食品表面质量的视觉检测方法研究

朱铮涛，余雄益，张延杰

（1.广东工业大学信息工程学院，广东广州510006；2.咀香园健康食品（中山）有限公司，广东中山528436）

食品表面质量的视觉检测方法研究

朱铮涛1，余雄益1，张延杰2

（1.广东工业大学信息工程学院，广东广州510006；2.咀香园健康食品（中山）有限公司，广东中山528436）

根据食品表面质量的检测要求，提出了利用视觉检测技术实现食品表面色泽、单元完整性、表面花纹清晰性及露馅等项目的检测，把图像的灰度均值、斑点面积和局部阈值分割结果等作为图像特征，实现各项目客观、定量、准确和快速的检测。

视觉检测，食品，表面质量，色泽，完整性，花纹

食品的外观形态和色泽对于评价食品的新鲜程度、食品是否有不良改变等有着重要意义。传统的食品质量判别依赖于人体器官，要求鉴定人员必须具有健康的体质、健全的精神素质，无不良嗜好、偏食和变态性反应，而且自身感觉器官必须机能良好，对色、香、味、形有较强的分辨力和较高的灵敏度。对于非食品专业人员，还要求对所鉴别的食品有一般性的了解，即对其色、香、味、形有常识性的知识和经验。这种传统的检测方法，依赖于人的主观判别，且只能给出定性的数据，而一些理化和微生物检验方法可以给出定量的检测数据，但实现起来价格昂贵。随着计算机技术与图像处理技术的发展与普及，已经有许多学者尝试将视觉检测技术应用于传统的食品行业，替代人体感官对食品表面色泽、食品外观形状大小以及食品表面花纹清晰性等检测项目进行客观的评价。文献[1]利用发酵后溶液图像的颜色分量，经训练好的BP神经网络计算大肠杆菌的数目；文献[2]论述了国内外计算机视觉检测技术在食品物流中的应用和发展情况；文献[3]综述了国内外农产品和食品检测中计算机视觉技术的应用研究和发展情况；文献[4]研究自动生产线上利用视觉检测系统实现包装的质量检测。其他应用的例子还很多，但用视觉技术实现食品表面质量检测的研究案例未见有详细报道。针对烘烤食品表面质量检测要求，本文从食品表面的色泽、个体单元的完整性以及表面花纹清晰性三个方面，探求各项目利用视觉检测的方法、图像的特征表示以及这些特征的提取方法。研究结果表明，利用视觉检测技术，可以在传统食品行业产品最终检测过程中替代人眼感官进行相应项目的质量检测。

1 食品表面质量的感官检测

好的食品表面质量，可以勾起人的食欲，而视觉所能感觉到的色与形，与人的食欲具有很大的关系。视觉能检测的食品质量，包括了食品表面的色泽、食品单元的完整性和利用单元形状进行的分类、食品表面图案的清晰性等。

食品的色泽是食品的颜色和光泽的总称，是食品被光照射时所反射的色光（未被食品吸收和透过的光）的混合色。食品的色泽可以反映食品的新鲜程度，又与食品的风味有关。对于烘烤食品来说，食品的配方及烘烤工艺过程会影响表面的色泽，合适的烘烤过程，将使加工食品外形丰满，形状整齐，色泽黄亮，内部松脆。而色泽的深浅，传统方法是依赖于人的眼睛去定性判别，例如色泽深、色泽浅等，但这种定性的分析对于相近的色泽一般难以区别，或者区别的结果会因人而异。

食品的形状及个体单元的完整性检测，可以用来对食品进行分类或对单元食品进行破损检测。不同的食品具有不同的形状，有时需要根据形状对食品进行分类，而食品在最后包装工序前，需要进行完整性检测，防止破损不完整的个体单元进入到下道工序或者进入到包装环节。

不同的食品表面常常有不同的花纹，花纹清晰性判别也是食品表面质量检测的重要环节。对于有馅的食品，要求花纹清晰之外还要求表面不露馅。人工判别是否出现露馅以及判别花纹清晰与否，比较简单，但对于视觉检测来说，难度就较大，特别是花纹的清晰性判别。

2 食品表面质量的图像检测方法

基于图像的食品表面质量检测，利用摄像头获取被测表面的图像，通过图像预处理，图像分割、图像特征提取等一系列操作，给出相应检测项目的图像评判方法。

2.1 食品表面色泽检测的图像特征

图1是某烘烤食品由人工检测分类得到的不同批次食品，经过黑白相机拍摄得到的灰度图像。由图分析可知，不同色泽批次的食品图像具有不同的整体灰度特征，色泽浅对应灰度值大，色泽深，对应灰度值小。因此，可以根据食品区域的灰度值大小进行烘烤食品表面的色泽分类。

图1 不同色泽批次烘烤食品的图像Fig.1 Pictures of different batch of baked foods

设f（x，y）为待处理的食品图像，U为食品单元所在区域，F为图像分割阈值，Count为满足条件的像素个数。

则食品区域灰度均值、一定灰度值下的像素灰度均值以及某个像素值下像素个数等图像特征可以由式（1）～式（3）计算得到：

色泽深浅与式（1）、式（2）计算结果的关系是：色泽越浅，其值越大；色泽深浅与式（3）计算结果的关系是：色泽越浅，其值越小。

2.2 食品单元完整性和形状判别

对于某些烘烤食品，食品单元凹陷的部分色泽较浅，凸起部分的色泽较深，普通的全局阈值图像分割，色泽较浅部分可能会划为背景，食品中的黑色区域被作为前景。根据形态学算子对噪声和孔洞处理的特点，对阈值处理之后的图像依次采用形态学开闭操作，结合斑点分析中的面积特征，可以完整地提取食品单元区域。

膨胀和腐蚀是数学形态学中最基本的操作，膨胀可以使目标扩张，孔洞收缩，而腐蚀的作用正好相反，膨胀与腐蚀的级联操作，可以形成不同的形态学算子，先腐蚀后膨胀的开运算，使目标轮廓光滑，并去掉毛刺、孤立点和锐化角；先膨胀后腐蚀的闭运算则填平小沟、弥合孔洞和裂缝。

图2中最后得到的白色区域，就是原来食品所在区域。该区域在数字图像处理中被称为一个斑点，其面积可以作为食品单元完整性的判别依据。当斑点面积小于设定值的时候，可以判断该食品单元存在破损现象。图2是提取食品区域各阶段的处理结果图，从上到下，依次是原始图像、图像取反、全局二值化及数学形态学的开闭操作处理的结果。

图2 本文算法提取的食品区域Fig.2 Areas of foods using algorithm in this text

所用公式依次为式（4）～式（6）：

斑点是具有相同图像特征且彼此具有连通关系的图像区域。图2中的白色区域即是一个斑点。描述斑点形状特征的主要参数是：长短轴的比例、致密度、粗糙度系数（周长/凸外壳周长之比）、长条形斑点的长、宽及长宽比。利用斑点中的形状特征可以分类具有不同形状的食品，例如圆形、长方形等食品。

2.3 食品表面花纹清晰性判别

几乎每个食品表面均有花纹图案，如图1所示，花纹可能代表某个企业的某种产品。食品表面的图案是否清晰，长期以来依赖于人工判别。鉴于花纹图案的高频特性，视觉方法分析的时候，将其转化为表面花纹的边缘检测。对于同一种表面清晰的食品，成像后的表面应该有数量接近的边缘信息。但烘烤后食品表面的不均匀性，采用单一的全局阈值进行图像分割，不能很好地提取由花纹引起的边缘。

对于烘烤前表面涂上蛋清等的食品，烘烤后表面会泛起金黄色的色泽，但其表面色泽一般不具有均匀特性，为此，我们采用局部阈值法来提取表面图案的轮廓线。

假设图像用f（x，y）表示，取当前像素（x，y）的一个3×3邻域，计算该邻域的像素均值m（x，y），当f（x，y）≤m（x，y）-6时，取g（x，y）=0，否则取g（x，y）=255。则对于图1所示不同色泽月饼提取的图案边缘图像见图3。代表花纹边缘的黑像素数目见表1，由表1数据分析可知，具有同样花纹和清晰图案的烘烤食品，图像处理之后其黑色像素数目在一定的取值范围，也即根据黑色像素的数目可以进行表面花纹清晰性的判别。

图3 提取食品区域的边缘Fig.3 The edge of food areas

表1 利用局部阈值提取食品的边缘像素数Table 1 The edge pexels of foods using local threshold value

对于烘烤后表面没有色泽变化的食品，利用同样的局部阈值处理进行图像分割不能很好地提取花纹边缘。图4所示的食品，（a）和（b）分别是合格表面和露馅表面的图像，局部阈值处理的结果见图4（c）和（d），图中的黑像素个数分别为37501、37003，从数字来看，合格单元和露馅单元的黑像素个数差别非常小；改变局部阈值处理中所用的阈值，同样的图片处理结果见图4（e）、（f），里面的黑像素个数分别为7832和8465。

由于花纹表面和底面的高度区别不大，没有色泽变化，因此，花纹边缘形成的灰度差非常小，采用局部阈值处理不能提取图案的边缘，因而无法判别表面图案花纹的清晰性。

露馅是指食品中的馅料露出在表面的现象，这种现象可以利用馅料与食品表面的不同灰度特征加以区别。对于图4（b）所示食品的露馅检测，可以在全局二值化处理之后，再进行图像分割或者斑点分析计算黑像素的面积，判别是否有露馅。原始图像同图4（a）、（b），图5（a）、（c）为对应的全局阈值分割结果。明显地看到露出的杏仁区域存在一个比较大的黑色区域。全局二值化处理之后，再用数学形态学腐蚀与膨胀级联操作，消除食品区域外围边缘和里面的噪声，结果见图5（b）、（d），其中的黑像素数量分别为0和27006，根据预先设定的阈值，就可以判别是否存在露馅现象。

图4 无色泽变化食品的图像局部处理的结果Fig.4 Results of pictures local treatment of foods that no change of color

3 结论

利用CCD获取被检测食品单元的图片，可以完成食品表面质量的定量评判。研究结果表明，利用视觉检测技术可以实现诸如表面色泽、个体单元完整性、表面花纹清晰以及露馅的判别，检测结果可以作为分类或者反馈控制烘烤过程的依据，研究方法可以推广应用到类似的食品、医药等行业。

[1]殷涌光，丁筠.基于计算机视觉的食品中大肠杆菌快速定量检测[J].吉林大学学报：工学版，2009，39（2）：344-348.

[2]林朝朋，许晓春.计算机视觉检测技术在食品物流中的应用与展望[J].食品科学，2006，27（11）：543-547.

[3]吴雪.计算机视觉技术在农产品和食品检测中的应用[J].食品研究与开发，2002，23（2）：76-77.

[4]王健.食品包装机器视觉检测系统[J].中国食品工业，2000（11）：36-39.

Study on food surface quality inspection using vision method

ZHU Zheng-tao1，YU Xiong-yi1，ZHANG Yan-jie2
（1.Guangdong University of Technology，Guangzhou 510006，China；2.Ju Xiang Yuan Health Food（Zhongshan）Co.Ltd.，Zhongshan 528436，China）

Aiming to the request of food surface quality inspection，the method of using vision was presented to inspect the food surface color and luster，the unit completeness and the distincting of surface pattern.The image character including image gray mean value，blob area and local thresholded segmeantation were used to realize the inspection of objectivity，quota and accurate.

vision inspection；food；surface quality；color and luster；completeness；pattern

TS207.3

A

1002-0306（2012）01-0332-03

2010－12－24

朱铮涛（1967-），博士，副教授，主要从事计算机视觉检测等方面研究。

广东省部产学研项目经费资助（2009B090300439）。