《基于数字图像处理的番茄成熟度检测.doc》由会员分享，可在线阅读，更多相关《基于数字图像处理的番茄成熟度检测.doc（10页珍藏版）》请在三一办公上搜索。
1、基于数字图像处理的番茄成熟度检测郭凝1，文瑶2，孙红2，李民赞2，吴倩2，李鸿强1*（1. 中国农业大学农业部农业信息获取技术重点实验室，北京 100083；510152025302. 中国农业大学现代精细农业系统集成研究教育部重点实验室，北京 100083）摘要：本文采集番茄果实图像，应用数字图像处理技术提取番茄外观尺寸、形状和颜色参数对番茄果实成熟度进行检测。对番茄外观尺寸以一元硬币进行标定，提取了番茄顶面面积，并基于截面近似分析法估测了番茄体积。提取了番茄形状短轴和长轴比确定了定义番茄外形的圆形度参数。并基于 HIS 颜色空间分析了番茄表面红色着色率评价指标，以近红色像素百分比和纯红色像
2、素百分比共同描述番茄成熟期着色情况。经对 5 个批次番茄果实抽样检测验证，结果表明，基于数字图像处理技术提取番茄外观尺寸、形状和颜色参数可以为番茄成熟度检测提供定量化分级指标，为番茄生产、销售管理提供技术支持。关键词：数字图像，番茄，成熟度，MATLAB中图分类号：TP317.4Tomato maturity detection based on digital imageprocessingGUO Ning1, WEN Yao2, SUN Hong2, LI Minzan2, WU Qian2, LI Hongqiang1(1. Key Laboratory of Agricultural
3、information acquisition technology, Ministry of Agriculture,Beijing 100083, China;2. Key Laboratory of Modern Precision Agriculture System Integration Research, ChinaAgricultural University, Beijing 100083, China)Abstract: Tomato is one of the important greenhouse vegetables in China, which has high
4、 outputand has been planted in many areas. The tomato image was collected, and the maturity of tomatowas detected using digital image processing. Parameters of tomato size, shape and color wereextracted. A coin was used in image calibration. The area of tomato was calculated followingimage gray tran
5、sformation, average filtering and image segmentation. The volume of tomato wasmeasured according to the approximate estimation on cross section. The short and long axis wereused to analyze the circular degree of tomato shape. In addition, the red color was described usingred color rate index includi
6、ng near red pixel percentage and pure red pixel percentage. Theseparameters were used to detect 5 batches of tomato fruit samples. The results indicated that itprovided a technical support for tomato maturity and quantitative grading.Key words: digital image; tomato;maturity; MATLAB350 引言番茄产量高、种植面积广
7、，是我国重要的种植蔬菜之一。对番茄果实品质的检测与分级是流通和加工过程中的一个重要环节，自动化技术的应用是提高农业产值和经济效益的重要方法。目前，我国的果实品质分级通常采用手工进行，费时、生产效率不高。数字图像处理40技术的发展和应用为果实品质的无损、快速检测提供了重要的技术支持。基于数字图像处理的果实品质质量检测，主要采用计算机视觉系统，采集并分析果实图像，提取果实表面图像特征进行评价，进而由自动化装置完成对水果的自动分级，该方法省时省力，且最大限度的减少了对水果的损害1。基金项目：高等学校博士学科点专项科研基金（20110008130006），国家自然科学基金（31271619）作者简介：
8、郭凝（1990-），女，主要研究方向：数字图像处理通信联系人：李民赞（1963-），男，教授，主要研究方向：农业信息化技术. limz-1-455055606570国内外，应用数字图像处理技术在水果和蔬菜的果实品质检测与分级方面已经开展了大量研究。早在 1992 年，G. Van De Vooren 等利用机器视觉技术检测了蘑菇的形态学特征参数，计算了在人工筛选过程中难以准确分类的圆度、弯曲能量、球形度和偏心距等蘑菇的形状特征2。N. Ozer 等于 1995 年3研制了一种适应水果自动分级的机器视觉系统，利用水果的颜色、尺寸、形状和重量参数构建了待分级水果的检测特征向量，基于 BP 神经网络
9、进行等级判别。以甜瓜为实验样品，其正确分级率为 85.1%，另外有 10.1%被分为相近等级。番茄品质检测方面，张碬伟4以番茄为研究对象，采用 CCD 摄像机获取了番茄样本的图像，以圆形度描述番茄外形的圆润程度，讨论了基于圆度、果径等参数的番茄形状分级方法。蔡宇翔5分析了图像采集系统中不同背景和光源对番茄检测的影响，确定了采用黑色背景和环形光源有助于番茄果实图像提取，并以等效直径代替番茄大小参数，通过圆形度进行番茄果实果形的快速分类。刘恩亮6、刘宇飞7等选取了 HSI 颜色空间对番茄颜色特征的提取，采用色调（H）颜色特征判别番茄成熟度并进行分级。何微8基于番茄的 RGB 图像，分析了番茄果实表
10、面缺陷图像的 R、G、B 值等建立了番茄表面缺陷模型，为果实分级提供依据。综上所述，目前基于数字图像已经分别对番茄果实的外观大小、形态、颜色方面展开了研究，但依据国家标准对番茄成熟度进行标准化检测，并依据生产需求指导番茄采摘方面的研究报道较少。因此，本文基于数字图像处理技术，综合对番茄外观尺寸、形状、颜色特征进行提取，综合判别番茄果实成熟度，为番茄果实采摘和分级提供技术支持。1 材料与方法1.1 番茄果实图像采集研究搭建了番茄果实图像采集系统，主要由 2-CCD 多光谱图像采集器、三脚架及黑色背景板构成。多光谱图像采集器由 2-CCD 多光谱摄像机和工业平板电脑组成9。2-CCD 多光谱摄像机
11、基于棱镜分光技术可同步采集可见光（RGB：400700nm）和近红外（NIR：7601000nm）波段图像。工业平板电脑采用 PPC3708 工控机，配有 8.4 寸显示器，用于控制与多光谱图像显示与存储。目标检测番茄置于黑色背景板上，三脚架固定摄像机，保证镜头与地面垂直，距离被拍摄番茄样本约为 1m。番茄多光谱图像采集系统结构如图 1 所示。图像采集时，分别从番茄样本的顶部和侧面进行图像拍摄，每个样本采集四幅图像用于图像分析，分别为顶部 RGB 和 NIR 图像、侧面 RGB 和 NIR 图像，每幅图像大小为 1024*768。75图 1 图像采集系统Fig.1 The image acqu
12、isition system-2-1.2 番茄外观图像检测参数提取为了检测番茄果实成熟度，基于数字图像处理技术对番茄外观尺寸、形状、颜色三个参808590数进行提取，图像处理调用 MATLAB 数字图像处理工具箱相关函数实现10。1.2.1 番茄尺寸参数提取番茄外观尺寸参数的提取包括番茄果实顶部垂直映射的最大截面面积和番茄果实体积。提取面积采用人民币一元硬币进行标定。由于图像拍摄采用黑色背景板，减少了背景噪声的影响，降低了番茄果实分割难度，因此，番茄果实顶部垂直映射最大截面面积检测流程如图2 所示，包含图像选取、图像灰度变换、图像均值滤波、图像二值化分割、目标图像像素统计和面积尺寸提取。为了快
13、速估测番茄体积参数，基于番茄侧面图像进行截面近似分析法进行提取11。如图 3 所示，将图像在水平方向以每一个像素高度做切线，每一切线与番茄边缘相交的两点 a、b 之间距离近似为圆形截面的直径，因此提取出每条直径的长度，计算近似圆形面积，多层累加计算，最终求得番茄的体积。番茄体积估算公式为：(1)式中，V 为番茄果实估测体积像素，i 为切线数取值区间为0,768像素，Ri 为切线与果实边缘交点之间的距离即近似圆形截面直径，当 Ri0 时为番茄果实部分。采集图像选取图像灰度变换图像均值滤波图像二值化分割目标图像像素统计目标面积尺寸提取95图 2面积检测流程图Fig.2 Flow chart of
14、size measurement-3-图 3 番茄体积参数估测示意图Fig.3Estimation of tomato volume1001.2.2 番茄形状参数提取番茄果实形状依据其圆形度参数进行评价。对二值化分割后番茄果实图像计算图形长轴和短轴像素，如图 4 所示，定义分割后番茄果实边缘上两点间最大距离连接线为长轴 L，最小距离连接线为短轴 S，依据短轴和长轴比值 C 指导确定番茄的圆形度，基于圆形统计当 C0.7 时，番茄圆形度较好，C0.7 时圆形度较差。上述参数采用 regionprops 函数提取。105图 4长短轴属性示意图Fig.4 Diagram of major and m
15、inor axis1.2.3 番茄颜色参数提取果实成熟度选取番茄表面红色面积所占百分比为评价指标。图像红色分量提取基于 HIS110115颜色空间实现。HSI 模型是美国色彩学家孟塞尔(H.A.Munseu)于 1915 年提出的，它反映了人的视觉系统感知彩色的方式，以色调（H）、饱和度（S）和强度（I）三种基本特征量来感知颜色12。HSI 模型如图 5 所示，色调和饱和度用极坐标形式表示，即夹角表示色调，径向距离表示在一定色调下的饱和度，灰度阴影沿着轴线从底部的黑变到顶部的白，具有最高亮度。番茄果实成熟度以近红色（JR%）和纯红色（CR%）像素占番茄投影面积像素百分比为参数，其中，近红色定义
16、为落入 H 空间 0o，60 o和300 o，360 o的像素点，纯红色定义为落入 H 空间0 o，30 o和330 o，360 o的像素点。成熟度检测基于番茄顶部和侧面 RGB 图像进行，提取流程如图 6 所示。-4-绿白黄I=1I=0.5青蓝SH品红红II=0黑图 5HIS 彩色模型120Fig.5 HIS color model125130135140-5-145番茄果实 RGB 图像分割后的二值图像150背景像素点+1否R（i，j）=255G（i，j）=255B（i，j）=255？155是R（i，j），G（i，j），B（i，j）；番茄果实像素点+1160RGB 转换为 HSI 图像16
17、5170否(0o H 60o ) (300o H 360o ) ？是番茄表面近红色像素点+1；R（i，j），G（i，j），B（i，j）；175否R（i，j）=0(0o H 30o ) (330o H 360o ) ？是G（i，j）=0番茄表面纯红色像素点+1；近红色像素百分比、纯180B（i，j）=0R（i，j），G（i，j），B（i，j）；红色像素百分比（%）结束185图 6 番茄颜色检测流程图Fig.6 Flow chart of color detection-6-2 结果与分析1901952.1 番茄果实图像采集采用 2-CCD 多光谱图像采集器同步采集番茄 RGB 和 NIR 图像分
18、别如图 7 所示，其中图 7(a)和(c)分别为番茄顶部和侧面 RGB 图像，图 7(b)和(d)分别为番茄顶部和侧面 NIR 图像。观察可知，在 NIR 波段番茄果实图像整体灰度值不高，番茄表面特征如损伤、果蒂等信息不明显，且与黑色背景灰度值对比不明显。而在可见光 RGB 图像中，番茄与背景图像灰度值对比显著，且果实表面特征显示清晰，因此，本文采用 RGB 图像用于番茄果实外观图像特征参数的提取。(a)番茄顶部 RGB 图像(b) 番茄顶部 NIR 图像200(c)番茄侧面 RGB 图像(d) 番茄侧面 NIR 图像图 7 番茄果实图像Fig.7 Tomato image2.2 番茄尺寸参数
19、提取结果205为了提取表征番茄外观尺寸的顶部垂直映射的最大截面面积，采用一元人民币硬币进行标定。硬币原始图像和二值化分割结果分别如图 8(a)和 8(b)所示。硬币像素为 26810pixel，依据国家标准一元硬币的直径为 2.5cm，面积约为 4.9cm，则图像中每个像素点代表的实际像素为 0.000184 cm。对于图 7(a)所示番茄顶部图像分割结果如图 8(c)所示，计算其面积约为 35.4 cm。基于截面近似分析法提取番茄体积为 73.3 cm3。210(a)标定硬币 RGB 图像(b) 分割后硬币二值图像(c) 番茄顶面分割二值图像图 8 番茄尺寸参数提取Fig.8 Result
20、of size measurement2.3 番茄形状参数提取结果215番茄形状参数的提取主要针对番茄顶部图像展开。提取图 8(c)所示分割后番茄图像短轴和长轴像素分别为 487.6 pixel 和 519.2 pixel，短轴与长轴比值约为 0.94。-7-2.4 番茄颜色参数提取结果番茄成熟度检测采用顶部和侧面 RGB 图像进行分析，对图 7(a)顶部图像和随机抽样侧面图像计算近红色像素百分比均值为 96.5%，纯红色像素百分比 80.2%。此外选取了不成熟220的番茄样本进行检测其顶面和侧面图像如 9(a)和(d)所示，提取近红色像素百分比均值为13.65%，纯红色像素百分比为 0.98
21、%。(a)番茄顶部图像(b)顶部近红色像素提取结果(c) 顶部纯红色像素提取结果225(d)番茄侧面图像(e) 侧面近红色像素提取结果(f) 侧面纯红色提取结果图 9 成熟度检测处理结果Fig.9 Result of ripeness measurement2.5 番茄果实成熟度检测研究参照中华人民共和国农业部颁发的番茄外观等级规格标准（GB 8852-88）13，讨230235240245论综合应用基于数字图像提取的番茄外观尺寸、形状和颜色参数对番茄果实成熟度进行检测并分级的可行性。依据国家标准，对番茄果实的成熟期划分为表 1 所示七级，定义番茄果实成熟度是指果实发育到适合不同需要的程度。因
22、此，基于图像提取番茄果实参数，定量化分类，可针对不同的成熟度阶段进行不同的生产管理。统计番茄果实形状短轴和长轴比值，当其大于 0.7 时番茄形状圆形度较好，果实圆润。当番茄果实近红色 JR%30% 番茄进入红熟前期，适于采摘且准备上市；近红色 JR%50% ，且纯红色像素百分比 CR%40%番茄进入红熟中期，适于隔日上市销售；近红色 JR%80% ，纯红色像素百分比 CR%70%时，番茄果实完全成熟，进入红熟后期且色泽饱满，最适于当日上市鲜销。研究对 2013 年 12 月北京上市销售的 5 个批次的番茄果实进行抽样检测，表 2 为图像参数检测结果。结果表明，5 个上市销售的番茄批次中，果实外
23、形短轴与长轴比值 C 均大于0.87，圆形度较好；果实体积依次递增，第一批抽样果实最小（73.3cm3），第五批抽样果实最大（525.4cm3）；果实颜色方面，除第二批此外，图像近红色像素百分比均满足 JR%50%，且纯红色像素百分比都满足 CR%40%，说明果实均进入红熟中期，且第一、三、五批 CR%70%，说明番茄果实完全成熟进入红熟后期。但是，第二批次中，纯红色像素百分比仅为11.4%，不满足 CR%40%的条件，说明该批次番茄果实表明已经大部分着红色，但整体颜色分布不均匀，色泽尚不鲜艳，整体成熟度不佳。综上所述，基于数字图像处理技术提取番茄外观尺寸、形状和颜色参数可以为番茄成熟度检测提
24、供定量化分级指标，为番茄生产、销售管理提供技术支持。-8-250表 1 番茄成熟度标准划分Tab.1 National standard of tomato maturityNo.123成熟度未熟期绿熟期变色期描述标准果实尚未充分生长发育定形，果皮绿色无光泽果实定形，果面有光泽，有绿色变为白绿色绿熟到红熟的过渡期，果脐周围开始出现黄色或淡红生产建议催熟困难、不易采摘贮藏可人工催熟、采摘贮藏依据贮运时间和条件采摘晕斑，果实着红面不到 1/104567红熟前期红熟中期红熟后期过熟期一至三成红熟，果实着红面 1/103/10四至六成红熟，果实着红面 4/106/10七至十成红熟，果实着红面 7/10
25、10/10果熟红熟过度，果肉组织开始软化易采摘，隔 2 日上市鲜销易采摘，隔 1 日上市鲜销当日上市鲜销表 2 番茄检测结果Tab.2 Result of tomato detectionNo.12345面积235.455.295.0112.3166.3体积373.3130.2293.1310.9525.4短轴(pixel)487.6610.2865.8783.8984.3长轴(pixel)519.2638.8880.4896.51094.4短轴 / 长轴( pixel)0.940.950.980.870.90近红色(%)96.560.292.790.886.3纯红色(%)80.211.487
26、.848.791.2成熟度红熟后期红熟中期红熟后期红熟中期红熟后期注：保留一位小数2552602652702753 结论本文采集番茄果实图像，依据番茄外观等级规格标准（GB 8852-88），讨论综合应用基于数字图像提取的番茄外观尺寸、形状和颜色参数对番茄果实成熟度进行检测的可行性。研究以一元硬币进行标定，提取了番茄顶面面积，并基于截面近似分析法估测了番茄体积；提取了番茄形状短轴和长轴比确定图像圆形；基于 HIS 颜色空间分析了番茄表明红色着色率评价指标。经对 5 个批次番茄果实抽样检测验证，结果表明，基于数字图像处理技术提取番茄外观尺寸、形状和颜色参数可以为番茄成熟度检测提供定量化分级指标，
27、为番茄生产、销售管理提供技术支持。参考文献 (References)1 王树文，张长利，房俊龙. 计算机视觉技术在番茄损伤区域自动检测中的应用J. 农机化研究，2005，5：209-2112 Guyer. D. E, Miles. G. E, Schreiber. M. M, Mitchell. 0. R, Vanderbilt. V. C. Machine Vision and ImageProcessing for Plant IdentificationJ. Transactions of the ASAE. 1986, Vol. 29 (6):1500-15073 Ozer. N, E
28、ngel. B. A, Simon. J. E. Fusion Classification Techniques for Fruit QualityJ. Transactions of theASAE. 1995,Vo1.38(6):1927-19344 张碬伟. 计算机视觉系统在番茄品质识别与分类中的研究D. 河北：河北农业大学硕士学位论文.，20055 蔡宇翔. 基于机器视觉的番茄品质检测和分级方法研究D. 广州：中山大学硕士学位论文，20106 刘恩亮. 应用图像处理技术对贮藏番茄表面颜色特性的研究D. 吉林：吉林大学硕士学位论文，20057 刘宇飞,汤晓华. 基于机器视觉的番茄颜色分
29、级方法的研究J. 机电产品开发与创新,2013,02:99-100.8 何微. 基于外部特征参数的番茄分级方法研究D. 武汉：华中农业大学，2013.9 Qian Wu, Hong Sun, Minzan Li, Ruijiao Zhao, Lihua Zheng. Development Of Crop Monitoring System BasedOn Multi-Spectral ImageJ. Proceedings of the 5thAsian Conference on Precision Agriculture (ACPA)，June25-28， 2013，Jeju，Korea10 章毓晋. 图像工程（上册）图像处理（第二版）M 北京：清华大学出版社，200611 刘刚，王立香，柳兆军. 基于计算机视觉的苹果质量检测J. 安徽农业科学，2012，40( 8)：5014-5016-9-(cm )(cm )28012 李丹丹, 史秀璋. 基于 HSI 空间和 K-means 方法的彩色图像分割算法J. 微电子学与计算机，2010，7：121-12413 中国农业科学院蔬菜研究所，GB 8852-88. 中华人民共和国国家标准（番 茄)S. 2008- 10 -
