基于模糊聚類分析的結(jié)球甘藍(lán)等級(jí)檢測

葛成鵬 王振興 孫 紅 李民贊 李鴻強(qiáng)*

(1.河北建筑工程學(xué)院，河北 張家口 075000；2.中國農(nóng)業(yè)大學(xué)現(xiàn)代精細(xì)農(nóng)業(yè)系統(tǒng)集成研究教育部重點(diǎn)實(shí)驗(yàn)室，北京100083)

0 引 言

卷心菜，通稱“包菜”，學(xué)名“結(jié)球甘藍(lán)”，是一種常見蔬菜.結(jié)球甘藍(lán)在我國“菜籃子”中占有重要的地位，是家庭主要食用蔬菜之一.

農(nóng)業(yè)部2008年5月16日發(fā)布《結(jié)球甘藍(lán)等級(jí)規(guī)格》(NY/T 1586-2008)標(biāo)準(zhǔn)[1]，等級(jí)鑒別標(biāo)準(zhǔn)見表1.

表1 結(jié)球甘藍(lán)等級(jí)評價(jià)標(biāo)準(zhǔn)

如表1所示，結(jié)球甘藍(lán)等級(jí)主要評價(jià)指標(biāo)是葉球大小，外觀，緊實(shí)度，修正度，老幫，焦邊，側(cè)芽，機(jī)械損傷，病害，蟲害.度量值是一致，基本一致，相似；整齊，基本整齊，不整齊；有或者無；大量，少量，度量值界限模糊.

結(jié)球甘藍(lán)等級(jí)外在品質(zhì)的評價(jià)，主要依靠人工感官判斷，存在判別標(biāo)準(zhǔn)不一致、效率低、誤差大、準(zhǔn)確性低等缺點(diǎn).機(jī)器視覺技術(shù)[2]結(jié)合模式識(shí)別方法作為一種無損檢測技術(shù)，在農(nóng)產(chǎn)品等級(jí)檢測[3]方面應(yīng)用比較廣泛.胡光輝等[4]提出了一種基于機(jī)器視覺和主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)的哈密瓜成熟等級(jí)識(shí)別方法，預(yù)測準(zhǔn)確率達(dá)86.59%.童旭[5]對無瑕疵水果的顏色特征、紋理特征和形態(tài)特征包括高度特征提取后，選取通過主成分分析后保留了95%的特征的12維向量作為輸入，建立了基于粒子群優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)用于水果表面等級(jí)分類識(shí)別.Unay D[6]在多光譜圖像上，通過與莖/花萼區(qū)域的最小混淆來精確分割缺陷之后，從分割區(qū)域中提取統(tǒng)計(jì)、紋理和幾何特征，利用這些特征訓(xùn)練統(tǒng)計(jì)分類器和句法分類器對水果進(jìn)行兩類和多類分級(jí)，總準(zhǔn)確率為93.5%.

本研究，按照《結(jié)球甘藍(lán)等級(jí)規(guī)格》(NY/T 1586-2008)標(biāo)準(zhǔn)，基于機(jī)器視覺技術(shù)，對結(jié)球甘藍(lán)等級(jí)的無損檢測方法進(jìn)行研究，為結(jié)球甘藍(lán)的等級(jí)評定提供一種新的方法.

1 材料和方法

分級(jí)試驗(yàn)所用結(jié)球甘藍(lán)為圓頭結(jié)球甘藍(lán)，共計(jì)108個(gè)試驗(yàn)樣品，根據(jù)國標(biāo)，人工確定各個(gè)樣品的等級(jí)，二級(jí)、一級(jí)、特級(jí)的比例接近1:2:2.其中，80個(gè)樣品組成聚類集，用作聚類分析，另外28個(gè)樣本組成測試集，用于等級(jí)測試.

1.1 結(jié)球甘藍(lán)等級(jí)評價(jià)指標(biāo)對應(yīng)圖像特征

結(jié)球甘藍(lán)的圖像采集在白熾燈光源、背景為黑色的試驗(yàn)箱內(nèi)進(jìn)行.首次采樣時(shí)，將結(jié)球甘藍(lán)正對相機(jī)放置，調(diào)整物距和焦距，使相機(jī)采集到的圖像達(dá)到最佳效果，固定參數(shù)以便后續(xù)圖像采集，并將采集到的圖像數(shù)據(jù)保存至計(jì)算機(jī)存儲(chǔ).結(jié)球甘藍(lán)等級(jí)指標(biāo)與圖像特征對應(yīng)關(guān)系如表2所示.

表2 結(jié)球甘藍(lán)等級(jí)指標(biāo)與圖像特征對應(yīng)關(guān)系

葉球大小評價(jià)指標(biāo)，選擇面積，長軸長，短軸長，等價(jià)直徑，體積，周長形狀特征.外觀、修整度、側(cè)芽評價(jià)指標(biāo)，選擇長軸與X軸的交角，擴(kuò)展度，偏心率，平滑度形狀特征[7-14].老幫、焦邊、機(jī)械損傷、病蟲害評價(jià)指標(biāo)選擇綠色比例，色度、飽和度、亮度均值顏色特征[15-18]，幫-葉像素比，斑紋比，慣性矩，能量，同質(zhì)性紋理特征[19-24].緊實(shí)度評價(jià)指標(biāo)選擇橢圓度、圓形度.圖像中圖形的面積可用同一標(biāo)記的區(qū)域中像素的個(gè)數(shù)來表示，記作A0.圖像周長用同一標(biāo)記的區(qū)域輪廓中像素的個(gè)數(shù)來表示，記作l.長軸長是像素意義下與對象圖形具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長軸長，記作maxl，短軸長是像素意義下與對象圖形具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的短軸長，記作minl.長軸與X軸的夾角是像素意義下與對象圖形具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長軸與X軸的交角，單位為度，記作ort.擴(kuò)展度是同時(shí)在區(qū)域和其最小邊界矩形中的像素比例，記作ext，偏心率是與區(qū)域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的離心率，記作ect.等價(jià)直徑是與區(qū)域具有相同面積的圓的直徑，記作d，計(jì)算公式為:

(1)

平滑度是與區(qū)域具有相同面積的圓的周長與區(qū)域周長的比值，用來刻畫甘藍(lán)外表面的光滑程度，比值小說明甘藍(lán)表明褶皺多，比值大說明甘藍(lán)表明光滑無褶皺，記作phd.體積是像素意義下與對象圖形具有相同標(biāo)準(zhǔn)二階中心矩的橢圓和與區(qū)域具有相同面積的圓的所對應(yīng)的旋轉(zhuǎn)體的體積的平均值，記作vol，化解后的計(jì)算公式為:

(2)

綠色比例是將RGB空間圖形轉(zhuǎn)換成HSV空間圖像，分別獲得H、S、V分量圖像，求得各個(gè)個(gè)分量圖像的灰度均值，分別記作hm，sm，vm.健康的結(jié)球甘藍(lán)表面以綠色為主，有老幫、焦邊、機(jī)械損傷、病害、蟲害等損傷的結(jié)球甘藍(lán)，損傷部位的顏色表現(xiàn)為非綠色，通過計(jì)算綠色像素在圖形范圍內(nèi)的比例，反映結(jié)球甘藍(lán)外表的老幫、焦邊、機(jī)械損傷、病害、蟲害等情況，根據(jù)顏色統(tǒng)計(jì)結(jié)果，定義H分量值大于等于90且小于等于150，同時(shí)，S分量值大于等于0.2的像素和圖形其它像素和的比值，記作gr.

斑紋比是經(jīng)過紋理濾波，濾波后所得斑紋圖像如圖1所示，可以看出結(jié)球甘藍(lán)表面的斑紋，在結(jié)球甘藍(lán)圖像范圍內(nèi)，統(tǒng)計(jì)非零值的像素的個(gè)數(shù)，與整個(gè)結(jié)球甘藍(lán)圖像范圍內(nèi)像素個(gè)數(shù)求比值，記作bwb.

圖1 斑紋圖像

幫-葉像素比是對S分量圖像，經(jīng)過閾值分割，結(jié)球甘藍(lán)的幫、葉的灰度值有明顯的不同，這也符合人的實(shí)際觀察，在購買的甘藍(lán)中，甘藍(lán)的幫、葉的色調(diào)是綠色，但是飽和度不同，也就是雖然同為綠色，但是綠色的程度不一樣.幫和葉比值計(jì)算過程:經(jīng)過對S分量圖像的閾值分割，幫-葉分割處理效果如圖2所示，可以看出結(jié)球甘藍(lán)表面的幫和葉區(qū)分開來，在結(jié)球甘藍(lán)圖像范圍內(nèi)，計(jì)算零值的像素個(gè)數(shù)與整個(gè)結(jié)球甘藍(lán)圖像范圍內(nèi)像素個(gè)數(shù)的比值，記作byb.

圖2 幫-葉分割效果圖

圓形度用來描述對象形狀接近圓形的程度，記作r0，計(jì)算公式為:

(3)

橢圓度用來描述對象形狀接近橢圓的程度，記作r1計(jì)算公式為:

(4)

基于灰度共生矩陣，提取結(jié)球甘藍(lán)紋理特征參數(shù)，其中最重要的紋理特征參數(shù)有如下3個(gè):分別是慣性矩，記作Q1，能量，記作Q2，同質(zhì)性，記作Q3.公式如下:

(5)

(6)

(7)

1.2 檢測方法

1.2.1 模糊聚類方法

國標(biāo)“NY/T1586—2008結(jié)球甘藍(lán)等級(jí)規(guī)格”中依據(jù)外觀特性，將一個(gè)批次結(jié)球甘藍(lán)分為3級(jí)，是一個(gè)聚類過程，3級(jí)之間評價(jià)指標(biāo)的度量值沒有明確的界限，當(dāng)聚類涉及事物之間的模糊界限時(shí)，需運(yùn)用模糊聚類分析方法[25-29].

給定樣本的觀測數(shù)據(jù)矩陣

(8)

其中，X是n×p數(shù)據(jù)矩陣，代表n個(gè)樣本，每個(gè)樣本有p個(gè)變量.模糊聚類就是講n個(gè)樣品劃分為c類，記V={v1v2…vc}為c個(gè)聚類中心，其中Vi={Vi1Vi2…vip}(i=1,2,…,c)，在劃分中，每個(gè)樣品不是嚴(yán)格的劃分為某一類，而是以一定的隸屬度屬于某一類.

令uik表示第k個(gè)樣品xk屬于第i類的隸屬度，這里:

定義目標(biāo)函數(shù):

(9)

其中，U=(uik)c×n為隸屬度矩陣，dik=‖xk-vi‖.模糊C均值聚類法的聚類準(zhǔn)則是求U，V，使得J(U,V)取得最小值.計(jì)算步驟為:

第1步:確定類的個(gè)數(shù)c和冪指數(shù)(m>1)，用[0，1]上的均勻分布隨機(jī)數(shù)初始化隸屬度矩陣令l=1表示第1步迭代.

第2步:通過公式10計(jì)算第l步的聚類中心V(l)

(10)

第3步:修改隸屬度矩陣U(l)計(jì)算目標(biāo)函數(shù)值J(l).

(11)

(12)

第4步:通過設(shè)置隸屬度終止容限或最大迭代次數(shù)停止迭代，否則l=l+1，轉(zhuǎn)到②繼續(xù)執(zhí)行.

經(jīng)過以上步驟的迭代之后，可以求得最終的隸屬度矩陣U和聚類中心V，使得目標(biāo)函數(shù)J(U,V)的值達(dá)到最小，根據(jù)最終的隸屬度矩陣中U中元素的取值可以確定所有樣品的歸屬.

1.2.2 等級(jí)識(shí)別方法

1.2.1節(jié)可以獲得各個(gè)等級(jí)的聚類中心，計(jì)算待識(shí)別樣本到3個(gè)等級(jí)的聚類中心的歐氏距離，將待識(shí)別樣本判別為到聚類中心距離最小對應(yīng)的類別.

2 結(jié)果與分析

2.1 圖像參數(shù)分析

圖像參數(shù)共21個(gè)，對21個(gè)參數(shù)進(jìn)行相關(guān)性分析.結(jié)果見表3所示，21個(gè)參數(shù)中，圓形度和橢圓度之間最大正相關(guān)，相關(guān)系數(shù)為0.28，偏心率與同質(zhì)性之間最大負(fù)相關(guān)，負(fù)相關(guān)系數(shù)為-0.27.其他參數(shù)之間的相關(guān)系數(shù)介于-0.27到0.28，參數(shù)之間弱相關(guān)，都可以作為分析變量.

表3 參數(shù)間相關(guān)系數(shù)統(tǒng)計(jì)表

2.2 模糊聚類

模糊聚類結(jié)果，第1類有18個(gè)樣本，第2類有32個(gè)樣本，第3類有30個(gè)樣本.參數(shù)歸一化后，3類樣本的均值統(tǒng)計(jì)見表4.

表4 特征參數(shù)均值統(tǒng)計(jì)表

第1類樣本的長軸，夾角，擴(kuò)展度均值最大.第2類樣本的面積，短軸，等價(jià)直徑，周長，橢圓度，體積，能量，同質(zhì)性均值最大.第3類樣的圓形度，H分量均值，S分量均值，V分量均值，綠色像素比例，幫-葉比，慣性矩，斑紋比均值最大.從參數(shù)表現(xiàn)優(yōu)異的個(gè)數(shù)來看，第1類樣本預(yù)判為二級(jí)，第2類樣本預(yù)判為一級(jí)，第3類樣本預(yù)判為特級(jí).

老幫、焦邊、機(jī)械損傷、病害、蟲害的評價(jià)，強(qiáng)調(diào)絕對數(shù)量上的差別，評價(jià)值為絕對數(shù)量的特征有:H，S，V均值，綠色像素比，幫-葉比，慣性矩，能量，同質(zhì)性，斑紋比.3類樣本以上評價(jià)值平均值的大小關(guān)系比較復(fù)雜，如圖3所示，做雷達(dá)圖分析如下:類別3除去能量指標(biāo)，其它指標(biāo)基本都向最外層圓圈擴(kuò)展延伸，在雷達(dá)圖上覆蓋面積最大，類別2在除去慣性矩，幫葉比，綠色像素比例之外，其它指標(biāo)都比類別1的指標(biāo)更向外擴(kuò)展，雷達(dá)圖上所覆蓋面積大于類別1.

圖3 H均值等平均值雷達(dá)圖

參數(shù)歸一化后，3類樣本的標(biāo)準(zhǔn)偏差統(tǒng)計(jì)見表5.葉球大小、外觀、緊實(shí)度、修整度的評價(jià)，查看類內(nèi)樣本的一致性，類內(nèi)樣本的特征指標(biāo)(面積，長軸長，短軸長，等價(jià)直徑，體積，周長，長軸與X軸的夾角，擴(kuò)展度，偏心率，平滑度，橢圓度，圓形度)標(biāo)準(zhǔn)偏差越小越好.第1類樣本的橢圓度，圓形度，平滑度標(biāo)準(zhǔn)偏差最小，第2類樣本的長軸，等價(jià)直徑，體積，長軸與X軸的夾角標(biāo)準(zhǔn)偏差最小，第3類樣本的面積，短軸，周長，擴(kuò)展度，偏心率標(biāo)準(zhǔn)偏差最小.從參數(shù)表現(xiàn)優(yōu)異的個(gè)數(shù)來看，第1類樣本預(yù)判為二級(jí)，第2類樣本預(yù)判為一級(jí)，第3類樣本預(yù)判為特級(jí).

表5 特征參數(shù)標(biāo)準(zhǔn)偏差統(tǒng)計(jì)表

從以上3個(gè)角度分析，第1類結(jié)球甘藍(lán)是二級(jí)，第2類結(jié)球甘藍(lán)是一級(jí)，第3類結(jié)球甘藍(lán)是特級(jí).

2.3 等級(jí)識(shí)別

通過2.2節(jié)的模糊聚類，計(jì)算得到3個(gè)等級(jí)的聚類中心，中心向量見表6.

表6 各個(gè)等級(jí)中心向量

計(jì)算測試樣本到各個(gè)等級(jí)中心的歐氏距離，以距離最小判定測試樣本的等級(jí)歸屬.

測試結(jié)果見表7.特級(jí)樣品10個(gè)，一級(jí)樣品12個(gè)，二級(jí)樣品6個(gè)，測試集中各個(gè)等級(jí)樣品數(shù)量與聚類集中各個(gè)等級(jí)樣品數(shù)量占比基本一致.

表7 測試樣本等級(jí)識(shí)別結(jié)果

3 結(jié) 論

本研究根據(jù)《結(jié)球甘藍(lán)等級(jí)規(guī)格》(NY/T 1586-2008)標(biāo)準(zhǔn)中結(jié)球甘藍(lán)等級(jí)的判別依據(jù)，提出了基于機(jī)器視覺結(jié)合模糊聚類分析的等級(jí)判別方法，用于結(jié)球甘藍(lán)等級(jí)檢測，結(jié)論如下.

結(jié)球甘藍(lán)等級(jí)劃分標(biāo)準(zhǔn)中共有9個(gè)等級(jí)評價(jià)指標(biāo)，本文確定了包括形狀、顏色、紋理21個(gè)圖像特征參數(shù)表示，參數(shù)間的相關(guān)系數(shù)介于-0.27～0.28，21個(gè)圖像特征參數(shù)之間弱相關(guān)，可以作為評價(jià)指標(biāo)的替代表示.

等級(jí)評價(jià)指標(biāo)的度量值均為定量描述，度量值界限模糊，根據(jù)聚類原則，選用模糊聚類方法進(jìn)行聚類分析，將結(jié)球甘藍(lán)聚類集樣本劃分為3類.分析3類樣本圖像特征參數(shù)的均值和標(biāo)準(zhǔn)偏差，根據(jù)各個(gè)類別中圖像特征參數(shù)的均值和標(biāo)準(zhǔn)偏差表現(xiàn)優(yōu)異的個(gè)數(shù)，確定了3個(gè)聚類類別與3個(gè)等級(jí)的對應(yīng)關(guān)系.

通過計(jì)算待測結(jié)球甘藍(lán)樣本與聚類集中各個(gè)等級(jí)中心的歐氏距離，以距離最小確定待測樣品的等級(jí)歸屬，聚類結(jié)果和測試結(jié)果與根據(jù)國標(biāo)方法的分級(jí)結(jié)果一致.