CN107552415B - 一种应用于桔瓣分拣机的桔瓣分拣方法 - Google Patents
一种应用于桔瓣分拣机的桔瓣分拣方法 Download PDFInfo
- Publication number
- CN107552415B CN107552415B CN201710765903.2A CN201710765903A CN107552415B CN 107552415 B CN107552415 B CN 107552415B CN 201710765903 A CN201710765903 A CN 201710765903A CN 107552415 B CN107552415 B CN 107552415B
- Authority
- CN
- China
- Prior art keywords
- orange petal
- image
- bianry image
- orange
- petal
- 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.)
- Active
Links
Landscapes
- Sorting Of Articles (AREA)
- Image Analysis (AREA)
Abstract
一种应用于桔瓣分拣机的桔瓣分拣方法,包括图像采集、图像前期处理、通道混合、灰度图像加强、换为二值图像、二值处理、数据处理和信号输出八个步骤。通过将RGB图像转换为HSI色度空间,可以进一步的准确的确定桔瓣的结构和形状,同时再采用通道混合的方法,可以实现两种色度空间的配合,使得桔瓣的边缘特征和结构特征更加的明显;灰度图像加强、换为二值图像以及二值处理步骤中,加入模糊、锐化、阈值化和开运算的处理,使得桔瓣中的桔籽、橘络或残缺位置结构更加突出,以便于通过二值图像表示。该方法实现了通过自动化设备对桔瓣进行分拣处理,从而减少了桔瓣分拣步骤中的人工消耗和工时消耗。
Description
技术领域
本发明涉及桔子罐头生产设备,特别涉及一种应用于桔瓣分拣机的桔瓣分拣方法。
背景技术
现有的桔籽罐头生产过程中,大多包含有桔瓣分拣工序,这一工序是为了将含有桔籽或者残缺的桔瓣分拣出来,以保证桔籽罐头的生产质量。但是现有技术中,桔瓣分拣机大多包含一个传送带,桔瓣分拣工作由位于传送带两侧的工作人员人工完成,不但占用的较大的人工成本,同时人工分拣桔瓣的时间较长,影响了桔籽罐头生产的效率。
发明内容
本发明的目的在于提供一种应用于桔瓣分拣机的桔瓣分拣方法,该方法可实现对桔瓣的自动化分拣。
本发明的上述目的是通过以下技术方案得以实现的:
一种应用于桔瓣分拣机的桔瓣分拣方法,其特征在于:包括以下步骤:
步骤一:图像采集:
采用工业相机采集桔瓣图像,采集的图形为真彩色RGB图像,并储存为表示红基色通道数据的R、表示绿基色通道数据的G和表示篮基色通道数据的B;
步骤二:图像前期处理:
将R、G和B进行编程处理转化成HSI色度空间,并存储为表示色调通道数据的H、表示亮 度通道数据的I以及表示饱和度通道数据的S;
步骤三:通道混合:
将R、G、B、H和S混合为灰度图像;
步骤四:灰度图像加强:
对灰度图像数据依次进行模糊、锐化处理,以使得灰度图像中的特征边缘明显化;
步骤五:换为二值图像:
设置灰度阈值,将经过步骤四加强后灰度图像转换为二值图像;
步骤六:二值处理:
对二值图像进行形态学处理,以去除二值图像中的过大或过小的干扰区域,边界区域,保留特征区域,保存为精确二值图像;
步骤七:数据处理:
判断精确二值图像的值,当精确二值图像的所有值均为零时,输出置零数组,当精确二值图像的值为不全为零时,计算非零区域的中心坐标并输出一输出数组;
步骤八:信号输出:
桔瓣分拣机分拣桔瓣的分拣装置接收输出数组或置零数组,若接收到置零数组则分拣装置停止动作,若接收到输出数组则分拣指定区域的桔瓣;
所述步骤三包括用于将桔瓣中的边缘特征明显化的第一混合通道和用于将桔瓣自身的边缘特征明显化的第二混合通道,所述精确二值图像包括特征二值图像和桔瓣二值图像;
当需要检测桔瓣内的桔籽或橘络时:
(1)通过第一混合通道配合步骤四、步骤五和步骤六将桔瓣内的桔籽和橘络特征明显化并保存为细节二值图像;
(2)通过第二混合通道配合步骤四、步骤五和步骤六将桔瓣自身的边缘特征明显化并保存为结构二值图像;
(3)将细节二值图像和结构二值图像进行掩模运算,以获得显示桔瓣自身结构特征的特征二值图像;
当需要检测桔瓣的完整性时:
通过第一混合通道配合骤四、步骤五和步骤六将桔瓣整体结构特征明显化并保存为桔瓣二值图像;
所述步骤七通过特征二值图像和/或桔瓣二值图像检测待检测区域的二值图像的值;
所述步骤三具体为:
(1)当检测桔瓣内的桔籽时,所述第一混合通道中R、G、B、H和S的混合遵循:(0.65R+ 0.03G+0.07B+0.15H)/0.43G;
所述第二混合通道中R、G、B、H和S的混合遵循:(0.25G+0.56B+0.13H+0.05S)/0.32B;
(2)当检测桔瓣的橘络时,所述第一混合通道中R、G、B、H和S的混合遵循:(0.45G+0.73B +0.03H+0.05S)/0.45B;
所述第二混合通道中R、G、B、H和S的混合遵循:(0.73R+0.08G+0.12B+0.15H)/0.43G;
(3)当检测桔瓣的完整性时,所述第一混合通道中R、G、B、H和S的混合遵循:(0.05G+0.78B+0.21H+0.07S)/0.03B。
通过采用上述技术方案,通过将RGB图像转换为HSI色度空间,可以进一步的准确的确定桔瓣的结构和形状,同时再采用通道混合的方法,可以实现两种色度空间的配合,使得桔瓣的边缘特征和结构特征更加的明显;将经过通道混合后得出的灰度图像转换成二值图像进行处理,可以使得桔瓣中的桔籽、橘络或残缺位置结构更加突出,更容易判断桔瓣中的桔籽、橘络或残缺位置结构。该方法实现了通过自动化设备对桔瓣进行分拣处理,从而减少了桔瓣分拣步骤中的人工消耗和工时消耗。当需要检测桔瓣内的桔籽或橘络时,先通过第一混合通道将桔瓣内的桔籽以及橘络结构突出显示,探后再经过第二混合通道将桔瓣所在区域中的桔瓣的结构突出显示,最后经过掩模运算,以结构二值图像作为背景,以细节二值图像作为掩模,实实现对所检测的桔瓣特征的具体显示,在一定程度上简化了后续数据处理的过程减少了桔瓣分拣的时间。三组方案中的数据处理公式可以实现将需要检测的桔瓣结构凸出的显示出来,使得桔瓣的结构特征显示的更为清晰。
作为本发明的改进,所述桔瓣分拣机还设置有用于显示标识有精确二值图像的RGB图像的彩色显示器。
通过采用上述技术方案,精确二值图像可以显示桔瓣中桔籽、橘络或残缺位置结构,RGB图像可以更加鲜明的显示桔瓣的整体结构,将精确二值图像和RGB图像同时显示,可以更加方便工作人员判断桔瓣中桔籽、橘络或残缺位置结构。
作为本发明的改进,所述分拣装置包括沿桔瓣分拣机设置的若干喷头、连通喷头和水源的水管以及设置在水管上的水泵。
通过采用上述技术方案,通过设置喷头,可将对应的桔瓣以高压水柱喷出桔瓣分拣机,从而实现对不合格的桔瓣的分拣,同时,高压水柱喷水的方式可以在一定程度上减少对桔瓣的结构的破坏,从而在一定程度行保证了桔瓣分拣机的卫生环境。
综上所述,本发明具有以下有益效果:
一、成本低廉,上述技术方案中只通过自动化的程序控制以及相机和分拣装置即实现了对桔瓣的分拣工序,减少了桔瓣分拣工序的人工消耗,在一定程度上降低了桔籽罐头生 产的成本 ;
二、分拣标准统一,通过自动化程序控制分拣工序,避免了人工分拣中的人为因素的影响,实现了对桔瓣分拣的标准的同一。
附图说明
图1是实施例所述桔瓣分拣方法的流程图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
如图1所示,一种应用于桔瓣分拣机的桔瓣分拣方法,其特征在于:包括以下步骤:
步骤一:图像采集,采用工业相机采集桔瓣图像,采集的图形为真彩色的RGB图像,并储 存为表示红基色通道数据的R、表示青基色通道数据的G和表示篮基色通道数据的B。
步骤二:图像前期处理,将R、G和B进行编程处理转化成HSI色度空间,并存储为表示色调通道数据的H、表示亮度通道数据的I以及表示饱和度通道数据的S。
步骤三:通道混合,将R、G、B、H和S混合为灰度图像。包括用于将桔瓣中的边缘特征明显化的第一混合通道和配合步骤四用于将桔瓣自身的边缘特征明显化的第二混合通道。
其中,将R、G、B、H和S混合为灰度图像依据以下公式:
(1)当检测桔瓣内的桔籽时,第一混合通道中R、G、B、H和S的混合遵循:(0.65R+0.03G+ 0.07B+0.15H)/0.43G;
第二混合通道中R、G、B、H和S的混合遵循:(0.25G+0.56B+0.13H+0.05S)/0.32B;
(2)当检测桔瓣的橘络时,第一混合通道中R、G、B、H和S的混合遵循:(0.45G+0.73B+ 0.03H+0.05S)/0.45B;
第二混合通道中R、G、B、H和S的混合遵循:(0.73R+0.08G+0.12B+0.15H)/0.43G;
(3)当检测桔瓣的完整性时,第一混合通道中R、G、B、H和S的混合遵循:(0.05G+0.78B+0.21H+0.07S)/0.03B。
步骤四:灰度图像加强,对灰度图像数据依次进行模糊、锐化处理,以使得灰度图像中的特征边缘明显化。
步骤五:换为二值图像,设置灰度阈值,将经过步骤四加强后灰度图像转换为二值图像。其中,灰度阀值设置为70~120,将灰度图像上灰度值小于70或大于120的像素点置为0,将灰度图像上灰度值大于70并且小于120的像素点置为1,生成二值图像。
步骤六:二值处理,通过开运算对二值图像进行形态学处理,以去除二值图像中的过大或过小的干扰区域,边界区域,保留特征区域,保存为精确二值图像。其中,开运算中,膨胀 步骤是采用中心在(1,1),大小为4*4的结构元素对图像进行扫描,用结构元素与其覆盖的 图像做“与”操作,如果结果都为1,结果图像的该像素为1,否则为0;开运算中腐蚀步骤采用中心在(3,3),大小为5*5的结构元素进行扫描,扫描图像的每一个像素用结构元素与其覆盖的图像做“与”操作,如果都为0,结果图像的该像素为0,否则为1,从而生成精确二值图像。
上述所述精确二值图像包括特征二值图像和桔瓣二值图像,当需要检测桔瓣内的桔籽或橘络时:
(1)通过第一混合通道配合步骤四、步骤五和步骤六将相应灰度图像中表示桔瓣内的桔籽和橘络特征的二值图像明显化并保存为细节二值图像;
(2)通过第二混合通道配合步骤四、步骤五和步骤六将相应灰度图像中表示桔瓣自身的边缘特征的二值图像明显化并保存为结构二值图像;
(3)将细节二值图像和结构二值图像进行掩模运算,以获得显示桔瓣自身结构特征的特征二值图像;
当需要检测桔瓣的完整性时,通过第一混合通道配合步骤四和步骤五将相应灰度图像中表示桔瓣整体结构特征明显化并保存为桔瓣二值图像;
步骤七:数据处理:
当检测桔瓣内的桔籽或橘络时,判断特征二值图像中待检测区域的二值图像的值,当待检测区域的二值图像的值为零时,输出置零数组;当待检测区域的二值图像的值不全为零时,计算非零区域的中心坐标并输出一输出数组。
步骤八:信号输出,桔瓣分拣机分拣桔瓣的分拣装置接收置零数组停止动作或接收输出数组分拣指定区域的桔瓣。分拣装置包括沿桔瓣分拣机设置的若干喷头、连通喷头和水源的水管以及设置在水管上的水泵,水泵受控于置零数组或输出数组停止或动作。
进一步的,桔瓣分拣机还设置有用于显示标识有特征二值图像的RGB图像的彩色显示器。
本具体实施例仅仅是对本发明的解释,其并不是对本发明的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本发明的权利要求范围内都受到专利法的保护。
Claims (3)
1.一种应用于桔瓣分拣机的桔瓣分拣方法,其特征在于:包括以下步骤:
步骤一:图像采集:
采用工业相机采集桔瓣图像,采集的图形为真彩色RGB图像,并储存为表示红基色通道数据的R、表示绿基色通道数据的G和表示篮基色通道数据的B;
步骤二:图像前期处理:
将R、G和B进行编程处理转化成HSI色度空间,并存储为表示色调通道数据的H、表示亮度通道数据的I以及表示饱和度通道数据的S;
步骤三:通道混合:
将R、G、B、H和S混合为灰度图像;
步骤四:灰度图像加强:
对灰度图像数据依次进行模糊、锐化处理,以使得灰度图像中的特征边缘明显化;
步骤五:换为二值图像:
设置灰度阈值,将经过步骤四加强后灰度图像转换为二值图像;
步骤六:二值处理:
对二值图像进行形态学处理,以去除二值图像中的过大或过小的干扰区域,边界区域,保留特征区域,保存为精确二值图像;
步骤七:数据处理:
判断精确二值图像的值,当精确二值图像的所有值均为零时,输出置零数组,当精确二值图像的值为不全为零时,计算非零区域的中心坐标并输出一输出数组;
步骤八:信号输出:
桔瓣分拣机分拣桔瓣的分拣装置接收输出数组或置零数组,若接收到置零数组则分拣装置停止动作,若接收到输出数组则分拣指定区域的桔瓣;
所述步骤三包括用于将桔瓣中的边缘特征明显化的第一混合通道和用于将桔瓣自身的边缘特征明显化的第二混合通道,所述精确二值图像包括特征二值图像和桔瓣二值图像;
当需要检测桔瓣内的桔籽或橘络时:
(1)通过第一混合通道配合步骤四、步骤五和步骤六将桔瓣内的桔籽和橘络特征明显化并保存为细节二值图像;
(2)通过第二混合通道配合步骤四、步骤五和步骤六将桔瓣自身的边缘特征明显化并保存为结构二值图像;
(3)将细节二值图像和结构二值图像进行掩模运算,以获得显示桔瓣自身结构特征的特征二值图像;
当需要检测桔瓣的完整性时:
通过第一混合通道配合骤四、步骤五和步骤六将桔瓣整体结构特征明显化并保存为桔瓣二值图像;
所述步骤七通过特征二值图像和/或桔瓣二值图像检测待检测区域的二值图像的值;
所述步骤三具体为:
(1)当检测桔瓣内的桔籽时,所述第一混合通道中R、G、B、H和S的混合遵循:(0.65R+0.03G+0.07B+0.15H)/0.43G;
所述第二混合通道中R、G、B、H和S的混合遵循:(0.25G+0.56B+0.13H+0.05S)/0.32B;
(2)当检测桔瓣的橘络时,所述第一混合通道中R、G、B、H和S的混合遵循:(0.45G+0.73B+0.03H+0.05S)/0.45B;
所述第二混合通道中R、G、B、H和S的混合遵循:(0.73R+0.08G+0.12B+0.15H)/0.43G;
(3)当检测桔瓣的完整性时,所述第一混合通道中R、G、B、H和S的混合遵循:(0.05G +0.78B+0.21H+0.07S)/0.03B。
2.根据权利要求1所述的一种应用于桔瓣分拣机的桔瓣分拣方法,其特征在于:所述桔瓣分拣机还设置有用于显示标识有精确二值图像的RGB图像的彩色显示器。
3.根据权利要求1所述的一种应用于桔瓣分拣机的桔瓣分拣方法,其特征在于:所述分拣装置包括沿桔瓣分拣机设置的若干喷头、连通喷头和水源的水管以及设置在水管上的水泵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710765903.2A CN107552415B (zh) | 2017-08-30 | 2017-08-30 | 一种应用于桔瓣分拣机的桔瓣分拣方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710765903.2A CN107552415B (zh) | 2017-08-30 | 2017-08-30 | 一种应用于桔瓣分拣机的桔瓣分拣方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107552415A CN107552415A (zh) | 2018-01-09 |
CN107552415B true CN107552415B (zh) | 2019-11-26 |
Family
ID=60978548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710765903.2A Active CN107552415B (zh) | 2017-08-30 | 2017-08-30 | 一种应用于桔瓣分拣机的桔瓣分拣方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107552415B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108480227A (zh) * | 2018-03-30 | 2018-09-04 | 烟台维度机器人有限公司 | 一种基于图像识别的苹果分拣方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5339963A (en) * | 1992-03-06 | 1994-08-23 | Agri-Tech, Incorporated | Method and apparatus for sorting objects by color |
CN103559712A (zh) * | 2013-11-07 | 2014-02-05 | 合肥安晶龙电子有限公司 | 黑瓜子色选方法 |
CN103914849A (zh) * | 2014-04-18 | 2014-07-09 | 扬州福尔喜果蔬汁机械有限公司 | 一种红枣图像的检测方法 |
CN105004737A (zh) * | 2015-07-14 | 2015-10-28 | 浙江大学 | 基于自适应改进型梯度信息的水果表面缺陷检测方法 |
CN105344620A (zh) * | 2015-10-14 | 2016-02-24 | 合肥安晶龙电子股份有限公司 | 基于物料形状的色选方法 |
-
2017
- 2017-08-30 CN CN201710765903.2A patent/CN107552415B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5339963A (en) * | 1992-03-06 | 1994-08-23 | Agri-Tech, Incorporated | Method and apparatus for sorting objects by color |
CN103559712A (zh) * | 2013-11-07 | 2014-02-05 | 合肥安晶龙电子有限公司 | 黑瓜子色选方法 |
CN103914849A (zh) * | 2014-04-18 | 2014-07-09 | 扬州福尔喜果蔬汁机械有限公司 | 一种红枣图像的检测方法 |
CN105004737A (zh) * | 2015-07-14 | 2015-10-28 | 浙江大学 | 基于自适应改进型梯度信息的水果表面缺陷检测方法 |
CN105344620A (zh) * | 2015-10-14 | 2016-02-24 | 合肥安晶龙电子股份有限公司 | 基于物料形状的色选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107552415A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2022200171B2 (en) | Colony contrast gathering | |
TWI467515B (zh) | 掃描文件之彩色捨去 | |
CN104715239B (zh) | 一种基于去雾处理和权重分块的车辆颜色识别方法 | |
CN101571419B (zh) | 采用图像分割的汽车仪表led指示灯自动检验方法 | |
CN103914708B (zh) | 基于机器视觉的食品品种检测方法及系统 | |
CN110108711A (zh) | 圆环侧壁缺陷的视觉检测系统 | |
CN102426649A (zh) | 一种简单的高准确率的钢印数字自动识别方法 | |
CN103914849B (zh) | 一种红枣图像的检测方法 | |
CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
WO2018010386A1 (zh) | 元件反件检测方法和系统 | |
Samarawickrama et al. | Matlab based automated surface defect detection system for ceremic tiles using image processing | |
CN105954301A (zh) | 一种基于机器视觉的瓶口质量检测方法 | |
CN112434544A (zh) | 一种条烟编码检测识别方法及装置 | |
CN107179272A (zh) | 一种显微镜下急性分离神经细胞捕捉系统及方法 | |
CN110434090A (zh) | 一种胡萝卜表面瑕疵检测方法 | |
CN109461156B (zh) | 基于视觉的螺纹密封塞装配检测方法 | |
CN108480223A (zh) | 一种工件分拣系统及其控制方法 | |
CN106228541A (zh) | 视觉检测中屏幕定位的方法及装置 | |
CN111077150A (zh) | 一种基于计算机视觉和神经网络的大便智能分析方法 | |
CN107552415B (zh) | 一种应用于桔瓣分拣机的桔瓣分拣方法 | |
CN109583306B (zh) | 一种基于机器视觉的纱管残留纱线检测方法 | |
CN110120073B (zh) | 一种基于灯标视觉信号引导无人艇回收的方法 | |
CN108364417A (zh) | 基于霍夫圆与颜色欧式距离法的智能结账系统及方法 | |
CN106558044A (zh) | 影像模组的解像力测量方法 | |
CN105654140B (zh) | 面向复杂工业环境的铁路油罐车车号定位与识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |