基于机器视觉的农业机械图像识别系统分析

朱 丹,吴兹古力

(西安交通大学 城市学院,西安 710018 )

0 引言

苹果分级检测是苹果商品化处理的关键环节之一,直接关系到苹果的包装运输贮藏和销售收益。以往的方法都是对苹果进行称重,然后划分等级,由于采用人工和机械装置,不仅分拣效率低,而且容易对苹果造成损失,不能对苹果的颜色和表面缺陷做出合理的评价。近年来,基于机器视觉的无损检测技术被应用到各大领域,如果将机器视觉引入到苹果分拣机的设计上,可以有效地提高苹果的分拣效率,实现苹果的无损检测。

1 基于机器视觉的农机图像识别系统

美术和绘画的一项基本能力是对图像的解读,正确的识别解读绘画可以正确地把握绘画的意图和深层含义,当代美术的视觉化倾向与视觉文化的迅速发展息息相关。目前,博物馆有大量的绘画作品,不同的审美方式会得到不同的视觉传达效果,视觉中的图像符号是值得深入研究的问题。美术和绘画艺术如果也引入符号学研究方法,可以得到很好的美术和绘画艺术作品的识别方法,最终提高艺术作品的解读能力。

在苹果的分拣过程中,如果也能依据美术和绘画对图像的解读设计出具有机器视觉的苹果分拣机,将大大提高苹果的分拣效率,且这种方式是通过无损检测,可以有效降低分拣过程中对苹果的损伤。在苹果分拣时,如果按照等级分选出大小一致的苹果,将有利于包装储存和加工;如果按照形状进行分级,将提高苹果的销售力。利用机器视觉技术对苹果进行分拣的流程如图1所示。

图1 苹果分拣装置无损分拣流程

分拣机分拣苹果时,首先需要采集苹果的图像,然后利用机器视觉系统对图像进行处理,最后按照等级标准对苹果的等级进行确定;苹果等级确定之后,利用自动控制系统将不同等级级别的苹果分拣到不同的装置中,实现苹果的无损检测和自动化分类。

2 苹果分拣视觉系统设计

苹果分拣过程中,如果采用人工分拣将会浪费大量的人力,且分拣周期较长,采用机械分拣很容易造成果实的损伤,而无损检测可以在不损伤果实的前提下提高分拣效率。在果实无损检测过程中,为了分出苹果的质量等级,需要根据苹果分级的依据对苹果质量进行检测,主要依据是苹果的大小、表面缺陷、颜色和形状等。分拣机系统的示意图如图2所示。

图2 苹果无损分拣机示意图

在进行无损分拣时,主要是采集苹果完整的图像,然后通过图像处理、特征和轮廓提取等来完成质量分级,在评定分级时可以依据苹果的大小、颜色和表明缺陷等。苹果大小分级主要是利用图像形状轮廓提取来确定苹果的直径和周长;苹果颜色分级主要是将RGB值转换为HIS模式,得到色度的直方图,通过颜色特征来进行评定;苹果表面缺陷主要是通过提取苹果的图像特征,采用图像法或者灰度模型法来进行评定。苹果图像采集之后的处理主要分为6个步骤,包括图像灰度处理、图像归一化、图像增强、图像二值化处理及图像特征提取等,其流程如图3所示。

图3 苹果图像处理流程

对图像进行处理后可以得到图像的基本特征,利用图像的尺寸和表面特征对苹果图像的质量进行识别。图像处理流程的步骤如下:

1)图像灰度处理。图像灰度处理主要是将采集得到的彩色苹果图像转换为灰度图像,在进行灰度处理时采用加权平均的方法,将24位图像转换为8位图像,其公式为

C=xR+yG+zB,x+y+z=1

(1)

其中,R、G、B为三基色,x、y、z为3种最基本的颜色系数,C为转换之后的颜色。

2)归一化。在进行图像处理时,为了使待识别的苹果图像具有统一的尺寸,可以对苹果图像进行归一化处理。归一化处理采用统一图像缩放的形式,假设在X轴方向的缩放比率是fx,Y轴方向缩放比率单位fy,则原始的苹果待识别图像f(x,y)中的某一点(x0,y0)对应的缩放后图像g(x,y)中的点(x1,y1)的表达式为

x1=fx×x0,y1=fy×y0

(2)

归一化处理可以使待识别的苹果图像具有更多和更准确的特征点,在[0,255]范围内进行重新的排列,灰度的归一化公式为

(3)

3)图像增强。为了提高待识别苹果图像的识别效果,还可以对图像进一步处理,如通过滤波操作去掉图像的干扰部分,通过膨胀和腐蚀操作等提高图像的分辨率等,以提高苹果分级的准确率。

4)图像二值化。为了方便图像的处理,提高图像的识别效率,将图像进行二值化处理,将灰度值设置为0或者255。二值化可以采用Niblack算法,在待识别的苹果图像上确定中心坐标(x,y)及周围邻域r×r范围内,通过对像素点方差和均值的计算来实现二值化,即

T(x,y)=m(x,y)+k×s(x,y)

(4)

(5)

(6)

其中,T(x,y)为像素(x,y)的阈值;m(x,y)为在r×r邻域内像素点的平均值;s(x,y)为r×r邻域内像素点的标准方差;k为修正系数,通过二值化可以将像素点灰度置为0或者255。

5)特征提取。在提取的苹果图像纹理骨架图像过程中,交叉点和端点在匹配过程中发挥着重要的作用。具体的提取特征点算法是假设3×3模板区域为

P0表示区域的中心点,其计算公式可以表示为

(7)

其中,p9=p1。提取苹果图像的特征后,可以通过图像的边缘特征、直径和面积等对苹果进行分级。每个等级的划分可以制定相关的标准,然后根据图像识别结果完成苹果的分拣工作。

3 苹果分拣机图像识别视觉系统测试

图像识别系统是苹果分拣机最重要的部分,根据识别结果利用PLC控制系统对苹果进行自动分拣。本次主要对分拣机的图像识别系统进行测试,选用苹果作为测试对象,如图4所示。

图4 选用苹果示意图

选用苹果作为识别系统的识别对象,对识别系统的可行性进行检测,一共选用4个特征明显不同的苹果作为分拣对象。首先,对其中的1个苹果进行图像处理,通过灰度处理得到了如图5所示的结果。

图5 灰度处理后的图像

通过灰度处理后, 苹果待识别图像由彩色变为灰色,更方便以后苹果轮廓特征的提取。通过对图像的二值化及增强处理后,得到苹果特征轮廓图,如图6所示。

图6 苹果轮廓特征提取

根据轮廓特征,可以来提取苹果的直径和周长等。本次主要依据苹果的轮廓周长来对苹果进行分级,待分级的苹果有4个,如图7所示。

图7 待分级苹果图像

对4个苹果进行分级,分级依据主要是苹果图像处理后得到的轮廓周长。通过对4个苹果图像的处理和周长统计后,得到了如表1所示的分级结果。

表1 苹果分级等级表

由表1可以看出:采用设计的图像处理方法,可以成功地得到苹果的周长数据。通过经验等级评定,最后可以得到苹果的质量等级。在苹果分拣机实际工作时,得到评定等级后还需要利用控制系统将不同的苹果进行分类,并输送到不同的位置进行包装和处理。

4 结论

为了提高苹果的分拣效率,实现苹果的无损检测,将机器视觉技术引入到了苹果分拣系统的设计上,通过对苹果图像的灰度处理、二值化、增强处理、特征提取等,依据确定的苹果分级标准,实现了苹果的自动化分级。为了验证方案的可行性,对苹果分拣机的图像识别系统进行了测试,结果表明:分拣图像识别系统可以根据周长特征成功地对苹果进行分拣,实现了苹果的无损检测和等级分类,对于水果自动化分拣系统的研发具有重要的参考价值。