基于图像处理的猕猴桃缺陷检测研究.doc

第8 卷第16 期 (2012 年6 月)computer knowledge and technology 电脑知识与技术issn 1009-3044computer knowledge and technology 电脑知识与技术vol.8, no.16, june 2012.e-mail: tel:+86-551-5690963 5690964基于图像处理的猕猴桃缺陷检测研究周逸腾，邴峰，王文举，田露莎(西北农林科技大学 信息工程学院，陕西 杨凌712100)摘要：该文提出了一种基于图像处理的方法检测猕猴桃的损伤和疤痕缺陷检测方法。首先，通过阈值分割，将猕猴桃图像与背景分 割。其次，通过分析损伤和疤痕猕猴桃的颜色特征，选用 ycbcr 颜色模型的 c（r 红色）成分对猕猴桃损伤果检测效果良好，选用 hsv 颜色模型中的 v（亮度）成分用于对猕猴桃疤痕果检测效果良好。对 50 个损伤和疤痕样本的猕猴桃检测成功率达 88%，为猕猴桃缺 陷无损检测提供了一种新的方法。关键词：图像处理；猕猴桃；缺陷检测；疤痕；损伤中图分类号：tp18文献标识码：a文章编号：1009-3044(2012)17-3979-03research on detection of kiwifruit defect based image processingzhou yi-teng, bing feng, wang wen-jun, tian lu-sha(college of information engineering, northwest a & f university, yangling 712100, china )abstract: this paper presents a defect detection algorithm for kiwifruit with spot and injure by image processing. first, by using threshold method, kiwifruit image is segmented from the background. second, after analyzing the color feature of kiwifruit with spot and injure, we select cr channel of ycbcr color model and v channel of hsv color model to detect defect feature. for 50 samples with 25 spot and 25 injure separately, the proposed method get 88% overall accuracy. it provides a new algorithm for detecting kiwifruit defect by using image processing.key words:image processing; kiwifruit; defect detection ;spot injure猕猴桃是一种营养丰富、保健功能突出的新型水果，有“水果之王”的美誉，中国是目前世界上猕猴桃裁培和出口的主要国家之一1-2。为了提高其附值，需按颜色、大小和质量等外部指标进分级处理。目前，利用图像处理技术检测水果外观品质有着快速、无 损和客观的优点，能够克服人工检测主观性强和效率低下的不足。许多研究者在苹果、梨、桃和脐橙等水果中进行了广泛的研究， 取得了良好的检测结果3-5。丁亚兰等对各种背景图像下的猕猴桃图像进行分析，利用 r-g 颜色分量实现图像分割，通过对不同的 阈值方法进行研究对比，分割效率达 82%以上6。在猕猴桃内部品质方面，陈香维和杨公明在近红外区域利用偏最小二乘法建立猕 猴桃与近红外光谱的定量分析数学模型，结果表明，近红外漫反射光谱与猕猴桃糖度含量之间呈现显著的线性相关7。吴彦红等将405nm 激光照射到猕猴桃样品上，释放出荧光，再用高光谱成像系统采集诱导的荧光散射图像，进行含糖量检测，发现效果较好8。 近年来，猕猴桃的品质检测主要集中利用光谱技术检测其内部品质9，但对猕猴桃的外部品质检测特别是缺陷检测研究较少。本文利用图像处理方法，通过分析猕猴桃果缺陷部分的与正常部分的颜色特征，发现 ycbcr 颜色模型中 cr 通道适宜于检测损 伤的猕猴桃果，hsi 颜色模型中的亮度通道适且于检测疤痕猕猴桃，通过选择合适的阈值。对 50 个损伤和疤痕的猕猴桃样本，检测 成功率达88%，取得了良好的实验效果，为猕猴桃的无损检测提供了一种新的方法。1 实验材料和图像预处理本文设计了一套猕猴桃图像获取实验箱，用以得到样本图像，该系统由计算机、数码相机、照明室和载样台等组成，主要配置为 计算机型号为 hp，intel pentium dual-core cpu e52000，内存 1g，mv-vd120sc 高速工业 ccd 相机，x64-cl_ipro 图像采集卡。为与 猕猴桃表面颜色区别，为选用白色作为背景。从市场上选购猕猴桃果中挑出疤痕果。同时，通过外力使猕猴桃果损伤，得到损伤样 本。选取损伤和疤痕样本各25 个，用于进行缺陷检测。获取猕猴桃图像后，采用固定阈值法，将猕猴桃与背景分割，得到二值猕猴桃图像，再经过映射，得到猕猴桃果彩色图像，方便 进行缺陷检测。图1a-b 是疤痕果和损伤果样本，图1c-d 是经过背景分割得到的猕猴桃样本图像。2 猕猴桃缺陷检测方法如图 1 所示，猕猴桃果表面一般呈黄褐色和浅绿色，表面具有较多的绒毛，猕猴桃缺陷部分与正常部分有明显的区别，为利用颜 色检测提供了依据。但是，研究发现直接使用 rgb 颜色模型进行缺陷检测具有一定的困难。因此，必须将 rgb 颜色图像转换到合收稿日期: 2012-5-18基金项目：国家自然科学基金(61003151)；西北农林科技大学校级重点大学生创新性实验计划项目(200910712052)作者简介：周逸腾，本科，主研方向为农业图像处理。(a) 疤痕果(b) 损伤果(c)疤痕果背景分割(d)损伤果背景分割图1 猕猴桃缺陷果及背景分割适的颜色空间，通过对特征图像进行分析，才能有效地进行缺陷部分提取。2.1 基于hsv 模型的疤痕果检测hsv 颜色模型与人的视觉特性比较接近。它由色调(h)、饱和度(s)和亮度(v)三个分量组成，该模型的重要性在于面消除了亮度 成分 v 在图像中颜色信息的联系。将猕猴桃 rgb 图像转换为 hsv 模型后，经过试验，发现在亮度图像中，猕猴桃损伤部分与正常有 明显区别，易于检测。将rgb 转换成hsv 模型亮度通道的转换公式为10：v = max(r, g , b) / 255(1)即取出每点三通道中的最大值作为该点的亮度信息。如图 2a-b 所示，图 2a 是疤痕果的亮度通道图像。显然，缺陷部分与猕猴桃果有着明显的差别，为进行有效分割提供可靠的数据。图2b 是利用ostu 法自动获得阈值，进行缺陷部分检测的结果。可以看出， 利用亮度通道可准确地检测出疤痕部位。2.2 基于ycbcr 模型的损伤果检测ycbcr 是数字电视等消费类视频产品中，常用的编码方案。在 ycbcr 颜色模型中，y 是亮度分量，而 cb 指蓝色色度分量，cr 指红 色色度分量。将猕猴桃 rgb 图像转换为 ycbcr 模型后，分别对三通道图像进行分析，发现红色分量适宜于检测弥猴桃损伤果。从 rgb 得到cr 分量的过程为11：cr = 128 + 112 * r 93.786 * g 18.214 * b(2)如图 2c-d 所示，图 2c 是损伤果的 cr 通道图像。可以看出猕猴部损伤部分颜色与正常部分区别明显。图 2d 是其 otsu 方法得到阈值，进行缺陷检测结果。显然，利用cr 通道准确地检测出损伤部位。(a) 亮度图像(b) 疤痕检测结果(c) 损伤果cr 通道图像(d) 损伤检测结果图2 猕猴桃缺陷检测3 实验结果及分析在 visual c+和 opencv 环境下，编程实现本文提出的缺陷检测算法。以市场上选购的猕猴桃疤痕和损伤果缺陷果各 25 个作 为样本，检测两种缺陷。图3 是部分缺陷果检测结果，图3a 是一个猕猴桃疤痕果样本，得到其hsv 模型中的v（亮度）通道图像后，再 利用阈值分割，准确地得到疤痕部分。图 3b 是一个猕猴桃损伤果样本，得到其 ycbcr 通道中的 cr 通道后，利用阈值法，准确地得到 缺陷检测结果。第8 卷第16 期 (2012 年6 月)computer knowledge and technology 电脑知识与技术对以上 50 个样本，疤痕本检测 25 个，损伤果检测 25 个，共检测出 44 个，综合准确率达 88%。取得了较好的检测结果。同时发现，如果疤痕颜色较轻，猕猴桃果颜色差不距不明显，易于导致检测失败。(a)疤痕果检测(b) 损伤果检测图3 猕猴桃果陷检测结果4 结论本文提出了一种基于图像处理的猕猴桃缺陷检测方法。从市场上选购的疤痕果和损伤果两类缺陷果作为对象，通过分析它们 在 hsv 模型和 ycbcr 模型中的特征，选用 v（亮度）通道和 cr（红色）通道分别得到疤痕和损伤果的特征图像。在特征图像中，正常 部分与缺陷部分有明显的区别，使得可利用阈值法进行有效分割。对 50 个样猕猴桃样本缺陷果，提出基于 v（亮度）通道和 cr（红 色）通道的检测方法，综合准确率达88%，为进行猕猴桃缺陷检测提供了一种新的处理手段。参考文献：1 中国猕猴信息网eb/ol./index. php3?file=detail.php3&kdir=2132822&nowdir=2132976&id=743213&detail=1. 2 韩礼星,黄贞光,李明,等.加入后我国猕猴桃产业的发展策略j.果树学报,2003,20(3): 218-223.3 庞江伟，应义斌. 机器视觉在水果缺陷检测中的研究现状j. 农机化研究,2006(9), 47-49.（下转第3986页）图2 编码合成语音语谱图比较参考文献:1 胡剑凌,徐盛,陈健. 2.4kb/s melp 算法设计j. 上海交通大学学报,2000(6): 789-792.2 戚银城,张巍,苑津莎. 超低速率melp 语音编码算法研究j. 声学技术,2007, 26(6): 1196-1200.3 马金全,高世海,张连海. 基于melp 改进算法的低速率声码器设计与实现j. 电子科技,2009, 22(1): 31-34. 4 刘实,张雄伟. melp:新的2400bit/s 美国联邦声码器标准j. 数字通信,1999(2): 42-44.5 马庆利,季新生,张连海,等. 一种基于melp 的600bs 极低速率语音编码j. 通信技术,2009(7): 268-270. 6 贾亮,赵鹏飞,危国腾. melp 声码器的算法研究及实现j. 硅谷, 2009(23).7 雒国成,蔡芳. 基于melp 算法的语音编解码器分析j. 黄河水利职业技术学院学报,2008(1): 49-51. 8 华国刚,戴蓓倩. 一种改进的melp 语音编码方法j. 电路与系统学报, 2003, 8(1): 101-104.9 范晶,和应民. 一种改进的melp 算法j. 应用科技, 2008, 35(5): 9-12.（上接第3981页）4 李江波，饶秀勤，应义斌. 基于照度-反射模型的脐橙表面缺陷检测j. 农业工程学报. 2011, 27(7):338-342.5 李江波，饶秀勤，应义斌. 水果表面亮度不均匀校正及单阈值缺陷缺陷提取研究j. 农业机械学报. 42(8): 159:164. 6 丁亚兰，耿楠，周全程.基于图像的猕猴桃果实目标提取. 微计算机信息. 2009,25(3): 294-296.7 陈香维，杨公