值矩阵与提取的特征数据进行对比拟合，设定最小拟合度R，当网格灰度值范围与特征数据拟合结果高于R，则表示该网格内存在发生色变的核桃仁，并输出网格标签号，为剔除网格内色变核桃仁提供位置信息。该方法的优点在于数据处理量小、识别简单、系统响应时间短，通过定位网格来实现色变仁的定位，降低了剔除机构的要求，能大大提高工作效率，具有重要的工程实践意义。

2.1 核桃仁图像的网格化处理

核桃仁图像网格化处理是对前期处理后的灰度图进行网格化，也即是对灰度数据进行数据分割，将原有的大型数据按照纵横比例分割为多个小型矩阵。图1为核桃仁灰度化处理图像，数据矩阵为2 000×2 000 uint8。网格化处理依据则是根据实际工程应用中剔除机构吹气阀的位置及尺寸确定。在此将图1所述的图像数据矩阵划分为100个200×200 uint8的正方矩阵。并为每个小矩阵设置矩阵标签号label1、label2……label100，各矩阵中数据范围为0～255。如图2所示。

2.2 核桃仁图像的网格化识别方法

核桃仁图像的网格化识别即是对网格化的数据矩阵（200×200）进行一一识别，依据提取出的特征值空间与网格数据矩阵进行回归拟合，统计矩阵中属于特征空间的数据数量，并计算与特征空间拟合的数据数量占网格数据矩阵的比例M；若M大于设定的最小拟合度R，则认为此网格核桃仁存在色变可能，需要进行剔除操作，并标定输出网格标签label，反之则反。

假定提取的特征值 S=[S1，S2]∈[0，255]，已知网格化后的各数据矩阵数值xi范围为0～255。其识别过程如下：

xi∈S，i=1～40000，如果 n 个 xi∈S，则输出 n，即 n 为矩阵中数据与特征值拟合的数据量。与特征值空间拟合的数据数量占网格数据矩阵的比例M的计算如下：

式中：n——矩阵中数据与特征值拟合的数据量；M——与特征值拟合的数量占网格数据矩阵量的比例；40000——网格矩阵数据量。

网格内核桃仁存在色变可能的判定方法：（1）若M≥R，则判定为真，即网格内核桃仁存在色变可能，并输出网格标签号；（2）若M＜R，则判定为假，即网格内核桃仁存在色变可能性小。

2.3 核桃仁图像的网格化识别

根据上述核桃仁图像网格化识别方法对图4中已经网格化处理的核桃仁图像进行识别处理。在系统识别输出为网格标签号，为能直观表现识别结果，设定系统对识别出的网格标记为红色，如图3所示。

输出的网格标签分别为：label26、label34、label36、lab el42、label43、label46、label47、label56、label57、label67、label75、label85、label86。通过原始图像和识别标记图像对比，发现网格化法识别精度较高，基本把明显色变核桃仁全部识别出来。

各输出标签对应网格中核桃仁如图4所示：

3 结论

核桃仁品质检测的最终目标是提取到需要目标，并能够将目标分离出来，核桃仁分选设备的分离机构一般是通过吹气阀来实现的。网格法的算法不需要对目标的图像进行过多的预处理，在识别的时候只需统计网格内的灰度值范围，对图像处理系统和控制系统的相关硬件要求低且处理量较高，但是对于机械分离系统的要求较高。