基于机器视觉的西瓜体积估测算法
【摘 要】针对西瓜体积是西瓜检测中重要的指标，提出引如机器视觉对西瓜体积进行检测。首先通过分割、闭运算后获得西瓜截面二值图像，然后通过图像得出西瓜想素点个数，最后通过最小二乘法估西体积。实验结果表明西瓜体积估测平均误差为7.89%，这对于大批量西瓜体积估测具有一定意义。 【关键词】西瓜；视觉；体积 西瓜是重要的经济水果，一般为提高西瓜质量都需要对西瓜进行品质检测。随着机器视觉技术的不断发展，应用机器视觉进行西瓜品质检测逐渐成为未来的发展方向[1][2]。体积是西瓜品质检测中的重要指标，应用机器视觉进行水果体积的估测已有相关研究[3][4]，所以针对可以考虑因如机器视觉进行西瓜体积的估测。 1.西瓜图像的处理 采集到西瓜图像后，首先需要对西瓜图像进行处理。机器视觉技术一般通过图像处理获得西瓜的二值图像从方便提取西瓜特征进行体积估测，并据此进行图像处理。西瓜图像的图像处理一般包括图像分割、去噪声。 现有机器视觉技术中图像的多是采用RGB颜色空间表达，即每个像素点是由三基色R，G，B的情况合成后构成的。RGB颜色空间的原理是西瓜图像采集时任何一种颜色都可以由3个互相独立的颜色按一定的比例混合而成，这就是三基色原理。在RGB空间中选择R（红），G（绿），B（蓝）作为三基色，这样每一个像素的颜色就可以用R，G，B 三个基色的浓密程度来表示。一般以灰度值为单位（0～255）级，代表了各自颜色的饱和度――颜色的浓密程度。这样得到的西瓜图像如图1（a）所示。 西瓜原始图像一般首先需要进行图像分割，图像分割就是需要得到一个二值图像。即将西瓜在图像中对应的区域与背景区域分离开，分别用不同的数值表示。最常见的图像分割方法是阈值分割方法。该方法是通过设定一个阈值，然后通过某个特征计算每个像素点的R、G、B值，再判断结合阈值判断每个像素点是属于西瓜还是属于背景。显然，阈值分割中，阈值的选取是关键，一般采用OSTU法选取阈值。采用OSTU法选取阈值，利用阈值分割后图1（a）得到的分割结果如图1（b）所示。图像中白色的区域表示西瓜，黑的区域表示背景。 由于受西瓜表皮花纹的影响，在分割后，分割图像存在一定的误差。在西瓜的区域中存在一定的白色斑纹。这样有可能影响西瓜图像中西瓜特征的提取，因此，需要对西瓜的分割图像进行去噪声。在机器视觉技术中，可以采用腐蚀、膨胀、开运算、闭运算等形态学操作去噪声。图1（b）采用闭操作得到的去噪声二值图像如图1（c）所示。 2.基于最小二乘法的西瓜体积估测 获得西瓜图像后需要获取西瓜图像进行体积估测的基础就是从中提取图像特征，由于西瓜体积与西瓜截面积存在一定的关系，因此可以考虑采用西瓜的截面积作为一个特征。西瓜二值图像中像素点的个数就可以表示西瓜的截面积，因此采用这一特征作为西瓜特征。 为了通过像素点个数计算西瓜的截面积，采用了参照物等距测量的方法。因为与小摄象头同一距离下得西瓜像素点和参照物像素点与实际的比例一致。实验中采用乒乓球作为参照物，而国际标准的乒乓球的直径为4cm。这就可以进行相关换算。 由于西瓜近似球体，可以近似认为西瓜体积与截面积成线性相关，因此可以采用最小二乘法进行西瓜体积的估测。 3.实验结果与分析 实验拍摄了15个西瓜的彩色图像，在拍摄过程中始终保持摄像头高度位置不变的情况下拍摄完成15张西瓜彩色图片和乒乓球的图像。采用最小二乘法估测西瓜体积与排水法测量实际体积的结果如表所示。 如表1所示引如机器视觉进行西瓜体积测量的平均误差为7.89%，在实际操作中可用于大批量西瓜体积的估测，该方法具有无损非接触的特点，可以快速高效的进行西瓜体积的测量。 参考文献： [1]袁挺，纪超，张震华等. 基于近红外图像的温室小型西瓜采摘信息获取技术. 农业机械学报，2012（7）. [2]刘万辉，杨晔. 温室场景下成熟西瓜的图像识别研究. 福建电脑，2013（5）. [3]石玉秋，马兆敏. 脐橙可食率自动估测研究. 安徽农业科学，2011（19）. [4]黄玲，马兆敏. 基于机器视觉的脐橙可食率的研究. 安徽农业科学.2011（25）. 作者简介： 胡波（1981.8-），男，广西柳州人，硕士，讲师，从事优化设计、人工智能、图像处理研究 基金项目： 2010年度广西教育厅科研项目（201010LX235）