基于机器视觉的苹果分级检测方法

ELECTRONICS WORLD

・

探索与观察

苹果是人们在日常生活中喜闻乐见的水果，为了实现对苹果的快速分级，本文对基于机器

视觉的苹果分级检测方法进行了探究。先是通过图像预处理方法，对图像进行了图像降噪和图

像分割等预处理操作，然后在苹果大小特征提取方面，提出利用最小外接圆法实现对苹果直径

的计算；关于苹果形状特征提取，则选用了苹果横纵径比值的方法；在苹果颜色方面，使用HSI

颜色模型，并通过计算苹果红色着色率的方法进行其表面颜色等级的划分。本文将人工分级与

机器视觉分级进行对比。数据表明利用机器视觉技术实现的苹果分级有很好的前景，可以有效

的克服人工分级的不足，对于加快苹果产业智能化，及水果产业的智能化水平的提高都有很好

的借鉴价值。

引言：随着高新技术的发展，高新技术与农业领域的结合也愈发深入，并对农业的发展起到

重要的推动作用。（Zhang B,Huang W,Li J,et ples,developments and applications of computer

vision for external quality inspection of fruits and vegetables:A review:Food ,2014；田有文，程

怡，王小奇，等.基于高光谱成像的苹果虫害检测特征向量的选取：农业工程学报，2014；Neves D

P,Mehdizadeh S A,Tscharke M,et ion of flock movement and ehavior of broiler chickens at different

feeders using image analysis:,2015）而其中典型的代表就是机器视觉技术。机器视觉

的技术最开始是在20世纪60年代时被提出的，到了80年代在我国国内也开始了相关的研究。现在

机器视觉技术已经在制造业的缺陷检测及自动化生产等领域获得了充分的应用。

除了在以上领域，近些年来，在机器视觉技术在精细农业领域也取得了丰富的成果，如谢

静等（谢静，基于计算机视觉的苹果自动分级方法研究：安徽农业大学，2011）改进的当量直

径法来进行苹果大小的分级。除此之外，还有多位学者利用机器视觉技术对苹果的多个特征进

行分级处理（龙满生，何东健，宁纪峰，基于遗传神经网络的苹果综合分级系统：西北农林科

技大学学报，2001；-包晓安，张瑞林，钟乐海，基于人工神经网络与图像处理的苹果识别方法

研究：农业工程学报，2004），可极大的促进苹果分拣效率的提高，对于我国苹果产业有现实

意义和深远影响。

1 实验设备及方法

1.1 图像采集系统

为了达到真实的工业化效果，参照工业化流程设计出简易的图像采集系统。在图像采集系

统中包括视觉采集系统、照明系统及计算机等。为了方便苹果图像特征的提取，将苹果图像背

景选择为黑色背景。在照明系统的辅助下，由视觉采集系统采集苹果图像，传输至后台计算机

进行深入的图像处理与图像信息分析。在苹果样本的图像采集中需采集多次多种角度，并求平

均值，保证苹果数据的可靠性。

图1 图像采集系统示意图

基

于

机

器

视

觉

的

苹

果

分

黑

龙

级

江

检

大

学

测

电

方

子

工

法

程

学

院

凌

强

孙

结

冰

祁

晓

波

翟

发

朱

勇

•

7

•

ELECTRONICS WORLD

・

探索与观察

1.2 图像预处理

在图像预处理方面。主要涉及图像二值

化、图像去噪和图像分割（Hong Zhou,Michail

Antoniou,Zeng Z -processing for time domain

image formation in SS-BSAR system:Journal of Systems

Engineering and Electronics,2012；李锦卫，廖桂平，

金晶，等.基于灰度截留分割与十色模型的马铃薯

表面缺陷检测方法：农业工程学报，2010）。

在图像去噪方面，因为在整个苹果分级处

理流程中，需要涉及到多个方面，例如图像的采

集及传输中，可能会掺杂进一些图像噪声，比较

典型的是相机镜头可能受灰尘影响。为了提高后

续处理环节的准确度和可靠性，我们将在苹果外

观图像特征提取前，对图像进行去噪处理。综合

现有的图像降噪方法，选取中值滤波法。

在图像分割方面，因为在一张图片中，

并不是所有的信息都是我们所需要的。所以

将对有用的信息进行分割提取，去除无用的

信息。常用的图像分割方法有直方图阈值分

割法、OTSU阈值分割法等。

2 苹果特征参数提取算法

2.1 苹果分级标准

在人们日常生活中挑选苹果时，并不是

依靠单一维度，是综合多角度进行的考量，

参考的角度有颜色特征（红色着色率）、大

小特征（果实直径）及形状特征（果形指

数）等。分级标准结合GB/T10651-2008及

DB21/T1426-2006等的要求，如表1所示。

表1 苹果分级标准

等级红色着色率

果实直径

(大型果)

果形指数

优等果90%以上0.85以上

一等果80%～90%70mm以上0.8～0.85

二等果55%～80%65mm～70mm0.75～0.8

等外果55%以下65mm以下0.8以下

2.2 苹果大小分级算法

在图像预处理阶段已经进行图像二值化和

去噪化处理，并成功进行阈值分割，然后对其进

行边缘提取，获得图像的边缘。然后可以根据苹

果的边缘二值图像所对应的像素数组

E

(

X, Y

)

，将

E

(

X, Y

)

值为0的

X

、

Y

坐标进行集合

Q

(

x

i

,

y

i

)，故所

得到的

Q

(

x

i

,

y

i

)即为边缘坐标的集合（饶秀勤，

基于机器视觉的水果品质实时检测与分级生

产线的关键技术研究：浙江大学，2007），且

i=1,（其中

E

(

X, Y

)

中坐标点值为0的总数

记为n）。因此图像的质心坐标公式为：

•

8

•

然后利用最小距离公式，求得所有边缘坐标到质心坐标的距离，其中最大的一个为最小

外接圆的像素半径，经过换算后得到苹果大小的分级结果。

2.3 苹果颜色分级算法

因为苹果的颜色是在大众的选择占有很重要的因素，当然越红的苹果代表其品质也会相对越

好。在图像处理中，有很多颜色模型，比如RGB模型、HSI模型和YcbCr模型等。因为HSI模型专门为

人眼所设计的，所以在本文中将采用HSI模型对苹果颜色进行处理。需要将苹果图像的RGB分量转化

为HSI分量。而HSI模型由H、S和I三个分量所组成的。其中H分量表示为物体的颜色。而S分量表示为

颜色的饱和度，S值越大，说明颜色越深。I分量则代表着亮度，I值越大则亮度越高。因为S分量和I分

量都与光源有关，所以不能用作苹果颜色分级的参考因素。故选用HSI模型中的H分量。

2.4 苹果形状分级算法

在形状分级采用的方法是根据重心点的坐标，在苹果轮廓上分别找到横坐标与重心点相

同及纵坐标与重心点相同的两个点。利用点与点距离公式，分别求得上述两点到重心点的距

离，将两者之比即为求得的苹果横径与纵径的比值，如果该比值越接近1，则说明苹果的形

状更趋于圆形，也更为民众所接受。

3 测试结果

在苹果大小分级方面，通过获取的20组样本苹果像素数据转化为真实数据后发现符合分

级要求，并将误差控制在5%以内。最终的实验结果为88.0%。

在苹果颜色分级方面，通过获取的20组样本苹果着色率，以

x

轴为各等级的苹果样本编号，

y

轴为苹果着色率，可以得到图2所示。可以发现符合国家标准，说明利用HSI颜色的H分量为基

础的着色率计算方法符合设计要求。利用该算法进行的苹果颜色分级结果为84.4%。

图2 着色率关系图

在苹果形状分级方面，根据采用苹果形状分级方法对苹果样本进行分级，最终的分级结

果为83.6%。

4 结束语

本文通过机器视觉技术，分别从苹果大小、形状、颜色等三个特征对苹果进行分级，并进

行相关分级数据统计。先是通过图像预处理方法，对图像进行了图像降噪和图像分割等预处理操

作，然后针对苹果特征设计不同的分级方法，利用200个苹果样本，通过人工分级与机器分级技

术对比，满足预期要求，但当前算法还有需要继续改进的余地。综上，机器视觉技术可以在苹果

分级领域大有发展，相比于人工分级，可以很好的节省人力，加快农业信息化发展的步伐。

作者简介：凌强（1995―），男，硕士研究生，主要研究方向：电子与通信工程。