CN105044128A - 基于光照背景差影法的水果表面缺陷检测方法 - Google Patents
基于光照背景差影法的水果表面缺陷检测方法 Download PDFInfo
- Publication number
- CN105044128A CN105044128A CN201510411925.XA CN201510411925A CN105044128A CN 105044128 A CN105044128 A CN 105044128A CN 201510411925 A CN201510411925 A CN 201510411925A CN 105044128 A CN105044128 A CN 105044128A
- Authority
- CN
- China
- Prior art keywords
- image
- surface defect
- fruit
- gray level
- pixel
- 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
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 49
- 230000007547 defect Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 7
- 238000005286 illumination Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 238000000701 chemical imaging Methods 0.000 abstract description 3
- 238000012937 correction Methods 0.000 abstract description 2
- 230000000007 visual effect Effects 0.000 abstract description 2
- 235000005976 Citrus sinensis Nutrition 0.000 description 21
- 240000002319 Citrus sinensis Species 0.000 description 21
- 238000012360 testing method Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 241001414989 Thysanoptera Species 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 3
- 208000025865 Ulcer Diseases 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 231100000397 ulcer Toxicity 0.000 description 2
- 206010068052 Mosaicism Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000003765 sex chromosome Anatomy 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于光照背景差影法的水果表面缺陷检测方法。是先对RGB彩色图像去除背景转换成灰度图像,对灰度图像进行中值滤波获得光照背景图像,将光照背景图减去灰度图像获得差影图像,差影图像进行对比度调整,然后阈值分割获得二值化图像,二值化图像进行区域填充和中值滤波获得表面缺陷图像。本发明有效避免了对水果及农产品形状、大小的依赖以及避免了亮度矫正带来较复杂的计算方法,也避免了依赖高光谱以及多光谱成像硬件带来的高成本性问题。能够有效检测多种表面缺陷。方法应用对象较广,方法算法简便易于程序实现,而且算法流程执行速度快从而提高检测效率,在水果及农产品品质计算机视觉在线检测方面具有应用潜力。
Description
技术领域
本发明涉及计算机视觉图像处理方法,具体涉及一种基于光照背景差影法的水果表面缺陷检测方法。
背景技术
表面缺陷检测是水果分级的重要依据之一,在世界各国的水果评级标准中有严格的规定。国内外大量学者研究通过计算机视觉方式检测水果及农产品表面缺陷,但是许多农产品是类球体,二维图形中部的灰度值要远大于边缘的灰度值,导致表面缺陷图像检测的困难。
经过现有的技术检索发现,方法主要分为三类:
1)基于球体灰度模型的处理方法。譬如专利文献中国专利CN101984346A记载了一种基于低通滤波的水果表面缺陷检测方法,首先获得去除背景的R分量图像,利用水果彩色图像通过离散傅里叶变换进行低通滤波然后离散傅里叶反变换获得表面亮度图像,前者图像除以后者图像得到均一化亮度图像,再采用单阈值实现水果表面缺陷分割,该技术涉及频域转换计算较复杂;中国专利CN102788806A利用水果RGB图像和NIR图像,计算对比说水果缺陷形状、大小,但是水果不是严格球体,该专利用二值图像外接矩形最大宽度近似水果直径,最大宽度的一半作为迭代次数终止条件。这种方法对非圆形的椭圆形水果会产生缺陷检测误差。
2)基于表面纹理特征的处理方法。López-GarcíaF等人(2010)利用多元图像理论以及表面纹理特征算法训练方法检测脐橙表面缺陷,该算法比较复杂不易用于在线。(López-GarcíaF,Andreu-GarcíaG,BlascoJ,etal.Automaticdetectionofskindefectsincitrusfruitsusingamultivariateimageanalysisapproach[J].ComputersandElectronicsinAgriculture,2010,71(2):189-19)。
3)基于多光谱成像技术的处理方法。J.Blascoa等人利用多光谱成像设备进行脐橙表面缺陷分析,该方法硬件成本较高和复杂(2007)(J.Blascoa,N.Aleixos.(2007).Citrussortingbyidentificationofthemostcommondefectsusingmultispectralcomputervision.JournalofFoodEngineering83(2007)384–393)。
现有方法存在检测表面缺陷类型有限以及算法较复杂难以用于在线检测或者依赖成本较高的复杂硬件成像技术的问题,因此需要新的水果表面缺陷检测方法。
发明内容
本发明的目的在于提供一种基于光照背景差影法的水果表面缺陷检测的方法,相比背景技术,识别方法更简便检测速度更快,表面缺陷检测类型多以及对象实用性较广。
本发明解决其技术问题所采用的技术方案步骤如下:
1)获取水果RGB彩色图像;
2)对水果RGB彩色图像去除背景转换成灰度图像;
3)灰度图像进行中值滤波获得光照背景图像;
4)将步骤3)中的光照背景图像减去步骤2)中的灰度图像获得差影图像;
5)差影图像进行对比度调整,灰度阈值分割获得二值化图像;
6)二值化图像进行区域填充和中值滤波获得表面缺陷图像。
所述步骤(3)对灰度图像进行80×80的中值滤波,得到光照背景图像。
所述步骤(5)对差影图像的所有像素值用公式(1)进行对比度调整,获得对比度调整图像,然后对对比度调整图像每一个像素进行扫描,如果该像素的灰度数值大于分割阈值69,将该像素点的赋值1,否则赋值0,得到二值化图像;
式中:
I—差影图像所有像素值;
Y—对比度调整结果所有像素值。
所述步骤(5)中对二值化图像用公式(2)进行区域填充,然后进行4×4的中值滤波,得到表面缺陷图像;
Fk=(Fk-1E)∩Dc,Fk=Fk-1(2)
式中:
F—图像处理结果;
D—二值化图像的数据;
E—四连通域;
k—次数,k=1,2,3…;
Dc—D的补集。
本发明具有的有益效果是:
本发明对于检测水果表面缺陷具有很好的准确性和实用性,有效避免了对水果及农产品形状、大小的依赖以及避免了亮度矫正带来较复杂的计算方法,也避免了依赖高光谱以及多光谱成像硬件带来的高成本性问题。能够有效检测多种表面缺陷,譬如能检测脐橙多种表面缺陷。方法应用对象较广,方法算法简便易于程序实现,而且算法流程执行速度快从而提高检测效率,在水果及农产品品质计算机视觉在线检测方面具有较大的应用潜力。
附图说明
图1是本发明方法的流程图。
图2是本发明实施例1中原始彩色图像。
图3是本发明实施例1中灰度图像。
图4是本发明实施例1中光照背景图像。
图5是本发明实施例1中差影图像。
图6是本发明实施例1中对比度调整图像。
图7是本发明实施例1中二值化图像。
图8是本发明实施例1中表面缺陷图像。
图9是本发明实施例1中四连通域图。
图10是脐橙风伤果原始图。
图11是脐橙风伤果表面缺陷检测结果图。
图12是脐橙蓟马果原始图。
图13是脐橙蓟马果表面缺陷检测结果图。
图14是脐橙溃疡果原始图。
图15是脐橙溃疡果表面缺陷检测结果图。
图16是脐橙裂果原始图。
图17是脐橙裂果表面缺陷检测结果图。
图18是脐橙炭疽病果原始图。
图19是脐橙炭疽病果表面缺陷检测结果图。
图20是脐橙表皮破裂腐烂果原始图。
图21是脐橙表皮破裂腐烂果表面缺陷检测结果图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的说明。
如图1所示,本实施例包括以下步骤:
1)获取水果RGB彩色图像,获得如图2所示的原始彩色图像。
2)对原始彩色图像去除背景转成灰度图像,获得如图3所示的灰度图像。
3)对灰度图像进行80×80的中值滤波,获得如图4所示的光照背景图像。
4)光照背景图像减去灰度图像,获得如图5所示的差影图像。
5)对差影图像的所有像素值用公式(1)进行对比度调整获得如图6所示的对比度调整图像,然后对对比度调整图像每一个像素进行扫描,如果该像素的灰度数值大于分割阈值69,将该像素点的赋值1,否则赋值0,得到如图7所示的二值化图像。
式中:
I—差影图像所有像素值;
Y—对比度调整结果所有像素值;
6)对二值化图像用公式(2)进行填洞,然后进行4×4的中值滤波,得到如图8所示的表面缺陷图像,其中白色区域为缺陷区域。
Fk=(Fk-1E)∩Dc,Fk=Fk-1(2)
式中:
F—图像处理结果;
D—二值化图像的数据;
E—如图9所示的四连通域;
k—次数,k=1,2,3…;
Dc—D的补集。
图10是脐橙风伤果的原始彩色图像,图11是图10的检测结果图,其中白色区域为缺陷区域。
图12是脐橙蓟马果的原始彩色图像,图13是图12的检测结果图,其中白色区域为缺陷区域。
图14是脐橙虫伤果的原始彩色图像,图15是图14的检测结果图,其中白色区域为缺陷区域。
图16是脐橙裂果的原始彩色图像,图17是图16的检测结果图,其中白色区域为缺陷区域。
图18是脐橙炭疽病果的原始彩色图像,图19是图18的检测结果图,其中白色区域为缺陷区域。
图20是脐橙表皮破裂腐烂果的原始彩色图像,图21是图20的检测结果图,其中白色区域为缺陷区域。
上述具体实施方式用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (4)
1.一种基于光照背景差影法的水果表面缺陷检测方法,其特征在于,该方法包括如下步骤:
1)获取水果RGB彩色图像;
2)对水果RGB彩色图像去除背景转换成灰度图像;
3)灰度图像进行中值滤波获得光照背景图像;
4)将步骤3)中的光照背景图像减去步骤2)中的灰度图像获得差影图像;
5)差影图像进行对比度调整,灰度阈值分割获得二值化图像;
6)二值化图像进行区域填充和中值滤波获得表面缺陷图像。
2.根据权利要求1所述的一种基于光照背景差影法的水果表面缺陷检测方法,其特征在于:所述步骤(3)对灰度图像进行80×80的中值滤波,得到光照背景图像。
3.根据权利要求1所述的一种基于光照背景差影法的水果表面缺陷检测方法,其特征在于:所述步骤(5)对差影图像的所有像素值用公式(1)进行对比度调整,获得对比度调整图像,然后对对比度调整图像每一个像素进行扫描,如果该像素的灰度数值大于分割阈值69,将该像素点的赋值1,否则赋值0,得到二值化图像;
式中:
I—差影图像所有像素值;
Y—对比度调整结果所有像素值。
4.根据权利要求1所述的一种基于光照背景差影法的水果表面缺陷检测方法,其特征在于:所述步骤(5)中对二值化图像用公式(2)进行区域填充,然后进行4×4的中值滤波,得到表面缺陷图像;
Fk=(Fk-1E)∩Dc,Fk=Fk-1(2)
式中:
F—图像处理结果;
D—二值化图像的数据;
E—四连通域;
k—次数,k=1,2,3…;
Dc—D的补集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510411925.XA CN105044128B (zh) | 2015-07-14 | 2015-07-14 | 基于光照背景差影法的水果表面缺陷检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510411925.XA CN105044128B (zh) | 2015-07-14 | 2015-07-14 | 基于光照背景差影法的水果表面缺陷检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105044128A true CN105044128A (zh) | 2015-11-11 |
CN105044128B CN105044128B (zh) | 2017-09-01 |
Family
ID=54450841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510411925.XA Active CN105044128B (zh) | 2015-07-14 | 2015-07-14 | 基于光照背景差影法的水果表面缺陷检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105044128B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106124511A (zh) * | 2016-05-24 | 2016-11-16 | 浙江大学 | 一种基于自适应亮度回归矫正的水果表面缺陷检测方法 |
CN107037056A (zh) * | 2017-03-29 | 2017-08-11 | 浙江大学 | 一种快速局部阈值分割的水果表面缺陷检测方法 |
CN109632815A (zh) * | 2017-10-09 | 2019-04-16 | 上海明匠智能系统有限公司 | 表面缺陷在线检测系统及方法 |
CN109870459A (zh) * | 2019-02-21 | 2019-06-11 | 武汉武大卓越科技有限责任公司 | 无砟轨道的轨道板裂缝检测方法 |
CN110823920A (zh) * | 2019-11-07 | 2020-02-21 | 深圳市智能机器人研究院 | 一种内孔侧壁表面缺陷采集装置、检测系统及方法 |
CN113128249A (zh) * | 2019-12-26 | 2021-07-16 | 合肥美亚光电技术股份有限公司 | 大蒜的疤识别方法、系统及分选设备 |
CN117437277A (zh) * | 2023-12-18 | 2024-01-23 | 聊城市至诚蔬果有限公司 | 一种果蔬脱水液面检测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1844900A (zh) * | 2006-04-10 | 2006-10-11 | 浙江大学 | 基于激光图像的水果表面缺陷检测方法及装置 |
JP2007071789A (ja) * | 2005-09-08 | 2007-03-22 | Yanmar Co Ltd | 栗の品質検査方法 |
CN101984346A (zh) * | 2010-10-19 | 2011-03-09 | 浙江大学 | 基于低通滤波的水果表面缺陷检测方法 |
CN103149214A (zh) * | 2013-02-27 | 2013-06-12 | 上海交通大学 | 水果表面缺陷检测方法 |
CN103149222A (zh) * | 2013-02-28 | 2013-06-12 | 重庆大学 | 射线实时成像中缺陷检测方法 |
CN104215639A (zh) * | 2013-06-05 | 2014-12-17 | 江南大学 | 一种基于机器视觉的梨表面缺陷检测方法 |
CN104766277A (zh) * | 2015-03-10 | 2015-07-08 | 江苏大学 | 一种用于苹果采摘机器人的夜视图像降噪方法 |
-
2015
- 2015-07-14 CN CN201510411925.XA patent/CN105044128B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007071789A (ja) * | 2005-09-08 | 2007-03-22 | Yanmar Co Ltd | 栗の品質検査方法 |
CN1844900A (zh) * | 2006-04-10 | 2006-10-11 | 浙江大学 | 基于激光图像的水果表面缺陷检测方法及装置 |
CN101984346A (zh) * | 2010-10-19 | 2011-03-09 | 浙江大学 | 基于低通滤波的水果表面缺陷检测方法 |
CN103149214A (zh) * | 2013-02-27 | 2013-06-12 | 上海交通大学 | 水果表面缺陷检测方法 |
CN103149222A (zh) * | 2013-02-28 | 2013-06-12 | 重庆大学 | 射线实时成像中缺陷检测方法 |
CN104215639A (zh) * | 2013-06-05 | 2014-12-17 | 江南大学 | 一种基于机器视觉的梨表面缺陷检测方法 |
CN104766277A (zh) * | 2015-03-10 | 2015-07-08 | 江苏大学 | 一种用于苹果采摘机器人的夜视图像降噪方法 |
Non-Patent Citations (8)
Title |
---|
F LÓPEZ-GARCÍA ET AL.: "Automatic detection of skin defects in citrus fruits using a multivariate image analysis approach[J].Computers and Electronics in Agriculture", 《COMPUTERS&ELECTRONICS IN AGRICULTURE》 * |
J BLASCO ET AL.: "Citrus sorting by identification of the most common defects using multispectral computer vision", 《JOURNAL OF FOOD ENGINEERING》 * |
李江波 等: "基于照度-反射模型的脐橙表面缺陷检测", 《农业工程学报》 * |
李江波 等: "水果表面亮度不均校正及单阈值缺陷提取研究", 《农业机械学报》 * |
李江波: "基于计算机视觉的香菇缺陷检测", 《包装与食品机械》 * |
杜永忠 等: "圣女果表面缺陷检测与分级系统研究", 《农业机械学报》 * |
赵娟 等: "基于高光谱技术检测苹果外观缺陷", 《食品安全质量检测学报》 * |
陈廉清 等: "基于差影和模板匹配的微小轴承表面缺陷检测", 《中国机械工程》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106124511A (zh) * | 2016-05-24 | 2016-11-16 | 浙江大学 | 一种基于自适应亮度回归矫正的水果表面缺陷检测方法 |
CN106124511B (zh) * | 2016-05-24 | 2018-11-06 | 浙江大学 | 一种基于自适应亮度回归矫正的水果表面缺陷检测方法 |
CN107037056A (zh) * | 2017-03-29 | 2017-08-11 | 浙江大学 | 一种快速局部阈值分割的水果表面缺陷检测方法 |
CN109632815A (zh) * | 2017-10-09 | 2019-04-16 | 上海明匠智能系统有限公司 | 表面缺陷在线检测系统及方法 |
CN109870459A (zh) * | 2019-02-21 | 2019-06-11 | 武汉武大卓越科技有限责任公司 | 无砟轨道的轨道板裂缝检测方法 |
CN109870459B (zh) * | 2019-02-21 | 2021-07-06 | 武汉光谷卓越科技股份有限公司 | 无砟轨道的轨道板裂缝检测方法 |
CN110823920A (zh) * | 2019-11-07 | 2020-02-21 | 深圳市智能机器人研究院 | 一种内孔侧壁表面缺陷采集装置、检测系统及方法 |
CN113128249A (zh) * | 2019-12-26 | 2021-07-16 | 合肥美亚光电技术股份有限公司 | 大蒜的疤识别方法、系统及分选设备 |
CN113128249B (zh) * | 2019-12-26 | 2022-08-23 | 合肥美亚光电技术股份有限公司 | 大蒜的疤识别方法、系统及分选设备 |
CN117437277A (zh) * | 2023-12-18 | 2024-01-23 | 聊城市至诚蔬果有限公司 | 一种果蔬脱水液面检测方法及装置 |
CN117437277B (zh) * | 2023-12-18 | 2024-03-12 | 聊城市至诚蔬果有限公司 | 一种果蔬脱水液面检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105044128B (zh) | 2017-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105044128A (zh) | 基于光照背景差影法的水果表面缺陷检测方法 | |
CN105354847A (zh) | 基于滑动比较窗口自适应分割的水果表面缺陷检测方法 | |
CN105004737B (zh) | 基于自适应改进型梯度信息的水果表面缺陷检测方法 | |
CN105675625B (zh) | 一种梯度迭代阈值分割的水果表面缺陷检测方法 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
CN106124511B (zh) | 一种基于自适应亮度回归矫正的水果表面缺陷检测方法 | |
CN105913415A (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN111862013B (zh) | 基于深度卷积神经网络的绝缘子检测方法、装置及设备 | |
CN105158258A (zh) | 一种基于计算机视觉的竹条表面缺陷检测方法 | |
CN103456021B (zh) | 一种基于形态学分析的布匹瑕疵检测方法 | |
CN107945200A (zh) | 图像二值化分割方法 | |
CN103440654A (zh) | 一种lcd异物缺陷检测方法 | |
CN109613023B (zh) | 一种区域亮度自适应校正的水果表面缺陷快速检测方法 | |
CN104978748A (zh) | 一种基于局部像素值的液晶屏缺陷检测方法 | |
CN103971340A (zh) | 一种高位宽数字图像动态范围压缩和细节增强方法 | |
CN104966285A (zh) | 一种显著性区域的检测方法 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN106845545B (zh) | 数字式电测仪表自动检定装置中的图像识别方法及装置 | |
CN103226829A (zh) | 基于边缘增强算子的图像边缘检测方法 | |
CN105513023A (zh) | 一种平显字符画面全屏反走样方法及装置 | |
CN103839245B (zh) | 基于统计规律的Retinex夜间彩色图像增强方法 | |
CN111047598B (zh) | 基于深度学习的输变电设备紫外放电光斑分割方法及装置 | |
CN110738644A (zh) | 一种基于深度学习的汽车涂装表面缺陷检测方法及系统 | |
CN107037056A (zh) | 一种快速局部阈值分割的水果表面缺陷检测方法 | |
CN106093051A (zh) | 基于机器视觉的纸卷切面毛刺检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20210520 Address after: 310012 room 1102, block B, Lishui digital building, 153 Lianchuang street, Wuchang Street, Yuhang District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou nuotian Intelligent Technology Co.,Ltd. Address before: 310027 No. 38, Zhejiang Road, Hangzhou, Zhejiang, Xihu District Patentee before: ZHEJIANG University |
|
TR01 | Transfer of patent right |