JPH06242009A

JPH06242009A - ネット系メロンの色評価装置

Info

Publication number: JPH06242009A
Application number: JP4868293A
Authority: JP
Inventors: Harumitsu Toki; 治光十亀; Toshio Okamura; 寿夫岡村
Original assignee: Iseki and Co Ltd; Iseki Agricultural Machinery Mfg Co Ltd
Current assignee: Iseki and Co Ltd; Iseki Agricultural Machinery Mfg Co Ltd
Priority date: 1993-02-15
Filing date: 1993-02-15
Publication date: 1994-09-02

Abstract

(57)【要約】【目的】ネット系メロンの外観の色評価の精度、および
その信頼性の向上を図るとともに、その自動化により評
価作業の省力化を実現すること。【構成】ネット系メロンのカラー画像を入力し、縞の部
分を抽出する（Ｓ１、Ｓ２）。その抽出した縞部の輝度
を一律に「２５５」に変換したのち、その画像を２値化
して表皮の部分を抽出する（Ｓ３、Ｓ４）。抽出した表
皮から極小表皮を除去し、残りの表皮の面積、重心を算
出する（Ｓ５、Ｓ６）。その求めた重心からあらかじめ
設定した範囲に属する表皮の色の計算を行う（Ｓ７）。
引き続き、その計算した色のデータから色の分布状態を
計算する（Ｓ８）。メロンの等級の差異により色の分布
状態が異なるので、この分布状態に関する情報を、メロ
ンの等級を判別するための情報としてメモリに格納する
（Ｓ９）。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ネット系メロンの外観
の色の評価を行うネット系メロンの色評価装置に関す
る。

【０００２】

【従来の技術】従来、ネット系メロンでは、外観の色の
良否は外観品質として重要な要素であり、その評価を検
査員が目視により行っていた。

【０００３】

【発明が解決しようとする課題】しかし、従来は上述の
ように検査員が目視検査により評価していたので、評価
にばらつきがある上に、検査員の疲労に伴い評価基準が
変化するなどの問題がある。そのため、従来の評価で
は、精度や信頼性の点で劣るという問題が生じていた。

【０００４】そこで、本発明は、ネット系メロンの外観
の色評価の精度、およびその信頼性の向上を図るととも
に、その自動化により評価作業の省力化を実現すること
を目的とする。

【０００５】

【課題を解決するための手段】かかる目的を達成するた
めに本発明は、以下のように構成した。すなわち、本発
明は、ネット系メロンをカラー撮影する撮像手段と、そ
の撮影したネット系メロンのカラー画像から表皮の部分
を抽出する表皮抽出手段と、その抽出した表皮の所定領
域の色を測定する色測定手段と、その測定した色のデー
タに基づき、ネット系メロンの表皮の色評価を行う色評
価手段と、を備えてなる装置である。

【０００６】

【作用】本発明は、ネット系メロンの外観の色評価は、
表皮および縞も含めたメロン表面の全体の色を評価する
よりも、ネットを除いた表皮の部分のみの色を評価する
ほうが、メロン外観の色評価の精度および信頼性が良い
という知見に基づくものであるそこで、本発明は、表皮
抽出手段が、撮像手段がカラー撮影したネット系メロン
のカラー画像から表皮の部分を抽出する。色測定手段
は、その抽出した表皮の所定領域の色を測定する。色評
価手段は、その測定した色のデータに基づき、ネット系
メロンの表皮の色評価を行う。

【０００７】このように本発明では、ネット系メロンの
カラー画像から表皮の部分のみを抽出し、その抽出した
表皮部の色を測定し、その測定した色のデータに基づい
てネット系メロンの表皮の着色状態を評価するようにし
たので、メロンの外観の色評価の精度、およびその信頼
性の向上が図れ、その自動化により評価作業の省力化を
実現できる。

【０００８】

【実施例】本発明の実施例について、以下に図面を参照
して説明する。

【０００９】図１において、１は撮影評価対象であるネ
ット系メロンをカラー撮影するカラーカメラである。こ
のカラーカメラ１は、カメラコントローラ２を介して画
像処理装置３に接続する。画像処理装置３はＣＰＵやメ
モリなどからなり、後述のように所定の画像処理を行
う。さらに、画像処理装置３には、表示装置４、および
システムコントローラ５を接続する。

【００１０】次に、このように構成する実施例の画像処
理例について、図２のフローチャートを参照して説明す
る。

【００１１】まず、カラーカメラ１が撮影するネット系
メロンのカラー画像を入力し（Ｓ１）、そのメロンのカ
ラー画像から縞の部分を抽出する（Ｓ２）。次に、その
抽出した縞部の輝度を一律に「２５５」に変換したのち
（Ｓ３）、その画像を２値化する（Ｓ４）。これによ
り、カラー画像から表皮の部分が抽出される。

【００１２】次に、抽出された表皮から極小表皮を除去
したのち（Ｓ５）、残りの表皮の面積、およびその表皮
の重心をそれぞれ算出する（Ｓ６）。そして、その求め
た重心からあらかじめ設定した範囲に属する表皮の色の
計算を、Ｒ、Ｇ、Ｂ画像に基づいて行う（Ｓ７）。い
ま、表皮の色を、例えばＬ＊ａ＊ｂ＊表色系により分類
して表す場合には、表皮の色データとしてＬ＊、ａ＊、
ｂ＊の各値をそれぞれ計算する。

【００１３】引き続き、その計算した複数の色のデータ
から色の分布状態を計算する（Ｓ８）。ここでは、例え
ば計算した色データＬ＊値、ａ＊値、ｂ＊値のうち、ｂ
＊値の平均値、およびｂ＊値の標準偏差をそれぞれ求め
る。さらに、その計算した色データａ＊値およびｂ＊値
から、図３で示すようにｃ＊値を求めたのち、ｃ＊値の
平均値、およびｃ＊値の標準偏差をそれぞれ求める。こ
のようにして求めた結果の一例を示すと、図４に示すよ
うになる。

【００１４】図４からわかるように、メロンの等級が
「秀」、「優」、「良」では、ｂ＊値およびｃ＊値の各
平均値、かつその各標準偏差がそれぞれ異なり、等級に
応じた表皮色および色分布が認められる。そこで、この
ようにして得られたｂ＊値およびｃ＊値の各平均値、か
つその各標準偏差を等級情報、すなわち等級を判別する
ための情報としてメモリに格納する（Ｓ９）。そして、
その格納した等級情報に基いて、メロンの表皮の色評価
を行う。

【００１５】次に、図１に示す装置を使用してネット系
メロンの表皮の色を抽出する画像処理例について、図５
を参照して説明する。

【００１６】この画像処理は、現在の画像処理の主流で
ある８ビットの輝度情報の中でメロンの縞と表皮の色を
区別することは、図６の（Ａ）〜（Ｃ）で示すように困
難であるので、それを解決するものである。

【００１７】すなわち、カラー画像のＲ、Ｇ、Ｂの輝度
が「１００」の場合と、カラー画像のＲ、Ｇ、Ｂの輝度
が「２５５」の場合とにおけるこれらに対応する色デー
タＬ＊値、ａ＊値、ｂ＊値は図６の（Ａ）、（Ｂ）に示
すとおりであり、これら色データの比率はＲ、Ｇ、Ｂの
輝度が「１００」の場合を基準にすると１．４倍であ
る。従って、色データＬ＊値、ａ＊値、ｂ＊値からメロ
ンの表皮と縞とを区別するのは難しい。

【００１８】ところが、Ｒ、Ｇ、Ｂの輝度が例えば「１
００００」の場合におけるこれに対応する色データＬ＊
値、ａ＊値、ｂ＊値は図６の（Ｃ）に示す通りであり、
その色データの比率はＲ、Ｇ、Ｂの輝度が「１００」の
場合を基準にすると４．６倍である。従って、縞のＲ、
Ｇ、Ｂの輝度の値を大きくすることにより縞を表皮と区
別できることになり、この考えに基づいて以下のような
処理を行うことにより、表皮のみを抽出して表皮の色評
価を行うようにしたものである。

【００１９】まず、カラーカメラ１が撮影するネット系
メロンのカラー画像を入力し（Ｓ１１）、そのカラー画
像の測定領域を設定する（Ｓ１２）。次に、Ｒ画像とＧ
画像との輝度差からメロンの縞（ネット）を抽出し（Ｓ
１３）、その画像の表皮を「０」、縞を「２５５」に２
値化する（Ｓ１４）。

【００２０】引き続き、その２値化画像の輝度データの
輝度変換、すなわち輝度を「２５５」から「１０００
０」に変換し（Ｓ１５）、これにより得られた変換画像
をＡ画像とする。その結果、縞の部分は輝度が一律に
「１００００」に変換されるが、表皮の部分は輝度が変
換されないので、表皮と縞の輝度差が大きくなって明瞭
になる。

【００２１】次に、ステップＳ１で入力してメモリに格
納してあるＲ画像、Ｇ画像、およびＢ画像に上記のＡ画
像をそれぞれ加算し、（Ｒ＋Ａ）画像、（Ｇ＋Ａ）画
像、および（Ｂ＋Ａ）画像をそれぞれ作成する（Ｓ１
６）。これにより、表皮と縞との輝度差が大きくなり、
両者の区別がしやすくなる。その後、これらの各画像に
ついてモザイク処理をして微小領域の平均色を求めたの
ち（Ｓ１７）、モザイクの中心のＲ画像、Ｇ画像、およ
びＢ画像の輝度データをメモリにそれぞれ格納する（Ｓ
１８）。

【００２２】そこで、その輝度変換されたＲ画像、Ｇ画
像、およびＢ画像の輝度データに基づいて、Ｌ＊値、ａ
＊値、ｂ＊値、ｃ＊値、および色相角度を求める。次
に、これら求めたデータのうちからあらかじめ設定した
範囲の値を表皮色とし、これら表皮色にかかる有効デー
タの平均値、および標準偏差をそれぞれ計算する（Ｓ１
９）。そして、その結果に基づいて表皮の評価を行う。

【００２３】次に、図７で示すような画像処理システム
により、ネット系メロンの色を測定する一例について説
明する。

【００２４】この画像処理システムは、図７で示すよう
にネット系メロンをカラー撮影するカメラ１１を、カメ
ラコントローラ１２を介して画像処理装置１３に接続す
る。画像処理装置１３は、後述のような画像処理を行
い、システムコントローラ１４を接続する。また、メロ
ンの上方の左右には、照明器具１５を配置する。

【００２５】次に、このような構成からなるシステムの
画像処理例について、図８を参照して説明する。この画
像処理は、メロン画像の輝度が図９で示すように例えば
「０」〜「２５５」の範囲で表現される場合に、しきい
値ａ、ｂを設定すると、しきい値ａ以上では縞のみが抽
出でき、しきい値ｂ以下では表皮のみが抽出でき、しき
い値がａとｂとの間では表皮と縞の両者を抽出できると
いう知見に基づき、縞と表皮とを完全に識別し、その識
別した表皮と縞との色測定を精度よく行うものである。

【００２６】そこで、この処理を具体的に説明すると、
図８に示すようにまずウインドウを設定し（Ｓ２１）、
カメラ１１が撮影するメロンのカラー画像を取り込んだ
のち（Ｓ２２）、輝度カウンタＩを「１」に設定する
（Ｓ２３）。次に、輝度カウンタＩの値ごとにその値に
対応する輝度の部分を抽出するとともに、その抽出のた
びに輝度カウンタＩの計数を１づつ加算し、この抽出を
抽出面積Ｓ１が設定値αになるまで行う（Ｓ２４、Ｓ２
５）。ここで設定値αは、図９のしきい値ｂに基づいて
経験的に決定する。上記抽出の結果、低輝度であるメロ
ンの表皮の部分が抽出される。そして、その抽出箇所、
すなわち抽出された表皮の部分の色測定を行う（Ｓ２
６）。

【００２７】引き続き、輝度カウンタＩを「２５５」に
設定し（Ｓ２７）、輝度カウンタＩの値ごとにその値に
対応する輝度の部分を抽出するとともに、その抽出のた
びに輝度カウンタＩの計数を１づつ減算し、この抽出を
抽出面積Ｓ２が設定値βになるまで行う（Ｓ２８、Ｓ２
９）。ここで設定値βは、図９のしきい値ａに基づいて
決定する。上記抽出の結果、高輝度であるメロンの縞
（ネット）の部分が抽出される。そして、その抽出箇
所、すなわち抽出された縞の部分の色測定を行う（Ｓ３
０）。

【００２８】ところで、図１で示すような装置によれ
ば、メロンの表皮色、縞の構造（フラクタル次元、表皮
分布など）、縞幅、および形状（円形度、縦横比など）
などを定量測定できる。そこで、これらの測定値をネッ
ト系メロンの等級を決定するための要素として判別式を
作成し、その判別式に基づいて得られるスコア値（点
数）から等級の判定を行うのがよい。このような等級判
定によれば、判定の精度が向上し、商品であるメロンの
均一性が向上する。

【００２９】

【発明の効果】以上説明したように本発明では、ネット
系メロンのカラー画像から表皮の部分のみを抽出し、そ
の抽出した表皮部の色を測定し、その測定した色のデー
タに基づいてネット系メロンの表皮の着色状態を評価す
るようにしたので、メロンの外観の色評価の精度、およ
びその信頼性の向上が図れ、その自動化により評価作業
の省力化を実現できる。

【図面の簡単な説明】

【図１】本発明の実施例のブロック図である。

【図２】本発明実施例の画像処理の一例を示すフローチ
ャートである。

【図３】色度図である。

【図４】色データの比較例を示す図である。

【図５】本発明実施例に関連する画像処理の一例を示す
フローチャートである。

【図６】Ｒ，Ｇ，Ｂの輝度とＬ＊値、ａ＊値、ｂ＊値と
の関係を説明する図である。

【図７】本発明に関連する画像処理システムの一例を示
すブロック図である。

【図８】そのシステムの動作例を説明するフローチャー
トである。

【図９】その動作例を説明する図である。

【符号の説明】

１カラーカメラ３画像処理装置４表示装置

Claims

【特許請求の範囲】

【請求項１】ネット系メロンをカラー撮影する撮像手段
と、その撮影したネット系メロンのカラー画像から表皮の部
分を抽出する表皮抽出手段と、その抽出した表皮の所定領域の色を測定する色測定手段
と、その測定した色のデータに基づき、ネット系メロンの表
皮の色評価を行う色評価手段と、を備えてなるネット系メロンの色評価装置。