An Approximate Method for Calculating the Volume of the Convex Hull of Grape Spikes
The compactness of grape clusters is an important indicator for evaluating grape appearance and the formation of wine quality, reflecting an abstract measure of the tightness between fruit particles. Due to variations in the gaps between grape particles, accurately calculating their convex hull volume is challenging. This study captures images of grape clusters from three 120˚ perspectives, employs image processing segmentation to obtain regional parameters of the clusters, and uses the projection area method and cross-sectional accumulation method to approximate the convex hull volume of the grape clusters. The results showed that the convex hull volume obtained using the projection area method had a deviation of 1% to 7%, while the deviation of the convex hull volume obtained using the cross-sectional accumulation method was smaller, ranging from 0.76% to 5.86%, with an average deviation of only 2.48%. Therefore, the cross-sectional accumulation method provides a viable reference approach for subsequent calculations of the convex hull volume related to the compactness of grape clusters.
Grape Bunch
葡萄可以鲜食,酿酒、制汁、晒干等多种方式食用,其营养丰富、味道酸甜,深受消费者喜爱。截止2023年底,我国葡萄总产量达到1700万吨,稳居世界首位,其中80%用于鲜食
国际葡萄与葡萄酒组织(Organisation Internationale de la Vigne et du Vin 2007, OIV. 2007)对葡萄果穗的紧实度进行规定,专业人员根据果穗上果粒分布密度、果粒间的挤压程度、果粒是否可摇动、果穗表面孔隙、穗茎梗干可见度等多方面进行综合评估,来量化果穗紧实度分值
陈英等设计了一套葡萄外观品质的分级系统,利用两个相机分别获取葡萄正反面图像,检测果穗的颜色、果粒尺寸、穗形等
套袋巨峰葡萄采摘于成熟期8月的浙江温州三个果园,共计47串不同紧实度的果穗。要求样本外在形态(包含果穗形状、重量、果粒整齐度等指标)差异大。参照OIV. 2007的N˚204规则对果穗紧密度打分:1分表示果穗最疏松,果穗中存在孔洞,颗粒间存在缝隙,梗茎外露较多;9表示果穗最紧实,果粒紧密排列、相互挤压,失去原有形状,果穗表面无缝隙、无外露的梗茎。组织8名技术人员对果穗进行评价,分以下三步:1) 让评估者熟悉OIV. 2007资料中规定的葡萄果穗紧实度评估方法;2) 评估者对同一批果穗紧实度进行独立评价,对比每位评估者对紧实度预判值,讨论并调整评估值趋于一致;3) 对所有果穗样本紧实度指标进行独立评估,计算每个样本的紧实度平均值并就近取整,作为该果穗的最终紧实度得分。
以彩色CCD相机(Lumenera, Ltd, model: LU075C, pixel: 640 × 480)从三个视角、间隔120˚、成像距离80 mm分别拍摄果穗图形,形成一组三视角图像,每个果穗共计拍照四组。拍摄装置主要包括条形LED光源、CCD相机、偏振片、蓝色背景板、悬挂部件、称重模块等。由于葡萄颗粒表面容易形成镜面反射斑点,故在相机镜头(8 mm)前增加一个偏振片,减少曝光点。采取悬挂方式固定果穗于相机视角中间,重量由称重传感器经A/D数模转换器获取,适当旋转偏振片的角度以减少果粒表面的反射亮斑。
为相机拍摄图形;提取其蓝色通道图像(
巨峰葡萄果穗的形状多种多样,常见的形状近似为圆柱形、倒锥形、圆台形,本节假设果穗分别为这三种形状实体,如
设定圆柱体截面半径为r、高度为h,体积为 ,从三个水平视角看到的投影面积 ,引入体积换算变量因子K,可将三个投影面积换算为体积 ,要求 ,则K值推导得
其中, 为投影面的面积,这里采用三个视角的平均投影面积 来表示,而果穗高度h已知,故可推算K值,得到果穗视在体积 。
果穗可以视作上锥形或倒锥形均可以,底半径为r、高度为h,体积为 ,从三个水平视角看到的投影面积 ,引入体积换算变量因子K,可将三个投影面积换算为体积 。要求 ,则K值推导得
其中 为圆锥体投影面的面积,采用平均投影面积 来表示,而高度h已知,故可推算K值,得到果穗视在体积 。
高度为h,上下半径分别为r、rx,其中x为圆台的上下半径比值,可推算圆台体积 。圆台的水平视角为一梯形,故三个投影面积均为 ,引入K变量因子,体积可以表示为 。令 ,则K值推导得
(1)
显然K值是关于圆台形状因子x (即圆台的上下半径比值)一个变量。假设圆台上半径大于下半径,则x介于0~1之间。
设定函数 ,显然 在 之间连续可导,对其进行求导,得到 ,由此可判断 在 之间单调递减,如式2所示,当x接近1时,圆台趋于圆柱体,K值最大;当x接近0时,圆台趋于圆锥体,K值最小;这与果穗假设为圆柱体或圆锥体的K值因子相同。针对部分扁担形果穗,可以看作为两个圆台组成。因此引入圆台形状因子,即可表示绝大多数常见的几种果穗形状。
(2)
而葡萄果穗的形状,很难以确切的圆台形状x因子表示出来,本文拟采用果穗宽度形状因子 来代替圆台的形状x, 可表示为:
(3)
其中
为果穗平均宽度,由平均投影面积计算得到
,可看作为圆台的平均宽度
;W为果穗的最大宽度,以果穗轮廓的最小外接矩形图像测量方法得到,在这里看作为圆台的上截面半径2r。引入变换因子
,令
,可推导出如
(4)
故果穗的体积(Vs)可以表示为
(5)
该式中的所有变量均已知,其中 为三个视角果穗投影面的高度,不包含穗梗的高度; 为三个不同视角的果穗投影面面积( 、 、 )的平均值; 、 为果穗轮廓宽度形状因子以及其平均值; 为换算因子,与果穗宽度形状因子 一一对应。利用公式(5),可以近似地计算出葡萄果穗的视在体积。
(6)
其中L1、L2、L3为六边形三条对角线的长度,即同一行的三个不同视角果穗轮廓宽度(如
(7)
其中row2、row1分别为果穗的最低点与最高点,对果穗横切面的面积进行积分。按式(7)方法,对提取果穗轮廓的宽度进行凸包体体积计算。
对于上述两种方法计算果穗凸包体积(the bounding volume)的重复性,部分样本统计误差如
果穗紧实度是葡萄品质的一项重要指标,通常需要结合果穗重量与果穗体积进行评估。而果穗的体积一般不规则,难以计算。本文通过三视角成像法来近似计算果穗的凸包体积,通过图像分割后获取果穗的感兴趣区域参数,采用投影面积计算法、横截面累加法,统计了这两种方法的重复性、偏差分布等统计参数,得到横截面累加法在计算果穗凸包体积时具有更小的变化幅度,多次测量的偏差分布在0.76%~5.83%,平均偏差仅为2.48%,重复性更好。这为后续计算果穗紧实度提供了果穗凸包体积的计算方法。
浙江省大学生科技创新活动计划暨新苗人才计划(2024R429A031),温州大学大学生创新创业训练计划项目(JWXC2023196, JWXC2023197),温州大学开放实验室项目(JWSK2024080),温州市科技基础项目(N2023008)。
*通讯作者。