王虎挺，吴杰，胡蓉，李凡

（石河子大学机械电气工程学院，石河子832003）

基于几何特性参数的库尔勒香梨质量预测的研究

王虎挺，吴杰，胡蓉，李凡

（石河子大学机械电气工程学院，石河子832003）

采用图像法获取香梨的三轴径和投影面积，通过线性或非线性回归分析的方法分析了这些几何参数与香梨质量之间的关系。结果表明：在基于三轴径的预测模型中，由长轴径和中轴径（或短轴径）两个自变量组成的线性回归模型与质量显著相关，为最优模型；在基于投影面积的预测模型中，以包含长轴径所在的投影面积为自变量的二项式回归模型与质量显著相关，为最优模型。这说明采用香梨几何参数预测质量方法是可行的，而且这种方法可为采用机器视觉方法进行香梨质量分级提供依据。

库尔勒香梨；几何特性；质量预测；图像法

库尔勒香梨是新疆特色水果，在国际市场上被誉为“梨中珍品”，2008年新疆香梨产量已达20万t，出口约3万t［1］。为了提高新疆香梨的商品价值及其在国际梨果高端市场上的竞争力，农业部标准NY／T585－2002［2］规定特级、一级和二级的香梨的分类依据其单果质量不同来分级，通常特级香梨单果质量为120～160g。目前，香梨称重分级主要依靠人工方法，分级效率很低。为克服这一缺点，阿克苏红旗坡农场引进果品自动称重分级流水线以提高香梨质量分级的效率，但香梨在流水线分单输送至称重台过程中碰撞频繁而出现了过高的果损率。

由于果蔬的尺寸与其质量存在一定关系，因此为了避免果品单果称重所存在的效率低下、人为误差较大的以及自动称重时果损率较高的缺点，国外有研究针对马铃薯、苹果、猕猴桃等果蔬［3－7］，提出利用其几何特性尺寸来预测质量。近年来，随着计算机图像处理技术在果品果形分类方面的应用，使得果品外观特征尺寸信息的获取成为可能［8－9］。本研究认为，香梨可以在机器视觉进行外观品质分级的同时，通过提取其几何特性信息预测其质量，以简化香梨质量自动分级流水线，这样既可降低香梨自动分级流水线的费用，又可减少香梨不必要的机械损伤。为此，本文采用计算图像处理技术对香梨的几何特性进行分析，建立预测香梨质量的数学模型，以期为香梨质量自动分级装备的设计提供依据。

1 材料与方法

1.1 材料

本研究的香梨样本采自巴州地区库尔勒市农二师28团场梨园，随机挑选无损伤、无虫害，且剔除畸形果形的香梨90只，将香梨贮藏于温度（0±1）℃，相对湿度（90±5）%的冷藏室，避免香梨质量变化。

1.2 几何特性参数的实测

本研究假设香梨的形状为三维椭球体［10］（图1），则香梨的三轴直径为：长轴径a（外接球直径）、中轴径b（与a垂直的最大直径）、短轴径c（与a、b垂直的直径）。用数显游标卡尺测量香梨的三个轴径a、b、c，分别为：长轴径a、中轴径b和短轴径c；采用数方格法［11］测量香梨三个相互垂直的投影面的面积Pab、Pac、Pbc。其中Pab为长轴a和中轴b所在的横截面，Pac为长轴a和短轴c所在的横截面，Pbc为中轴b和短轴c所在的横截面。香梨的质量由数字式电子称（精度为0.01g）称量。

图1 香梨的三轴直径Fig.1The dimensions of a Kolar pear

1.3 几何特性参数的图像法获取

香梨的图像采集装置由CCD数码相机、计算机、高度调节装置、背景板、光源箱组成，如图2所示。

采集图像时，将相机摄像头与测量台间距调节至19cm，光源为白炽灯点光源，香梨放置于白背景的底板上，采集在香梨长轴上成90°垂直的两个方向的图像，然后利用Matlab7.0对图像依次进行RGB分量提取、二值化处理和边界检测，获得香梨的外轮廓图像及轴径参数和投影面积参数的像素值［12－14］（图3）。将像素值与实测值进行线性拟合，获得轴径和投影面积的修正系数（图4、图5），最后利用修正系数将像素值转化成相应的轴径值和投影面积数值。

图2 图像采集处理装置Fig.2Image acquisition system

图3 香梨图像处理过程Fig.3

图4 获得长轴径a修正系数的线性拟合图Fig.4The linear fitting for correction coefficient of Major a

图5 获得投影面积Pab修正系数的线性拟合图Fig.5The linear fitting for correction coefficient of Projected area Pab

1.4 香梨质量预测的方法

针对香梨质量与三轴径、投影面积和体积之间的关系，本研究提出了二种预测香梨质量的回归模型，第1种：香梨质量与其三轴径中某一个或三个进行线性拟合，二项式拟合或乘幂形式拟合获得的回归模型；第2种：香梨质量与三个投影面积中某一个或三个进行线性拟合二项式拟合或乘幂形式拟合获得的回归模型。

采用SPSS11.5统计软件对所述总计26个模型分别进行分析，确定回归方程的决定系数（拟合度）R2和标准偏差，然后根据最大决定系数R2和最小标准偏差SD值确定预测香梨质量最优回归模型。

2 结果与分析

2.1 基于三轴径的质量预测模型

由表1所示，模型4～9分别以中轴b和（或）短轴c为自变量进行质量预测，其相关系数相近，从算法实现来看，可选择中轴b和短轴c中一个变量进行质量预测即可。模型13的相关系数最高，但包含了3个轴径，从图像法测量角度看，增加了检测装置操作的复杂性。相比较而言，模型11和12均有较高的相关系数，与模型13的相关系数接近，且参数只包含长轴和中轴或短轴，在图像法测量中易于操作实现，更适用于香梨的质量预测。

表1 基于三轴径的香梨质量预测回归模型Tab.1Different regression models for predication mass of Korla fragrant pears based on dimensions

2.2 基于投影面积的质量预测模型

由表2所示，模型1～6分别以投影面积Pab和Pac为自变量进行质量预测，其相关系数相近，从算法实现来看，可选择Pab和Pac其中一个进行质量预测即可。模型10、11、12、13均有很高的相关系数，但参数包含了2个或3个投影面积，从图像法测量角度看，增加了检测装置操作的复杂性。相比较而言，模型2和5均有较高的相关系数，且参数只包含Pab或Pac，而且在图像法测量中易于操作实现，更适合进行香梨的质量预测。

表2 基于投影面积的香梨质量预测回归模型Tab.2Different regression models for predication mass of Korla fragrant pears based on projected area

3 结论

1）香梨的实测参数与图像法获得的参数有很高的线性相关性，其相对误差小于2%，可完全满足香梨质量模拟对数据的准确性要求。

2）香梨的轴径参数与其质量显著相关。在基于轴径的质量预测模型中，以香梨长轴a和中轴b或短轴c为自变量的线性质量预测模型更为适宜；香梨的投影面积参数与其质量显著相关，在基于投影面积的质量预测模型中，以投影面积Pab或Pac为自变量的二项式质量预测模型更为适宜。

3）在进行香梨质量预测时，放置香梨使其长轴径a平行于背景平面，就可满足几何参数的提取，从而保证香梨质量预测的准确性。

［1］《库尔勒香梨产业化发展研究》课题组.库尔勒香梨产业化发展的思路和建议［EB／OL］.http：／／kjj.xjbz.gov.cn／html／2006／2008－4／9／2008＿04＿09＿668.html，2008－04－09.

［2］中华人民共和国农业行业标准.NY／T585－2002库尔勒香梨［S］，2002.

［3］Rashidi M，Seyvan K.Modeling of Kiwifruit mass based on outer dimensions and projected area［J］.American－Eurasian J Agric ＆ Environ Sci，2008，3（1）：26－29.

［4］Rashidi M，Seyvan K，Gholami M.Determination of Kiwifruit volume using image processing［J］.ARPN Journal of Agricultural and Biological Science，2007，2（6）：17－22.

［5］Pitts M J，Hyde G M，Cavalieri R P.Modeling potato tuber mass with tuber dimensions［J］.Transactions of the ASAE，1987，30（4）：1154－1159.

［6］Tabatabaeefar A，Rajabipour A.Modeling the mass of apples by its geometrical attributies［J］.Scientia Horticulture，2005，105：373－382.

［7］Lorestani A N，Tabatabaeefar A.Modelling the mass of kiwi fruit by geometrical attributes［J］.Int.Agrophysics，2006，20：135－139.

［8］Keramat Jahromi，Rafiee M，Jafari S，et al.Determination of dimension and area properties of data（Behri）by image analysis［J］.International Conference on Agricultural Food and Biological Engineering＆Post Harvest／Production Technology，2007（6）：21－24.

［9］高华，王雅琴.基于计算机视觉的农产品分级系统研究［J］.计算机工程与应用，2004（14）：228－229.

［10］周祖锷.农业物料学［M］.北京：农业出版社，1994：55－62.

［11］于东宁，张国安，李健宁.瘢痕面积及其不规则程度的定量测量方法研究［J］.中国美容医学，2005，15（5）：486－489.

［12］屈年巍，马本学，王维新，等.基于机器视觉和人工神经网络的库尔勒香梨颜色分级［J］.石河子大学学报：自然科学版，2010，28（4）：515－518.

［13］李景彬，坎杂等.基于机器视觉的脱绒棉种外观质量检测装置的研究［J］.石河子大学学报：自然科学版，2006，24（6）：761－764.

［14］马本学.基于数学形态学的香梨果梗提取方法［J］.石河子大学学报：自然科学版，2008，26（5）：636－638.

Models for Predicting the Mass of Korla Fragrant Pear by Geometrical Parameters

WANG Huting，WU Jie，HU Rong，LI Fan
（College of Machinery and Electricity Engineering，Shihezi University，Shihezi 832000，China）

Three mutually perpendicular diameters and projected area of Korla fragrant pear were determined using image processing methods.Different linear and nonlinear regression models for mass prediction of Korla fragrant pears based on these geometrical parameters were identified.The results indicated that among the mass prediction models of Korla fragrant pear based on diameters，the linear model with the independent variables as major and intermediate diameter（or minor diameter）had higher correlation.Also，among the mass prediction models based on the projected area，the polynomial model with the independent variable as the projected area which include the major diameter can be optimum.The results showed that it is feasible to predict the mass of Korla fragrant pear using geometrical parameters，and it can supply basis for the research of mass classification using machine vision method.

Korla fragrant pear；geometrical parameters；mass prediction；image processing methods

R337.3

A

1007－7383（2011）03－0370－04

2011－03－04

王虎挺（1982－），男，讲师，硕士研究生，专业方向为农产品品质安全与检测；e－mail：wht＿jdxy＠shzu.du.cn。

吴杰（1972－），男，副教授，硕士生导师，从事农产品品质安全与检测研究；e－mail：wjie＿mac＠shzu.edu.cn。