一种基于Android手机的蔬菜叶片新鲜度检测装置及方法
【专利摘要】本发明公开了一种基于Android手机的蔬菜叶片新鲜度检测装置及方法，包括不透光的外壳，外壳内部设有透明的载物台和LED灯，载物台边缘固定在所述外壳内壁上，所述LED灯对称地设置在所述载物台的上方和下方、且固定在所述外壳内壁上；外壳的顶面能够打开；所述外壳顶面上设有拍摄孔和固定装置；所述固定装置能够固定手机，所述手机摄像头与所述拍摄孔对准；手机通过安装APP实现蔬菜叶片新鲜度检测。将蔬菜放到载物台上，通过手机APP采集到蔬菜图像后进行灰度化、去噪和分割处理，然后提取特征并代入水分预测模型，进而得出蔬菜含水率，判断新鲜度。本发明可以使用户随时随地对蔬菜叶片新鲜度进行判断，操作简单，方便快捷，实时性强,可以普及到每一位Android用户。
【专利说明】
一种基于And ro i d手机的蔬菜叶片新鲜度检测装置及方法
技术领域
[0001]本发明涉及的是一种图像处理领域的技术，具体是一种基于Android手机的蔬菜 叶片新鲜度检测装置及方法。
【背景技术】
[0002] 新鲜蔬菜叶片含有大量叶绿素和水分，能够进行正常的新陈代谢。但随着叶片水 分的缺失，细胞各项生命活动停滞，叶片就会变黄，萎蔫，干枯。因而水分含量是判别蔬菜新 鲜度的重要标志，为了较准确地判断采摘后的蔬菜叶片是否新鲜。目前，已有大量国内外学 者利用图像处理技术对叶片水分开展了深入研究，但采集与处理设备大多基于数码相机和 计算机，缺乏便携性和实时性，难于实际推广。近几年来智能手机已经普及至千家万户，采 用Android手机进行蔬菜叶片新鲜度检测，方便快捷，实时性强，为蔬菜新鲜度的高效诊断 提供了新的解决方法和途径。
[0003] 现有的检测植物叶片水分的方法主要集中在光谱法和图像法，孙俊等利用高光谱 图像技术对生菜叶片水分含量进行预测研究；毛罕平等利用偏最小二乘-人工神经网络回 归分析法建立了叶片干基含水率的定量分析模型;戴之祥利用水稻植株可见光图像颜色的 差异性检测水稻植株的含水率;高洪燕利用偏最小二乘-神经网络回归建立了番茄冠气温 差模型和水分胁迫指数模型。然而这些方法在采集图像时基本采用光谱仪或数码相机，最 终需要在PC平台上进行图像处理，缺乏便携性，实时性较差，很难实际推广。
[0004] 随着社会和科学技术的不断发展，科学技术各领域都朝着智能、便携、良好用户交 互、快速响应能力的方向发展。移动智能设备具有更好的便携性和更广泛的普及性，不但完 全具备运行植物叶片含水率检测系统所需的软硬件条件，而且可以随时随地进行检测。自 2007年Google宣布基于Linux平台的开源移动手机平台--Android诞生以来，Android系 统迅猛发展，2013年5月16日，在1/0大会上，谷歌推出了新的Android开发环境--Android studio，取代传统的Eclipse用于Android开发，这就意味着Android studio将成为一种趋 势。截止2015年，Android系统用户总数已达到14亿。
【发明内容】
[0005] 本发明针对上述现有技术存在的不足，提出一种基于Android手机的蔬菜叶片新 鲜度检测系统及检测方法。采用如下技术方案：
[0006] 一种基于Android手机的蔬菜叶片新鲜度检测装置，包括不透光的外壳;所述外壳 内部设有透明的载物台和LED灯，所述载物台边缘固定在所述外壳内壁上，所述LED灯设置 在所述载物台的上方和下方、且固定在所述外壳内壁上;所述外壳的顶面能够打开;所述外 壳顶面上设有拍摄孔和固定装置;所述固定装置能够固定手机，所述手机摄像头与所述拍 摄孔对准;所述手机通过安装APP实现蔬菜叶片新鲜度检测。
[0007] 进一步优选，所述载物台中心位置上设有叶片摆放框;在所述外壳顶面闭合时，所 述拍摄孔正对所述叶片摆放框。
[0008] 进一步优选，所述载物台平面与所述外壳的顶面和底面平行。
[0009] 进一步优选，所述LED灯的个数为4个、并且关于所述叶片摆放框呈中心对称布置。
[0010] 进一步优选，所述固定装置包括固定在所述外壳顶面的长方块以及通过推动杆与 所述长方块两侧相连的夹块;所述推动杆一端与所述夹块固定，所述推动杆另一端能够在 所述长方块内部做伸缩运动。
[0011] 进一步优选，所述外壳上还设有开关和把手，所述开关用于控制所述LED灯，所述 把手位于外壳顶面。
[0012] 基于上述检测装置，本发明还提出了一种基于Android手机的蔬菜叶片新鲜度检 测方法，在Android手机安装APP，通过APP实现蔬菜叶片新鲜度的自动检测，具体包括如下 步骤：
[0013] 步骤1，图像获取:利用所述检测装置获取蔬菜叶片图像；
[0014] 步骤2,图像处理:利用APP的图像处理程序对蔬菜叶片图像进行灰度化、去噪、分 割处理；
[0015] 步骤3,特征提取:采用灰度共生矩阵对处理后的蔬菜图像提取特征，所述特征包 括能量、灰度均值、相关性、惯性、灰度熵、逆差距、灰度均方差；
[0016] 步骤4，数据分析:采用多元线性回归方法建立含水率与所述特征之间的预测模型 y = C+aixi+a2X2+a3X3+."+anXn，其中n = 7，xi，X2，."Xn表不特征值，ai，a2，."an表不系数，C表不 常数项;利用所述预测模型计算出蔬菜叶片含水率，进而判断蔬菜的新鲜度。
[0017] 进一步，所述步骤1的具体实现包括如下：
[0018] 步骤1.1，打开外壳的顶面盖子，将待测蔬菜叶片放在叶片摆放框上，将手机固定 在固定装置上并且使手机摄像头对准外壳顶面的拍摄孔，盖好顶面盖子使整个外壳密闭；
[0019] 步骤1.2，打开开关，点亮LED灯;操作手机APP，自动调用手机摄像头拍照，并将图 像显示在手机屏幕上。
[0020] 进一步，所述步骤2中所述灰度化采用加权平均值法，Gray = R*0.30+G*0.59+B* 〇. 11;所述去噪采用领域均值滤波法，创建imageSmooth()方法、利用滤波窗口 SmoothTemp ={{0，1，0}，{1，0，1}，{0，1，0}}取图像中每个像素的邻域，以邻域中所有像素的灰度均值 作为该点的灰度，实现图像平滑去噪；所述分割采用快速迭代的二维OTSU方法，在 thr esho I d_type 中使用参数 CV_THRESH_0TSU 〇
[0021] 进一步，所述步骤4还包括:将所述预测模型的系数ai，a2,~an事先通过实验标定 出来，进行建模，具体包括：
[0022]步骤4.1，将新鲜刚采摘下来的若干蔬菜叶片放入保鲜袋中，每一个叶片单独使用 一个保鲜袋存放，带回实验室；
[0023]步骤4.2,利用高精度天平称出每一个叶片的鲜重，并一一记录下来，利用所述检 测装置获取叶片图像并对图像处理、提取特征信息；
[0024]步骤4.3,每隔6个小时称一次叶片的重量、拍照获取图像，对图像处理并提取特征 信息，其他时间，叶片在常温室内环境下蒸发；
[0025]步骤4.4,重复上述步骤4.3,直到叶片明显枯黄不能食用时，将叶片放入烘箱中烘 干，直至叶片水分不再减少，称取叶片干重；
[0026] 步骤4.5,利用叶片湿基含水率计算公式得到叶片含水率值，结合步骤4.2至步骤 4.3提取的图像特征信息，代入预测模型求出系数 [0027]本发明的有益效果：
[0028] 1、本发明可以使用户随时随地对蔬菜叶片新鲜度进行判断，使用时只需将待测叶 片放在叶片摆放框上，盖上盖子，然后通过手机APP的按钮就能获得叶片含水率信息。操作 简单，方便快捷，实时性强，可以普及到每一位Andro i d用户。
[0029] 2、装置的外壳采用不透光的封闭式结构，能够完全屏蔽外界光源的干扰。
[0030] 3、通过对称布置的四个LED和透明的载物台，为图像拍摄提供稳定均匀的光源环 境。
【附图说明】
[0031 ]图1为本发明的拍摄装置示意图；
[0032]图2为本发明的拍摄装置翻盖后示意图；
[0033]图3为本发明的拍摄装置俯视图；
[0034]图4为本发明的手机固定架示意图；
[0035]图5为本发明的软件框架示意图；
[0036]图6为本发明的系统流程图；
[0037]图7为本发明的建模流程图；
[0038]图8是拍摄孔的结构图。
[0039] 图中标记：
[0040] 1-外壳，2-把手，3-LED，4-拍摄孔，5-夹块，6-长方块，7-推动杆，8-载物台，9-叶片 摆放框，10-开关。
【具体实施方式】
[0041 ]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明，但本发明的实施方式并不局限于此。
[0042]如图1、图2所示，本发明的基于Android手机的蔬菜叶片新鲜度检测装置，该装置 主要由以下部件组成，下面对这些部件详细说明：
[0043] 长方体外壳1:所述外壳1采用不透光的封闭式结构，能够完全屏蔽外界光源的干 扰，严格控制拍摄出来的图像，起到统一光源环境的作用。
[0044] 外壳的顶面上盖是可以打开的，顶面上设有把手2、拍摄孔4和固定装置，拉动把手 2可以很方便的打开顶面上盖;如图4所示，所述固定装置包括:长方块6以及通过推动杆7与 所述长方块6两侧相连的夹块5;所述推动杆7-端与所述夹块5固定，所述推动杆7另一端能 够在所述长方块6内部做伸缩运动;长方块6采用超薄材质做成，这样可以忽略厚度对手机 拍摄时的影响，所述长方块6、所述夹块5以及所述推动杆7是一体化装置，将长方块6固定在 外壳1顶面上;手机被固定在所述固定装置时，保证手机摄像头对准所述拍摄孔4;拍摄孔4 是用来固定手机摄像头位置的，为了使手机拍摄时不受材质厚度的影响，拍摄孔4的内孔略 大于外孔(所述内孔是对准载物台的，所述外孔是对准手机摄像头的，如图8所示），由于不 同手机摄像头位置一般不同，在拍摄前需要先将手机摄像头对准拍摄孔4,这样才能保证拍 摄出来的图像角度一致。
[0045]外壳内部设有载物台8,所述载物台8边缘固定在所述外壳内壁上，所述载物台平 面与所述外壳1的顶面和底面平行，所述载物台8中心位置上设有叶片摆放框9，在所述外壳 顶面闭合时，所述拍摄孔4正对所述叶片摆放框9的中心；如图3所示。设计叶片摆放框能够 保证拍摄图像时摄像头正对叶片图像，放置叶片样本时只需打开外壳的顶面上盖，将样本 平整地放置在叶片摆放框13中，操作简单方便。
[0046]外壳内部还设有LED发光二极管，共四个，四个LED发光二极管两两相互对齐，成立 方形摆放，并且关于所述叶片摆放框呈中心对称布置;所述LED3为图像拍摄提供稳定均匀 的光源环境。LED发光二极管具有体积小、工作电压低、工作电流小、发光均匀稳定、响应速 度快、寿命长等优点，而且可采用蓄电池供电，因而本发明采用LED发光二极管作为图像拍 摄光源。
[0047]所述载物台8为透明的，这样可以不影响LED光源的照射。
[0048]外壳的外部壳体上设有开关10,所述开关10是用来控制LED发光二极管的。
[0049]本发明的检测装置还包括安装有APP程序的Android手机，通过APP程序来实现蔬 菜叶片新鲜度的自动检测。通用An droid开发环境的搭建:在Windows操作系统下建立Java JDK+Android SDK+Android studio的通用开发环境，取代传统的Eclipse，米用Android Studio用于Android开发。在VC++环境中建立OpenCV项目，采用C/C++语言编写图像处理程 序，通过Android studio中的JNI接口调用本地已经编译好的图像处理程序，和Java程序一 起打包成apk文件，最终在Android手机安装apk文件实现。
[0050] 如图5、图6和如图7所示，所示，安装在Android手机上的APP程序包括四个模块：图 像获取模块、图像处理模块、特征提取模块、数据分析模块;其中图像处理模块和特征提取 模块主要是采用C/C++语言编写程序，在VC++环境中建立OpenCV项目，并将运行好的图像处 理程序运用到Android studio中；数据分析模块主要将图像处理后提取出来的特征参数带 入到水分预测模型中，得出不同叶片的含水率值，进而判断叶片是否新鲜。下面分别详细介 绍：
[0051] 图像获取模块:点击获取图像按钮，图像获取模块会自动调用手机摄像头拍照，并 添加自动对焦功能，对焦成功后拍下的图像会显示在手机屏幕上。
[0052] 图像处理模块：图像处理模块主要包括图像的灰度化、去噪、分割等操作。灰度化 是将彩色图像转化成灰度图像，灰度化可以增大图像的动态范围，使对比度扩展，图像清晰 度增强，特征更加明显，更加有利于图像的后期操作;灰度化采用加权平均值法，加权平均 值法是根据人眼对绿色敏感度最高，红色次之，蓝色最低得到的最合理的灰度图像。利用数 字图像处理中的RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色 图像转化成灰度图像，公式为:Gray = R*0.30+G*0.59+B*0.11。去噪和分割是图像处理的主 要组成部分，图像在采集拍摄过程中会受到环境噪声等因素的影响，导致图像质量下降，对 图像进行去噪处理可以降低噪声对识别结果的影响，去噪采用领域均值滤波法，创建 imageSmooth()方法、利用滤波窗口 SmoothTemp = {{0,1,0}，{1,0,1}，{0,1，0}}取图像中每 个像素的邻域，以邻域中所有像素的灰度均值作为该点的灰度，从而实现图像平滑去噪。图 像分割是成功进行图像分析和理解的关键，分割的目的是将图像中的目标分为各个感兴趣 的区域，与图像中各种物体目标相对应，通过对分割结果的描述，可以理解图像中包含的信 息，分割采用快速迭代的二维OTSU算法，在threshold_type中使用参数CV_THRESH_0TSU。寻 找最优阈值向量(tO，可以大大节省计算时间，降低计算复杂度，并大幅减少了计算所需 要的存储空间。
[0053]特征提取模块:纹理特征是一种不依赖于颜色或亮度的物体表面所共有的内在特 性，采用灰度共生矩阵提取图像的纹理特征，主要通过计算能量、灰度均值、相关性、惯性、 灰度熵、逆差距、灰度均方差七个值来体现。灰度共生矩阵具有较好的鉴别和适应能力，能 够较好地描述亮度分布的统计特征和像素位置的分布特征，对于描述叶片失水过程中叶片 粗糙、皱缩程度、沟纹明显程度等方面的变化具有较强的适用性。
[0054]数据分析模块:采用多元线性回归方法建立含水率与特征值之间的预测模型，不 同种类的蔬菜需要建立不同的预测模型；多元线性回归(MLR)是以若干变量的观测数据为 出发点，通过对这种数据结构的分析研究，寻找变量间存在的依赖关系，这种方法比单一自 变量预测或估计更加有效。用户拍摄好叶片图像后，系统经过上述一系列图像处理操作，最 终将提取出来的特征值带入到水分预测模型中得出含水率值，选择蔬菜名称类别，系统会 自动调用该类蔬菜水分预测模型进行数据分析，进而实现判断蔬菜的新鲜度，并将结果显 示在手机屏幕上;本发明主要用于分析生活中一些常见的蔬菜，如生菜、菠菜、青菜、白菜 等，为了使分析结果更加准确，不同的蔬菜需要建立不同的水分预测模型。
[0055] 基于上述检测装置，本发明提出了针对蔬菜叶片新鲜度的检测方法，包括如下步 骤：
[0056] 步骤1，获取蔬菜叶片图像:利用所述检测装置获取蔬菜叶片图像;具体实现如下：
[0057] 步骤1.1，拉动把手打开外壳的顶面盖子，将待测蔬菜叶片放在叶片摆放框上，将 手机摄像头与拍摄孔对准后，翻开盖子从另一面再次检查手机摄像头是否与拍摄孔对准， 确认无误后，推动夹块以固定手机位置，盖好顶面盖子使整个外壳密闭；
[0058]步骤1.2，打开开关，点亮LED灯;操作手机APP，点击获取图像按钮，自动调用手机 摄像头拍照，并将拍摄的图像显示在手机屏幕上。
[0059]步骤2,对拍摄的图像处理:利用APP的图像处理程序对蔬菜叶片图像进行灰度化、 去噪、分割处理；
[0060] 步骤3,特征提取:采用灰度共生矩阵对处理后的蔬菜图像提取特征，所述特征包 括能量、灰度均值、相关性、惯性、灰度熵、逆差距、灰度均方差；
[0061] 步骤4,数据分析:采用多元线性回归方法建立含水率与所述特征之间的预测模型 y = C+aixi+a2X2+a3X3+- · -+anXn
[0062 ] 其中11 = 7，1102,111表示图像特征，&1，&2，，"&11表示系数，〇表示常数项；
[0063] 利用所述预测模型计算出蔬菜叶片含水率，进而判断蔬菜的新鲜度，并将结果显 示在手机屏幕上。
[0064] 上述预测模型的系数&1，&2，一&"需要事先通过实验标定出来，进行建模。以生菜为 例进行说明（其他蔬菜操作相同），材料:新鲜刚采摘下来的生菜叶片若干，设备：智能手机 (像素在500万以上），操作系统Android4.0以上，高精度天平(分辨率为0.0 Olg的微量天平 测量仪），烘箱(电热风机恒温干燥箱），64位台式机。具体包括如下步骤：
[0065] 步骤4.1，将新鲜刚采摘下来的若干生菜叶片放入保鲜袋中，每一个叶片单独使用 一个保鲜袋存放，带回实验室；
[0066] 步骤4.2,利用高精度天平称出每一个叶片的鲜重，并一一记录下来，利用所述检 测装置获取叶片图像并对图像处理、提取特征信息；
[0067]步骤4.3，拍摄时间分别为早上9点，下午3点，晚上9点，每隔6个小时称一次叶片的 重量、拍照获取图像，对图像处理并提取特征信息，其他时间，叶片在常温室内环境下蒸发； [0068]步骤4.4,重复上述步骤4.3,直到叶片明显枯黄不能食用时，将叶片放入烘箱中烘 干，直至叶片水分不再减少，称取叶片干重；
[0069] 步骤4.5,利用叶片湿基含水率计算公式得到叶片含水率值，结合步骤4.2至步骤 4.3提取的图像特征信息，代入预测模型求出系数。含水率公式为：
[0070] 湿基含水率=鲜^ ^叶重Χ1ΘΟ% 鲜叶重
[0071] 上述实施例仅仅是本发明较佳的实施方式，本发明实施方式并不限于此，在不违 背实质内容和精神的前提下，本领域技术人员所作任何显而易见的修改、改进或等同替换 等都将落入本发明的保护范围。
【主权项】
1. 一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在于，包括不透光的外壳 (1);所述外壳（1)内部设有透明的载物台（8)和LED(3)，所述载物台（8)边缘固定在所述外 壳内壁上，所述LED灯(3)设置在所述载物台（8)的上方和下方、且固定在所述外壳内壁上； 所述外壳（1)的顶面能够打开;所述外壳顶面上设有拍摄孔(4)和固定装置;所述固定装置 能够固定手机，所述手机摄像头与所述拍摄孔(4)对准;所述手机通过安装APP实现蔬菜叶 片新鲜度检测。2. 根据权利要求1所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在 于，所述载物台（8)中心位置上设有叶片摆放框(9);在所述外壳顶面闭合时，所述拍摄孔 (4)正对所述叶片摆放框(9)。3. 根据权利要求2所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在 于，所述载物台平面与所述外壳的顶面和底面平行。4. 根据权利要求3所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在 于，所述LED(3)的个数为4个、并且关于所述叶片摆放框(9)呈中心对称布置。5. 根据权利要求1所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在 于，所述固定装置包括固定在所述外壳顶面的长方块(6)以及通过推动杆(7)与所述长方块 (6)两侧相连的夹块(5);所述推动杆(7)-端与所述夹块(5)固定，所述推动杆(7)另一端能 够在所述长方块(6)内部做伸缩运动。6. 根据权利要求1所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在 于，所述外壳（1)上还设有开关（10)和把手(2)，所述开关（10)用于控制所述LED(3)，所述把 手(2)位于外壳顶面。7. -种基于Android手机的蔬菜叶片新鲜度检测方法，其特征在于，在Android手机安 装APP，通过APP实现蔬菜叶片新鲜度的自动检测，具体包括如下步骤： 步骤1，图像获取:利用所述检测装置获取蔬菜叶片图像； 步骤2,图像处理:利用APP的图像处理程序对蔬菜叶片图像进行灰度化、去噪、分割处 理； 步骤3,特征提取:采用灰度共生矩阵对处理后的蔬菜图像提取特征，所述特征包括能 量、灰度均值、相关性、惯性、灰度熵、逆差距、灰度均方差； 步骤4,数据分析:采用多元线性回归方法建立含水率与所述特征之间的预测模型y = C +aixi+a2X2+a3X3+...+anXn，其中η = 7，χι，Χ2, ·，·Χη表不特征值，ai，a2，...an表不系数，C表不常数 项;利用所述预测模型计算出蔬菜叶片含水率，进而判断蔬菜的新鲜度。8. 根据权利要求7所述的一种基于Android手机的蔬菜叶片新鲜度检测方法，其特征在 于，所述步骤1的具体实现包括如下： 步骤1.1，打开外壳（1)的顶面盖子，将待测蔬菜叶片放在叶片摆放框(9)上，将手机固 定在固定装置上并且使手机摄像头对准外壳顶面的拍摄孔(4)，盖好顶面盖子使整个外壳 密闭； 步骤1.2,打开开关，点亮LED(3);操作手机APP，自动调用手机摄像头拍照，并将图像显 示在手机屏幕上。9. 根据权利要求7所述的一种基于Android手机的蔬菜叶片新鲜度检测方法，其特征在 于，所述步骤2中所述灰度化采用加权平均值法，Gray = R*0.30+G*0.59+B*0.11;所述去噪 采用领域均值滤波法，创建丨11^631]1〇〇1:11()方法、利用滤波窗口31]1〇〇1:1^11^1={{0，1，0}，{1， 0，1}，{0，1，0}}取图像中每个像素的邻域，以邻域中所有像素的灰度均值作为该点的灰度， 实现图像平滑去噪；所述分割采用快速迭代的二维OTSU方法，在threshold_type中使用参 数CV_THRESH_0TSU。10.根据权利要求7所述的一种基于Android手机的蔬菜叶片新鲜度检测方法，其特征 在于，所述步骤4还包括:将所述预测模型的系数&1，&2，一&"事先通过实验标定出来，进行建 模，具体包括： 步骤4.1，将新鲜刚采摘下来的若干蔬菜叶片放入保鲜袋中，每一个叶片单独使用一个 保鲜袋存放，带回实验室； 步骤4.2,利用高精度天平称出每一个叶片的鲜重，并一一记录下来，利用所述检测装 置获取叶片图像并对图像处理、提取特征信息； 步骤4.3,每隔6个小时称一次叶片的重量、拍照获取图像，对图像处理并提取特征信 息，其他时间，叶片在常温室内环境下蒸发； 步骤4.4,重复上述步骤4.3,直到叶片明显枯黄不能食用时，将叶片放入烘箱中烘干， 直至叶片水分不再减少，称取叶片干重； 步骤4.5，利用叶片湿基含水率计算公式得到叶片含水率值，结合步骤4.2至步骤4.3提 取的图像特征信息，代入预测模型求出系数。
【文档编号】G01N5/04GK105891112SQ201610194284
【公开日】2016年8月24日
【申请日】2016年3月31日
【发明人】孙俊, 宋佳, 杨宁, 武小红, 毛罕平, 张晓东, 朱文静, 马长华
【申请人】江苏大学