CN108776967A - 一种香梨瘀伤鉴别方法 - Google Patents
一种香梨瘀伤鉴别方法 Download PDFInfo
- Publication number
- CN108776967A CN108776967A CN201810599387.5A CN201810599387A CN108776967A CN 108776967 A CN108776967 A CN 108776967A CN 201810599387 A CN201810599387 A CN 201810599387A CN 108776967 A CN108776967 A CN 108776967A
- Authority
- CN
- China
- Prior art keywords
- bergamot pear
- bruise
- image
- discrimination method
- oct image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种香梨瘀伤鉴别方法,包括如下步骤:S1、进行香梨果实的OCT图像的采集;S2、采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理;S3、采用Otsu算法进行自动阈值分割,得到初步二值图像。S4、对二值图像进行膨胀腐蚀后续处理,求取8连通区域,利用面积阈值法识别果实瘀伤。本发明可自动完成香梨瘀伤区域组织的自动标识和判别,检测效率高,大大减轻了工作人员的工作量。
Description
技术领域
本发明涉及一种香梨瘀伤的识别,具体涉及一种香梨瘀伤鉴别方法。
背景技术
香梨是我国的产量较大的水果之一,其内部品质的快速检测方法是香梨产业发展面临的主要技术问题。香梨在存储、运输过程中,极易收到机械损伤,造成后期的局部腐烂。香梨的瘀伤可能出现在采摘、存储、运输、包装等各个环节,早期不易被察觉。瘀伤后的梨保存时间大大缩短,由于细胞结构的破损,组织逐步褐变,严重制约了梨的货架期及后期销售。
目前OCT图像技术已在香梨种植业进行了应用,但是,由于香梨的产量较大,故采用人工判别香梨OCT图像的工作量就会很大,效率十分低下,因此需对图像进行自动分析。
发明内容
为解决上述问题,本发明提供了一种香梨瘀伤鉴别方法,可自动完成香梨瘀伤区域组织的自动标识和判别,检测效率高,大大减轻了工作人员的工作量。
为实现上述目的,本发明采取的技术方案为:
一种香梨瘀伤鉴别方法,包括如下步骤:
S1、进行香梨果实的OCT图像的采集;
S2、采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理;
S3、采用Otsu算法进行自动阈值分割,得到初步二值图像;
S4、对二值图像进行膨胀腐蚀后续处理,求取8连通区域,利用面积阈值法识别果实瘀伤。
优选地,所述步骤S3中采用最大类间方差Otsu法自动获得阈值t;令图像的灰度级为L(L=256),ni表示灰度值为i的像素个数;n表示像素总数,即n=n0+n1+...+nL-1;pi表示灰度值i的像素点在灰度图像中出现的概率,即pi=ni/n;其中,用阈值t将待分割的灰度图像按像素灰度值分成非瘀伤部分C0和瘀伤部分C1两类,即C0={0,1,...,t},C1={t+1,t+2,...,L-1}。
优选地,香梨由香梨放置槽内通过三翼旋转门上落于传送带上,每隔3s通过单片机控制三翼旋转门开关允许1个香梨通过。
优选地,所述传动带的一侧安装有OCT图像采集设备的图像采集终端,用于通过的香梨的OCT图像的采集。
优选地,所述图像采集终端与香梨放置槽之间设有一组接近开关,当香梨通过接近开关时,OCT图像采集设备启动。
优选地,所述OCT图像采集设备连接有一数字输出终端,用于接收OCT图像采集设备采集到的图像,并输出香梨瘀伤鉴定结果。
优选地,该数字输出终端内载有OCT图像去噪和预处理模块、阈值分割模块和膨胀腐蚀后续处理模块。
本发明具有以下有益效果:
可自动完成香梨瘀伤区域组织的自动标识和判别,具有科学合理,便于操作,检测速度快,识别准确率高等优点。
附图说明
图1为本发明实施例中香梨瘀伤鉴别系统的结构示意图。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例所使用的香梨瘀伤鉴别系统包括香梨放置槽1,香梨放置槽1的出料口内装有三翼旋转门,香梨放置槽的下端设有传送带,在传送带一侧安装有OCT图像采集设备的图像采集终端,所述图像采集终端与香梨放置槽之间设有一组接近开关,当香梨通过接近开关时,OCT图像采集设备启动;所述OCT图像采集设备连接有数字输出终端(计算机),该数字输出终端内载有OCT图像去噪和预处理模块、阈值分割模块和膨胀腐蚀后续处理模块,用于接收OCT图像采集设备采集到的图像,并输出香梨瘀伤鉴定结果。所述OCT图像采集设备具备RS232或RS485通讯功能。
本发明实施例的一种香梨瘀伤鉴别方法,包括如下步骤:
S1、香梨由香梨放置槽内通过三翼旋转门上落于传送带上,每隔3s通过单片机控制三翼旋转门开关允许1个香梨通过;当香梨通过接近开关时,OCT图像采集设备启动,通过其图像采集终端进行香梨果实的OCT图像的采集;
S2、通过OCT图像去噪和预处理模块采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理;
S3、通过阈值分割模块采用Otsu算法进行自动阈值分割,得到初步二值图像。具体的,采用最大类间方差Otsu法自动获得阈值t;令图像的灰度级为L(L=256),ni表示灰度值为i的像素个数;n表示像素总数,即n=n0+n1+...+nL-1;pi表示灰度值i的像素点在灰度图像中出现的概率,即pi=ni/n;其中,用阈值t将待分割的灰度图像按像素灰度值分成非瘀伤部分C0和瘀伤部分C1两类,即C0={0,1,...,t},C1={t+1,t+2,...,L-1}。
S4、通过膨胀腐蚀后续处理模块对二值图像进行膨胀腐蚀后续处理,求取8连通区域,利用面积阈值法识别果实瘀伤。
上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种香梨瘀伤鉴别方法,其特征在于:包括如下步骤:
S1、进行香梨果实的OCT图像的采集;
S2、采用双边滤波和分段线性变换算法分别进行图像去噪和图像增强预处理;
S3、采用Otsu算法进行自动阈值分割,得到初步二值图像;
S4、对二值图像进行膨胀腐蚀后续处理,求取8连通区域,利用面积阈值法识别果实瘀伤。
2.如权利要求1所述的一种香梨瘀伤鉴别方法,其特征在于:所述步骤S3中采用最大类间方差Otsu法自动获得阈值t;令图像的灰度级为L(L=256),ni表示灰度值为i的像素个数;n表示像素总数,即n=n0+n1+...+nL-1;pi表示灰度值i的像素点在灰度图像中出现的概率,即pi=ni/n;其中,用阈值t将待分割的灰度图像按像素灰度值分成非瘀伤部分C0和瘀伤部分C1两类,即C0={0,1,...,t},C1={t+1,t+2,...,L-1}。
3.如权利要求1所述的一种香梨瘀伤鉴别方法,其特征在于:香梨由香梨放置槽内通过三翼旋转门上落于传送带上,每隔3s通过单片机控制三翼旋转门开关允许1个香梨通过。
4.如权利要求1所述的一种香梨瘀伤鉴别方法,其特征在于:所述传动带的一侧安装有OCT图像采集设备的图像采集终端,用于通过的香梨的OCT图像的采集。
5.如权利要求4所述的一种香梨瘀伤鉴别方法,其特征在于:所述图像采集终端与香梨放置槽之间设有一组接近开关,当香梨通过接近开关时,OCT图像采集设备启动。
6.如权利要求4所述的一种香梨瘀伤鉴别方法,其特征在于:所述OCT图像采集设备连接有一数字输出终端,用于接收OCT图像采集设备采集到的图像,并输出香梨瘀伤鉴定结果。
7.如权利要求6所述的一种香梨瘀伤鉴别方法,其特征在于:该数字输出终端内载有OCT图像去噪和预处理模块、阈值分割模块和膨胀腐蚀后续处理模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810599387.5A CN108776967A (zh) | 2018-06-12 | 2018-06-12 | 一种香梨瘀伤鉴别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810599387.5A CN108776967A (zh) | 2018-06-12 | 2018-06-12 | 一种香梨瘀伤鉴别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108776967A true CN108776967A (zh) | 2018-11-09 |
Family
ID=64024883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810599387.5A Pending CN108776967A (zh) | 2018-06-12 | 2018-06-12 | 一种香梨瘀伤鉴别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108776967A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856144A (zh) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | 一种基于手机的猕猴桃膨大果检测方法和装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104458748A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷检测方法 |
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
CN105590323A (zh) * | 2016-02-02 | 2016-05-18 | 温州医科大学附属眼视光医院 | 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法 |
US20160206190A1 (en) * | 2015-01-15 | 2016-07-21 | Kabushiki Kaisha Topcon | Geographic atrophy identification and measurement |
CN106052564A (zh) * | 2016-06-02 | 2016-10-26 | 东北电力大学 | 基于光幕体积法的蚕茧性别识别方法 |
CN106332713A (zh) * | 2016-08-16 | 2017-01-18 | 浙江科技学院 | 一种sd‑oct图像的枇杷早期瘀伤鉴别方法 |
CN106780427A (zh) * | 2016-11-10 | 2017-05-31 | 浙江科技学院 | 一种基于oct图像的香梨瘀伤鉴别方法 |
CN106780347A (zh) * | 2017-02-09 | 2017-05-31 | 浙江科技学院 | 一种基于oct图像处理的枇杷早期瘀伤鉴别方法 |
CN107920747A (zh) * | 2015-07-25 | 2018-04-17 | 光学实验室成像公司 | 导丝检测系统、方法和装置 |
CN207321927U (zh) * | 2017-10-12 | 2018-05-08 | 三峡大学 | 基于机器视觉的菠萝采摘装置 |
-
2018
- 2018-06-12 CN CN201810599387.5A patent/CN108776967A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104458748A (zh) * | 2013-09-25 | 2015-03-25 | 中国科学院沈阳自动化研究所 | 基于机器视觉的铝型材表面缺陷检测方法 |
US20160206190A1 (en) * | 2015-01-15 | 2016-07-21 | Kabushiki Kaisha Topcon | Geographic atrophy identification and measurement |
CN107920747A (zh) * | 2015-07-25 | 2018-04-17 | 光学实验室成像公司 | 导丝检测系统、方法和装置 |
CN105334219A (zh) * | 2015-09-16 | 2016-02-17 | 湖南大学 | 一种残差分析动态阈值分割的瓶口缺陷检测方法 |
CN105590323A (zh) * | 2016-02-02 | 2016-05-18 | 温州医科大学附属眼视光医院 | 一种基于眼科裂隙灯照相的滤过泡表面的血管化程度的检测方法 |
CN106052564A (zh) * | 2016-06-02 | 2016-10-26 | 东北电力大学 | 基于光幕体积法的蚕茧性别识别方法 |
CN106332713A (zh) * | 2016-08-16 | 2017-01-18 | 浙江科技学院 | 一种sd‑oct图像的枇杷早期瘀伤鉴别方法 |
CN106780427A (zh) * | 2016-11-10 | 2017-05-31 | 浙江科技学院 | 一种基于oct图像的香梨瘀伤鉴别方法 |
CN106780347A (zh) * | 2017-02-09 | 2017-05-31 | 浙江科技学院 | 一种基于oct图像处理的枇杷早期瘀伤鉴别方法 |
CN207321927U (zh) * | 2017-10-12 | 2018-05-08 | 三峡大学 | 基于机器视觉的菠萝采摘装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856144A (zh) * | 2019-03-13 | 2019-06-07 | 西北农林科技大学 | 一种基于手机的猕猴桃膨大果检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wen et al. | Building a rule-based machine-vision system for defect inspection on apple sorting and packing lines | |
Saha et al. | Orange fruit disease classification using deep learning approach | |
CN112836623B (zh) | 设施番茄农事决策辅助方法及装置 | |
CN108776967A (zh) | 一种香梨瘀伤鉴别方法 | |
Qian et al. | Mature apple recognition based on hybrid color space in natural scene | |
CN112200813A (zh) | 一种考虑照度因素的煤矸识别方法和系统 | |
CN107301401A (zh) | 一种多目标猕猴桃果实识别方法与图像获取装置 | |
He et al. | Image segmentation of ripe mulberries based on visual saliency and pulse coupled neural network | |
Chen et al. | A surface defect detection system for golden diamond pineapple based on CycleGAN and YOLOv4 | |
CN106343607A (zh) | 一种基于fpga的烟叶分级方法和装置 | |
Witus et al. | A review of computer vision methods for fruit recognition | |
CN112579808A (zh) | 数据标注处理方法及装置、系统 | |
Wijethunga et al. | Digital image analysis based automated kiwifruit counting technique | |
Murugeswari et al. | Automated sugarcane disease detection using faster RCNN with an android application | |
Renjith | Classification of durian fruits based on ripening with machine learning techniques | |
Robi et al. | Image Detection and Classification of Oil Palm Fruit Bunches | |
CN107403192B (zh) | 一种基于多分类器的快速目标检测方法及系统 | |
CN115994921A (zh) | 一种融合HSV模型和改进Otsu算法的成熟樱桃果实图像分割方法 | |
KR20210112452A (ko) | 영상처리 기술을 적용한 버섯 객체 생장 모니터링 방법 | |
CN108171195A (zh) | 一种基于身份证件的人脸识别方法、装置及门禁系统 | |
CN110633720A (zh) | 一种玉米病害识别方法 | |
Xu et al. | Citrus recognition in real scenarios based on machine vision. | |
Aleksi et al. | Features extraction and texture defect detection of sawn wooden board images | |
Lakshmi et al. | Automatic prediction of plant leaf diseases using deep learning models: a review | |
CN116523910B (zh) | 基于图像数据的核桃成熟度智能检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181109 |