番茄成熟度检测系统研究

郑雯轩

摘 要：中国是一个农业大国，人们对食品的需求越来越多，而且对食品的品质要求也越来越高。番茄是深受人们喜爱的果蔬，我国番茄的种植量很大，但在采摘过程中存在一定问题。传统采摘用人工和简单仪器判断其成熟度或等级，会造成判断不准采摘时间误差，或是用仪器测定，会损伤番茄，存在很多弊端。我们尝试用基于图像处理的途径，对获取的图像进行中值滤波法去噪预处理和由RGB到HIS颜色空间转化分割预处理，来获取各种精细度较高的图像，从而对番茄的成熟度从颜色、大小、果形三方面进行精细等级分类及判断，让果农利用我们的系统，根据不同的需求及时采摘，不仅减少浪费，同时大大提高了劳动效率。

关键词：去噪;中值滤波;图像分割;HIS颜色空间;圆形度法

中图分类号：TB     文献标识码：A      doi：10.19311/j.cnki.1672-3198.2019.10.087

1 引言

1.1 設计番茄成熟度检测系统的重要性

近年来，随着我国农业结构的不断调整 ，果蔬以越来越重要的姿态走进人们的视野，产量也日益增加。尤其是番茄，有关数据显示，世界上每年番茄的种植面积可达300万公顷，产量高达6000万吨，中国的番茄产量亦是以同样态势发展。然而，这中间也逐步暴露出一些问题：在大规模番茄种植中，采摘者可能由于经验不足，无法准确判断番茄是否成熟;有时购买商因为用途不同，需要不同成熟度的番茄，采摘者对此更是难以把握……种种原因对果农造成很大的困扰：采摘时间若太迟，会耽误最佳采摘时间，甚至有可能太熟了烂在果树上;若太早，因为达不到一定的成熟度而无法销售。不管哪种情况，都对果农造成了巨大的经济损失。不管是食品加工还是远距离输送和保存，保持番茄的品质首当其冲，准确判断成熟度，并准确确定采摘时间显得尤为重要，因此，我们为果农们设计出了番茄成熟度检测系统，让这种系统用于检测树上每一个番茄的成熟度，以期获得最佳采摘时间，进行选择性收获，既保持了产品的质量，减少浪费，又使果实在树上就完成了等级分类。

1.2 番茄成熟度检测的现状与弊端

番茄成熟度的检测一直有受到人们的重视，总的来说有两种方法：

第一种方法是传统人工判断法：番茄成熟度常根据果皮颜色来判断，按其色泽的变化，番茄的成熟度可分为绿熟期、微熟期、半熟期、坚熟期、完熟期和过熟期几个阶段。目前，传统农业中，水果成熟度的检测主要靠人工进行：一看，二闻，三捏。

第二种方法是仪器化检测：如近红外高光谱检测：首先进行不同生长阶段西红柿高光谱图像的采集，其次对图像进行预处理，包括平滑处理、变量标准化、多元散射校正、导数处理等，通过主成分分析法对光谱数据进行降维，然后利用支持向量机建立西红柿成熟度光谱曲线的多元回归模型，最后比较不同模型的回归预测效果。但是该仪器成本均较高。

1.3 本产品的创新点

本系统不同于传统的检测方法，采用仪器数字化方法，通过对未采摘前的不同番茄采集的图像进行去噪、图像分割的预处理，然后通过番茄的颜色、大小、形状特征，对不同的番茄进行精细分级。果农去采摘前，利用该仪器，可以快速准确判断番茄的成熟度，以准确确定采摘时间，这样可以大大减少了不必要的浪费，提高了经济效益。数字化番茄成熟度的检测，已成未来农业发展的必然趋势。

2 番茄成熟度检测系统介绍

2.1 图像采集与检测

本系统使用的图像采集摄像头是PXW-X280型号。PXW-X280型号是索尼应用于摄像机的一种摄像头的型号。该型号能合成极其高清的图片，并对光照强度有极高的辨识度，基于此特质，这款型号摄像头及为合适地适应了番茄照片的采取和识别要求，使其不受光照等因素限制，且能使果农及时查看番茄生长状况，本系统及时分析处理所取照片。

2.2 图像预处理

采集的原始图像由于光线、曝光的不均匀、电子器件的误差等因素会使我们感兴趣的信息因为携带有随机噪声等无用信息受到各种干扰，因此要先进行预处理除去各种因素，使对比结果等价准确，从而达到提高图像的质量的目的。对于番茄的图像，我们主要采用了图像去噪和图像分割。

2.2.1 番茄图像的去噪

由于天气等原因可能使得果实光照不均匀，在获取的图像中会出现阴影，这种情况一定会影响对果实成熟度的判断，因此，对图像中的干扰因素进行去噪处理有重要意义。常见噪声主要有高斯噪声和椒盐噪声等，对图像去噪处理主要有均值滤波算法和中值滤波算法。

均值滤波也称为线性滤波，其采用的主要方法为邻域平均法，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y）在获取的图像中，作为处理后图像在该点上的灰度。这种算法简单，处理速度快，但它在降低噪声的同时会使图像产生模糊。而且邻域越大，在去噪能力增强的同时模糊程度越严重。

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。此法将某个像素邻域中的像素按灰度值进行排序，最常用的是采用一个3x3窗口的滤波器模板，将9个像素值作为待排序的数值，按照从大到小的排列，取第5个数值作为该一区域的像素值，让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点。利用中值滤波算法可以很好地对图像进行平滑处理，这种方法很适合对番茄的图像去噪。因此，我们采用的是中值滤波法。

2.2.2 番茄图像的分割

图像分割是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。番茄图像主要识别的是番茄的颜色，在图像分割时以颜色空间作为标准，传统的最常用的是RGB空间，即红色（Red）、黄色（Green）、蓝色（Blue）三种颜色混合，但是，这三种颜色分量都和亮度有关，图像中番茄的颜色会受到光线的影响。

为了得到更符合人眼视觉特点的表示方法，我们采用HIS颜色空间，我们把摄像机拍摄的原始彩色图像RGB模型转换为HIs模型，它反映了人的视觉系统感知彩色的方式。其中， H表示色调，S表示饱和度，I表示强度或亮度， 色调H（Hue）用颜色的波长表示，能体现人的感觉器官对不同颜色的感受。饱和度s（Saturation）用颜色的深浅程度表示，饱和度越大，颜色看起来就会越鲜艳。其参数是色环的原点（圆心）到彩色点的半径的长度。I（Intens畸）：表示强度或亮度，即对应成像亮度和图像灰度，表示颜色的明亮程度。我们用推导法，公式如下：

影响S分量的光源和光照强度都不变，S分量值是不变的，对番茄颜色的识别只需考虑H分量就可以，比直接用RGB彩色模型做番茄颜色识别减少了三分之二的工作量，大大提高了处理速度。

2.3 番茄成熟度等级的确定

本文根据番茄的特征进行番茄的自动识别，并判别番茄的成熟等级。第一是番茄的颜色特征，可以通过番茄外观的颜色来判断番茄成熟度;第二是番茄的大小，有利于番茄分类挑拣;第三是番茄果型分析，圆润的番茄等级更高。

2.3.1 番茄颜色判定

通过图像分割中颜色空间转换的公式，可以分别计算出H、S、V的值，并通过查阅资料和实验发现：H值区间为11到25，S值区间为43到255，V值区间为46到255的点称为橙色点，H值区间为0到10或156到180，S值区间为43到255，V值区间为46到255的点称为鲜红色点，H值区间为78到99，S值区间为43到255，V值区间为46到255的点称为青色点。并通过大数据分析对所有番茄颜色进行统计并排名，鲜红>95%且青色<3%的番茄分类为超优，95%>鲜红>90%且青色<5%的番茄分类为优，90%>鲜红>85%且青色<10%的番茄分类为良，橙色>50%的认为是未成熟。

2.3.2 番茄大小分级

通过描述番茄大小来反映番茄的特征量，而半径正能直观、准确地反映番茄的周长及面积，不过能清楚分辨出番茄和背景才能达到更好的效果。

对于周长求取，为了提高准确度，我们可以采用8联通计算，即奇数链码长度为√2，偶数链码长度为1，则周长可以表示为C=N+√2N。

对于面积求取，可以表示为像素点的总和，所以根据Green（格林）定理，在x-y平面上的封闭曲线包围的面积可表示为：

然后，由于番茄可近似看成球形，等效半径可通过面积和周长求得，根据圆半径和周长的关系

虽然番茄不可能是纯圆，但是可以此为依据确定番茄的大小，并进行大小分级，分级依据同番茄颜色的分类同理，通过番茄样本统计分析，分级标准为：直径大于7cm的为大番茄，直径在5-7cm之间的为中等大小的番茄，直径小于5cm的为小番茄。

2.3.3 番茄果形分级

若把番茄近似为椭球形，其果形可用最大纵径L1与最大横径L2之比表示，令圆形度为e。

e= L1/L2

求得e越接近1，表示番茄越圆，外观等级越高。

NY/T 940-2006标准为国家规定番茄外观等级分级标准，规定如表1。

等级要求

特级外观一致，果形圆润无筋角（具棱品种除外）：成熟适度、一致;色泽均匀;表皮光滑;果腔充实，果实坚实，富有弹性，无损伤，无裂口，无疤痕

一级外观基本一致，果形基本圆润，稍有变形;已成熟或欠成熟;成熟度基本一致，色泽较均匀;表皮有轻微的缺陷，果腔充实，果实坚实，富有弹性，无损伤，无裂口，无疤痕

二级外观基本一致，果形基本圆润，稍有变形;稍欠成熟或稍过熟;色泽较均匀;果腔基本充实，果实较坚实，弹性稍差，有轻微损伤，无裂口，果皮有轻微的无疤痕，但果实商品性未受影响

2.4 实验验证

本系统进行了实验结果的验证，在果园中选取6组形态各异的样本，通过图像处理对实验进行验证，如下图所示，经过图像处理之后，背景和叶子部分已完全去除，可有效对番茄的大小以及果型进行检测识别，实现本文的番茄成熟度检测。

图1 实验验证

3 可实现的功能

该系统在果农大面积采摘或是普通民众小面积采摘，都有一定的实用性和可操作性。

第一，减少浪费。传统情况下，番茄原始产出最后到消费者购买消费，每一个环节都存在巨大的、不可忽视的浪费，本系统可通过对番茄成熟度分级帮助人们及时、准确做出判断。可实现利用率大大提高，浪费减少的功能。

第二，利润最大化。不同成熟度的番茄可用于不同类型的食品加工，比如不同甜度的番茄酱可以利用不同甜度的番茄制作，从这一角度，该技术能准确分辨出成熟度，便于果农分拣，准时采摘，达到利润最大化的目的。

第三，提高劳动率。机器操作较人工操作而言有较高的准确性，机器操作可以减少由肉眼判断造成的失误，还可以及时提醒果农进行采摘，提高了农业活动的劳动率，即以更少的人做更多的事。大大解放了劳动力。

4 结语

番茄成熟度检测系统，经过中值滤波、颜色空间的转化等数字化处理，将番茄的图像信息轉化为文字等级信息，可帮助人们快速判定其成熟度，给我们的采摘提供了很大的便利，但是，由于自己知识水平有限，本系统还有很大的改善空间，如图像的预处理中仅用中值滤波不能完全排除条件干扰，成熟度等级的确定还可以加上果形的刚面等等，期待进入大学后能有更多的研究空间。在物质生活快速发展的今天，农业的数字化越来越成为人们日常生活的需求。希望番茄成熟度检测的方面可以引起更多关注，利用图像处理技术提高农产品利用率的应用技术还方兴未艾。

参考文献

[1]蔡宇翔.基于机器视觉的番茄品质检测和分级方法研究[D].中山：中山大学，2010.

[2]王红珠，崔永杰，西杨凌.基于计算机视觉的番茄颜色检测研究[D].杨凌：西北农林科技大学，2016.

[3]董坦坦.成熟番茄的图像识别及其位姿的获取研究[D].南京：南京农业大学，2009.

[4]杨国彬.利用计算机视觉对自然场景下的成熟西红柿进行识别[D].镇江：江苏大学，2003.

[5]伊建军.基于颜色差异的果实自动识别方法与双目定位技术研究[D].镇江：江苏大学，2006.