机器人视觉的苹果无损检测技术

机器人视觉的苹果无损检测技术� 祁广利,武晋辉 (陕西科技大学 机电工程学院,陕西 西安　710021) 提　要: 将机器视觉技术应用到苹果外部品质的缺陷检测, 通过摄像头获取苹果外观的颜色特征, 利用 LabVIEW 虚拟仪器软件开发图像处理程序 ,通过纹理分析进行区分, 由纹理特征提取 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 , 实现苹果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 面缺陷的无损检测。 关键词: 机器视觉; L abVIEW; 颜色特征;纹理特征 　　水果是人们日常生活中的重要食品,也是主 要的营养来源之一。我国是水果生产大国,苹果、 梨、桃、李的产量居世界第一。但水果产后处理能 力不到总产量的 5% , 产后烂果率达到 25%以 上[ 1]。发达国家的 经验 班主任工作经验交流宣传工作经验交流材料优秀班主任经验交流小学课改经验典型材料房地产总经理管理经验 表明,水果产值的大部分是 由它的产后处理和加工创造出来的, 因此水果的 产后加工成为如何提高市场竞争力的关键。 在人们依据水果外部品质进行分级的过程 中,主要 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 来自视觉信息,如根据颜色、大小、果 形、缺陷等进行分级。这就使得利用机器视觉技术 实现水果自动分级成为可能。机器视觉就是用机 器代替人眼来做测量和判断,机器视觉系统是指 通过机器视觉产品将被摄取目标转换成图像信 号,传送给专用的图像处理系统,根据像素分布和 亮度、颜色等信息,转变成数字化信号。图像系统 对这些信号进行各种运算来抽取目标的特征, 进 而根据判别的结果来控制现场的设备动作。因此 将机器视觉技术应用到水果外部品质的检测和分 级中将有效地克服人工分级的缺点, 使得分级更 加高效、客观。 国外的早期的水果品质检测研究主要采用彩 色 CCD相机作为传感器, 最近 5年,从品质识别 智能性和检测手段方面继续深入研究。Kavdir 等 使用 BP 神经网络作为分类器, 然后使用样本图 像训练它,在苹果和橘子的分级中获得较高正确 率,一般可达 90%以上。 国内的水果自动分级研究起步较。较多的国 内学者作水果外在品质检测的研究。2000年李庆 中等在实数域分形盒维数计算方法的基础上, 提 出了双金宇塔数据形式的盒维数快速计算方法。 对于待识别水果图象的可疑缺陷区, 提出用 5个 分形维数作为描述该区域粗糙度和纹理方向性的 特征参数,并用所提出的快速计算方法进行计算, 然后利用人工神经网络作为模式识别器,区分水 果表面的缺陷区和梗萼凹陷区,识别的准确率为 93%。2001年应义斌发现用傅立叶描述子的前 4 个谐波分量的变化特性就能很好地代表水果的形 状,用前几个谐波分量来描述形状可以达到相当 高的精度,而且傅立叶描述子可以进行平移、旋转 和缩放,并具有很强的水果外形重建功能[ 2]。 1　机器视觉检测系统 机器视觉技术是用计算机来分析一个图像, 并根据分析得出结论。现在机器视觉有两种应用, 一种是机器视觉系统可以探测对象, 光学器件允 许处理更精确的观察目标并根据要求对探测对象 的哪些需要废弃做出有效的决定, 另一种是机器 视觉也可以用来创造一个对象,即运用复杂光学 器件和软件相结合直接指导制造过程。尽管机器 视觉应用各异,但都包括以下几个过程; ( 1) 图像采集。光学系统采集图像,图像转换 成数字信号并传入计算机存储器。 ( 2) 图像处理。处理器运用不同的算法来提 高对结论有重要影响的图像要素。 ( 3) 特性提取。处理器识别并量化图像的关 键特性,然后将这些数据传送到控制程序。 ( 4) 判决和控制。处理器的控制程序根据收 到的数据做出结论。 典型的视觉系统一般包括: 光源、摄像头、图 像处理单元(或图像采集卡)、计算机和图像分析 处理软件等。 光源是影响机器视觉系统输入的重要因素, 所以针对每个特定的应用实例,要选择相应的照 明装置,以达到最佳效果。由光源构成的照明系统 ·63·2007( 5) 陕　西　农　业　科　学 � 收稿日期: 2007—06—26 按其照射方法可分为:背向照明、前向照明、结构 光和频闪光照明等。其中,背向照明是被测物放在 光源和相机之间,它的优点是能获得高对比度的 图像;前向照明是光源和相机位于被测物的同侧, 这种方式便于安装;结构光照明是将光栅或线光 源等投射到被测物上, 根据它们产生的畸变,解调 出被测物的三维信息; 频闪光照明是将高频率的 光脉冲照射到物体上, 要求相机的扫描速度与光 源的频闪速度同步。 摄像头实际上是一个光电转换装置, 即将图 像传感器所接收到的光学图像,转化为计算机所 能处理的电信号。光电转换器件是构成摄像头的 核心器件。CCD是目前机器视觉最为常用的图像 传感器。它集光电转换及电荷存贮、电荷转移、信 号读取于一体,是典型的固体成像器件。CCD 的 突出特点是以电荷作为信号,而不同于其器件是 以电流或者电压为信号。这类成像器件通过光电 转换形成电荷包, 而后在驱动脉冲的作用下转移、 放大输出图像信号。典型的 CCD 相机由光学镜 头、时序及同步信号发生器、垂直驱动器、模拟/数 字信号处理电路组成。 机器视觉系统中, 视觉信息的处理技术主要 依赖于图像处理方法, 它包括图像增强、数据编码 和传输、平滑、边缘锐化、分割、特征抽取、图像识 别与理解等 内容 财务内部控制制度的内容财务内部控制制度的内容人员招聘与配置的内容项目成本控制的内容消防安全演练内容 。经过这些处理后,输出图像的质 量得到相当程度的改善, 既改善了图像的视觉效 果,又便于计算机对图像进行分析、处理和识别。 本文讨论的是利用机器视觉技术实现苹果表 面缺陷检测。图像采集器采用摄像头,采集水果的 彩色图像并进行预处理, 利用 LabVIEW 虚拟仪 器软件开发各种程序, 主要包括特征提取器,它从 水果图像中提取缺陷的颜色和纹理特征以进行分 类,分类器是根据事先给出的训练样本学习得到 的,它将对提取的特征进行分类,后处理器根据分 类的结果进行后续处理,处理过程如图 1所示。 信号输入→图像采集→特征提取→分类器→后处理器→决策 图 1　缺陷检测过程 2　苹果表面特征缺陷提取 颜色是衡量水果外部品质的一个重要指标。 高品质的水果一般具有着色好, 且均匀的特征。此 外,水果的颜色也间接反映了水果的成熟度和内 部品质。颜色模型主要有 R、G、B颜色模型,这是 彩色电子成像设备中常用的格式, 彩色数字图像 中的每个象素点分别对应于 3 字节的 R、G、B 值,三色不同值的混合就形成了大自然中的各种 色彩。这种方式适合于颜色的电子采集、处理和显 示。此外还有 H、S、I 颜色模型,这是 Munseu提出 的彩色系统格式,此方式反映了人类观察彩色的 方式。在 H、S、I 格式中, I表示强度或亮度,它反 映了象素的整体亮度, 而不管是什么颜色。另外, 包含彩色信息的两个分量是色度 H 和饱和度 S, 其中色度反映了该彩色最接近什么光谱波长的光 或颜色,它是用角度描述的。饱和度是色环的圆心 到彩色点的距离,在环的圆周上的是纯的或称为 饱和的颜色, 其饱和度为 1, 在中心点为中性影 调,即饱和度为 0,从 R、G、B格式到 H、S、I 格式 的转换公式为: I= R+ G+ B 3 H= cos - 1 0. 5[ ( R- B) + ( R- B) ] ( R- G) 2+ ( R- B) ( G- B) S= 1- 3min( R, G, B) R+ G+ B 由于苹果主要是以红色和黄色为底色的, 不 同原因造成的缺陷在苹果表面会有很大不同, 而 且苹果成熟度和生长位置的不同, 底色也会发生 相应变化。既然苹果表面颜色受到多种变量的影 响,就不能使用单一的标准来区分缺陷组织和正 常组织,而应该尽可能地找到更多标准来提高检 测的正确率。这些标准就是我们所说的颜色特征。 但是, 因为水果分级时对表面缺陷检测的实时性 要求很高,所以应该使用尽可能少,而且简单的特 征。通过试验发现, { G, B, B/ R, B/ G, H}是比较好 的特征组合。虽然,这组特征中的任何一个都不是 对所有的缺陷都有效, 但它们中的每一个都可以 比较好的区分一、两种缺陷类型。比如 B/ R 和B/ G 对于擦伤、压伤等缺陷比较敏感, 而 R, G 对于 疤痕更敏感[ 3]。 3　苹果表面纹理分类实验 苹果表面缺陷检测中一个难以解决的问题就 是水果表面的缺陷区和梗夸凹陷区难以区分, 因 ·64· 陕　西　农　业　科　学 2007( 5) 为二者在图像上都呈现为暗黑色的斑点, Grow e 等用结构光由一黑白摄像机进行水果表面的凹陷 度检测,试验结果表明:当每个水果采集 2幅图像 时,缺陷检测的速度可达 5个 1s,但误差较大, 如 对于苹果,碰伤检测的准确率仅为 51%。 虽然缺陷区和梗萼凹陷区在灰度图像上都呈 现为暗黑色的斑点,直接识别比较困难,但二者在 纹理特征上应该有所不同[ 4]。基于这种想法,在机 器视觉技术的苹果表面缺陷检测中采用纹理特征 提取方法。对于从分选生产线上摄取的水果数字 图像,进行纹理分析的优点是,提取的纹理特征参 数可以不受光照强度变化的影响和水果方位变化 的影响,这正适合于水果在线快速分级时表面缺 陷检测的实际场合。实验所用纹理图片来源于 Br odatz图片集, 如图 2所示。 图 2　纹理图片集 4　检测软件 利用LabVIEW 虚拟仪器开发软件开发了检 测程序, 程序集成了图像处理、特征提取、分类器 训练、缺陷检测等功能。 检测系统实际应用时,通常是先用机械装置 将水果无损伤地运送到水果图像采集处,当现场 计算机通过传感器或者根据图像分析发现有水果 通过时,就会发指令给 CCD摄像头采集水果图像 (为了保证识别正确率,一般会采集水果各角度的 多个图像)。采集到的图像会传给计算机。运行在 计算机上的检测软件会首先对图像进行预处理。 为了减少干扰,需要对图像进行滤波,并从背景图 像上分割出目标水果。然后扫描水果图像提取有 用特征,这些特征将被送入事先训练好的分类器 中进行分类。检测软件根据分类结果发指令给其 它机械装置对水果进行相应操作 [ 5]。 检测软件实现了水果图像的滤波、目标分割、 特征提取等功能, 但限于实验条件,尽在计算机中 进行了模拟仿真运行。 5　小结 在机器人视觉技术的基础上, 采用了目前流 行的 CCD摄像头结合 LabVIEW 虚拟仪器开发 软件, 对苹果表面无损检测技术进行了大胆的探 索,在特征提取时采用了纹理分类的技术,保证了 苹果表面缺陷检测的正确性。随着软件编制的不 断完善,机器人技术的苹果无损检测技术将会更 加广泛的得到应用。 参 考 文 献: [ 1]张方明,应义斌.水果分级机器人关键技术的研究和发展[ J] . 机器人技术与应用, 2004, ( 1) : 33～37. [ 2]应义斌.水果形状的傅里叶描述子研究 [ J ] .生物数学学报, 2001, 16( 2) : 234～240. [ 3]李庆中,汪懋华.基于分形特征的水果缺陷快速识别方法[ J] . 中国图像图形学报, 2000, 5( 2) : 144～148. [ 4]李庆中,汪懋华.基于计算机视觉的水果实时分级技术发展与 展望[ J] .农业机械学报, 1999, 30( 6) : 1～6. [ 5]冯斌、汪懋华.基于颜色分形的水果计算机视觉分级技术[ J] . 农业工程学报, 2002, 18( 2) : 141～144. (上接第 20页) 3　讨论 两年试验的研究结果表明, 喷施叶面肥不影 响谷子的茎、叶、鞘的颜色, 米色的黄亮度及它的 适口品质, 其优良性状更为突出,整米率有所提 高,增产效果明显;农家宝叶面喷施增产效果达极 显著水平,旱地龙、磷酸二氢钾比对照也有一定幅 度的增产; 叶面喷施与根施肥相比具有省工、省 时、省力等优点,是缺肥少水的山旱丘陵地区提高 产量的一条有效增产措施。 参 考 文 献: [ 1]魏文学,时会军, 等.硼对向日葵生长发育及产量的影响[ J] . 土壤肥料, 1993, ( 1) : 42. [ 2]董灵,陈诗武.大豆钾肥的增产效应及经济合理施用量的确定 [ J] .土壤肥料, 1993, ( 1) : 45 [ 3]雷和英,不同时期喷篱硝酸稀土对烟草产质效应的研究[ J] . 土壤肥料. 1993( 4) : 47～48. [ 4]石英.山西省玉米大面积施锌技术及效益综述 [ J] .山西农业 科学, 1998, 26( 3) : 50. [ 5]古世禄,等.硼对谷子的作用及其增产效果[ M ] .北京:中国农 业科技出版社, 1996. ·65·祁广利等: 机器人视觉的苹果无损检测技术