CN107392117A - 鱼体新鲜程度识别系统 - Google Patents
鱼体新鲜程度识别系统 Download PDFInfo
- Publication number
- CN107392117A CN107392117A CN201710532875.XA CN201710532875A CN107392117A CN 107392117 A CN107392117 A CN 107392117A CN 201710532875 A CN201710532875 A CN 201710532875A CN 107392117 A CN107392117 A CN 107392117A
- Authority
- CN
- China
- Prior art keywords
- fish body
- flake
- freshness
- average value
- sub
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Farming Of Fish And Shellfish (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种鱼体新鲜程度识别系统,包括摄像设备、新鲜程度识别设备和主控制设备,所述摄像设备用于对被检测鱼体进行拍摄以获得鱼体图像,所述新鲜程度识别设备与所述摄像设备连接,用于对所述鱼体图像进行图像处理,所述主控制设备与所述新鲜程度识别设备连接,基于所述新鲜程度识别设备的图像处理结果确定被检测鱼体的新鲜程度。通过本发明,能够快速、准确地检测出被检测鱼体的多个与新鲜程度相关的特征,从而在无损鱼体的情况下确定其新鲜程度。
Description
本申请为申请号2015101039732、申请日2015年03月10日、发明名称“鱼体新鲜程度识别系统”的分案申请。
技术领域
本发明涉及鱼体检验领域,尤其涉及一种鱼体新鲜程度识别系统。
背景技术
“民以食为天”,可见食品对人们日常生活的重要性。随着经济的发展和人们生活水平的提高,人们对食品的关注不仅仅在于是否满足饮食需求,更着重于食品的安全性。
为了获得即将食用的各种食品的安全性能,相继开发了各种检测设备,用于检测食品是否存在各种有毒物质以及各种营养成分。这些检测设备能够准确及时地分析出食品是否适宜人们进食,为人们的安全饮食和健康生活起到了一定的保重作用。
然而,现有技术的食品检测设备主要集中在于食品的有毒物质和营养成分检测上,对于无毒可以食用的食品的新鲜程度缺少有效的识别手段,例如对经常食用的鱼体,即使有,也是局限于通过人们的感官进行评价或者通过化学检测方式、微生物检测方式以及物理检测方式进行破坏性检测,但人工评价方式主观性强、误差大,而且无法定量分析,而化学检测方式、微生物检测方式以及物理检测方式又破坏性强,检测效率不高。
因此,需要一种新的鱼体新鲜程度识别方案,替代传统的人工识别模式或破坏性的识别模式,能够以电子识别模式对鱼体进行无损检测,而且能够同时保证识别的精度和速度。
发明内容
为了解决上述问题,本发明提供了一种鱼体新鲜程度识别系统,基于鱼眼和鱼体体表两个对新鲜程度最敏感的区域进行图像采集和图像处理,搭建了一套包括各种有针对性的处理部件的鱼体新鲜程度识别平台,实现对鱼体新鲜程度的非破坏性识别,整个识别系统运行速度快,提供的数据更为准确。
根据本发明的一方面,提供了一种鱼体新鲜程度识别系统,包括摄像设备、新鲜程度识别设备和主控制设备,所述摄像设备用于对被检测鱼体进行拍摄以获得鱼体图像,所述新鲜程度识别设备与所述摄像设备连接,用于对所述鱼体图像进行图像处理,所述主控制设备与所述新鲜程度识别设备连接,基于所述新鲜程度识别设备的图像处理结果确定被检测鱼体的新鲜程度。
更具体地,在所述鱼体新鲜程度识别系统中,还包括:检测箱体,包括楔形台、圆形外壳和传动机构,所述楔形台用于放置被检测鱼体,所述传动机构用于将被检测鱼体从检测箱体外部传送到所述楔形台上,所述圆形外壳用于容纳所述楔形台;辅助照明设备,设置在所述检测箱体内、所述楔形台的上方,用于为所述摄像设备的拍摄提供辅助照明,所述辅助照明光的亮度与所述辅助照明设备周围环境亮度成反比;供电设备,用于在所述主控制设备的控制下,为所述识别系统的各个用电部件提供电力供应;存储设备,用于预先存储鱼眼灰度上限阈值和鱼眼灰度下限阈值,所述鱼眼灰度上限阈值和鱼眼灰度下限阈值的数值都在0-255之间,用于将图像中的鱼眼与背景分离,所述存储设备还预先存储了鱼体新鲜程度对照表,所述鱼体新鲜程度对照表以鱼体新鲜程度为索引,保存了各个等级的鱼体新鲜程度分别对应的基准鱼体特征向量,所述基准鱼体特征向量由基准鱼眼L分量平均值、基准鱼眼a分量平均值、基准鱼眼b分量平均值、基准体表L分量平均值、基准体表a分量平均值和基准体表b分量平均值组成,每一个等级的鱼体新鲜程度对应的基准鱼眼L分量平均值、基准鱼眼a分量平均值、基准鱼眼b分量平均值由对具有每一个等级的鱼体新鲜程度的基准鱼眼图像进行Lab颜色空间转换获得的各个颜色分量平均值,每一个等级的鱼体新鲜程度对应的基准体表L分量平均值、基准体表a分量平均值和基准体表b分量平均值由对具有每一个等级的鱼体新鲜程度的基准鱼体体表图像进行Lab颜色空间转换获得的各个颜色分量平均值;显示设备,与所述主控制设备连接,用于显示被检测鱼体的鱼体新鲜程度的等级;所述摄像设备包括前盖玻璃、镜头、滤镜和成像电子单元,用于对被检测鱼体进行拍摄以获得鱼体图像,所述鱼体图像的分辨率为1920×1080,所述成像电子单元为CMOS视觉传感器;所述新鲜程度识别设备与所述存储设备和所述摄像设备分别连接,包括中值滤波子器件、灰度化处理子器件、眼部图像分割子器件、体表图像分割子器件、颜色空间转换子器件和特征提取子器件;所述中值滤波子器件与所述摄像设备连接,用于对所述鱼体图像进行5×5滤波窗口的中值滤波处理,以获得滤波鱼体图像;所述灰度化处理子器件与所述中值滤波子器件连接,对滤波鱼体图像进行灰度化处理,以获得灰度鱼体图像;所述眼部图像分割子器件与所述摄像设备、所述灰度化处理子器件和所述存储设备分别连接,将灰度鱼体图像中灰度值在鱼眼灰度上限阈值和鱼眼灰度下限阈值之间的像素识别为被检测鱼眼像素,将所有被检测鱼眼像素组成一个被检测鱼眼灰度子图像,并基于所述被检测鱼眼灰度子图像在所述灰度鱼体图像中的相对位置在所述鱼体图像中分割出对应的鱼眼子图像;所述体表图像分割子器件与所述中值滤波子器件连接,根据滤波鱼体图像中鱼体外接矩形的大小,按照预设比例在滤波鱼体图像中鱼体上划取一块矩形区域以获得体表子图像,所述预设比例为划取的矩形区域与鱼体外接矩形的比例;所述颜色空间转换子器件与所述眼部图像分割子器件和所述体表图像分割子器件分别连接,将鱼眼子图像和体表子图像分别进行Lab颜色空间转换,以获得转换后的鱼眼子图像和转换后的体表子图像;所述特征提取子器件与所述颜色空间转换子器件连接,计算转换后的鱼眼子图像的各个颜色分量平均值以获得实地鱼眼L分量平均值、实地鱼眼a分量平均值和实地鱼眼b分量平均值,计算转换后的体表子图像的各个颜色分量平均值以获得实地体表L分量平均值、实地体表a分量平均值和实地体表b分量平均值,将实地鱼眼L分量平均值、实地鱼眼a分量平均值、实地鱼眼b分量平均值、实地体表L分量平均值、实地体表a分量平均值和实地体表b分量平均值组成实地鱼体特征向量;所述主控制设备与所述新鲜程度识别设备和所述存储设备分别连接,将所述实地鱼体特征向量与所述鱼体新鲜程度对照表中各个等级的鱼体新鲜程度分别对应的基准鱼体特征向量逐一匹配,将匹配成功的基准鱼体特征向量对应的鱼体新鲜程度的等级作为被检测鱼体的鱼体新鲜程度的等级输出;其中,所述中值滤波子器件、所述灰度化处理子器件、所述眼部图像分割子器件、所述体表图像分割子器件、所述颜色空间转换子器件和所述特征提取子器件分别采用FPGA芯片来实现,所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列。
更具体地,在所述鱼体新鲜程度识别系统中,还包括:所述主控制设备根据供电设备的剩余电量,决定向所述摄像设备发送启动信号、省电信号或关闭信号,以及向所述新鲜程度识别设备发送启动信号、省电信号或关闭信号,以分别控制所述摄像设备和所述新鲜程度识别设备的工作模式。
更具体地,在所述鱼体新鲜程度识别系统中,还包括:所述显示设备为液晶显示屏。
更具体地,在所述鱼体新鲜程度识别系统中,还包括:将所述摄像设备和所述新鲜程度识别设备集成在一块集成电路板上。
更具体地,在所述鱼体新鲜程度识别系统中,还包括:所述摄像设备位于所述检测箱体的圆形外壳的顶部中央位置。
附图说明
以下将结合附图对本发明的实施方案进行描述,其中:
图1为根据本发明实施方案示出的鱼体新鲜程度识别系统的结构方框图。
图2为根据本发明实施方案示出的鱼体新鲜程度识别系统的新鲜程度识别设备的结构方框图。
具体实施方式
下面将参照附图对本发明的鱼体新鲜程度识别系统的实施方案进行详细说明。
食品安全(food safety),是指食品无毒、无害,符合应当有的营养要求,对人体健康不造成任何急性、亚急性或者慢性危害。根据倍诺食品安全定义,食品安全是“食物中有毒、有害物质对人体健康影响的公共卫生问题”。食品安全也是一门专门探讨在食品加工、存储、销售等过程中确保食品卫生及食用安全,降低疾病隐患,防范食物中毒的一个跨学科领域,所以食品安全很重要。
为了保证食品安全,食品的种植、养殖、加工、包装、储藏、运输、销售、消费等活动都要符合一定的标准和要求,不存在可能损害或威胁人体健康的有毒有害物质以导致消费者病亡或者危及消费者及其后代的隐患。由此可见食品安全既包括生产安全,也包括经营安全;既包括结果安全,也包括过程安全;既包括现实安全,也包括未来安全。
现有技术中的食品安全检测手段主要集中在于判断食品是否存在各种有毒物质,是否对人体造成伤害,以及判断食品中的各种营养成分是否达到预设标准,是否满足人体摄取的需求。而缺少一种高效、无损的食品新鲜程度检测模式,例如,对鱼类产品的新鲜程度检测。实际上,食品新鲜程度的检测关系着是否能够为人们的饮食带来更好的体验和享受。
为此,本发明提供了一种鱼体新鲜程度识别系统,通过对鱼体图像数据的采集和处理,利用了鱼眼和鱼体体表比其他部分对新鲜程度的反应更敏感的特点,实现了新鲜程度的无损检测,而且在保证数据精度和有效性的同时,提高了检测的速度。
图1为根据本发明实施方案示出的鱼体新鲜程度识别系统的结构方框图,所述识别系统包括摄像设备1、新鲜程度识别设备2和主控制设备3,所述主控制设备3与所述摄像设备1和所述新鲜程度识别设备2分别连接,所述摄像设备1与所述新鲜程度识别设备2连接。
其中,所述摄像设备1用于对被检测鱼体进行拍摄以获得鱼体图像,所述新鲜程度识别设备2用于对所述鱼体图像进行图像处理,所述主控制设备3用于基于所述新鲜程度识别设备2的图像处理结果确定被检测鱼体的新鲜程度。
接着,继续对本发明的鱼体新鲜程度识别系统的具体结构进行进一步的说明。
所述识别系统还包括:检测箱体,包括楔形台、圆形外壳和传动机构,所述楔形台用于放置被检测鱼体,所述传动机构用于将被检测鱼体从检测箱体外部传送到所述楔形台上,所述圆形外壳用于容纳所述楔形台。
所述识别系统还包括:辅助照明设备,设置在所述检测箱体内、所述楔形台的上方,用于为所述摄像设备1的拍摄提供辅助照明,所述辅助照明光的亮度与所述辅助照明设备周围环境亮度成反比。
所述识别系统还包括:供电设备,用于在所述主控制设备3的控制下,为所述识别系统的各个用电部件提供电力供应。
所述识别系统还包括:存储设备,用于预先存储鱼眼灰度上限阈值和鱼眼灰度下限阈值,所述鱼眼灰度上限阈值和鱼眼灰度下限阈值的数值都在0-255之间,用于将图像中的鱼眼与背景分离,所述存储设备还预先存储了鱼体新鲜程度对照表,所述鱼体新鲜程度对照表以鱼体新鲜程度为索引,保存了各个等级的鱼体新鲜程度分别对应的基准鱼体特征向量,所述基准鱼体特征向量由基准鱼眼L分量平均值、基准鱼眼a分量平均值、基准鱼眼b分量平均值、基准体表L分量平均值、基准体表a分量平均值和基准体表b分量平均值组成,每一个等级的鱼体新鲜程度对应的基准鱼眼L分量平均值、基准鱼眼a分量平均值、基准鱼眼b分量平均值由对具有每一个等级的鱼体新鲜程度的基准鱼眼图像进行Lab颜色空间转换获得的各个颜色分量平均值,每一个等级的鱼体新鲜程度对应的基准体表L分量平均值、基准体表a分量平均值和基准体表b分量平均值由对具有每一个等级的鱼体新鲜程度的基准鱼体体表图像进行Lab颜色空间转换获得的各个颜色分量平均值。
所述识别系统还包括:显示设备,与所述主控制设备3连接,用于显示被检测鱼体的鱼体新鲜程度的等级。
所述摄像设备1包括前盖玻璃、镜头、滤镜和成像电子单元,用于对被检测鱼体进行拍摄以获得鱼体图像,所述鱼体图像的分辨率为1920×1080,所述成像电子单元为CMOS视觉传感器。
如图2所示,所述新鲜程度识别设备2与所述存储设备和所述摄像设备1分别连接,包括中值滤波子器件21、灰度化处理子器件22、眼部图像分割子器件23、体表图像分割子器件24、颜色空间转换子器件25和特征提取子器件26。所述中值滤波子器件21与所述摄像设备1连接,用于对所述鱼体图像进行5×5滤波窗口的中值滤波处理,以获得滤波鱼体图像。
所述灰度化处理子器件22与所述中值滤波子器件21连接,对滤波鱼体图像进行灰度化处理,以获得灰度鱼体图像。
所述眼部图像分割子器件23与所述摄像设备1、所述灰度化处理子器件22和所述存储设备分别连接,将灰度鱼体图像中灰度值在鱼眼灰度上限阈值和鱼眼灰度下限阈值之间的像素识别为被检测鱼眼像素,将所有被检测鱼眼像素组成一个被检测鱼眼灰度子图像,并基于所述被检测鱼眼灰度子图像在所述灰度鱼体图像中的相对位置在所述鱼体图像中分割出对应的鱼眼子图像。
所述体表图像分割子器件24与所述中值滤波子器件21连接,根据滤波鱼体图像中鱼体外接矩形的大小,按照预设比例在滤波鱼体图像中鱼体上划取一块矩形区域以获得体表子图像,所述预设比例为划取的矩形区域与鱼体外接矩形的比例。
所述颜色空间转换子器件25与所述眼部图像分割子器件23和所述体表图像分割子器件24分别连接,将鱼眼子图像和体表子图像分别进行Lab颜色空间转换,以获得转换后的鱼眼子图像和转换后的体表子图像。
所述特征提取子器件26与所述颜色空间转换子器件25连接,计算转换后的鱼眼子图像的各个颜色分量平均值以获得实地鱼眼L分量平均值、实地鱼眼a分量平均值和实地鱼眼b分量平均值,计算转换后的体表子图像的各个颜色分量平均值以获得实地体表L分量平均值、实地体表a分量平均值和实地体表b分量平均值,将实地鱼眼L分量平均值、实地鱼眼a分量平均值、实地鱼眼b分量平均值、实地体表L分量平均值、实地体表a分量平均值和实地体表b分量平均值组成实地鱼体特征向量。
所述主控制设备3与所述新鲜程度识别设备2和所述存储设备分别连接,将所述实地鱼体特征向量与所述鱼体新鲜程度对照表中各个等级的鱼体新鲜程度分别对应的基准鱼体特征向量逐一匹配,将匹配成功的基准鱼体特征向量对应的鱼体新鲜程度的等级作为被检测鱼体的鱼体新鲜程度的等级输出。
其中,所述中值滤波子器件21、所述灰度化处理子器件22、所述眼部图像分割子器件23、所述体表图像分割子器件24、所述颜色空间转换子器件25和所述特征提取子器件26分别采用FPGA芯片来实现,所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列。
其中,在所述鱼体新鲜程度识别系统中,可选地,所述主控制设备3根据供电设备的剩余电量,决定向所述摄像设备1发送启动信号、省电信号或关闭信号,以及向所述新鲜程度识别设备2发送启动信号、省电信号或关闭信号,以分别控制所述摄像设备1和所述新鲜程度识别设备2的工作模式,所述显示设备可选为液晶显示屏,可以将所述摄像设备1和所述新鲜程度识别设备2集成在一块集成电路板上,以及可选地,所述摄像设备1位于所述检测箱体的圆形外壳的顶部中央位置。
另外,FPGA(Field-Programmable Gate Array),即现场可编程门阵列,他是在PAL、GAL、CPLD等可编程器件的基础上进一步发展的产物,是作为专用集成电路(ASIC)领域中的一种半定制电路而出现的,他解决了定制电路的不足,也克服了原有可编程器件门电路数有限的缺点。
早在1980年代中期,FPGA已经在PLD设备中扎根。CPLD和FPGA包括了一些相对大数量的可编辑逻辑单元。CPLD逻辑门的密度在几千到几万个逻辑单元之间,而FPGA通常是在几万到几百万。CPLD和FPGA的主要区别是他们的系统结构。CPLD是一个有点限制性的结构。这个结构由一个或者多个可编辑的结果之和的逻辑组列和一些相对少量的锁定的寄存器组成。这样的结果是缺乏编辑灵活性,但是却有可以预计的延迟时间和逻辑单元对连接单元高比率的优点。而FPGA却是有很多的连接单元,这样虽然让他可以更加灵活的编辑,但是结构却复杂的多。CPLD和FPGA另外一个区别是大多数的FPGA含有高层次的内置模块(比如加法器和乘法器)和内置的记忆体。因此一个有关的重要区别是很多新的FPGA支持完全的或者部分的系统内重新配置。允许他们的设计随着系统升级或者动态重新配置而改变。一些FPGA可以让设备的一部分重新编辑而其他部分继续正常运行。
FPGA采用了逻辑单元阵列LCA(Logic Cell Array)这样一个概念,内部包括可配置逻辑模块CLB(Configurable Logic Block)、输入输出模块IOB(Input Output Block)和内部连线(Interconnect)三个部分。现场可编程门阵列(FPGA)是可编程器件,与传统逻辑电路和门阵列(如PAL,GAL及CPLD器件)相比,FPGA具有不同的结构。FPGA利用小型查找表(16×1RAM)来实现组合逻辑,每个查找表连接到一个D触发器的输入端,触发器再来驱动其他逻辑电路或驱动I/O,由此构成了既可实现组合逻辑功能又可实现时序逻辑功能的基本逻辑单元模块,这些模块间利用金属连线互相连接或连接到I/O模块。
采用本发明的鱼体新鲜程度识别系统,针对现有技术缺乏无损高效检测鱼体新鲜程度的技术问题,开发了一套基于图像处理的无损识别系统,利用鱼眼和鱼体体表是鱼体身上两个对新鲜程度最敏感的区域的技术特点,精确、快速检测出鱼眼和鱼体体表的位置,利用Lab颜色空间亮度干扰少的技术特点,提取用于检测鱼体新鲜程度的多个特征数据。本发明的鱼体新鲜程度识别系统由于使用了定制的多个部件,检测效率和精度更高。
可以理解的是,虽然本发明已以较佳实施例披露如上,然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言,在不脱离本发明技术方案范围情况下,都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰,或修改为等同变化的等效实施例。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (1)
1.一种鱼体新鲜程度识别系统,包括摄像设备、新鲜程度识别设备和主控制设备,所述摄像设备用于对被检测鱼体进行拍摄以获得鱼体图像,所述新鲜程度识别设备与所述摄像设备连接,用于对所述鱼体图像进行图像处理,所述主控制设备与所述新鲜程度识别设备连接,基于所述新鲜程度识别设备的图像处理结果确定被检测鱼体的新鲜程度;
其特征在于,所述识别系统还包括:检测箱体,包括楔形台、圆形外壳和传动机构,所述楔形台用于放置被检测鱼体,所述传动机构用于将被检测鱼体从检测箱体外部传送到所述楔形台上,所述圆形外壳用于容纳所述楔形台;
辅助照明设备,设置在所述检测箱体内、所述楔形台的上方,用于为所述摄像设备的拍摄提供辅助照明,所述辅助照明光的亮度与所述辅助照明设备周围环境亮度成反比;
供电设备,用于在所述主控制设备的控制下,为所述识别系统的各个用电部件提供电力供应;存储设备,用于预先存储鱼眼灰度上限阈值和鱼眼灰度下限阈值,所述鱼眼灰度上限阈值和鱼眼灰度下限阈值的数值都在0-255之间,用于将图像中的鱼眼与背景分离,所述存储设备还预先存储了鱼体新鲜程度对照表,所述鱼体新鲜程度对照表以鱼体新鲜程度为索引,保存了各个等级的鱼体新鲜程度分别对应的基准鱼体特征向量,所述基准鱼体特征向量由基准鱼眼L分量平均值、基准鱼眼a分量平均值、基准鱼眼b分量平均值、基准体表L分量平均值、基准体表a分量平均值和基准体表b分量平均值组成,每一个等级的鱼体新鲜程度对应的基准鱼眼L分量平均值、基准鱼眼a分量平均值、基准鱼眼b分量平均值由对具有每一个等级的鱼体新鲜程度的基准鱼眼图像进行Lab颜色空间转换获得的各个颜色分量平均值,每一个等级的鱼体新鲜程度对应的基准体表L分量平均值、基准体表a分量平均值和基准体表b分量平均值由对具有每一个等级的鱼体新鲜程度的基准鱼体体表图像进行Lab颜色空间转换获得的各个颜色分量平均值;
显示设备,与所述主控制设备连接,用于显示被检测鱼体的鱼体新鲜程度的等级;
所述摄像设备包括前盖玻璃、镜头、滤镜和成像电子单元,用于对被检测鱼体进行拍摄以获得鱼体图像,所述鱼体图像的分辨率为1920×1080,所述成像电子单元为CMOS视觉传感器;所述新鲜程度识别设备与所述存储设备和所述摄像设备分别连接,包括中值滤波子器件、灰度化处理子器件、眼部图像分割子器件、体表图像分割子器件、颜色空间转换子器件和特征提取子器件;所述中值滤波子器件与所述摄像设备连接,用于对所述鱼体图像进行5×5滤波窗口的中值滤波处理,以获得滤波鱼体图像;所述灰度化处理子器件与所述中值滤波子器件连接,对滤波鱼体图像进行灰度化处理,以获得灰度鱼体图像;所述眼部图像分割子器件与所述摄像设备、所述灰度化处理子器件和所述存储设备分别连接,将灰度鱼体图像中灰度值在鱼眼灰度上限阈值和鱼眼灰度下限阈值之间的像素识别为被检测鱼眼像素,将所有被检测鱼眼像素组成一个被检测鱼眼灰度子图像,并基于所述被检测鱼眼灰度子图像在所述灰度鱼体图像中的相对位置在所述鱼体图像中分割出对应的鱼眼子图像;所述体表图像分割子器件与所述中值滤波子器件连接,根据滤波鱼体图像中鱼体外接矩形的大小,按照预设比例在滤波鱼体图像中鱼体上划取一块矩形区域以获得体表子图像,所述预设比例为划取的矩形区域与鱼体外接矩形的比例;所述颜色空间转换子器件与所述眼部图像分割子器件和所述体表图像分割子器件分别连接,将鱼眼子图像和体表子图像分别进行Lab颜色空间转换,以获得转换后的鱼眼子图像和转换后的体表子图像;所述特征提取子器件与所述颜色空间转换子器件连接,计算转换后的鱼眼子图像的各个颜色分量平均值以获得实地鱼眼L分量平均值、实地鱼眼a分量平均值和实地鱼眼b分量平均值,计算转换后的体表子图像的各个颜色分量平均值以获得实地体表L分量平均值、实地体表a分量平均值和实地体表b分量平均值,将实地鱼眼L分量平均值、实地鱼眼a分量平均值、实地鱼眼b分量平均值、实地体表L分量平均值、实地体表a分量平均值和实地体表b分量平均值组成实地鱼体特征向量;
所述主控制设备与所述新鲜程度识别设备和所述存储设备分别连接,将所述实地鱼体特征向量与所述鱼体新鲜程度对照表中各个等级的鱼体新鲜程度分别对应的基准鱼体特征向量逐一匹配,将匹配成功的基准鱼体特征向量对应的鱼体新鲜程度的等级作为被检测鱼体的鱼体新鲜程度的等级输出;
其中,所述中值滤波子器件、所述灰度化处理子器件、所述眼部图像分割子器件、所述体表图像分割子器件、所述颜色空间转换子器件和所述特征提取子器件分别采用FPGA芯片来实现,所采用的FPGA芯片的选型都为Xilinx公司的Artix-7系列;
将所述摄像设备和所述新鲜程度识别设备集成在一块集成电路板上;
所述摄像设备位于所述检测箱体的圆形外壳的顶部中央位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710532875.XA CN107392117B (zh) | 2015-03-10 | 2015-03-10 | 鱼体新鲜程度识别系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510103973.2A CN104636737B (zh) | 2015-03-10 | 2015-03-10 | 鱼体新鲜程度识别系统 |
CN201710532875.XA CN107392117B (zh) | 2015-03-10 | 2015-03-10 | 鱼体新鲜程度识别系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510103973.2A Division CN104636737B (zh) | 2015-03-10 | 2015-03-10 | 鱼体新鲜程度识别系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107392117A true CN107392117A (zh) | 2017-11-24 |
CN107392117B CN107392117B (zh) | 2019-10-08 |
Family
ID=53215467
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710532875.XA Active CN107392117B (zh) | 2015-03-10 | 2015-03-10 | 鱼体新鲜程度识别系统 |
CN201510103973.2A Expired - Fee Related CN104636737B (zh) | 2015-03-10 | 2015-03-10 | 鱼体新鲜程度识别系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510103973.2A Expired - Fee Related CN104636737B (zh) | 2015-03-10 | 2015-03-10 | 鱼体新鲜程度识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN107392117B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940125A (zh) * | 2019-10-30 | 2020-03-31 | 珠海格力电器股份有限公司 | 冰箱内食物最佳冷藏方案确定方法、装置、介质和冰箱 |
CN115512429A (zh) * | 2022-11-21 | 2022-12-23 | 山东理工大学 | 基于眼部图像识别的养殖鱼产品新鲜度判别方法 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133184B (zh) * | 2017-12-20 | 2020-04-28 | 中国水产科学研究院渔业机械仪器研究所 | 一种基于分形理论和bp算法的鱼识别及疫苗注射方法 |
CN111724350A (zh) * | 2020-05-29 | 2020-09-29 | 北京农业信息技术研究中心 | 鱼体新鲜度无损检测方法及装置 |
CN112586548B (zh) * | 2020-11-06 | 2021-12-10 | 合肥市贵谦信息科技有限公司 | 利用云存储的刀片参数选择系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110294A (zh) * | 2011-02-21 | 2011-06-29 | 中国农业大学 | 病鱼的鱼体图像处理方法及系统 |
CN102147402A (zh) * | 2011-03-08 | 2011-08-10 | 江苏大学 | 机器视觉技术快速检测鸡蛋新鲜度的方法 |
CN202133619U (zh) * | 2011-06-13 | 2012-02-01 | 浙江海洋学院 | 一种用于鱼新鲜度检测的鱼眼图像采集架 |
CN103076288A (zh) * | 2012-12-26 | 2013-05-01 | 中国科学院海洋研究所 | 一种基于计算机视觉的鱼肉自动分级装置和方法 |
CN104049068A (zh) * | 2014-06-06 | 2014-09-17 | 中国肉类食品综合研究中心 | 生鲜畜肉新鲜度的无损测定装置及测定方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009041171A1 (ja) * | 2007-09-26 | 2009-04-02 | Toshiba Lighting & Technology Corporation | 照明装置 |
CN102507459B (zh) * | 2011-11-23 | 2013-12-04 | 中国农业大学 | 一种生鲜牛肉新鲜度快速无损评价方法及系统 |
CN204423395U (zh) * | 2015-03-10 | 2015-06-24 | 无锡桑尼安科技有限公司 | 鱼体新鲜程度识别系统 |
-
2015
- 2015-03-10 CN CN201710532875.XA patent/CN107392117B/zh active Active
- 2015-03-10 CN CN201510103973.2A patent/CN104636737B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102110294A (zh) * | 2011-02-21 | 2011-06-29 | 中国农业大学 | 病鱼的鱼体图像处理方法及系统 |
CN102147402A (zh) * | 2011-03-08 | 2011-08-10 | 江苏大学 | 机器视觉技术快速检测鸡蛋新鲜度的方法 |
CN202133619U (zh) * | 2011-06-13 | 2012-02-01 | 浙江海洋学院 | 一种用于鱼新鲜度检测的鱼眼图像采集架 |
CN103076288A (zh) * | 2012-12-26 | 2013-05-01 | 中国科学院海洋研究所 | 一种基于计算机视觉的鱼肉自动分级装置和方法 |
CN104049068A (zh) * | 2014-06-06 | 2014-09-17 | 中国肉类食品综合研究中心 | 生鲜畜肉新鲜度的无损测定装置及测定方法 |
Non-Patent Citations (1)
Title |
---|
黄星奕 等: "计算机视觉技术在鱼新鲜度检测中的应用研究", 《计算机工程与设计》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110940125A (zh) * | 2019-10-30 | 2020-03-31 | 珠海格力电器股份有限公司 | 冰箱内食物最佳冷藏方案确定方法、装置、介质和冰箱 |
CN115512429A (zh) * | 2022-11-21 | 2022-12-23 | 山东理工大学 | 基于眼部图像识别的养殖鱼产品新鲜度判别方法 |
US11900584B1 (en) | 2022-11-21 | 2024-02-13 | Shandong University Of Technology | Method for judging freshness of cultured fish product based on eye image recognition |
Also Published As
Publication number | Publication date |
---|---|
CN104636737A (zh) | 2015-05-20 |
CN104636737B (zh) | 2017-10-20 |
CN107392117B (zh) | 2019-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104636737B (zh) | 鱼体新鲜程度识别系统 | |
CN104764744B (zh) | 一种禽蛋新鲜度的视觉检测装置及其方法 | |
ElMasry et al. | Meat quality evaluation by hyperspectral imaging technique: an overview | |
ES2790668T3 (es) | Procedimiento para puntuar y controlar la calidad de un producto alimenticio en una línea de producción dinámica | |
Xiong et al. | Applications of hyperspectral imaging in chicken meat safety and quality detection and evaluation: A review | |
WO2019151393A1 (ja) | 食品検査システム、食品検査プログラム、食品検査方法および食品生産方法 | |
CN107976428A (zh) | 水产品化学污染物的无损实时检测方法与装置 | |
JP5412221B2 (ja) | 検査システム | |
JP6362744B2 (ja) | 機能性光源を用いた検査装置と検査方法及び機能性光源とその設計方法 | |
CN204423395U (zh) | 鱼体新鲜程度识别系统 | |
CN109883967A (zh) | 一种基于信息融合的中华绒螯蟹品质等级判别方法 | |
Siswantoro | Application of color and size measurement in food products inspection | |
Mu et al. | Non‐destructive detection of blueberry skin pigments and intrinsic fruit qualities based on deep learning | |
CN102042984A (zh) | 药材等级评价方法及系统 | |
CN106018292A (zh) | 蛋清中蛋白质构象的无损检测装置及其方法 | |
TW201415005A (zh) | 穀粒外觀測定裝置 | |
US20200309714A1 (en) | Portable scanning device for ascertaining attributes of sample materials | |
Jain et al. | Non-destructive quality evaluation in spice industry with specific reference To Cuminum cyminum L (cumin) seeds | |
Pamornnak et al. | Oil content determination scheme of postharvest oil palm for mobile devices | |
Xu et al. | Detection of citrus Huanglongbing (HLB) based on the HLB-induced leaf starch accumulation using a home-made computer vision system | |
Nguyen et al. | In situ measurement of fish color based on machine vision: A case study of measuring a clownfish’s color | |
CN106290359A (zh) | 一种苹果脆片品质无损分级的方法 | |
JPH116765A (ja) | 真珠の色分類装置 | |
JP6748941B2 (ja) | 穀粒外観測定装置 | |
Gunasekaran | Computer vision systems |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190909 Address after: 236700 South of Minmin-yi Agricultural Trade East Street, Banding Town, Lixin County, Bozhou City, Anhui Province Applicant after: Lixin Precious Food Co., Ltd. Address before: 230031 Room B-1014, 10th Floor, Woye Garden Commercial Building, Shushan District, Hefei City, Anhui Province Applicant before: HEFEI WISDOM LONGTUTENG INTELLECTUAL PROPERTY CO., LTD. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |