引言

包裝在鮮果貯藏、運(yùn)輸、貨架期都起到了重要作用,不僅能在很大程度上減少鮮果的染病腐爛,同時(shí)也是提高鮮果商品價(jià)值和擴(kuò)大銷(xiāo)量的重要技術(shù)措施之一。番茄一直都是以原始狀態(tài)上市,對(duì)于番茄的包裝處理較少,鮮果番茄在各大商場(chǎng)基本都是采用淺托盤(pán)多個(gè)番茄保鮮膜包裝,這種包裝還停留在人工階段,因此,番茄的智能自動(dòng)化包裝成為亟待解決的問(wèn)題。

番茄橫徑是番茄尺寸大小的重要特征,通過(guò)番茄橫徑的獲取可以精確地進(jìn)行番茄自動(dòng)化包裝分級(jí)通道的分級(jí),設(shè)定分類(lèi)包裝通道包裝膜的大小。目前,對(duì)于傳統(tǒng)的番茄測(cè)量方法有較多研究成果,但基于機(jī)器視覺(jué)進(jìn)行番茄橫徑檢測(cè)、設(shè)定智能分類(lèi)包裝膜尚未有人研究。鑒于此,本研究針對(duì)基于機(jī)器視覺(jué)的番茄橫徑測(cè)量選用最小外接矩形法與最小外接圓法進(jìn)行對(duì)比,提取番茄橫徑尺寸,從而設(shè)定合適的番茄分類(lèi)包裝膜參數(shù),實(shí)現(xiàn)番茄的智能包裝。

1番茄圖像采集系統(tǒng)

番茄圖像采集系統(tǒng)主要由采集箱、工業(yè)照相機(jī)、鏡頭、光源、PC計(jì)算機(jī)組成,如圖1所示。采集箱尺寸為300mm×250mm×470mm,采集箱內(nèi)壁涂上無(wú)反光黑漆。CMos照相機(jī)選用TeledyneLumeneraLwll5,其分辨率為l280xl024,幀率為30fps,光學(xué)格式為l/3",鏡頭接口為cs,圖像傳感器為sonyIMx035。鏡頭選用精工ssE06l2N,其焦距為固定焦距6mm,鏡頭到拍攝面的距離約為422.70mm。照相機(jī)裝置在拍攝箱頂部中間位置,環(huán)形LED燈圍繞照相機(jī)。工作時(shí)相機(jī)通過(guò)UsB2.0數(shù)字接口向PC提供實(shí)時(shí)拍攝的彩色圖像,PC計(jì)算機(jī)采用Matlab軟件獲取圖像,完成圖像數(shù)據(jù)處理。

2番茄圖像預(yù)處理

番茄圖像預(yù)處理主要完成圖像獲取、復(fù)原、增強(qiáng)、分割、分析工作。過(guò)程包括圖像灰度化、中值濾波器去噪聲、閾值分割、二值化與形態(tài)學(xué)處理,如圖2所示。

2.1圖像灰度化

圖像灰度化是將彩色圖像轉(zhuǎn)化為黑白圖像處理,處理后的圖像中只含亮度信息,不含彩色信息。Matlab通過(guò)UsB3.0高速數(shù)字接口提取到的圖像格式為"bmp",針對(duì)圖像格式選用了兩種方法得到圖像的灰度圖。方法1,直接通過(guò)函數(shù)rgb2gray將彩色照片轉(zhuǎn)換為灰度圖像:方法2,提取圖像中的R、G、B分量,三者分別表示圖像中的紅色、綠色、藍(lán)色分量,通過(guò)公式V=1/3(R+G+B）,轉(zhuǎn)換得到灰度化圖像,如表1所示。

如表1所示,兩種方法得到的圖像差異不大,其圖像直方圖形狀、范圍基本一致。直方圖的差異在于第二次波峰處,直接轉(zhuǎn)換方法下得到的直方圖第二次波峰出現(xiàn)在亮度16l處,亮度值位置的像素占量為3279:R、G、B分量轉(zhuǎn)換方法得到的直方圖第二次波峰出現(xiàn)在亮度l49處,亮度值位置的像素占量為3475。同時(shí),直接轉(zhuǎn)換方法下得到的直方圖截止范圍出現(xiàn)在亮度223處,亮度值位置的像素占量為95:R、G、B分量轉(zhuǎn)換方法下得到的直方圖截止范圍出現(xiàn)在亮度2l5處,亮度值位置的像素占量為57。

2.2中值濾波器去噪聲

一般情況下,圖像采集及傳輸過(guò)程中不可避免地容易產(chǎn)生一些噪聲,例如椒鹽噪聲。選用中值濾波器去除椒鹽噪聲,中值濾波選取大小為m×n窗口中被干擾的圖像中值,利用中值公式很好地保留了圖像的邊緣,去除椒鹽噪聲效果也較好。

2.3閾值分割

圖像分割技術(shù)中邊緣分割技術(shù)通過(guò)待測(cè)物與其背景的特征差異性實(shí)現(xiàn)邊緣檢測(cè),常常使用微分算子（Roberts、Prewitt、sobel）、Canny算子、LoG算子進(jìn)行邊緣檢測(cè),如圖3所示。5種算法處理效果相近,基本都可以得到番茄的邊界,但檢測(cè)出來(lái)的邊界較粗,需要做進(jìn)一步的圖像處理。Roberts、Prewitt、sobel算子處理后圖像效果差距不大,Roberts算子得到的圖像效果邊緣最清晰,產(chǎn)生孤立的點(diǎn)最少。Canny和LoG算子處理后的圖像,額外產(chǎn)生了許多孤立的點(diǎn)。本研究采用Roberts算子進(jìn)行邊緣分割。

工業(yè)測(cè)量中,當(dāng)背景取與目標(biāo)體對(duì)比較大的單一色時(shí),采用閾值分割效果較好,故圖像分割中采用閾值分割法。通過(guò)原圖直方圖尋找合適的閾值,原圖直方圖中兩個(gè)波峰相距較遠(yuǎn),在色彩灰度范圍l70～200之間出現(xiàn)波谷,分別取T=170、T=180、T=l90作為全局閾值比較。取T=l70時(shí),番茄的分割圖像邊界不夠明顯,圖像左下角出現(xiàn)邊緣范圍較寬的毛刺,圖像內(nèi)部出現(xiàn)較少孤立點(diǎn):取T=l90時(shí),番茄圖像的邊界變得清晰,圖像左下角毛刺范圍逐漸增大,毛刺點(diǎn)變多從而顏色變深,圖像內(nèi)部出現(xiàn)更多孤立點(diǎn):取T=l80時(shí),閾值分割效果最好。不同閾值對(duì)比圖如圖4所示。

2.4二值化與形態(tài)學(xué)處理

在圖4中可以看到7=180時(shí)的閾值分割效果,圖像邊緣不夠清晰,圖像左下角出現(xiàn)毛刺,圖像內(nèi)部出現(xiàn)孤立點(diǎn)。為了消除閾值分割圖像中產(chǎn)生的毛刺和孤立點(diǎn),采用二值圖與形態(tài)學(xué)結(jié)合處理。數(shù)學(xué)形態(tài)學(xué)中的腐蝕、膨脹、開(kāi)閉運(yùn)算,在圖像處理過(guò)程中各具特點(diǎn)。Mat1ab可以對(duì)圖形進(jìn)行算數(shù)、關(guān)系、邏輯運(yùn)算,也可以運(yùn)用形態(tài)學(xué)完成膨脹和腐蝕運(yùn)算。數(shù)學(xué)形態(tài)學(xué)中的膨脹運(yùn)算能擴(kuò)大圖像邊界區(qū)域,填充圖像邊緣的毛刺和圖像內(nèi)部小孔:腐蝕運(yùn)算能縮小圖像區(qū)域邊界,消除圖像邊緣處的噪聲區(qū)域[3]。

3番茄圖像橫徑提取

經(jīng)過(guò)以上處理后的圖像,番茄果實(shí)部分呈白色,背景部分為黑色。對(duì)番茄圖像的橫徑檢測(cè)提取用到了兩種不同的方法:最小外接矩形法和最小外接圓法。

3.1最小外接矩形法提取番茄圖像橫徑

為了確定果實(shí)的外形大小,番茄圖像采用最小外接矩形法提取,流程圖如圖5所示。

番茄二值圖像中已經(jīng)將白色、黑色區(qū)域分離,通過(guò)對(duì)行列像素不為1的點(diǎn)進(jìn)行判斷,取得圖像邊緣橫坐標(biāo)和縱坐標(biāo),完成最大坐標(biāo)與最小坐標(biāo)的橫坐標(biāo)、縱坐標(biāo)的確定與計(jì)算。在Matlab中可以運(yùn)用rectangle、boundingbox操作指令得到番茄的最小外接矩形,并返回其橫徑值。以上是單個(gè)番茄單次外接矩形的方法,對(duì)圖像進(jìn)行每次9●的圖像旋轉(zhuǎn),旋轉(zhuǎn)40次完成番茄圖像的全部旋轉(zhuǎn):每完成一次旋轉(zhuǎn)均計(jì)算番茄圖像的最小外接矩形,得到40個(gè)外接矩形的40個(gè)橫徑值,比較出最大的橫徑值,即番茄外接矩形的最大橫徑。

3.2最小外接圓法提取番茄圖像橫徑

番茄是一種不規(guī)則的圖形,其形狀可以近似為圓形,選用最小外接圓法提取番茄圖像橫徑,流程圖如圖6所示。

基于完成了二值化處理的圖像,獲取番茄圖像最小外接圓,返回其半徑,將半徑轉(zhuǎn)換成直徑,即可得到番茄的最大橫徑長(zhǎng)度。算法需判斷番茄二值圖中的連通區(qū)域,對(duì)圖像每一個(gè)連通區(qū)域求質(zhì)心,將質(zhì)心作為最小外接圓的圓心,遍歷各個(gè)像素點(diǎn),計(jì)算像素點(diǎn)是否在番茄圖像的半徑內(nèi),如果不在半徑內(nèi),則以當(dāng)前像素點(diǎn)到質(zhì)心的距離作為新的半徑,從而類(lèi)似迭代更新得到最小外接圓半徑。

4數(shù)據(jù)結(jié)果與分析

對(duì)不同時(shí)間段的三批次番茄進(jìn)行抽樣,抽出200個(gè)番茄。用最小單位為克、保留到小數(shù)點(diǎn)后兩位精度的電子秤記錄下番茄重量:用游標(biāo)卡尺測(cè)量每一個(gè)番茄的最大橫徑4次,取平均值記錄下最大橫徑值。同時(shí),記錄下視覺(jué)系統(tǒng)下采用最小外接矩形法和最小外接圓法處理的番茄的橫徑長(zhǎng)度,對(duì)比游標(biāo)卡尺獲得的數(shù)據(jù)?，F(xiàn)從200組番茄數(shù)據(jù)中隨機(jī)抽取10組數(shù)據(jù)舉例,最小外接矩形與最小外接圓橫徑如表2所示。

經(jīng)過(guò)試驗(yàn)數(shù)據(jù)分析可知,最小外接矩形法測(cè)得的值跟游標(biāo)卡尺測(cè)量的值較為接近,由于在測(cè)量時(shí)像素取的是整數(shù)部分,因而數(shù)據(jù)不夠精確。分析最小外接圓法絕對(duì)誤差、相對(duì)誤差數(shù)據(jù),測(cè)得的所有橫徑長(zhǎng)度都比實(shí)際測(cè)得的橫徑長(zhǎng)度要大。

200組番茄中,番茄的重量情況為:100g以下有24個(gè),100～150g有99個(gè),150～200g有34個(gè),200～250g有22個(gè),250g以上有21個(gè)。其中番茄重量最小為86.39g,最大為350.05g。游標(biāo)卡尺測(cè)量的橫徑長(zhǎng)度,最小番茄與最大番茄之間橫徑相差接近40mm。在200組數(shù)據(jù)中,出現(xiàn)多組重量148.20g與148.60g的番茄,尺寸分別為72.30mm與66.46mm,番茄重量與尺寸大小不一定成正比。番茄重量范圍、分布及橫徑跨度如表3所示。

根據(jù)以上數(shù)據(jù),番茄包裝過(guò)程中可以設(shè)定包裝膜的長(zhǎng)度,選擇設(shè)置參數(shù)分別為68.00mm、88.50mm、102.00mm。

5結(jié)論

(1）通過(guò)圖像采集系統(tǒng)獲取番茄圖像,經(jīng)過(guò)灰度化、去除噪聲、邊緣分割、閾值分割、二值化與形態(tài)學(xué)處理后,直接運(yùn)用形態(tài)學(xué)中腐蝕、膨脹處理的圖像與運(yùn)用形態(tài)學(xué)簡(jiǎn)單運(yùn)算后再完成腐蝕、膨脹處理的圖像相比,后者的處理效果遠(yuǎn)遠(yuǎn)好于前者。

（2）利用最小外接矩形法和最小外接圓法進(jìn)一步提取番茄的尺寸,根據(jù)測(cè)量數(shù)據(jù),最小外接矩形法所測(cè)數(shù)據(jù)跟游標(biāo)卡尺直接所測(cè)數(shù)據(jù)更為接近。

（3）番茄在包裝中可以通過(guò)對(duì)其橫徑大小的檢測(cè),分級(jí)進(jìn)入番茄包裝通道,通道中包裝膜分別設(shè)定為68.00mm、88.50mm、102.00mm,可以完成不同尺寸大小的包裝。

基于機(jī)器視覺(jué)的番茄橫徑檢測(cè)方法,可實(shí)現(xiàn)對(duì)番茄橫徑的獲取,并通過(guò)橫徑分級(jí)使番茄進(jìn)入不同包裝膜通道,為智能包裝的實(shí)現(xiàn)提供新的分級(jí)依據(jù)。當(dāng)番茄傳送過(guò)快時(shí),應(yīng)用本文方法提取橫徑的速度還需要提高,在今后的研究中,可以進(jìn)一步將深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法與傳送速度相結(jié)合,以提高番茄橫徑獲取速度,改善當(dāng)前研究中的不足。