CN102982533A - 一种基于计算机视觉的雷笋图像的切割方法 - Google Patents
一种基于计算机视觉的雷笋图像的切割方法 Download PDFInfo
- Publication number
- CN102982533A CN102982533A CN2012104298330A CN201210429833A CN102982533A CN 102982533 A CN102982533 A CN 102982533A CN 2012104298330 A CN2012104298330 A CN 2012104298330A CN 201210429833 A CN201210429833 A CN 201210429833A CN 102982533 A CN102982533 A CN 102982533A
- Authority
- CN
- China
- Prior art keywords
- bamboo shoot
- image
- point
- line
- segment
- 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.)
- Granted
Links
Images
Landscapes
- Confectionery (AREA)
Abstract
本发明公开一种基于计算机视觉的雷笋图像的切割方法,将雷笋水平摆放在漫反射光箱中采集体表原始图像,将图像分解为R,G,B通道下图像,提取出目标图像,在目标图像的B通道中分割出前段和后段部分;将垂直横坐标值是中值且水平纵坐标值是最大值的点作为尖端顶点,对目标图像作最小外接矩形,位于最小外接矩形的水平纵向中心线上且最靠近后段尾端点是节点,连接尖端顶点和节点作为方向线;分别作出前段、后段部分的最小外接矩形,将两最小外接矩形分别和方向线做交集得到前、后段线段;取前段线段的水平纵坐标最小值点作为前段切割点,取后段线段的水平纵坐标最大值点作为后段切割点;能提高切割效率和机械化程度,适用于雷笋自动机械切割。
Description
技术领域
本发明涉及一种针对竹笋图像的的切割方法,特别是一种针对雷笋的基于计算机视觉技术的切割方法。
背景技术
竹笋含有人体所必需的氨基酸,以及各种微量元素和纤维素,是一种低糖、低脂、高蛋白、高纤维的绿色保健食品。竹笋中的雷笋既可鲜食,也可加工成笋干、调味笋、水煮笋等食用产品。雷笋的加工包括剥壳、切割、切丝、装罐(袋)等环节,在雷笋加工中,存在加工专业装备缺乏或效能不高、机械化程度低的问题,使得雷笋加工各环节大都用手工操作,劳动生产率低,成本高而且易造成污染,影响产品质量。所以研究高效率的雷笋加工方法,提高加工的机械化程度,是雷笋加工中急需解决的问题,
发明内容
本发明的目的是提供一种基于计算机视觉的雷笋图像的切割方法,使用本发明方法可以将嫩度不同的笋段切开,能提高雷笋机械切割质量。
本发明基于计算机视觉的雷笋图像的切割方法采用的技术方案包括如下步骤:
(1)将一个雷笋样本人工去皮,水平摆放在漫反射光箱中采集体表原始图像,对原始图像进行预处理;
(2)将预处理后的图像分解为R,G,B三个通道下的图像,选取R通道图像提取出目标图像,将目标图像再分解为R,G, B三个通道下的图像,在目标图像的B通道图像中分割出雷笋的前段部分和后段部分;
(3)将雷笋的垂直横坐标值是中值且水平纵坐标值是最大值的点作为前段尖端顶点(X1,Y1),对目标图像作最小外接矩形,位于最小外接矩形的水平纵向中心线上且最靠近后段尾端点是节点(X2,Y2),连接尖端顶点(X1,Y1)和节点(X2,Y2)的直线作为方向线A;
(4)分别作出前段部分的最小外接矩形和后段部分的最小外接矩形,将这两段的最小外接矩形分别和方向线A做交集,得到前段线段E和后段线段D;
(5)取前段线段E的水平纵坐标最小值点作为前段切割点C(X4,Y4),取后段线段D的水平纵坐标最大值点作为后段切割点B(X3,Y3),对雷笋切割。
本发明利用计算机视觉技术,根据雷笋的颜色特征,确定合适的切割位置,将嫩度不同的笋段切开,为雷笋实现工业机械切割提供一种简便方法,能够减少人工劳动强度,具有高效、准确、劳动成本低等特点,能提高切割效率和机械化程度,适用于雷笋的自动机械切割。
附图说明
图1一个雷笋样本的灰度图像图;
图2是雷笋样本在B通道下的反色图像图;
图3是雷笋样本分割后的前段和后段部分图;
图4是雷笋样本的方向线示意图;
图5是图4中方向线上的两条交集线段及切割点示意图。
具体实施方式
将一个雷笋样本人工去皮,迅速在漫反射光箱中,采集雷笋体表原始图像,在漫反射光箱中,将笋水平摆放,尖端在图像右侧,尾端在图像左侧,或者180°旋转;相机位于笋正上方的适当距离完成拍摄,采集的灰度图像如图1所示。完成图像采集后,对原始图像进行中值滤波等预处理,去除噪音。
将预处理后的彩色图像分解为R、G,、B三个通道下的图像,选取其R通道图像,对其进行阈值分割,提取出目标图像即整个雷笋的图像,即去除背景后笋的图像,完成目标图像的提取。将目标图像再分解为R, G, B三个通道下的图像,在其B通道图像中,使用阈值分割等算法分割出雷笋的前段和后段部分。目标图像在B通道下,笋体表颜色呈现出以下规律:笋体的前段颜色偏亮,中段颜色偏暗,后段颜色也偏亮。为方便观察,将目标图像在B通道下的图像取反色,即前段和后段偏暗,中段偏亮,取反色后的图像如图2所示。在B通道下,根据颜色的变化规律,使用阈值分割方法以及开、闭运算等算法实现分割,得到雷笋样本的前段和后段部分,前段和后段部分的图像如图3所示。
如图4所示,对目标图像按照从左到右,从上到下的顺序逐行扫描,根据图形学和几何学找到雷笋的方向线。先找到笋的前段尖端点,即在图像中纵坐标最大的点(位于图4中最右侧的点),由于这样的点不止一个,所以选择其中横坐标值是中值的点作为尖端顶点(X1,Y1)。再做出目标图像的最小外接矩形,取位于最小外接矩形的纵向中心线上且最靠近笋后段尾端的一个节点(X2,Y2),最后连接尖端顶点(X1,Y1)和节点(X2,Y2)这两点,之间的连线就是方向线A。方向线A作为切割雷笋的测量参考线,通过方向线A可以测量雷笋的长度,便于按长度分级,在方向线A上找到合适的切割点,并根据几何学计算出切割点坐标,便于实现机械切割。
分别做出图3中前段部分的最小外接矩形和后段部分的最小外接矩形,这两段的最小外接矩形分别和方向线A做交集,得到如图5所示的两条线段D、E,取前段线段E的纵坐标最小值点(即图5中前段线段E最左边端点)作为前段切割点C(X4,Y4),取后段线段D的纵坐标最大值点(即图5中后段线段D的最右边端点)作为后段切割点B(X3,Y3)。这样,可将笋切割成不同嫩度的笋段。
本发明包括三段和两段切割。三段切割是指实现将笋切成前、中、后三段,两段切割指将笋切割成前、中两段或者中、后两段。采用本发明方法对雷笋进行试验,实现切割的笋占92%。
针对每根笋,同时进行质构试验:在距笋尖端一定距离的位置,在笋纵向轴向取三个点分别测量穿刺硬度,三个点的硬度均值作为这一距离的穿刺硬度值,得到笋的嫩度指标。通过以下表1的穿刺硬度实验数据可知,雷笋从尖端到尾端,穿刺硬度数据逐渐变大,质地从嫩逐渐变老。本发明方法切割出的三个笋段,从前段到后段,嫩度逐渐变小,实现了按笋的嫩度切割笋段的目的。表1中的相对距离是指距尖端距离和笋长度的比值。
表1 穿刺硬度数据
距尖端距离/cm | 相对距离 | 穿刺硬度(平均值)/N |
8.2 | 0.3992 | 13.783 |
10.8 | 0.5257 | 17.5777 |
12.5 | 0.6085 | 19.479 |
14.5 | 0.7058 | 20.1917 |
16.6 | 0.8081 | 21.0303 |
Claims (2)
1.一种基于计算机视觉的雷笋图像的切割方法,其特征在于包括以下步骤:
(1)将一个雷笋样本人工去皮,水平摆放在漫反射光箱中采集体表原始图像,对原始图像进行预处理;
(2)将预处理后的图像分解为R,G,B三个通道下的图像,选取R通道图像提取出目标图像,将目标图像再分解为R,G, B三个通道下的图像,在目标图像的B通道图像中分割出雷笋的前段部分和后段部分;
(3)将雷笋的垂直横坐标值是中值且水平纵坐标值是最大值的点作为前段尖端顶点(X1,Y1),对目标图像作最小外接矩形,位于最小外接矩形的水平纵向中心线上且最靠近后段尾端点是节点(X2,Y2),连接尖端顶点(X1,Y1)和节点(X2,Y2)的直线作为方向线A;
(4)分别作出前段部分的最小外接矩形和后段部分的最小外接矩形,将这两段的最小外接矩形分别和方向线A做交集,得到前段线段E和后段线段D;
(5)取前段线段E的水平纵坐标最小值点作为前段切割点C(X4,Y4),取后段线段D的水平纵坐标最大值点作为后段切割点B(X3,Y3),对雷笋切割。
2.根据权利要求1所述一种基于计算机视觉的雷笋图像的切割方法,其特征在于:步骤(2)中,在目标图像的B通道图像中,取前段部分和后段部分偏暗色、中段部分偏亮色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210429833.0A CN102982533B (zh) | 2012-11-01 | 2012-11-01 | 一种基于计算机视觉的雷笋图像的切割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210429833.0A CN102982533B (zh) | 2012-11-01 | 2012-11-01 | 一种基于计算机视觉的雷笋图像的切割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102982533A true CN102982533A (zh) | 2013-03-20 |
CN102982533B CN102982533B (zh) | 2015-03-04 |
Family
ID=47856475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210429833.0A Expired - Fee Related CN102982533B (zh) | 2012-11-01 | 2012-11-01 | 一种基于计算机视觉的雷笋图像的切割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102982533B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1936919A (zh) * | 2005-09-23 | 2007-03-28 | 中国农业机械化科学研究院 | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 |
CN101894263A (zh) * | 2010-05-24 | 2010-11-24 | 中国科学院合肥物质科学研究院 | 基于水平集和局部敏感判别映射的植物物种计算机辅助分类系统及分类方法 |
CN201693593U (zh) * | 2010-01-26 | 2011-01-05 | 李云孝 | 切笋机 |
-
2012
- 2012-11-01 CN CN201210429833.0A patent/CN102982533B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1936919A (zh) * | 2005-09-23 | 2007-03-28 | 中国农业机械化科学研究院 | 利用位置和纹理特征自动识别作物苗期田间杂草的方法 |
CN201693593U (zh) * | 2010-01-26 | 2011-01-05 | 李云孝 | 切笋机 |
CN101894263A (zh) * | 2010-05-24 | 2010-11-24 | 中国科学院合肥物质科学研究院 | 基于水平集和局部敏感判别映射的植物物种计算机辅助分类系统及分类方法 |
Non-Patent Citations (2)
Title |
---|
付峰 等: "农产品品质检测中常用的图像背景分割方法", 《农机化研究》 * |
寇莉萍 等: "鲜切青笋加工工艺", 《保鲜与加工》 * |
Also Published As
Publication number | Publication date |
---|---|
CN102982533B (zh) | 2015-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107909556B (zh) | 基于卷积神经网络的视频图像去雨方法 | |
CN105701829B (zh) | 一种套袋绿色果实图像分割方法 | |
CN108960011B (zh) | 部分遮挡的柑橘果实图像识别方法 | |
CN104001676B (zh) | 大型多品种混搭内衣自动化分拣方法及生产线 | |
CN110738631A (zh) | 一种基于图像的对虾外形信息检测方法和检测系统 | |
CN109800619B (zh) | 成熟期柑橘果实图像识别方法 | |
Wang et al. | Vision-based judgment of tomato maturity under growth conditions | |
CN101944231A (zh) | 小麦穗部形态参数提取方法 | |
CN106650738A (zh) | 一种基于凹点匹配的玉米穗部粘连籽粒分割方法及系统 | |
CN109544583A (zh) | 一种提取皮革图像感兴趣区域的方法、装置及设备 | |
Feng et al. | A separating method of adjacent apples based on machine vision and chain code information | |
Chen et al. | A practical solution for ripe tomato recognition and localisation | |
CN107256549B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN105654468B (zh) | 一种基于深度学习和图像边缘信息的茶叶嫩芽检测方法 | |
CN101770645A (zh) | 高分辨率棉花异性纤维彩色图像的快速分割方法与系统 | |
CN204148152U (zh) | 大型多品种混搭内衣自动化分拣生产线 | |
CN114170622B (zh) | 锦鲤评价装置、方法、程序以及存储介质 | |
CN103268492A (zh) | 一种玉米籽粒类型识别方法 | |
CN110544262A (zh) | 一种基于机器视觉的子宫颈细胞图像分割方法 | |
CN107239761B (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
CN102982533B (zh) | 一种基于计算机视觉的雷笋图像的切割方法 | |
Piramli et al. | Rice grain grading classification based on perimeter using moore-neighbor tracing method | |
CN104764402B (zh) | 柑橘体积的视觉检测方法 | |
CN107894418B (zh) | 基于机器视觉的大田水稻卷叶程度测量方法 | |
KR20180068150A (ko) | 영상 분석을 이용한 건해삼 등급 분류 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20150304 Termination date: 20191101 |
|
CF01 | Termination of patent right due to non-payment of annual fee |