CN105891112A - 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法 - Google Patents
一种基于Android手机的蔬菜叶片新鲜度检测装置及方法 Download PDFInfo
- Publication number
- CN105891112A CN105891112A CN201610194284.1A CN201610194284A CN105891112A CN 105891112 A CN105891112 A CN 105891112A CN 201610194284 A CN201610194284 A CN 201610194284A CN 105891112 A CN105891112 A CN 105891112A
- Authority
- CN
- China
- Prior art keywords
- image
- freshness
- vegetable
- mobile phone
- vegetable leaf
- 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
- 235000013311 vegetables Nutrition 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 229920003266 Leaf® Polymers 0.000 claims description 58
- 238000012545 processing Methods 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 5
- 230000033001 locomotion Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000003706 image smoothing Methods 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 241000209094 Oryza Species 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- TVEXGJYMHHTVKP-UHFFFAOYSA-N 6-oxabicyclo[3.2.1]oct-3-en-7-one Chemical compound C1C2C(=O)OC1C=CC2 TVEXGJYMHHTVKP-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000005156 Dehydration Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 235000021186 dishes Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
- G01N5/04—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder
- G01N5/045—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid by removing a component, e.g. by evaporation, and weighing the remainder for determining moisture content
-
- G06T5/70—
-
- 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
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/061—Sources
- G01N2201/06146—Multisources for homogeneisation, as well sequential as simultaneous operation
- G01N2201/06153—Multisources for homogeneisation, as well sequential as simultaneous operation the sources being LED's
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/062—LED's
Abstract
本发明公开了一种基于Android手机的蔬菜叶片新鲜度检测装置及方法，包括不透光的外壳，外壳内部设有透明的载物台和LED灯，载物台边缘固定在所述外壳内壁上，所述LED灯对称地设置在所述载物台的上方和下方、且固定在所述外壳内壁上；外壳的顶面能够打开；所述外壳顶面上设有拍摄孔和固定装置；所述固定装置能够固定手机，所述手机摄像头与所述拍摄孔对准；手机通过安装APP实现蔬菜叶片新鲜度检测。将蔬菜放到载物台上，通过手机APP采集到蔬菜图像后进行灰度化、去噪和分割处理，然后提取特征并代入水分预测模型，进而得出蔬菜含水率，判断新鲜度。本发明可以使用户随时随地对蔬菜叶片新鲜度进行判断，操作简单，方便快捷，实时性强,可以普及到每一位Android用户。
Description
技术领域
本发明涉及的是一种图像处理领域的技术，具体是一种基于Android手机的蔬菜叶片新鲜度检测装置及方法。
背景技术
新鲜蔬菜叶片含有大量叶绿素和水分，能够进行正常的新陈代谢。但随着叶片水分的缺失，细胞各项生命活动停滞，叶片就会变黄，萎蔫，干枯。因而水分含量是判别蔬菜新鲜度的重要标志，为了较准确地判断采摘后的蔬菜叶片是否新鲜。目前，已有大量国内外学者利用图像处理技术对叶片水分开展了深入研究，但采集与处理设备大多基于数码相机和计算机，缺乏便携性和实时性，难于实际推广。近几年来智能手机已经普及至千家万户，采用Android手机进行蔬菜叶片新鲜度检测，方便快捷，实时性强，为蔬菜新鲜度的高效诊断提供了新的解决方法和途径。
现有的检测植物叶片水分的方法主要集中在光谱法和图像法，孙俊等利用高光谱图像技术对生菜叶片水分含量进行预测研究；毛罕平等利用偏最小二乘-人工神经网络回归分析法建立了叶片干基含水率的定量分析模型；戴之祥利用水稻植株可见光图像颜色的差异性检测水稻植株的含水率；高洪燕利用偏最小二乘-神经网络回归建立了番茄冠气温差模型和水分胁迫指数模型。然而这些方法在采集图像时基本采用光谱仪或数码相机，最终需要在PC平台上进行图像处理，缺乏便携性，实时性较差，很难实际推广。
随着社会和科学技术的不断发展，科学技术各领域都朝着智能、便携、良好用户交互、快速响应能力的方向发展。移动智能设备具有更好的便携性和更广泛的普及性，不但完全具备运行植物叶片含水率检测系统所需的软硬件条件，而且可以随时随地进行检测。自2007年Google宣布基于Linux平台的开源移动手机平台——Android诞生以来，Android系统迅猛发展，2013年5月16日，在I/O大会上，谷歌推出了新的Android开发环境——Androidstudio，取代传统的Eclipse用于Android开发，这就意味着Android studio将成为一种趋势。截止2015年，Android系统用户总数已达到14亿。
发明内容
本发明针对上述现有技术存在的不足，提出一种基于Android手机的蔬菜叶片新鲜度检测系统及检测方法。采用如下技术方案：
一种基于Android手机的蔬菜叶片新鲜度检测装置，包括不透光的外壳；所述外壳内部设有透明的载物台和LED灯，所述载物台边缘固定在所述外壳内壁上，所述LED灯设置在所述载物台的上方和下方、且固定在所述外壳内壁上；所述外壳的顶面能够打开；所述外壳顶面上设有拍摄孔和固定装置；所述固定装置能够固定手机，所述手机摄像头与所述拍摄孔对准；所述手机通过安装APP实现蔬菜叶片新鲜度检测。
进一步优选，所述载物台中心位置上设有叶片摆放框；在所述外壳顶面闭合时，所述拍摄孔正对所述叶片摆放框。
进一步优选，所述载物台平面与所述外壳的顶面和底面平行。
进一步优选，所述LED灯的个数为4个、并且关于所述叶片摆放框呈中心对称布置。
进一步优选，所述固定装置包括固定在所述外壳顶面的长方块以及通过推动杆与所述长方块两侧相连的夹块；所述推动杆一端与所述夹块固定，所述推动杆另一端能够在所述长方块内部做伸缩运动。
进一步优选，所述外壳上还设有开关和把手，所述开关用于控制所述LED灯，所述把手位于外壳顶面。
基于上述检测装置，本发明还提出了一种基于Android手机的蔬菜叶片新鲜度检测方法，在Android手机安装APP，通过APP实现蔬菜叶片新鲜度的自动检测，具体包括如下步骤：
步骤1，图像获取：利用所述检测装置获取蔬菜叶片图像；
步骤2，图像处理：利用APP的图像处理程序对蔬菜叶片图像进行灰度化、去噪、分割处理；
步骤3，特征提取：采用灰度共生矩阵对处理后的蔬菜图像提取特征，所述特征包括能量、灰度均值、相关性、惯性、灰度熵、逆差距、灰度均方差；
步骤4，数据分析：采用多元线性回归方法建立含水率与所述特征之间的预测模型y＝C+a1x1+a2x2+a3x3+…+anxn，其中n＝7，x1,x2,…xn表示特征值，a1，a2,…an表示系数，C表示常数项；利用所述预测模型计算出蔬菜叶片含水率，进而判断蔬菜的新鲜度。
进一步，所述步骤1的具体实现包括如下：
步骤1.1，打开外壳的顶面盖子，将待测蔬菜叶片放在叶片摆放框上，将手机固定在固定装置上并且使手机摄像头对准外壳顶面的拍摄孔，盖好顶面盖子使整个外壳密闭；
步骤1.2，打开开关，点亮LED灯；操作手机APP，自动调用手机摄像头拍照，并将图像显示在手机屏幕上。
进一步，所述步骤2中所述灰度化采用加权平均值法，Gray＝R*0.30+G*0.59+B*0.11；所述去噪采用领域均值滤波法，创建imageSmooth()方法、利用滤波窗口SmoothTemp＝{{0,1,0}，{1,0,1}，{0,1,0}}取图像中每个像素的邻域，以邻域中所有像素的灰度均值作为该点的灰度，实现图像平滑去噪；所述分割采用快速迭代的二维OTSU方法，在threshold_type中使用参数CV_THRESH_OTSU。
进一步，所述步骤4还包括：将所述预测模型的系数a1，a2,…an事先通过实验标定出来，进行建模，具体包括：
步骤4.1，将新鲜刚采摘下来的若干蔬菜叶片放入保鲜袋中，每一个叶片单独使用一个保鲜袋存放，带回实验室；
步骤4.2，利用高精度天平称出每一个叶片的鲜重，并一一记录下来,利用所述检测装置获取叶片图像并对图像处理、提取特征信息；
步骤4.3，每隔6个小时称一次叶片的重量、拍照获取图像，对图像处理并提取特征信息，其他时间，叶片在常温室内环境下蒸发；
步骤4.4，重复上述步骤4.3，直到叶片明显枯黄不能食用时，将叶片放入烘箱中烘干，直至叶片水分不再减少，称取叶片干重；
步骤4.5，利用叶片湿基含水率计算公式得到叶片含水率值，结合步骤4.2至步骤4.3提取的图像特征信息，代入预测模型求出系数
本发明的有益效果：
1、本发明可以使用户随时随地对蔬菜叶片新鲜度进行判断，使用时只需将待测叶片放在叶片摆放框上，盖上盖子，然后通过手机APP的按钮就能获得叶片含水率信息。操作简单，方便快捷，实时性强，可以普及到每一位Android用户。
2、装置的外壳采用不透光的封闭式结构，能够完全屏蔽外界光源的干扰。
3、通过对称布置的四个LED和透明的载物台，为图像拍摄提供稳定均匀的光源环境。
附图说明
图1为本发明的拍摄装置示意图；
图2为本发明的拍摄装置翻盖后示意图；
图3为本发明的拍摄装置俯视图；
图4为本发明的手机固定架示意图；
图5为本发明的软件框架示意图；
图6为本发明的系统流程图；
图7为本发明的建模流程图；
图8是拍摄孔的结构图。
图中标记：
1-外壳，2-把手，3-LED，4-拍摄孔，5-夹块，6-长方块，7-推动杆，8-载物台，9-叶片摆放框，10-开关。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明，但本发明的实施方式并不局限于此。
如图1、图2所示，本发明的基于Android手机的蔬菜叶片新鲜度检测装置，该装置主要由以下部件组成，下面对这些部件详细说明：
长方体外壳1：所述外壳1采用不透光的封闭式结构，能够完全屏蔽外界光源的干扰，严格控制拍摄出来的图像，起到统一光源环境的作用。
外壳的顶面上盖是可以打开的，顶面上设有把手2、拍摄孔4和固定装置，拉动把手2可以很方便的打开顶面上盖；如图4所示，所述固定装置包括：长方块6以及通过推动杆7与所述长方块6两侧相连的夹块5；所述推动杆7一端与所述夹块5固定，所述推动杆7另一端能够在所述长方块6内部做伸缩运动；长方块6采用超薄材质做成，这样可以忽略厚度对手机拍摄时的影响，所述长方块6、所述夹块5以及所述推动杆7是一体化装置，将长方块6固定在外壳1顶面上；手机被固定在所述固定装置时，保证手机摄像头对准所述拍摄孔4；拍摄孔4是用来固定手机摄像头位置的，为了使手机拍摄时不受材质厚度的影响，拍摄孔4的内孔略大于外孔(所述内孔是对准载物台的，所述外孔是对准手机摄像头的，如图8所示)，由于不同手机摄像头位置一般不同，在拍摄前需要先将手机摄像头对准拍摄孔4，这样才能保证拍摄出来的图像角度一致。
外壳内部设有载物台8，所述载物台8边缘固定在所述外壳内壁上，所述载物台平面与所述外壳1的顶面和底面平行，所述载物台8中心位置上设有叶片摆放框9，在所述外壳顶面闭合时，所述拍摄孔4正对所述叶片摆放框9的中心；如图3所示。设计叶片摆放框能够保证拍摄图像时摄像头正对叶片图像，放置叶片样本时只需打开外壳的顶面上盖，将样本平整地放置在叶片摆放框13中，操作简单方便。
外壳内部还设有LED发光二极管，共四个，四个LED发光二极管两两相互对齐，成立方形摆放，并且关于所述叶片摆放框呈中心对称布置；所述LED3为图像拍摄提供稳定均匀的光源环境。LED发光二极管具有体积小、工作电压低、工作电流小、发光均匀稳定、响应速度快、寿命长等优点，而且可采用蓄电池供电，因而本发明采用LED发光二极管作为图像拍摄光源。
所述载物台8为透明的，这样可以不影响LED光源的照射。
外壳的外部壳体上设有开关10，所述开关10是用来控制LED发光二极管的。
本发明的检测装置还包括安装有APP程序的Android手机，通过APP程序来实现蔬菜叶片新鲜度的自动检测。通用Android开发环境的搭建：在Windows操作系统下建立JavaJDK+Android SDK+Android studio的通用开发环境，取代传统的Eclipse，采用AndroidStudio用于Android开发。在VC++环境中建立OpenCV项目，采用C/C++语言编写图像处理程序,通过Android studio中的JNI接口调用本地已经编译好的图像处理程序，和Java程序一起打包成apk文件,最终在Android手机安装apk文件实现。
如图5、图6和如图7所示，所示，安装在Android手机上的APP程序包括四个模块：图像获取模块、图像处理模块、特征提取模块、数据分析模块；其中图像处理模块和特征提取模块主要是采用C/C++语言编写程序，在VC++环境中建立OpenCV项目，并将运行好的图像处理程序运用到Android studio中；数据分析模块主要将图像处理后提取出来的特征参数带入到水分预测模型中，得出不同叶片的含水率值，进而判断叶片是否新鲜。下面分别详细介绍：
图像获取模块：点击获取图像按钮，图像获取模块会自动调用手机摄像头拍照，并添加自动对焦功能，对焦成功后拍下的图像会显示在手机屏幕上。
图像处理模块：图像处理模块主要包括图像的灰度化、去噪、分割等操作。灰度化是将彩色图像转化成灰度图像，灰度化可以增大图像的动态范围，使对比度扩展，图像清晰度增强，特征更加明显，更加有利于图像的后期操作；灰度化采用加权平均值法，加权平均值法是根据人眼对绿色敏感度最高，红色次之，蓝色最低得到的最合理的灰度图像。利用数字图像处理中的RGB图像的R、G、B各个通道的像素值与灰度图像像素值的转换关系将彩色图像转化成灰度图像，公式为：Gray＝R*0.30+G*0.59+B*0.11。去噪和分割是图像处理的主要组成部分，图像在采集拍摄过程中会受到环境噪声等因素的影响，导致图像质量下降，对图像进行去噪处理可以降低噪声对识别结果的影响，去噪采用领域均值滤波法，创建imageSmooth()方法、利用滤波窗口SmoothTemp＝{{0,1,0}，{1,0,1}，{0,1,0}}取图像中每个像素的邻域，以邻域中所有像素的灰度均值作为该点的灰度，从而实现图像平滑去噪。图像分割是成功进行图像分析和理解的关键，分割的目的是将图像中的目标分为各个感兴趣的区域，与图像中各种物体目标相对应，通过对分割结果的描述，可以理解图像中包含的信息，分割采用快速迭代的二维OTSU算法，在threshold_type中使用参数CV_THRESH_OTSU。寻找最优阈值向量(t*,s*)，可以大大节省计算时间,降低计算复杂度,并大幅减少了计算所需要的存储空间。
特征提取模块：纹理特征是一种不依赖于颜色或亮度的物体表面所共有的内在特性，采用灰度共生矩阵提取图像的纹理特征，主要通过计算能量、灰度均值、相关性、惯性、灰度熵、逆差距、灰度均方差七个值来体现。灰度共生矩阵具有较好的鉴别和适应能力，能够较好地描述亮度分布的统计特征和像素位置的分布特征，对于描述叶片失水过程中叶片粗糙、皱缩程度、沟纹明显程度等方面的变化具有较强的适用性。
数据分析模块：采用多元线性回归方法建立含水率与特征值之间的预测模型，不同种类的蔬菜需要建立不同的预测模型；多元线性回归(MLR)是以若干变量的观测数据为出发点，通过对这种数据结构的分析研究，寻找变量间存在的依赖关系，这种方法比单一自变量预测或估计更加有效。用户拍摄好叶片图像后，系统经过上述一系列图像处理操作，最终将提取出来的特征值带入到水分预测模型中得出含水率值，选择蔬菜名称类别，系统会自动调用该类蔬菜水分预测模型进行数据分析，进而实现判断蔬菜的新鲜度，并将结果显示在手机屏幕上；本发明主要用于分析生活中一些常见的蔬菜，如生菜、菠菜、青菜、白菜等，为了使分析结果更加准确，不同的蔬菜需要建立不同的水分预测模型。
基于上述检测装置，本发明提出了针对蔬菜叶片新鲜度的检测方法，包括如下步骤：
步骤1，获取蔬菜叶片图像：利用所述检测装置获取蔬菜叶片图像；具体实现如下：
步骤1.1，拉动把手打开外壳的顶面盖子，将待测蔬菜叶片放在叶片摆放框上，将手机摄像头与拍摄孔对准后，翻开盖子从另一面再次检查手机摄像头是否与拍摄孔对准，确认无误后，推动夹块以固定手机位置，盖好顶面盖子使整个外壳密闭；
步骤1.2，打开开关，点亮LED灯；操作手机APP，点击获取图像按钮，自动调用手机摄像头拍照，并将拍摄的图像显示在手机屏幕上。
步骤2，对拍摄的图像处理：利用APP的图像处理程序对蔬菜叶片图像进行灰度化、去噪、分割处理；
步骤3，特征提取：采用灰度共生矩阵对处理后的蔬菜图像提取特征，所述特征包括能量、灰度均值、相关性、惯性、灰度熵、逆差距、灰度均方差；
步骤4，数据分析：采用多元线性回归方法建立含水率与所述特征之间的预测模型y＝C+a1x1+a2x2+a3x3+…+anxn
其中n＝7，x1,x2,…xn表示图像特征，a1，a2,…an表示系数，C表示常数项；
利用所述预测模型计算出蔬菜叶片含水率，进而判断蔬菜的新鲜度，并将结果显示在手机屏幕上。
上述预测模型的系数a1，a2,…an需要事先通过实验标定出来，进行建模。以生菜为例进行说明(其他蔬菜操作相同)，材料：新鲜刚采摘下来的生菜叶片若干，设备：智能手机(像素在500万以上)，操作系统Android4.0以上，高精度天平(分辨率为0.001g的微量天平测量仪)，烘箱(电热风机恒温干燥箱)，64位台式机。具体包括如下步骤：
步骤4.1，将新鲜刚采摘下来的若干生菜叶片放入保鲜袋中，每一个叶片单独使用一个保鲜袋存放，带回实验室；
步骤4.2，利用高精度天平称出每一个叶片的鲜重，并一一记录下来,利用所述检测装置获取叶片图像并对图像处理、提取特征信息；
步骤4.3，拍摄时间分别为早上9点，下午3点，晚上9点，每隔6个小时称一次叶片的重量、拍照获取图像，对图像处理并提取特征信息，其他时间，叶片在常温室内环境下蒸发；
步骤4.4，重复上述步骤4.3，直到叶片明显枯黄不能食用时，将叶片放入烘箱中烘干，直至叶片水分不再减少，称取叶片干重；
步骤4.5，利用叶片湿基含水率计算公式得到叶片含水率值，结合步骤4.2至步骤4.3提取的图像特征信息，代入预测模型求出系数。含水率公式为：
上述实施例仅仅是本发明较佳的实施方式，本发明实施方式并不限于此，在不违背实质内容和精神的前提下，本领域技术人员所作任何显而易见的修改、改进或等同替换等都将落入本发明的保护范围。
Claims (10)
1.一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在于，包括不透光的外壳(1)；所述外壳(1)内部设有透明的载物台(8)和LED(3)，所述载物台(8)边缘固定在所述外壳内壁上，所述LED灯(3)设置在所述载物台(8)的上方和下方、且固定在所述外壳内壁上；所述外壳(1)的顶面能够打开；所述外壳顶面上设有拍摄孔(4)和固定装置；所述固定装置能够固定手机，所述手机摄像头与所述拍摄孔(4)对准；所述手机通过安装APP实现蔬菜叶片新鲜度检测。
2.根据权利要求1所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在于，所述载物台(8)中心位置上设有叶片摆放框(9)；在所述外壳顶面闭合时，所述拍摄孔(4)正对所述叶片摆放框(9)。
3.根据权利要求2所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在于，所述载物台平面与所述外壳的顶面和底面平行。
4.根据权利要求3所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在于，所述LED(3)的个数为4个、并且关于所述叶片摆放框(9)呈中心对称布置。
5.根据权利要求1所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在于，所述固定装置包括固定在所述外壳顶面的长方块(6)以及通过推动杆(7)与所述长方块(6)两侧相连的夹块(5)；所述推动杆(7)一端与所述夹块(5)固定，所述推动杆(7)另一端能够在所述长方块(6)内部做伸缩运动。
6.根据权利要求1所述的一种基于Android手机的蔬菜叶片新鲜度检测装置，其特征在于，所述外壳(1)上还设有开关(10)和把手(2)，所述开关(10)用于控制所述LED(3)，所述把手(2)位于外壳顶面。
7.一种基于Android手机的蔬菜叶片新鲜度检测方法，其特征在于，在Android手机安装APP，通过APP实现蔬菜叶片新鲜度的自动检测，具体包括如下步骤：
步骤1，图像获取：利用所述检测装置获取蔬菜叶片图像；
步骤2，图像处理：利用APP的图像处理程序对蔬菜叶片图像进行灰度化、去噪、分割处理；
步骤3，特征提取：采用灰度共生矩阵对处理后的蔬菜图像提取特征，所述特征包括能量、灰度均值、相关性、惯性、灰度熵、逆差距、灰度均方差；
步骤4，数据分析：采用多元线性回归方法建立含水率与所述特征之间的预测模型y＝C+a1x1+a2x2+a3x3+…+anxn，其中n＝7，x1,x2,…xn表示特征值，a1，a2,…an表示系数，C表示常数项；利用所述预测模型计算出蔬菜叶片含水率，进而判断蔬菜的新鲜度。
8.根据权利要求7所述的一种基于Android手机的蔬菜叶片新鲜度检测方法，其特征在于，所述步骤1的具体实现包括如下：
步骤1.1，打开外壳(1)的顶面盖子，将待测蔬菜叶片放在叶片摆放框(9)上，将手机固定在固定装置上并且使手机摄像头对准外壳顶面的拍摄孔(4)，盖好顶面盖子使整个外壳密闭；
步骤1.2，打开开关，点亮LED(3)；操作手机APP，自动调用手机摄像头拍照，并将图像显示在手机屏幕上。
9.根据权利要求7所述的一种基于Android手机的蔬菜叶片新鲜度检测方法，其特征在于，所述步骤2中所述灰度化采用加权平均值法，Gray＝R*0.30+G*0.59+B*0.11；所述去噪采用领域均值滤波法，创建imageSmooth()方法、利用滤波窗口SmoothTemp＝{{0,1,0}，{1,0,1}，{0,1,0}}取图像中每个像素的邻域，以邻域中所有像素的灰度均值作为该点的灰度，实现图像平滑去噪；所述分割采用快速迭代的二维OTSU方法，在threshold_type中使用参数CV_THRESH_OTSU。
10.根据权利要求7所述的一种基于Android手机的蔬菜叶片新鲜度检测方法，其特征在于，所述步骤4还包括：将所述预测模型的系数a1，a2,…an事先通过实验标定出来，进行建模，具体包括：
步骤4.1，将新鲜刚采摘下来的若干蔬菜叶片放入保鲜袋中，每一个叶片单独使用一个保鲜袋存放，带回实验室；
步骤4.2，利用高精度天平称出每一个叶片的鲜重，并一一记录下来,利用所述检测装置获取叶片图像并对图像处理、提取特征信息；
步骤4.3，每隔6个小时称一次叶片的重量、拍照获取图像，对图像处理并提取特征信息，其他时间，叶片在常温室内环境下蒸发；
步骤4.4，重复上述步骤4.3，直到叶片明显枯黄不能食用时，将叶片放入烘箱中烘干，直至叶片水分不再减少，称取叶片干重；
步骤4.5，利用叶片湿基含水率计算公式得到叶片含水率值，结合步骤4.2至步骤4.3提取的图像特征信息，代入预测模型求出系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610194284.1A CN105891112A (zh) | 2016-03-31 | 2016-03-31 | 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610194284.1A CN105891112A (zh) | 2016-03-31 | 2016-03-31 | 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105891112A true CN105891112A (zh) | 2016-08-24 |
Family
ID=57014755
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610194284.1A Pending CN105891112A (zh) | 2016-03-31 | 2016-03-31 | 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105891112A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106404780A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 基于平板电脑的稻穗表型分析仪与使用方法 |
| CN106991427A (zh) * | 2017-02-10 | 2017-07-28 | 海尔优家智能科技（北京）有限公司 | 果蔬新鲜度的识别方法及装置 |
| CN108596216A (zh) * | 2018-04-04 | 2018-09-28 | 格薪源生物质燃料有限公司 | 生物质燃料质量检测方法及系统 |
| CN109655414A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
| CN109753980A (zh) * | 2017-11-03 | 2019-05-14 | 虹软科技股份有限公司 | 一种用于检测的方法和装置 |
| CN109780810A (zh) * | 2018-12-24 | 2019-05-21 | 珠海格力电器股份有限公司 | 一种食物状况的确定方法、装置、存储介质及冰箱 |
| CN110361368A (zh) * | 2019-06-17 | 2019-10-22 | 吉林求是光谱数据科技有限公司 | 一种获取绿叶蔬菜新鲜度数据库的方法 |
| CN113689374A (zh) * | 2020-05-18 | 2021-11-23 | 浙江大学 | 一种植物叶片表面粗糙度确定方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102506772A (zh) * | 2011-11-01 | 2012-06-20 | 西北农林科技大学 | 一种基于手机的快速检测叶片面积的方法及装置 |
| CN104535588A (zh) * | 2014-12-24 | 2015-04-22 | 河海大学常州校区 | 基于安卓系统的鸡蛋新鲜度无损检测系统及其检测方法 |
-
2016
- 2016-03-31 CN CN201610194284.1A patent/CN105891112A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102506772A (zh) * | 2011-11-01 | 2012-06-20 | 西北农林科技大学 | 一种基于手机的快速检测叶片面积的方法及装置 |
| CN104535588A (zh) * | 2014-12-24 | 2015-04-22 | 河海大学常州校区 | 基于安卓系统的鸡蛋新鲜度无损检测系统及其检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 周超超: "基于Android手机平台的玉米叶片含氮量检测方法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
| 杨春合 等: "基于移动互联网图像处理模式的作物叶片含水量检测研究", 《浙江农业学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106404780A (zh) * | 2016-08-31 | 2017-02-15 | 上海交通大学 | 基于平板电脑的稻穗表型分析仪与使用方法 |
| CN106991427A (zh) * | 2017-02-10 | 2017-07-28 | 海尔优家智能科技（北京）有限公司 | 果蔬新鲜度的识别方法及装置 |
| CN109753980A (zh) * | 2017-11-03 | 2019-05-14 | 虹软科技股份有限公司 | 一种用于检测的方法和装置 |
| CN108596216A (zh) * | 2018-04-04 | 2018-09-28 | 格薪源生物质燃料有限公司 | 生物质燃料质量检测方法及系统 |
| CN109655414A (zh) * | 2018-11-27 | 2019-04-19 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
| CN109655414B (zh) * | 2018-11-27 | 2021-11-02 | Oppo广东移动通信有限公司 | 电子设备、信息推送方法及相关产品 |
| CN109780810A (zh) * | 2018-12-24 | 2019-05-21 | 珠海格力电器股份有限公司 | 一种食物状况的确定方法、装置、存储介质及冰箱 |
| CN110361368A (zh) * | 2019-06-17 | 2019-10-22 | 吉林求是光谱数据科技有限公司 | 一种获取绿叶蔬菜新鲜度数据库的方法 |
| CN113689374A (zh) * | 2020-05-18 | 2021-11-23 | 浙江大学 | 一种植物叶片表面粗糙度确定方法及系统 |
| CN113689374B (zh) * | 2020-05-18 | 2023-10-27 | 浙江大学 | 一种植物叶片表面粗糙度确定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105891112A (zh) | 一种基于Android手机的蔬菜叶片新鲜度检测装置及方法 | |
| Jung et al. | Measuring circadian lighting through high dynamic range photography | |
| Sonnentag et al. | Digital repeat photography for phenological research in forest ecosystems | |
| US8660342B2 (en) | Method to assess aesthetic quality of photographs | |
| Rich | A manual for analysis of hemispherical canopy photography | |
| CN106211804B (zh) | 利用对原始图像数据的色度测量进行自动白平衡 | |
| Proulx et al. | Measures of structural complexity in digital images for monitoring the ecological signature of an old-growth forest ecosystem | |
| CN107229625A (zh) | 一种拍摄处理方法和装置、一种用于拍摄处理的装置 | |
| CN108322646A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
| CN104884937B (zh) | 图像测量方法、系统、设备 | |
| JP2012168181A (ja) | 色分類および皮膚色検出のための画像処理のためのシステム、方法、および装置 | |
| Brusa et al. | Increasing the precision of canopy closure estimates from hemispherical photography: Blue channel analysis and under-exposure | |
| WO2007069736A1 (ja) | 樹体生産能力を評価する方法、樹体生産能力を評価するための撮像装置及び樹体生産能力を評価するためのプログラム | |
| CN101424523A (zh) | 一种快速测定草林植被盖度的数字式可视化方法 | |
| CN102253038A (zh) | 基于嵌入式ccd图像采集的金免疫定量检测方法及装置 | |
| CN106796653A (zh) | 图像数据处理方法和支持该方法的电子装置 | |
| CN106769944B (zh) | 基于图像的双波长植物叶片叶绿素含量检测方法和装置 | |
| CN108259746A (zh) | 一种图像色彩检测方法及移动终端 | |
| CN107424117A (zh) | 图像美颜方法、装置、计算机可读存储介质和计算机设备 | |
| CN107888838A (zh) | 用于处理图像的方法及支持该方法的电子设备 | |
| CN112613438A (zh) | 一种便携式柑橘在线测产仪 | |
| Zhang et al. | Yield estimation of citrus fruit using rapid image processing in natural background | |
| Mardaljevic et al. | Reconstruction of cumulative daylight illumination fields from high dynamic range imaging: Theory, deployment and in-situ validation | |
| CN109587337A (zh) | 一种快速检测真菌毒素的方法及智能手机 | |
| CN108387534A (zh) | 测定植株含水量方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160824 |