朱丽娟

新疆理工学院 新疆阿克苏 843000

“世界红枣在中国，中国红枣在新疆”——我国枣种植面积及产量居世界第一，占世界枣种植面积及产量的98%以上。近几年来，新疆的红枣栽植面积和产量增长迅猛，成为全国最大的商品化红枣种植基地。据统计年鉴数据，2019年新疆红枣产量占到我国红枣总量的50%，是我国红枣的绝对主体。新疆红枣主要分布在和田、喀什、阿克苏、巴州和东疆的吐鲁番、哈密等地区，并已形成和田骏枣、阿克苏红枣、若羌枣、哈密大枣等获得国家农产品的地理标志保护的畅销品牌。

新疆昼夜温差大、雨水少而蒸发量大的特殊地理位置给新疆的红枣产量爆发式的增长提供了得天独厚的自然条件，另外，由于国家对新疆农业产业政策的大力支持和人们对枣产品日益增长的市场需求以及农民从枣树种植中获得良好的经济回报的实际价值等各种条件都促使新疆红枣产量激增。

红枣不仅是食材，而且也是一味非常好的药材。它的味道甘甜，性质温和，红枣中所含成分可以提高人体免疫力，有补中益气，安神养血的功效。生吃红枣，可保留枣中更多的超强抗氧化物质维生素C，防止黑色素在体内沉积，减少黑色素及斑点的产生，并具有改善毛细血管壁的功能。枣中富含钙和铁，对防治骨质疏松、产后贫血有重要作用。枣有很好的增强肌力、消除疲劳、扩张血管、增加心肌收缩力、改善心肌营养等功效。

随着居民可支配收入的提升以及对生活品质的提高，人们对枣果的外观品质和内在营养成分有更高的要求。红枣的外部品质主要是指大小、表面褶皱、病害等。在红枣分级中，机械式分级设备中的滚筒式分级机和滚杠式分级机的技术最为成熟。机械式红枣分级机主要是通过改变筛网孔眼大小或滚杠间隙，使得红枣在不同大小的筛网孔眼或滚杠间隙掉落，完成对红枣大小等级的分级。由于分级机械机构的分级间隙是依据所要分级干果的品种以及其分级标准制定的，其分级间隙是固定不变的，一旦分级品种或分级标准发生变化，造成分级设备不再适合所需应用，从而影响其推广，另一个原因是滚筒孔式红枣分级机的滚筒表面的摩擦系数很小，红枣很容易在滚筒表面滑动，进而使得体积较小的红枣从较大的筛孔中分级出去，这些简易机械式设备容易对红枣造成二次伤害，且容易串级和卡枣，导致分级精度不高，严重影响了红枣分级的准确率。因此，实现红枣无损、快速、高精度、自动化的分级显得越来越重要。

随着科学技术的进步，基于机器视觉的无损检测在干果分级有着突飞猛进的发展。机器视觉又被称为计算机视觉，其分级系统是首先通过相机获取红枣的图像，然后将红枣图像传入计算机中并进行一系列处理，从而提取红枣的外部品质信息并对信息进行分析，依据分析结果对红枣进行分级。计算机视觉融合了多门科学技术，它既可以迅速处理大量的数据信息又能一次性完成果品外部品质以及内部品质的检测分级，依据检测出果品品质的数值完成对果品等级的划分，并具有自动化程度很高、可以在不接触果品的情况下完成果品的分级、分级效率很高等优势，提升了在同类产品中的竞争力，增加了效益，具有广泛的应用前景。

1 原料与方法

1.1 试验样品

本研究所使用的试验样品购买于阿克苏农副产品批发市场，该红枣是仅仅经过人工简单清洗，未被烘干的阿克苏当地半干灰枣。按照干制红枣分级标准，人工选择200粒共包括特级、一级、二级、三级4个等级的正常枣作为样本。

1.2 机器视觉采集系统

本研究的图像采集系统主要由计算机、工业摄像头、光源、图像采集卡等组成，如图1所示。由于该采集系统需要处理大量的图像数据，故计算机配置为2.80GHzCPU，16GB内存和1T硬盘；采用维视智造推出的超高性价比高速数码相机MV-HS系列工业相机，体积较小且适合安装固定；为了减少不合理的光照分布对采集的图像造成的影响，照明装置采用直流供电、无频闪和光照均匀的LED环形光源；采用中安视讯SV2000图像采集卡。为了达到较好的分离效果，在试验平台上选用不同颜色背景进行测试，最终决定使用白色作为图像采集背景，这样可以将目标更加容易凸显分辨。

图1 机器视觉系统示意图

将本采集系统获取到的样本图像的RGB彩色图像大小设定成640×480像素，并使用Matlab R2019b软件对采集的红枣样本图像进行处理。

1.3 方法步骤

通常情况下，在对红枣大小等级分级时常采用红枣的横径值作为最重要的分级指标，对于计算机来讲除了横径值外，还需要对所采集的红枣图像进行分割，使用相应的算法找出红枣的边界，以及确定相机图像中实际标准参数对应像素值标准。其具体步骤如下：

(1)使用游标卡尺人工测量样本红枣的真实横径值。在选取的200个正常枣中，随机挑选出10个特级大小红枣、15个一级大小红枣、20个二级大小红枣、25个三级大小红枣，分别测取它们的横径值。

(2)通过采集系统采集样本红枣图像。将红枣放置于摄像头所视范围的中心，并使中心轴线与摄像头视场边界平行。首先采用中值滤波对采集的红枣图像进行去噪，然后在灰度图中使用OTSU大津法确定阈值，最后利用确定的阈值对红枣图像进行分割，得到所需的红枣区域。

(3)采用最小外接矩形方法提取红枣的横径值。

(4)求取短轴真实值与像素值函数关系。在求解过程中主要使用高斯法计算拟合直线，得出短轴的真实值与像素值的一个函数关系。

(5)确定所采集图像实际标准参数对应的标准像素值。在此过程需将短轴真实值的分级标准代入拟合好的函数，得到采集图像中实际标准参数对应的像素值标准。

(6)参照机器视觉分级标准对样本红枣进行大小分级检测，得出分级结果，并对结果进行分析。

2 红枣大小的图像处理及分级研究

2.1 获取红枣轮廓图像

将采集的红枣图像读入Matlab R2019b软件中进行图像滤波，图像滤波是处理图像采集和传输过程中产生的噪声，由于红枣图像信息处理过程中需要完整的边缘信息以及比较快速处理响应，通过不同尺寸采样，决定使用3×3的中值滤波，这样既可以得到完整的红枣边缘信息，又可以提高滤波效率。为了便于处理红枣图像数据信息，使用rgb2gray函数将采集的原始彩色图像转换得到其灰度图像，然后使用OTSU大津法求得灰度图像分割阈值，进而获取到红枣轮廓的二值图像，去除部分噪点，最后得到完整的红枣轮廓图像。试验红枣的原始图像、灰度图像、二值图像如图2、图3、图4所示。

图2 原始图像 图3 灰度图像 图4 二值图像

2.2 最小外接矩形法提取红枣横径像素值

红枣是一种不规则的图形，使用较为广泛的最小外接矩形法来提取红枣横径像素值。在完整的红枣轮廓二值图像中包括红枣区域和非红枣区域，用“1”来表示红枣区域的灰度值，用“0”来表示非红枣区域。最小外接矩形方法的基本原理是先从上到下逐行扫描采集的红枣图像，当检测到目标轮廓时，将该检测点作为起始点，在以围绕该点的4领域或者8领域范围内沿区域边界走一圈，从而标定出该单连通区域。通过对单连通域的边界像素点位置进行排序，找到最小外接矩形的边界点。本文使用最小外接矩形方法获取特级、一级、二级、三级这四个等级的各红枣横径像素值。

2.3 红枣横径的真实值与检测的像素值的函数关系拟合

红枣横径的真实值是使用游标卡尺测得的宏观数据值，而计算机对采集的红枣图像进行处理，用最小外接矩形法得到的红枣横径值是像素值，则通过游标卡尺得到的宏观数据值和最小外接矩形法提取的像素值需要通过函数进行拟合，两者形成一一对应关系，从而确定摄像头采集的红枣图像实际标准参数对应的像素值标准。本文使用最小外接矩形法测得10个特级大小红枣、15个一级大小红枣、20个二级大小红枣、25个三级大小红枣的横径像素值和真实值如下表所示(显示部分)，用高斯方法直线拟合短轴的真实值与检测的像素值的函数。

红枣的横径真实值和像素值表

2.4 结果分析

通过拟合好的函数可以得到不同大小分级标准参数所对应的像素级分级标准参数。然后对基于机器视觉采集测量的10个特级大小红枣、15个一级大小红枣、20个二级大小红枣、25个三级大小红枣的横径像素值以此标准进行分级划分，并将其与人工划分的结果进行对比，通过对比计算得出采用机器视觉对红枣大小分级的正确率为95%，此结果能够满足红枣在线分级的要求。

结语

随着自动化技术在农业产品中的应用越来越广泛，其理论研究的方法也越来越多，从计算机视觉领域结合农业自动化技术提出了对红枣加工有促进作用的红枣自动分级的核心方法，对于红枣生产的地区有重要意义。本研究提出基于机器视觉的红枣大小分级方法研究，在此过程中使用OTSU大津法确定阈值对采集的红枣图像分割，通过最小外接矩形方法提取红枣的横径值，检测枣短轴的像素值，使用高斯法计算拟合直线，得出红枣横径的真实值与检测的像素值的对应函数关系，通过试验证明了基于机器视觉的红枣大小分级方法有较好的效果。