基于軟X射線成像技術的柑橘內部浮皮和枯水檢測

許騫 蔡健榮 杜燦 孫力 白竣文

摘要：針對傳統方法無法高效、無損地對柑橘浮皮和枯水進行檢測的問題，本研究自制了一套軟X射線成像系統，包括載物傳送裝置、軟X射線成像裝置、觸發裝置和軟X射線防護裝置。本研究根據寬皮柑橘物理特性確定檢測參數，以柑橘圖像的清晰度、對比度、畸變率為評判標準，通過調節成像裝置參數，確定了最佳的成像參數為： X射線源的管電壓60 kV ，管電流1.3 mA ，線陣探測器的積分時間5.5 ms，柑橘輸送帶的傳送速度10 cm/s 。通過圓孔金屬板對列方向畸變進行檢測，結果表明，傳送速度穩定，列方向畸變可以忽略;利用70 mm 不銹鋼標定球對行方向上的畸變進行檢測，計算了行方向上不同位置的投影畸變系數，并建立了畸變校正模型。在上述參數下采集柑橘的軟X射線圖像，采用高斯濾波對柑橘圖像進行去噪處理;利用圖像增強算法對去噪后的圖像進行對比度增強處理;將固定閾值分割法和形態學算法融合，以去除柑橘圖像背景區域、分離柑橘果肉區域和果皮區域。最后通過面積百分比法計算柑橘果肉面積和柑橘果實面積比判別柑橘內部浮皮程度;提取柑橘果實區域的灰度特征，獲取柑橘枯水區域，計算柑橘枯水面積和柑橘果肉面積比，判別柑橘枯水程度。以清江椪柑為實驗對象，結果表明自制軟X射線成像裝置對清江椪柑的浮皮和枯水的總體識別率分別為96.2%和 86.9%。說明本研究提出的方法能夠實現柑橘內部浮皮和枯水的無損檢測。

關鍵詞：軟X射線成像;柑橘;圖像處理;浮皮;枯水;檢測

中圖分類號： TG115.28+1文獻標志碼： A文章編號：202106-SA009

引用格式：許騫， 蔡健榮， 杜燦， 孫力， 白竣文. 基于軟X射線成像技術的柑橘內部浮皮和枯水檢測[J].智慧農業（中英文）， 2021， 3（4）：53-65.

XU Qian， CAI Jianrong， DU Can， SUN Li， BAI Junwen. Detection of peel puffing and granulation in citrus based on soft X-ray imaging technology[J]. Smart Agriculture， 2021， 3（4）：53-65.（in Chinese with English abstract）

1? 引言

柑橘具有極高的營養價值和保健價值[1]，種植范圍遍及200多個國家和地區，年產量居全球水果首位。柑橘品質分級是增加其市場競爭力的關鍵步驟，而柑橘內部品質是柑橘分級的主要指標。影響柑橘內部品質的因素有浮皮、枯水、可溶性固形物、總酸、固酸比和可食率等，其中浮皮和枯水最為常見。柑橘浮皮會導致柑橘囊瓣膜與果皮分離，果皮和囊瓣膜之間產生空隙，而枯水會導致柑橘果實囊瓣皺縮、汁胞粗硬、果汁干枯[2，3]。

目前，在農產品無損檢測[4]方面已經有許多較為成熟的技術，如光學分析法[5-7]、聲學分析法[8-10]、機器視覺分析法[11-13]等。但對于農產品內部品質的無損檢測仍存在一定的困難，目前主要通過生理生化指標判斷水果內部品質，屬于破壞性試驗，檢測效率低，無法用于大批量在線檢測。軟X射線因其超強的穿透性以及穿過不同物體時射線衰減量的差異，可以實現農產品內部品質特征的直觀呈現，因此在農產品定性檢測和定量檢測方面得到廣泛應用。

定性檢測方面，軟X射線穿透農產品到達探測器，將農產品的內部信息通過探測器呈現出來，通過對農產品內部不同部位軟X射線衰減量的分析實現對農產品內部品質的定性分析。Dael等[14]利用軟X 射線成像技術對柑橘內部?；M行研究，結合閾值分割、特征提取算法和樸素貝葉斯分類算法對柑橘健康果和缺陷果進行分類，樣本分類準確率高達95.7%。Gadgile等[15]通過水果軟X射線圖像呈現的灰度差異，研究發現水果內部霉變區域呈深色，而未霉變區域呈現均勻的淺灰色，實現了對水果內部霉變的判別。童彤[16]利用軟X 射線斷層掃描技術檢測梨內部品質，將圖像處理算法和支持向量機分類器融合，成功判別了梨內部品質并對缺陷梨和健康梨實現了有效分類，分類準確率高達90.2%～95.1%。在定量檢測方面，通過將農產品的X射線圖像灰度值及相關特征與定量測定指標建立線性或非線性的模型，實現對農產品品質的定量檢測。葉創等[17]利用軟 X 射線成像裝置采集干桂圓圖像，采用固定閾值與自適用閾值法對去噪和增強后的干桂圓圖像進行處理，獲取果肉與果核之間的分界線，實現二者分離，采用區域灰度預測方法準確地預測了干桂圓果肉質量。許杰[18]利用軟X 射線成像技術結合基于灰度直方圖的圖像分割算法，準確提取了水稻穗部籽粒參數，并設計了一套實時檢測平臺，成功實現了水稻穗部的總粒數、實粒數、空秕粒數和粒長參數的實時檢測。

目前，針對柑橘內部浮皮和枯水的評估方法主要有生理生化指標評估和間接性評估（如光譜分析等）。生理生化指標評估對柑橘有破壞性，難以應用于批量在線檢測;間接性檢測手段雖然可以達到無損檢測的目的，但無法直觀觀察柑橘內部品質信息，且準確度較低。鑒于軟X射線技術能夠可視化柑橘內部浮皮枯水的分布情況及嚴重程度以及其在農產品檢測領域的廣泛應用，本研究嘗試利用軟X射線成像技術對柑橘內部品質中的浮皮和枯水進行無損檢測，目的在于解決傳統檢測具有破壞性、無法直觀顯示柑橘內部品質、難以實現批量在線檢測的問題。

2? 材料與方法

2.1 試驗樣本獲取

根據農業行業標準NY/T 961-2006《寬皮柑橘》，可將寬皮柑橘按果徑大小分為5 類：55～60 mm 的2S 級微果，60～65 mm 的 S 級小果，65～70 mm 的M 級中果，70～80 mm 的 L 級大果和80～85 mm 的2L級特大果。已有研究表明，柑橘內部的浮皮和枯水程度與柑橘果徑呈正相關，80 mm 以上的2L級特大果內部枯水和浮皮的概率遠大于其他尺寸的果實，而60 mm以下的2S級微果幾乎不會發生浮皮和枯水[19，20]。

本研究實驗對象為2020年生產于湖北宜昌市的清江椪柑，為使研究更客觀更具普適性，剔除80～85 mm 的2L級特大果和55～60 mm 的2S級微果，選取果徑在60～80 mm 不等的果實共580個。首先，對每個樣本進行編號，隨后進行軟X射線圖像采集，然后按照 GB/ T 8210—2011《柑桔鮮果檢驗方法》和剖面觀察法，逐個剖開580個柑橘樣本檢測柑橘的內部品質。為研究軟X射線成像技術分別對柑橘浮皮和枯水的檢測能力，將試驗樣本分為兩部分。第一部分樣本總數為290個，其中浮皮果58個，健康果232個;第二部分樣本總數為290個，其中枯水果59個，健康果231個。

2.2 試驗原理及裝置

2.2.1?? 軟X射線檢測原理

軟X射線的檢測原理與其穿透性、熒光性和感光效應有關。當軟X射線與被檢測物相互作用時，由于被檢測物組分、厚度的差異，導致了軟 X 射線穿透被檢測物時發生不同程度的強度衰減，不同衰減程度的射線被線陣探測器接收并轉換成可見光，經過光電轉換產生電信號。由于線陣探測器接收到的射線能量的差異，經由信號處理器處理后，電信號被轉換為像素灰度值不同、層次存在差異的軟X射線圖像[21]。經過處理后，可獲得被檢測物體的內部缺陷或結構差異，以此達到檢測的目的。已有研究表明，不超過10，000 Sv的食品輻射量，不會對食品安全性或營養價值產生影響，即農產品在軟X射線的輻射下，內部品質不會發生任何改變，且對于操作人員而言，每小時吸收的X 射線輻射量小于1 μSv，遠低于國家標準[22]。

2.2.2? 試驗裝置

試驗裝置包括載物傳送裝置、軟X射線成像裝置、觸發裝置和軟X射線防護裝置。載物傳送裝置主要由輸送帶、電動滾筒、驅動器和機架組成，完成柑橘物料的輸送;軟X射線成像裝置主要由線陣探測器（X-Scan c5）、軟 X 射線源（IXS100SE 150P149）、準直器和計算機組成，實現柑橘軟X射線圖像的采集和存儲;觸發裝置包括兩對對射式光電開關，為軟X射線成像裝置提供精確的采集時間和停止時間;軟X射線防護裝置主要由鉛簾和鉛板組成，吸收軟X射線傳播過程中散射的射線，減少對操作人員的輻射。圖1 為軟X射線檢測系統裝置組成示意圖。

2.3 軟X射線成像校正與采集參數選取

2.3.1?? 圖像采集背景校正

影響線陣列掃描圖像均勻性的主要因素為輻射源射線的非一致性和線陣探測器的非均勻性[23]。

針對輻射源射線的非一致性，本研究采用具有高穩定性的 IXS100SE 150P149射線源，該型號射線源管電壓變化率小于0.1%，可以有效減小輻射源導致的射線非一致性。

本研究采用的X-Scan c5型線陣探測器的像元由8塊像元拼接而成，各個像元的效率存在差異，對于線陣探測器的非均勻性影響，可通過手動校正消除，主要步驟包括暗場校正和亮場圖像補償。校正后，成像質量得到了明顯提高，成像均勻性較好，校正前后的圖像對比如圖2所示。

2.3.2? 積分時間參數的確定

本研究采用直徑25 mm 的1 元人民幣硬幣進行最佳積分時間的標定，調節軟 X 射線源管電壓為60 kV ，管電流為1.3 mA ，輸送帶速度為10 cm/s ，采集不同積分時間下的硬幣圖像。當硬幣長寬比等于1時，對應的積分時間為最理想的積分時間，如圖3所示，通過對不同積分時間下的圖像進行分析，可以得到最佳積分時間為5.5 ms。

2.3.3? 管電壓參數確定

管電壓是指軟X射線管的工作電壓，直接決定軟X射線的光子能量及待檢物的最大厚度，管電壓越高，軟 X 射線的波長越短，穿透能力越強。在傳統的軟X射線檢測系統中，管電壓參數需由專業人員依據圖像質量進行主觀設置，效率低下且準確性較差。隨著軟X射線成像技術的迅速發展，射線圖像質量客觀評價方法逐漸成熟，目前常用的射線圖像質量評價函數主要有基于頻率特征的評價函數、基于邊緣灰度梯度的評價函數和基于信息學的評價函數[24]。本研究利用基于信息學的評價函數中的熵函數F （n）評價射線圖像質量，其表達式為：

其中，Hi 為直方圖中某灰度值的像素; N為總像素數。

圖像的灰度熵大小可以表征圖像像素點灰度值的離散情況，間接評價射線圖像清晰度。因此，可以通過計算圖像灰度熵大小獲取圖像清晰度，確定最佳管電壓。將軟 X 射線源的管電流設定為1.3 mA ，線陣探測器積分時間設定為 5.5 ms，分別采集35、40、45、50、55、60、65、70、75和80 kV的柑橘軟X射線圖像并計算圖像的灰度熵，根據計算結果最終選取60 kV作為最佳采集電壓。

2.3.4? 管電流參數確定

管電流是指軟X射線管的工作電流，決定了射線的強度，管電流越大，軟X射線管產生的光子數量越多，采集的圖像的對比度越好。當圖像對比度達到最佳時，圖像背景和前景之間的灰度值類間方差最大，可通過計算圖像的灰度值類間方差確定管電流的最佳值。

對采集的柑橘軟 X 射線圖像進行圖像預處

理，隨后進行圖像分割，將柑橘區域記為A ，計算柑橘區域的最大外接矩形，記為 C;區域 C和區域A 做減運算，得到區域 B;區域A 、B 占區域 C 的比例分別為Wa和 Wb ，區域 A 、B 的像素均值分別為Ma 和Mb ，則可以得到灰度值類間方差 V為：

V = Wa? × Wb? ×（Ma? - Mb）2???????????????????????? （2）

每間隔0.1 mA 采集并分析柑橘圖像，不同管電流下的灰度值類間方差如圖4所示，當管電流為1.3 mA 時灰度值類間方差最大，圖像的對比度最好。

2.4 軟X射線成像幾何畸變分析和校正

2.4.1?? 列方向畸變檢測及輸送速度穩定性分析

輸送帶輸送速度的穩定性是影響X射線圖像列方向是否失真的重要因素。在管電壓60 kV、管電流1.3 mA 、積分時間5.5 ms的圖像采集條件下，采用等間距金屬圓孔板進行列方向畸變檢測，并對輸送帶輸送速度進行穩定性分析，標定板處理過程如圖5所示。

保持圓孔標定板位置不變，多次采集圓孔板軟X射線圖像，對其進行處理，采用基于亞像素輪廓的圓擬合獲取區域的圓心，統計圓孔板列方向上相鄰孔的圓孔間距。根據程序運行結果，圓孔間距在36.9個像素左右，圓孔間距偏差小于1 個像素，說明輸送速度穩定，軟X射線圖像列方向不存在失真。

2.4.2? 行方向投影畸變及校正

行方向上圖像畸變受X射線源的投影方式影響，軟X射線投影模型如圖6所示，成像區域分為近似垂直投影區域和斜投影區域，在近似垂直投影區域，得到的軟X射線圖像畸變最小，行方向拉伸程度最小。因此，要得到檢測對象的實際像素尺寸，必須對行方向上的投影畸變進行標定，得到圖像行坐標與圖像實際像素寬度的關系。

本研究采用70mm的實心不銹鋼球作為標定材料，使用軟X射線成像系統采集傳送帶運動過程中標定材料的軟X射線圖像，通過固定閾值法分割出不銹鋼球區域，提取每個不銹鋼球平行于坐標系的最小外接矩形的寬度作為不銹鋼球的直徑。

通過對多次采集的射線圖像進行處理，統計不銹鋼球的最小外接矩形的寬度值，將球的中心行坐標設定為橫坐標，球的寬度值為縱坐標，進行多項式擬合，結果如圖7所示。

采用多項式模型擬合可以得到標定球行坐標x和標定球實際像素直徑y之間的關系：

y =5 ×10-5 x2? -0.0533x +213.02????? （3）

當標定球位于近似垂直投影區域的中心時，球的寬度為199～200個像素，取平均值199.5個像素作為標定球無畸變寬度，則標定球在行方向上的畸變系數k為：

k =????????????????????????????? ????????????（4）

3? 檢測方法及結果分析

本研究通過軟 X 射線成像技術獲取柑橘圖像，經過3×3高斯濾波圖像去噪、圖像對比度增強進行圖像預處理，然后通過固定閾值分割、形態學處理等實現果肉與果皮的分割以及枯水區域的提取，最后計算柑橘果肉面積和柑橘果實面積比判別柑橘內部浮皮程度。通過提取柑橘果實區域的灰度特征，計算柑橘枯水面積和柑橘果肉面積比，判別柑橘枯水程度。圖8為基于軟X射線成像技術的柑橘內部浮皮和枯水檢測方法流程。

3.1 圖像采集

設備運行前，需對軟 X 射線源進行訓管操作，隨后按表1對軟X射線成像裝置進行參數設定，正式采集前將設備預熱10 min ，保證軟X射線源發出的射線束能量穩定，且輸送帶輸送速度平穩。

如圖9所示，當果心軸心與軟X射線光束平行時，得到的柑橘射線圖像清晰，成像效果最好。當果心軸心與軟X射線光束垂直或果心軸心與軟X射線光束存在一定的夾角時，柑橘囊瓣之間相互覆蓋，掩蓋了柑橘果心空隙位置，得到的柑橘軟X射線圖像結構不清晰。因此，采集柑橘軟X射線圖像前，需剔除果型畸形、表面碰傷和發生霉變的異常柑橘樣品，采集時保證柑橘果心軸心與軟X射線光束平行。

3.2 圖像預處理

環境變化以及外界干擾都會降低圖像的成像質量，為了更清晰地獲取柑橘內部枯水和浮皮的分布情況和嚴重程度，需要對采集的柑橘X射線圖像進行濾波去噪、特征增強等處理手段，處理過程如圖10所示。

3.2.1?? 圖像去噪

本研究利用3×3、5×5和 7×7三種尺寸的均值濾波、中值濾波和高斯濾波對柑橘圖像進行去噪處理。利用均方誤差（Mean Square Error，MSE）和峰值信噪比（Peak Signal-to-Noise Ra‐tio，PSNR）兩種圖像質量評價函數評價不同濾波方法的去噪效果，選取最佳濾波方法及參數[25]。

MSE 通過對比去噪前和去噪后每一個像素點的灰度差，判斷圖像的去噪質量，MSE越小，圖像成像質量越好。PSNR是對MSE進一步優化的結果，峰值信噪比與圖像質量呈正相關，峰值信噪比越大，圖像失真程度越小。表2為不同濾波去噪處理后圖像的MSE和PSNR值。

結果表明，3×3高斯濾波的去噪效果最佳，因此，本研究采用3×3高斯濾波對采集的圖像進行去噪，圖10（b）為3×3高斯濾波去噪處理后的柑橘圖像。

3.2.2? 圖像增強

軟X射線成像受射線強度、環境和元器件制造工藝的影響，圖像質量普遍較低，對比度不佳。本研究采用灰度變換和邊緣灰度值增強算法，對去噪后的軟X射線圖像進行增強。

（1）灰度變換。通過改變圖像的灰度范圍，拉伸圖像灰度值以增強圖像對比度，細化圖像特征。

假設灰度變換前f （x，y）的灰度范圍集中在[m ，n]內，對其進行灰度變換后，使其灰度范圍擴大到最大范圍[min ，max]，拉伸圖像灰度值，以增強圖像對比度?；叶茸儞Q的表達式為：

g （x，y）=???????? （5）

（2）邊緣灰度值增強。為避免圖像去噪導致的圖像紋理和邊緣模糊，采用邊緣灰度值增強算法增強圖像的高頻區域，實現對圖像的銳化。算

法流程如下：

①使用3×3高斯濾波對原圖像進行去噪處理;

②設f （x，y）是原圖像第i行j 列對應像素點的灰度值，g （x，y）為高斯濾波后該像素點的灰度值，將f （x，y）和g （x，y）做減運算，運算結果取整后乘以一定比例系數疊加到原圖像上，處理后的像素灰度值為h （x，y），計算公式如下：

h （x，y）= round [（f （x，y）- g （x，y））× factor]+f （x，y）?????????????? ?????（6）

其中，round 為取整函數; factor 為比例系數。通過調整比例系數，對比增強效果，最終選取1.0作為增強比例系數。圖10（c）為灰度變換及邊緣灰度值增強后的柑橘圖像。

3.3 圖像分割

柑橘圖像分割主要包括柑橘果實區域與背景區域、柑橘果肉區域與果皮區域的分割。本研究對比了多種分割方法的分割效果。圖像分割效果如圖11所示，結果表明，相比于其他分割方法，固定閾值法漏分割區域較少，經過二值化、區域填充、開閉運算、形狀選擇等形態學方法處理后，可以得到完整的柑橘果實區域圖像。因此，最終選擇固定閾值法分割柑橘果實區域與背景區域。

獲取柑橘果實區域后，需進一步分割獲取柑橘果肉區域，便于后期柑橘內部特征的提取。通過觀察灰度直方圖發現，當分割閾值設定為123時，固定閾值法可以很好地分割柑橘果肉區域與果皮區域。雖然分割得到的區域有時會出現細小的果皮區域，但通過連通域標記和形狀選擇，最終仍可以實現柑橘果肉區域與果皮區域的分割。

3.4 柑橘尺寸測定

為了將柑橘樣本根據橫徑大小進行分級，需將從柑橘軟X射線圖像中獲取的像素尺寸轉換為實際尺寸，本研究采用直徑60、70和80mm的不銹鋼實心球對像素精度進行測定，結果如表3所示，最終確定系統的像素精度p為0.35 mm/px。

本研究采用最小外接矩形法對柑橘橫徑進行測定。首先對采集到的柑橘軟X射線圖像進行圖像預處理及圖像分割，得到去除背景的柑橘圖像。然后確定圖像質心坐標，將圖像繞質心旋轉，單次旋轉角度為3o ，繞質心旋轉一周，每旋轉一次，獲取該角度下圖像的外接矩形，最后面積最小的外接矩形即為該柑橘圖像的最小外接矩形，柑橘圖像最小外接矩形的最大邊長即為柑橘橫徑d。

按公式（3）和公式（4）對圖像行方向投影畸變進行校正，校正后柑橘橫徑 D 的計算公式為：

D =??? ?????????????????????????????????????（7）

柑橘橫徑實際尺寸DL 的計算公式為：

DL? = D × p?????????????????????????????? （8）

將處理得到的柑橘橫徑實際尺寸與實際測量的柑橘橫徑相比較，利用軟X射線成像技術測量的柑橘橫徑的平均誤差為2.45 mm ，最大偏差為6.67 mm ，獲得了較好的效果。

3.5 柑橘內部浮皮檢測

3.5.1?? 柑橘浮皮分級標準

傳統的柑橘浮皮缺陷等級判定方法，利用剖面觀察法將柑橘沿果萼和果梗方向剝開，由多人評價是否浮皮與浮皮等級，此方法受限于觀察人員的經驗水平，無法實現大批量等級分級。因此本研究通過剖面觀察法判斷柑橘是否為浮皮果，再借助軟X射線成像技術，利用面積百分比定量分析柑橘內部浮皮程度，并給出相應等級，分級標準如表4所示。

3.5.2? 柑橘浮皮檢測算法

浮皮果的果肉區域和果皮區域之間存在明顯間隙，健康果的果肉區域和果皮區域結構緊密，呈現出良好的致密度和完整度。本研究根據柑橘果肉區域的面積和柑橘果實區域面積的比值大小對柑橘浮皮進行分級。設柑橘果實區域的面積為Area ，柑橘果肉區域的面積為Area1，則果肉區域面積百分比Areap1為：

Areap1? =??????? ×100%????????????????? （9）

具體步驟如下：

（1）對采集到的原始軟X射線圖像進行圖像去噪和圖像增強，得到去噪和增強后的圖像。如圖 12（a）所示。

（2）采用固定閾值法去除圖像背景區域，通過形狀填充或閉運算等一系列形態學算法填充果實區域空洞，獲取柑橘果實區域圖像，如圖 12（b）所示。

（3）再次采用固定閾值法和形態學算法分割柑橘果肉區域和果皮區域，獲取柑橘果肉區域圖像，如圖12（c）所示。

（4）通過圖像處理軟件，調用區域面積計算算子，獲取果實區域面積和果肉區域面積，然后計算果肉區域面積百分比。

3.6 柑橘內部枯水檢測

3.6.1?? 柑橘枯水分級標準

根據 GB/ T 8210—2011《柑桔鮮果檢驗方法》，將寬皮柑橘類果實枯水依據囊瓣汁胞枯水程度分成四個等級，分別是健康果、輕微枯水果、中度枯水果和重度枯水果，具體分級標準如表5所示。

3.6.2? 柑橘枯水檢測算法

（1）柑橘果心大小的測定。柑橘果心大小是指柑橘果實赤道部橫切面中心柱的直徑。柑橘枯水普遍發生在柑橘果肉區域，為準確檢測柑橘內部枯水情況，需剔除柑橘果心區域，避免果心區域對檢測結果造成影響。本研究采用自動閾值法提取柑橘果心區域，以果心區域最小外接圓作為果心大小，算法步驟如圖13所示。

根據公式（3）～（4）和公式（7）～（8）計算柑橘果心直徑實際物理尺寸，采用最小外接矩形法計算柑橘果肉直徑，經統計分析可知柑橘果心直徑和果肉直徑比值在0.3上下浮動。因此，本研究取柑橘果心直徑和果肉直徑比值為0.3，以此確定果心大小，有助于準確剔除柑橘果心區域，減少柑橘果心區域對內部枯水檢測結果的影響。

（2）柑橘枯水檢測算法。柑橘發生枯水后，軟X射線成像時果肉區域會出現白色斑點，枯水區域較亮，健康區域較暗，因此對柑橘內部枯水的檢測依舊采用面積百分比法，通過計算柑橘枯水區域面積和柑橘果肉區域面積的百分比實現對柑橘枯水的檢測。柑橘果肉區域的面積為Area1，柑橘枯水區域的面積為Area2，則枯水區域面積百分比Areap2為：

Areap2? =??????? ×100%???????????????? （10）

柑橘不同部位厚度不同，造成射線圖像不同區域灰度存在一定的差異，對枯水區域的提取帶來較大的困難。由于在相同半徑上果實高度差異不大，像素點灰度值僅受物料特性影響，即枯水導致的像素點灰度值變化。因此為消除柑橘厚度對枯水區域提取帶來的影響，本研究將柑橘果肉區域分割為相同半徑上的16個區域，在每個區域分別進行枯水區域提取。

柑橘枯水檢測算法步驟如圖14所示，對原始圖像進行圖像增強并提取果肉區域，對提取的果肉區域進行輪廓擬合，獲取區域最小外接圓和外接圓半徑R 。由于果心大小為柑橘果肉大小的0.3倍，因此分別以0.3R 、0.5R 、0.7R 、0.9R和R為半徑將柑橘軟 X 射線圖像劃分成5 個圓環區域。其中，0.3R 的圓為柑橘果心區域，不對其進行處理?？紤]到柑橘果肉區域不絕對對稱，厚度并不完全一致，因此在每個圓環區域內將柑橘圖像劃分成4等分，共將柑橘果肉區域劃分成16個區域。在每個區域內使用自動全局閾值法和局部閾值法分別識別和提取圖14（b）所示的暗區域和較亮區域，其中暗區域表示健康的果肉區域、較亮區域表示囊瓣間隙，將16等分的各個區域與提取的暗區域和較亮區域做減法即獲得灰度值介于健康果肉區域和囊瓣間隙之間的枯水區域，通過圖像處理軟件調用區域面積計算算子，獲取枯水區域和果肉區域面積，計算枯水區域的面積百分比。

3.7 結果分析

本研究通過軟 X 射線成像技術獲取柑橘圖像，采用固定閾值法結合形態學算法去除圖像背景區域，分割柑橘枯水區域、果肉區域和果皮區域，利用面積百分比法判別柑橘內部浮皮和枯水等級。按照剖面觀察法和 GB/T 8210—2011《柑桔鮮果檢驗方法》，逐個剖開580個柑橘樣本檢測柑橘的內部品質。檢測結果如表6和表7所示，在柑橘浮皮檢測實驗中，樣品量為290個，采集軟X射線圖像，通過面積百分比法對柑橘浮皮進行判別，正確檢出279個，誤判11個，檢測準確率為96.2%，誤判率為3.8%，產生誤判的原因可能是柑橘在傳送過程中發生翻轉，造成囊瓣疊加，影響檢測結果。在柑橘枯水檢測實驗中，樣品量為290個，采集軟X射線圖像，通過面積百分比法對柑橘枯水進行判別，正確檢出252個，誤判38個，檢測準確率為 86.9%，誤判率為 13.1%，產生誤判的原因可能是圖像分割過程中未完全剔除柑橘果心區域和囊瓣分離造成的空白區域，從而影響檢測結果。

4? 結論

針對柑橘內部品質快速無損檢測的難點，本研究應用軟X射線成像技術結合圖像處理方法，對柑橘內部的浮皮和枯水等級進行檢測，浮皮果的檢測準確率為96.2%，枯水果的檢測準確率為86.9%。試驗證明，采用軟X射線成像技術對柑橘內部品質的無損檢測是可行的，在柑橘內部品質的浮皮和枯水檢測中均獲得了較高的準確率。同時，軟X射線成像技術還可應用于其他農產品品質檢測，通過與其他無損檢測技術結合，實現農產品內外品質的綜合評價。

參考文獻：

[1]周志欽， 陸柏益. 柑橘果實商品品質評價方法[M].北京：科學出版社， 2020.ZHOU? Z，? LU? B. Evaluation? method? of commodityquality of citrus fruit[M]. Beijing： China Science Pub‐lishing& Media Ltd.， 2020.

[2]陳秀偉， 張百超. 紅桔果實浮皮的研究[J].園藝學報，1988（1）：13-17.

CHEN X， ZHANG B. Studies on the rind puffing ofthe fruit of 'hong-ju'（citrus reticulata blanco）[J]. ActaHorticulturaeSinica， 1988（1）：13-17.

[3]陸平波， 趙昆松， 鮑江峰， 等. 柑橘枯水影響因素及調控措施研究進展[J].農業科技通訊， 2016（1）：155-159.

LU P， ZHAO K， BAO J， et al. Research progress onfactors? influencing? citrus water blight? and regulatorymeasures[J]. Bulletin of Agricultural Science and Tech‐nology， 2016（1）：155-159.

[4]孔靜， 謝鳴. 無損檢測技術在農產品品質檢測方面的應用[J].消費導刊， 2009（16）：210.

KONG J， XIE M. Application of non-destructive test‐ing technology in quality testing of agricultural prod‐ucts[J]. Consume Guide， 2009（16）：210.

[5]劉爽， 柴春祥. 近紅外光譜技術在水產品檢測中的應用進展[J].食品安全質量檢測學報， 2021， 12（21）：8590-8596.

LIU S， CHAI C. Application progress of near infraredspectroscopy in aquatic products detection[J]. Journalof Food Safety & Quality， 2021， 12（21）：8590-8596.

[6]陳偉. 基于近紅外光譜與生物散斑融合的牛肉摻假檢測方法[D].武漢：華中農業大學， 2018.

CHEN? W. Detection? method? for? beef? adulterationbased on data fusion between near-infrared spectrosco‐py and bio-speckle imaging[D]. Wuhan： Huazhong Ag‐ricultural University， 2018.

[7]郭志明. 基于近紅外光譜及成像的蘋果品質無損檢測方法和裝置研究[D].北京：中國農業大學， 2015.

GUO Z. Nondestructive detection techniques and de‐vices for assessing quality attributes of apple based onNIR spectroscopy and hyperspectral imaging[D]. Bei‐jing： China Agricultural University， 2015.

[8]劉妍， 周新奇， 俞曉峰， 等. 無損檢測技術在果蔬品質檢測中的應用研究進展[J].浙江大學學報（農業與生命科學版）， 2020， 46（1）：27-37.

LIU Y， ZHOU X， YU X， et al. Research progress of nondestructive testing techniques for fruit and vegetable quality[J]. Journal of Zhejiang University （Agriculture and Life Science Edition）， 2020， 46（1）：27-37.

[9]王艷萍. 基于超聲檢測的沙窩蘿卜品質評價方法研究[D].天津：天津科技大學， 2017.

WANG Y. Study on quality evaluation method of Shawo radish based on ultrasonic texting[D]. Tianjin： Tianjin University of Science and Technology， 2017.

[10] ABBASZADEH R， RAJABIPOUR A， YING Y， et al.Nondestructive? determination? of? watermelon? flesh firmness by frequency response[J]. LWT-Food Science and Technology， 2015， 60（1）：637-640.

[11] 王旭. 基于機器視覺的柑橘分級技術研究[D].長沙：湖南大學， 2016.

WANG X. Research on the classification technology of citrus based on machine vision[D]. Changsha： Hunan University， 2016.

[12] AGUILERA? PUERTO? D，? MARTíNEZ? GILA? D? M，GáMEZ GARCíA J， et al. Sorting olive batches for the milling process using image processing[J]. Sensors， 2015， 15（7）：15738-15754.

[13] 王風云， 封文杰， 鄭紀業， 等. 基于機器視覺的雙孢蘑菇在線自動分級系統設計與試驗[J].農業工程學報， 2018， 34（7）：256-263.

WANG F， FENG W， ZHENG J， et al. Design and experiment? of? automatic? sorting? and? grading? system based on machine vision for white agaricusbisporus [J]. Transactions of the CSAE， 2018， 34（7）：256-263.

[14] VAN DAEL M， LEBOTSA S， HERREMANS E， et al.A segmentation and classification algorithm for online detection of internal disorders in citrus using X-ray radiographs[J].? Postharvest? Biology? and? Technology， 2016， 112：205-214.

[15] GADGILE D， LANDE B R， DHABDE A S， et al. Xray  imaging? for? detecting? lack? mould? rot? of sapota （Achras? sapota） fruit[J]. Plant? Pathology&? Quarantine， 2017， 7（2）：92-94.

[16] 童彤. 比利時： X 射線可無損檢測梨品質[J].中國果業信息， 2020， 37（3）：44.

TONG T. Belgium： X-ray non-destructive detection of pear quality[J]. China Fruit News， 2020， 37（3）：44.

[17] 葉創，蔡健榮， 袁雷明， 等. 基于X射線圖像的干桂圓果肉質量預測[J].食品科技， 2016， 41（1）：264-268.???? YE C， CAI J， YUAN L， et al. Prediction of dry longanflesh weight based on X-ray imaging[J]. Food Scienceand Technology， 2016， 41（1）：264-268.

[18] 許杰. 基于X射線數字成像技術的水稻穗部籽粒檢測方法研究[D].曲阜：曲阜師范大學， 2016.

XU J. Research on rice? spike? seed detection methodbased on X-ray digital imaging technology[D]. Qufu：Qufu Normal University， 2016.

[19] 石學根， 徐建國， 張林， 等. 溫州蜜柑完熟果實的浮皮與貯藏性之間的關系[J].浙江農業學報， 2008（4）：304-307.

SHI X， XU J， ZHANG L， et al. The relationship be‐tween peel puffing and storage of full ripe fruits of Sat‐suma? mandarin[J]. Acta? Agriculturae? Zhejiangensis，2008（4）：304-307.

[20] 溫明霞， 石學根， 王鵬， 等. 不同大小溫州蜜柑果實貯藏期枯水的生理特征研究[J].浙江農業學報， 2013，25（1）：59-63.

WEN M， SHI X， WANG P， et al. Physiological charac‐teristics? of different? sizes? of Satsuma mandarin? fruitwith granulation during storage stage[J]. Acta Agricul‐turaeZhejiangensis， 2013， 25（1）：59-63.

[21] 劉賜德. 基于X射線透射成像的葉中含梗率在線檢測技術研究[D].昆明：昆明理工大學， 2019.

LIU C. Research of the on-online detection of stem ra‐tio in the tobacco leaf based on X-ray transmission im‐aging[D]. Kunming： Kunming? University? of Scienceand Technology， 2019.

[22] 梅特勒. 使用X 射線檢測的食品安全性如何？[J].食品安全導刊， 2011（5）：46-47.

METTLER. How? safe? is? the? food? detected? by? X-rays？ [J].? China? Food? Safety? Magazine，? 2011（5）：46-47.

[23] 屈國普， 凌球， 郭蘭英， 等. X射線線陣列探測器數字圖像的非均勻性原因分析[J].核電子學與探測技術，2003（5）：414-416.

QU G， LING Q， GUO L， et al. Analysis of the causefor the ununiformity of X-ray detector line array of dig‐ital image[J]. Nuclear Electronics & Detection Technol‐ogy， 2003（5）：414-416.

[24] 巫軍， 王黎明， 史振華， 等. X射線成像系統數字圖像質量評價方法研究[J].傳感器世界， 2010， 16（4）：6-9.

WU J， WANG L， SHI Z， et al. Digital image qualityevaluation method of X-ray imaging system[J]. SensorWorld， 2010， 16（4）：6-9.

[25] 張玉葉， 趙育良， 郭星香. 航空偵察圖像質量評估的適用方法分析 [J].信息技術與信息化 ， 2020（9）：140-143.

ZHANG Y， ZHAO Y， GUO X. Analysis of applicablemethods for air reconnaissance image quality evalua‐tion[J]. Information? Technology? and? Informatization，2020（9）：140-143.

Detection of Peel Puffing and Granulation in Citrus Based on Soft X-ray Imaging Technology

XU Qian， CAI Jianrong*， DU Can， SUN Li， BAI Junwen

（School of Food and Biological Engineering， Jiangsu University， Zhenjiang 212013， China）

Abstract： The internal quality of citrus is an important index for citrus grading， and the most common factors affecting the internal quality of citrus are peel puffing and granulation， which affect the fruit quality and lose the market value due to the large consumption of nutrients. In this study， a soft X-ray imaging device was developed， including a transmission device， a soft X- ray imaging device， a trigger device and a soft X-ray protection device， for the problem that traditional methods cannot detect citrus peel puffing and granulation efficiently and non-destructively. In this research， the detection parameters were determined according to the physical characteristics of wide peeled citrus， and the clarity， contrast and aberration rate of citrus images were used as the judging criteria. The best imaging parameters were determined by adjusting the parameters of the imaging device as follows： The tube voltage of X-ray source was 60 kV， the tube current was 1.3 mA， the integration time of line array detector was 5.5 ms， and the transmission speed of citrus conveyor belt was 10 cm/s. The aberrations in the column direction were detected by the circular hole metal plate， and the results showed that the transmission speed was stable and the aberrations in the column direction were negligible. The aberrations in the row direction ware detected by using the 70 mm stainless steel calibration sphere， and the projection aberration coefficients at different positions in the row direction were calculated， and the aberration correction model was established. The soft X-ray images of citrus were acquired under the above parameters， and Gaussian filtering was used to denoise the citrus images. The image enhancement algorithm was used to enhance the contrast of the denoised images. The fixed threshold segmentation method and morphological algorithm were fused to remove the background area， separate the flesh area and the peel area of the citrus images. Finally， the area percentage method was used to calculate the ratio of citrus flesh area to citrus fruit area to discriminate the degree of citrus peel puffing; the grayscale features of citrus fruit area were extracted to obtain the citrus withered area， and the ratio of citrus withered area to citrus flesh area was calculated to discriminate the degree of citrus granulation. QingjiangPonkan were taken as the experimental object， and the results showed that the overall recognition rate of the homemade soft X-ray imaging device were 96.2% and 86.9% for the peel puffing and granulation of QingjiangPonkan， respectively. The method proposed in this study may achieve nondestructive detection of peel puffing and granulation inside citrus.