CN106991667A - 一种构建图像特征谱的对虾完整性判别方法 - Google Patents

一种构建图像特征谱的对虾完整性判别方法 Download PDF

Info

Publication number
CN106991667A
CN106991667A CN201710134595.3A CN201710134595A CN106991667A CN 106991667 A CN106991667 A CN 106991667A CN 201710134595 A CN201710134595 A CN 201710134595A CN 106991667 A CN106991667 A CN 106991667A
Authority
CN
China
Prior art keywords
prawn
image
spectrum
characteristic spectrum
integrality
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
Application number
CN201710134595.3A
Other languages
English (en)
Inventor
成芳
张伟
刘子豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201710134595.3A priority Critical patent/CN106991667A/zh
Publication of CN106991667A publication Critical patent/CN106991667A/zh
Pending legal-status Critical Current

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
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种构建图像特征谱的对虾完整性判别方法。将采集的对虾彩色图像经过图像预处理获得二值图；二值图中求取对虾目标的外接矩形，根据外接矩形求取对虾特征谱；采集具有完整对虾的对虾彩色图像作为样本获得对虾特征谱，组成完整对虾特征谱数据库；采集待测对象的对虾彩色图像获得待测对虾特征谱，计算待测对虾特征谱与数据库中每一个对虾特征谱之间的最小欧氏距离；将最小欧式距离与距离阈值进行比较判别完整性。本发明能够有效地判别对虾的完整性，正确识别率高，为后续基于机器视觉技术对虾在线快速分选系统的研发提供了方便快捷的手段。

Description

一种构建图像特征谱的对虾完整性判别方法
技术领域
本发明涉及了一种构建图像特征谱的对虾完整性判别方法，属于机器视觉范畴，适合于基于机器视觉技术对虾在线分选分级的系统研发。
背景技术
经检索，文献《Automatic shrimp shape grading using evolutionconstructed features》提出了一套在线实时检测畸变熟虾仁的装置，由经典遗传算法构建的ECO特征，利用AdaBoost分类器，通过对879个虾体样本实验，获得了95.1％的总体分类精度。
现有公开号为CN103801520A的发明专利提供一种虾的自动精选分级装置，包括上料系统、分选通道、采图系统、分级系统和图像处理系统；其中采图系统用于采集原料虾的图像；分级系统包括与单列化通道对应的喷气嘴，该喷气嘴受控于图像处理系统，用于吹动虾体进入不同的接料槽；图像处理系统用于分析图像，对每个虾体的图像分级处理，根据分级结果，并发出控制分级系统的信号。
对虾的完整性检测是基于机器视觉技术对虾的快速分选工艺中的重要环节，而提取完整对虾与不完整对虾的有效区别特征，进而形成对虾特征谱是对虾完整性检测的关键，如果所构建的特征不能够有效地区别完整对虾和不完整对虾，就会造成误判，这样即便做到对虾的高速分选分级，却无法保证高效率识别，也是不合格的。
发明内容
为基于机器视觉技术对虾在线快速分选分级过程中的对虾完整性判别这一关键环节，本发明提供了一种构建图像特征谱的对虾完整性判别方法，通过构建完整对虾特征谱数据库，为后续对虾的完整性判别提供了方便快捷的手段。
如图1所示，本发明的具体技术方案如下：
(1)将采集的对虾彩色图像经过图像预处理获得二值图；
所述的对虾彩色图像为包含有对虾并且光照均匀、白色背景的图片。
图像预处理是：选用B通道对对虾彩色图像进行中值滤波以及形态学开操作，将对虾目标从图像背景中分割出来形成二值图。
(2)二值图中，求取对虾目标的外接矩形，并根据外接矩形进一步求取对虾特征谱；
求取外接矩形是采用的Opencv中cvBoundingRect算子进行求取。再将外接矩形所在的图像区域平均分成4x6块小区域，分别计算每一个小区域中白色像素所占比例值，将第一行从左到右六块小区域的比例值作为对虾特征谱的第一～第六个数值，将第二行从左到右六块小区域的比例值作为对虾特征谱的第七～第12个数值，并以此将所有24块小区域的比例值组成一个含有24个元素的一维数组a[24]，从而形成了由数值序列构成的对虾特征谱。
(3)采集多个具有完整对虾的对虾彩色图像作为样本，重复上述步骤1)和2)获得各个图像对应的对虾特征谱，组成完整对虾特征谱数据库；具有完整对虾的对虾彩色图像为包含有完整对虾的图像。
(4)采集待测对象的对虾彩色图像，并重复上述步骤1)和2)获得对应的待测对虾特征谱，计算待测对虾特征谱与数据库中每一个对虾特征谱之间的欧氏距离，取最小欧氏距离；
所述步骤(5)设有两个样品Xi、Xj的特征向量分别为Xi＝(xi1,xi2,…，xin)T，Xj＝(xj1,xj2,…，xjn)T，该两个样品之间的欧式距离Dij 2的计算公式如下所示：
其中，Dij越小，则两个样品距离越近，就越相似。
(5)将该最小欧式距离与设定的距离阈值进行比较，如果小于等于该阈值则判定为完整对虾，如果大于该阈值则判定为不完整对虾。通过多次实验探索发现所述阈值设为0.5识别精度最好。
本发明的创新点在于摒弃了现有方法判断虾头和虾尾的过程，实现了在不判断虾头和虾尾的情况下进行对虾完整性的判断，通过特有的对虾特征谱方式进行处理判断。
本发明的有益效果是：
本发明能够快速有效地提取到对虾图像中对虾的特征谱，通过与标准完整对虾特征谱里面的数据进行比对，可以有效地判别对虾的完整性，正确识别率高，为后续基于机器视觉技术对虾在线快速分选系统的研发提供了方便快捷的手段。
附图说明
图1本发明的原理框图；
图2是实施例动态采集的对虾彩色图像；
图3是实施例对虾预处理之后的二值图；
图4是实施例外接矩形图；
图5是实施例平均划分4x6个小区域图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明实施例如下：
试验对象：对虾，采自某水产市场。
试验实施：
1、将电脑、光源和工业相机打开，将工业相机的帧率设置在30fps，将增益设置在17.22dB，将曝光设置在1/41667sec，将程序轮廓提取的阈值设置在60，将电机打开，带动输送带转动，将输送带的速度设置在0.67m/s然后将对虾放在输送带上；当对虾进入相机视场时进行拍照，获得如图2所示的对虾彩色图像并保存图像；
2、所有对虾图像采集完后，对图像进行预处理，通过分离得到彩色图像的B通道灰度图，利用中值滤波，形态学开操作，可以很好地将对虾从背景中分离出来，并获得二值图，如图3所示；
3、对获得的二值图，进行求取外接矩形，如图4所示；
4、对获得的外接矩形，平均分成4x6个小区域，如图5所示；
实验通过在线采集971幅完整对虾图片，采用本文所提的构建对虾图像特征谱方法，构建完整对虾特征谱数据库，采用2668幅完整对虾图片与1262幅不完整对虾图片进行测试，阈值取0.5时测试结果如表1所示：
表1对虾图片测试结果一览表
完整识别率 不完整识别率 整体识别率
97.3％ 98.3％ 97.7％
通过表1可以看出该方法对于大小、形态、位置均不统一的对虾具有鲁棒性，本发明方法具有其突出显著的技术效果，能够有效地判断对虾的完整性，为后续基于机器视觉技术对虾在线快速分选系统的研发提供了方便快捷的手段。

Claims (5)

1.一种构建图像特征谱的对虾完整性判别方法，其特征在于包括以下步骤：
(1)将采集的对虾彩色图像经过图像预处理获得二值图；
(2)二值图中，求取对虾目标的外接矩形，并根据外接矩形进一步求取对虾特征谱；
(3)采集多个具有完整对虾的对虾彩色图像作为样本，重复上述步骤1)和2)获得各个图像对应的对虾特征谱，组成完整对虾特征谱数据库；
(4)采集待测对象的对虾彩色图像，并重复上述步骤1)和2)获得对应的待测对虾特征谱，计算待测对虾特征谱与数据库中每一个对虾特征谱之间的欧氏距离，取最小欧氏距离；
(5)将最小欧式距离与设定的距离阈值进行比较，来判别该待测样本的完整性。
2.根据权利要求1所述的一种构建图像特征谱的对虾完整性判别方法，其特征在于：所述的对虾彩色图像为包含有对虾并且光照均匀、白色背景的图片。
3.根据权利要求1所述的一种构建图像特征谱的对虾完整性判别方法，其特征在于：所述步骤(3)构建对虾特征谱具体为：将外接矩形所在的图像区域平均分成4x6块小区域，分别计算每一个小区域中白色像素所占比例值，将第一行从左到右六块小区域的比例值作为对虾特征谱的第一～第六个数值，将第二行从左到右六块小区域的比例值作为对虾特征谱的第七～第12个数值，并以此将所有24块小区域的比例值组成由数值序列构成的对虾特征谱。
4.根据权利要求1所述的一种构建图像特征谱的对虾完整性判别方法，其特征在于：所述步骤(1)图像预处理是：选用B通道对对虾彩色图像进行中值滤波以及形态学开操作，将对虾目标从图像背景中分割出来形成二值图。
5.根据权利要求1所述的一种构建图像特征谱的对虾完整性判别方法，其特征在于：所述步骤(2)求取外接矩形是采用的Opencv中cvBoundingRect算子进行求取。
CN201710134595.3A 2017-03-08 2017-03-08 一种构建图像特征谱的对虾完整性判别方法 Pending CN106991667A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710134595.3A CN106991667A (zh) 2017-03-08 2017-03-08 一种构建图像特征谱的对虾完整性判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710134595.3A CN106991667A (zh) 2017-03-08 2017-03-08 一种构建图像特征谱的对虾完整性判别方法

Publications (1)

Publication Number Publication Date
CN106991667A true CN106991667A (zh) 2017-07-28

Family

ID=59411552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710134595.3A Pending CN106991667A (zh) 2017-03-08 2017-03-08 一种构建图像特征谱的对虾完整性判别方法

Country Status (1)

Country Link
CN (1) CN106991667A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829465A (zh) * 2019-01-03 2019-05-31 上海交通大学 一种搜寻对虾最佳吸取位置和识别尾肢特征的方法
CN110738631A (zh) * 2019-08-26 2020-01-31 中国农业机械化科学研究院 一种基于图像的对虾外形信息检测方法和检测系统
CN112232331A (zh) * 2020-12-17 2021-01-15 恒银金融科技股份有限公司 一种纸币红外图像特征区域的识别与分类方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866352A (zh) * 2010-05-28 2010-10-20 广东工业大学 一种基于图像内容分析的外观设计专利检索方法
CN102117481A (zh) * 2011-03-17 2011-07-06 西安交通大学 一种破损图像自动数字化修复的方法
CN105069788A (zh) * 2015-08-05 2015-11-18 中北大学 一种古建墙壁题记受污毛笔文字图像聚类分割方法
CN105868759A (zh) * 2015-01-22 2016-08-17 阿里巴巴集团控股有限公司 分割图像字符的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101866352A (zh) * 2010-05-28 2010-10-20 广东工业大学 一种基于图像内容分析的外观设计专利检索方法
CN102117481A (zh) * 2011-03-17 2011-07-06 西安交通大学 一种破损图像自动数字化修复的方法
CN105868759A (zh) * 2015-01-22 2016-08-17 阿里巴巴集团控股有限公司 分割图像字符的方法及装置
CN105069788A (zh) * 2015-08-05 2015-11-18 中北大学 一种古建墙壁题记受污毛笔文字图像聚类分割方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109829465A (zh) * 2019-01-03 2019-05-31 上海交通大学 一种搜寻对虾最佳吸取位置和识别尾肢特征的方法
CN109829465B (zh) * 2019-01-03 2023-03-24 上海交通大学 一种搜寻对虾最佳吸取位置和识别尾肢特征的方法
CN110738631A (zh) * 2019-08-26 2020-01-31 中国农业机械化科学研究院 一种基于图像的对虾外形信息检测方法和检测系统
CN112232331A (zh) * 2020-12-17 2021-01-15 恒银金融科技股份有限公司 一种纸币红外图像特征区域的识别与分类方法

Similar Documents

Publication Publication Date Title
CN108287010B (zh) 一种螃蟹多指标分级装置与方法
US9527115B2 (en) Computer vision and machine learning software for grading and sorting plants
CN110929756B (zh) 基于深度学习的钢材尺寸和数量的识别方法、智能设备和存储介质
Liming et al. Automated strawberry grading system based on image processing
CN112893159B (zh) 一种基于图像识别的煤矸石分拣方法
CN110956212A (zh) 一种基于视觉特征融合的打叶质量检测方法
CN104198497A (zh) 一种基于视觉显著图和支持向量机的表面缺陷检测方法
CN106991667A (zh) 一种构建图像特征谱的对虾完整性判别方法
CN108230307B (zh) 一种基于轮廓质心距离与神经网络的玉米破碎粒检测方法
CN111860471B (zh) 一种基于特征检索的工服穿戴识别方法及系统
CN113820325A (zh) 一种玉米籽粒直收含杂率和破碎率在线检测系统及其方法
CN112560941A (zh) 基于图像检测的煤矸识别方法
CN111940339B (zh) 一种基于人工智能的红枣分拣系统
Pandey et al. Non-destructive quality grading of mango (Mangifera Indica L) based on CIELab colour model and size
CN106872473A (zh) 一种基于机器视觉的马铃薯缺陷检测识别系统设计
CN111161233A (zh) 一种用于冲孔皮革缺陷检测方法及系统
Arefi et al. Recognition of weed seed species by image processing
CN106900601B (zh) 一种快速精准识别对虾图像虾头点与虾尾点的方法
CN113333329A (zh) 一种基于深度学习的烟支缺陷检测系统
CN102680488A (zh) 一种基于pca的块状农产品在线识别装置及方法
CN116831307A (zh) 烟草物料风选除杂过程控制方法和装置、存储介质
CN112784769B (zh) 一种基于树莓派和机器视觉的双黄蛋在线识别系统和方法
CN115131342A (zh) 一种桉木单板缺陷图像检测系统及检测方法
CN214794500U (zh) 一种小麦外观品质的在线检测装置
Du et al. Research on Potato Appearance Quality Detection Based on Computer Vision

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

Application publication date: 20170728

RJ01 Rejection of invention patent application after publication