CN108171693B - 一种自动检测劣质蘑菇的方法 - Google Patents

Abstract

本发明一种自动检测劣质蘑菇的方法，包括如下步骤：a)杂质检测；b)整体尺寸判断；c)正反面检测；d)虫洞检测；e)正面破损检测；f)反面破损检测；g)由正面对蘑菇质量分类；h)由反面对蘑菇质量分类。通过本发明方法能够检测劣质蘑菇：破损，有缺口的蘑菇；有虫洞的蘑菇；尺寸过小的蘑菇。通过本发明方法大大的提高了检测效率。

Description

一种自动检测劣质蘑菇的方法

技术领域

本发明涉及食品安全检测，涉及蘑菇，具体涉及一种自动检测劣质蘑菇的方法。

背景技术

蘑菇是中国人常用的食物。对种植人员采集的蘑菇进行自动检测和分类，可以极大的提高食品安全，降低食物风险。

发明内容

本发明目的是提供一种自动检测劣质蘑菇的方法，检测效率高，提高了食品安全，降低食物风险。

为了实现以上目的，本发明采用的技术方案为：一种自动检测劣质蘑菇的方法，包括如下步骤：

a)杂质检测：反光性检测；亮度均匀性检测；直线边缘检测；

b)整体尺寸判断：捕获背景图像；当前图像与背景图像做差；前景检测，得到蘑菇对应的像素点；连通域检测，得到蘑菇的尺寸；与经验阈值进行比较，过滤小尺寸蘑菇；

c)正反面检测：对蘑菇图像进行二值化；检测二值化图像中，是否存在沟纹；统计整个蘑菇正面，亮度的直方图分布；对蘑菇连通域的中心区域进行亮度分析；对蘑菇图像，提取边缘；

d)虫洞检测：对蘑菇图像进行二值化；提取蘑菇连通域；对连通域进行反转；再次提取连通域；内部连通域尺寸大于阈值，则说明内部存在孔洞，需要预警；

e)正面破损检测：蘑菇外轮廓检测；外轮廓凹陷检测；沟纹检测；内部破损区域检测；

f)反面破损检测：菌盖检测；破损区域检测；

g)由正面对蘑菇质量分类：根据蘑菇正面图像的外部轮廓点，进行圆形拟合；亮度深浅的统计；

h)由反面对蘑菇质量分类：根据蘑菇反面图像的外部轮廓点，进行圆形拟合；蘑菇反面图像中，菌盖部分呈现圆环形状，通过计算圆环的宽度，来判断其品级；菌盖对应的圆环区域，考察其中心对称性；菌褶是被菌盖所包围的内部区域，对其圆形度进行考察；计算菌褶的中心对称性。

进一步的，步骤b)中背景图像的获取步骤如下：

b11)利用摄像机，对着背景连续拍摄图像；

b12)检测b11)中的图像，是否存在运动目标，如果存在，则需要重新拍摄；

b13)如果b11)中的图像都是静止的，则通过对所有图像计算均值，得到背景图。

进一步的，步骤f)中菌盖检测的方法包括如下步骤：

f11)提取前景区域像素，进行连通域提取；

f12)外部轮廓提取；

f13)外部轮廓的长宽比例，是否在[1,3]之间，如果是，则下一步，否则，直接预警，当做劣质品处理；

f14)前景区域亮度反转，进一步进行连通域扫描；

f15)是否有面积阈值大于500像素的连通域，如果有，则下一步，否则，作为劣质品处理。

f16)得到内部连通域的轮廓；

f17)内外轮廓所围成的面积的比例，在[0.5,0.9]之间，则菌盖检测成功。

进一步的，步骤h)中蘑菇反面图像中，菌盖部分呈现圆环形状，通过计算圆环的宽度，来判断其品级的具体步骤为：

h21)对反面图像进行二值化，将亮度值低于50的像素，作为前景像素；

h22)得到圆环区域的内部轮廓和外部轮廓；

h23)统计圆环上，每一个方向的圆环的宽度值；

h24)得到最大圆环宽度，和最小圆环宽度；

h25)如果最大、最小宽度值的差值小于20个像素，是一等品，否则是二等品。

进一步的，步骤h)中菌盖的中心对称性的计算步骤如下：

h31)记录下步骤h)中根据蘑菇反面图像的外部轮廓点，进行圆形拟合而得到的中心点位置；

h32)在菌盖区域随机选择一点；

h33)计算得到该点相对于中心点的对称点；

h34)计算两个点的亮度差值。如果亮度差小于20，则配对成功；

h35)随机考察500个点对，记录下能够成功配对的点的数目；

h36)如果配对成功的点数目超过70％，则说明菌盖满足中心对称性，是一等品，否则为二等品。

进一步的，步骤h)中菌褶的中心对称性的计算步骤如下：

h51)记录下步骤h)中根据蘑菇反面图像的外部轮廓点，进行圆形拟合而得到的中心点位置；

h52)在菌褶区域随机选择一点；

h53)计算得到该点相对于中心点的对称点；

h54)计算两个点的亮度差值，如果亮度差小于20，则配对成功；

h55)随机考察500个点对，记录下能够成功配对的点的数目；

h56)如果配对成功的点数目超过70％，则说明菌褶满足中心对称性，是一等品，否则为二等品。

本发明的技术效果在于：本发明是利用视觉机器对蘑菇进行自动分类的方法，通过本发明方法能够检测如下种类的劣质蘑菇：破损，有缺口的蘑菇；有虫洞的蘑菇；尺寸过小的蘑菇。通过本发明方法大大的提高了检测效率。

具体实施方式

本发明的具体实施步骤：

a)杂质检测

在蘑菇的加工过程中，很可能会出现诸如薄膜等杂质的干扰。在对蘑菇进行检测之前，需要提前将杂质过滤掉。

采用如下方法，过滤杂质：

a1、反光性检测

薄膜由于是人造材料，当光源从某个方向打光时，总是可以在薄膜的某个位置，看到高亮的反光区域。因此可以对待检测目标，进行二值化，通过检测高亮白色区域的尺寸，来判断是否为蘑菇。(蘑菇上不会存在高亮区域)

a2、亮度均匀性检测

杂质往往因为其材料的单一性，亮度分布均匀。而蘑菇的表面，由于具有特殊的纹理，亮度值的分布，并不是绝对均匀的。因此可以通过分析蘑菇表面所有像素的亮度值的变化率，来判断其是否为杂质。变化率较小的，肯定是杂质。

a3、直线边缘检测

分析目标的外部轮廓，检查外部轮廓的某个子片段，是否存在直线段的情形。如果外部轮廓上有长度超过30个像素的直线段，则说明目标是杂质。蘑菇的外部轮廓，不存在直线段。

b)整体尺寸判断：

b1、捕获背景图像

在进行蘑菇检测之前，需要提前获取背景图像。背景图像的获取方法如下：

b11)利用摄像机，对着背景连续拍摄一段时间的图像。

b12)检测该段时间的图像，是否存在运动目标。如果存在，则需要重新拍摄。

b13)如果该段图像都是静止的，则通过对所有图像计算均值，得到背景图。

b2、当前图像与背景图像做差

b3、前景检测，得到蘑菇对应的像素点

对当前图与背景图进行逐像素比较。如果某个像素位置，当前像素点的亮度值，与背景像素点的亮度值之差大于阈值(阈值默认为200)，则记为前景像素。

b4、连通域检测，得到蘑菇的尺寸

对二值化图像中的前景像素进行连通域分析，将尺寸最大的连通域提取出来，作为蘑菇区域。然后，计算该连通域的最小外接矩形。计算得到该矩形的宽度和长度。

b5、与经验阈值进行比较，过滤小尺寸蘑菇

如果遇蘑菇的宽度和长度，都小于经验阈值(200个像素)，则需要作为小尺寸蘑菇进行分类。

c)正反面检测：

由于蘑菇在检测的过程中，哪一面朝上，是不知道的。为了防止检测过程中，正反面差异对结果造成影响，检测之前需要知道是正面还是反面。

用来判断正反面的信息包括如下：

是否存在沟纹

整体亮度分布

中心区域的亮度分布

纹理

具体方法如下：

c1、对蘑菇图像进行二值化；

c2、检测二值化图像中，是否存在长条状结构

长条状结构，就是沟纹。沟纹可以利用屋脊型边缘检测器提取得到。具有沟纹结构的是蘑菇的正面。

c3、统计整个蘑菇正面，亮度的直方图分布

蘑菇正面区域，由于像素点亮度值普遍较低，因此整个直方图的重心集中在低亮度区域。

而蘑菇的反面图像，则有较大差异。由于菌褶和菌柄的存在，反面的中心区域有较大的一部分的白色区域。因此反面直方图会形成明显的双峰分布。

正反面的区分方法为：观察直方图的分布，如果集中在低亮度，则为正面，否则为反面。

c4、对蘑菇连通域的中心区域进行亮度分析

如果直方图集中在高亮度区域，则为反面；否则为正面。

c5、对蘑菇图像，提取边缘

蘑菇反面菌褶区域，存在大量的平行同心线条。对提取的边缘进行方向检测，计算它们是否汇聚都汇聚到蘑菇的中心区域。同时计算相邻边缘的平行度。如果当前图像的边缘，满足这一点，则说明是蘑菇的反面；否则为正面。

d)虫洞检测：

具有虫洞的蘑菇，在蘑菇的中间区域，会出现一个较大的孔洞。可以采用如下方法，找到当前蘑菇图像中的孔洞：

d1、对蘑菇图像进行二值化；

d2、提取蘑菇连通域。

d3、对连通域进行反转。

d4、再次提取连通域。

d5、内部连通域尺寸大于阈值(宽度阈值20个像素)，则说明内部存在孔洞，需要预警。

e)正面破损检测：

本发明对蘑菇的背面图像进行分析，实现破损检测。在蘑菇背面图像中，缺口处会出现大面积的白色像素(蘑菇内部都是白色的)。破损区域可能发生在两个部分：外部轮廓处、内部区域。

破损处的检测方法如下：

e1、蘑菇外轮廓检测

采用高阈值(220)，对蘑菇正面图像进行二值化。低于阈值的像素变成前景像素。该前景区域进行连通域检测，然后提取外部轮廓。

e2、外轮廓凹陷检测

对外轮廓的点序列进行多边形拟合。然后将该多边形围成的内部区域，与外轮廓的内部区域做差。对差分图进行分析。

如果差分图中，存在较大的前景连通域(面积阈值300)，则该区域就是破损区域。此时需要预警，将蘑菇提前分类。

e3、沟纹检测

在检测蘑菇的内部破损区域之前，需要提前将沟纹检测出来。因为沟纹也是白色的，容易被错误检测为破损区域。因此需要提前过滤沟纹区域。在二值化结果中，利用屋脊型边缘检测器，得到沟纹所在的位置像素，然后过滤掉沟纹对应的像素。

e4、内部破损区域检测

在过滤沟纹之后的正面图像中，检测是否存在内部大面积连通域(面积阈值300)。如果存在，则说明是破损，需要分拣。如果不是，则说明该蘑菇是正常的。

f)反面破损检测：

在对蘑菇反面进行检测时，为了不受到菌褶和菌柄的干扰(二者亮度值较高，可能会被错误检测)，需要提前将菌盖检测出来。

按照如下步骤，对蘑菇的反面进行破损检测：

f1、菌盖检测

利用经验阈值(50)，对图像进行二值化。低于阈值的变成前景。通过判断前景区域是否为圆环结构，从而确定是否检测到菌盖。方法如下：

f11)提取前景区域像素，进行连通域提取。

f12)外部轮廓提取。

f13)外部轮廓的长宽比例，是否在[1,3]之间。是，则下一步。否则，直接预警，当做劣质品处理。

f14)前景区域亮度反转，进一步进行连通域扫描。

f15)是否有大面积连通域(面积阈值500像素)。有，则下一步。否则，作为劣质品处理。

f16)得到内部连通域的轮廓。

f17)内外轮廓所围成的面积的比例，在[0.5,0.9]之间，则菌盖检测成功。

f2、破损区域检测

在菌盖区域内检测是否有白色区域。如果存在面积大于100的白色区域，这说明蘑菇的反面，也发生了破损，需要挑选出来。如果不存在大面积白色区域，则反面不存在破损，是正常的蘑菇。

g)由正面对蘑菇质量分类：

在最终鉴定发现当前蘑菇是正常的之后，依然需要对蘑菇进行分类，区分为优质品种与正常品种。主要依靠如下几个方面的信息：

外轮廓的圆形度

亮度的深浅

沟纹的数量和密度

沟纹的长度和宽度

具体方法如下：

g1、根据蘑菇正面图像的外部轮廓点，进行圆形拟合。

采用RANSAC方法拟合圆形。然后统计位于圆周的轮廓点的比例。如果该比值超过80％，这说明蘑菇的外形圆度很高，是一等品。而如果蘑菇的外形圆度较低，则属于二等品。

g2、亮度深浅的统计

计算正面图像中，蘑菇区域的亮度平均值。如果该亮度平均值高于阈值(设定为50)，则归属为二等品。否则为一等品。

g3、一等品蘑菇，其沟纹分布均匀，数量适中。

采用前述方法，得到正面图像中的沟纹。然后利用屋脊型边缘检测子(拉普拉斯边缘检测算法)，将每一条沟纹提取出来。然后统计沟纹的总数。沟纹的条数在5条以内，认为是一等品。否则为二等品。

设定一个尺寸80*80的小的矩形窗口，对蘑菇正面图像进行遍历，统计其中的沟纹的数量，用于进行沟纹密度计算。当沟纹的密度大于2条时，认为是二等品。否则为一等品。

g4、一等品蘑菇，其沟纹的长度和宽度，都可以通过设定经验值来进行判定。

当蘑菇上每条沟纹的长度，都小于100像素，并且宽度小于20像素时，判定为一等品。否则为二等品。

h)由反面对蘑菇质量分类：

从反面对蘑菇进行分类，需要如下几方面的信息：

外轮廓的圆形度

菌盖的圆环部分的宽度

菌盖部分的中心对称性

菌褶部分的圆形度

菌褶部分的中心对称性。

具体方法如下：

h1、根据蘑菇反面图像的外部轮廓点，进行圆形拟合。

采用RANSAC策略拟合圆形。然后统计位于圆周的轮廓点的比例。如果该比值超过80％，这说明蘑菇的外形圆度很高，是一等品。而如果蘑菇的外形圆度较低，则属于二等品。

h2、蘑菇反面图像中，菌盖部分呈现圆环形状。可以通过计算圆环的宽度，来判断其品级。

h21)对反面图像进行二值化。将亮度值低于50的像素，作为前景像素。

h22)得到圆环区域的内部轮廓和外部轮廓。

h23)统计圆环上，每一个方向的圆环的宽度值。

h24)得到最大圆环宽度，和最小圆环宽度。

h25)如果最大、最小宽度值的差值小于20个像素，这说明圆环的均匀性较好，是一等品，否则是二等品。

h3、菌盖对应的圆环区域，还需要考察其中心对称性。菌盖的中心对称性的计算方法如下：

h31)记录下前述圆形拟合得到的中心点位置。

h32)在菌盖区域随机选择一点。

h33)计算得到该点相对于中心点的对称点。

h34)计算两个点的亮度差值。如果亮度差小于20，则配对成功。

h35)随机考察500个点对，记录下能够成功配对的点的数目。

h36)如果配对成功的点数目超过70％，则说明菌盖满足中心对称性，是一等品。否则为二等品。

h4、菌褶是被菌盖所包围的内部区域。也需要对其圆形度进行考察。

采用RANSAC策略拟合菌褶轮廓。然后统计位于圆周的轮廓点的比例。如果该比值超过80％，这说明菌褶的外形圆度很高，是一等品。而如果菌褶的外形圆度较低，则属于二等品。

h5、菌褶的中心对称性的计算方法如下：

h51)记录下前述圆形拟合得到的中心点位置。

h52)在菌褶区域随机选择一点。

h53)计算得到该点相对于中心点的对称点。

h54)计算两个点的亮度差值。如果亮度差小于20，则配对成功。

h55)随机考察500个点对，记录下能够成功配对的点的数目。

h56)如果配对成功的点数目超过70％，则说明菌褶满足中心对称性，是一等品。否则为二等品。

Claims (3)

1.一种自动检测劣质蘑菇的方法，包括如下步骤：

a)杂质检测：反光性检测；亮度均匀性检测；直线边缘检测；

b)整体尺寸判断：捕获背景图像；当前图像与背景图像做差；前景检测，得到蘑菇对应的像素点；连通域检测，得到蘑菇的尺寸；与经验阈值进行比较，过滤小尺寸蘑菇；

c)正反面检测：对蘑菇图像进行二值化；检测二值化图像中，是否存在沟纹；统计整个蘑菇正面，亮度的直方图分布；对蘑菇连通域的中心区域进行亮度分析；对蘑菇图像，提取边缘；

d)虫洞检测：对蘑菇图像进行二值化；提取蘑菇连通域；对连通域进行反转；再次提取连通域；内部连通域尺寸大于阈值，则说明内部存在孔洞，需要预警；

e)正面破损检测：蘑菇外轮廓检测；外轮廓凹陷检测；沟纹检测；内部破损区域检测；

f)反面破损检测：菌盖检测；破损区域检测；

g)由正面对蘑菇质量分类：根据蘑菇正面图像的外部轮廓点，进行圆形拟合；亮度深浅的统计；

h)由反面对蘑菇质量分类：根据蘑菇反面图像的外部轮廓点，进行圆形拟合；蘑菇反面图像中，菌盖部分呈现圆环形状，通过计算圆环的宽度，来判断其品级；菌盖对应的圆环区域，考察其中心对称性；菌褶是被菌盖所包围的内部区域，对其圆形度进行考察；计算菌褶的中心对称性；

步骤h)中蘑菇反面图像中，菌盖部分呈现圆环形状，通过计算圆环的宽度，

来判断其品级的具体步骤为：

h21)对反面图像进行二值化，将亮度值低于50的像素，作为前景像素；

h22)得到圆环区域的内部轮廓和外部轮廓；

h23)统计圆环上，每一个方向的圆环的宽度值；

h24)得到最大圆环宽度，和最小圆环宽度；

h25)如果最大、最小宽度值的差值小于20个像素，是一等品，否则是二等品；

步骤h)中菌盖的中心对称性的计算步骤如下：

h31)记录下步骤h)中根据蘑菇反面图像的外部轮廓点，进行圆形拟合而得到的中心点位置；

h32)在菌盖区域随机选择一点；

h33)计算得到该点相对于中心点的对称点；

h34)计算两个点的亮度差值， 如果亮度差小于20，则配对成功；

h35)随机考察500个点对，记录下能够成功配对的点的数目；

h36)如果配对成功的点数目超过70％，则说明菌盖满足中心对称性，是一等品，否则为二等品；

步骤h)中菌褶的中心对称性的计算步骤如下：

h51)记录下步骤h)中根据蘑菇反面图像的外部轮廓点，进行圆形拟合而得到的中心点位置；

h52)在菌褶区域随机选择一点；

h53)计算得到该点相对于中心点的对称点；

h54)计算两个点的亮度差值，如果亮度差小于20，则配对成功；

h55)随机考察500个点对，记录下能够成功配对的点的数目；

h56)如果配对成功的点数目超过70％，则说明菌褶满足中心对称性，是一等品，否则为二等品。

2.根据权利要求1所述的一种自动检测劣质蘑菇的方法，其特征在于：步骤b)中背景图像的获取步骤如下：

b11)利用摄像机，对着背景连续拍摄图像；

b12)检测b11)中的图像，是否存在运动目标，如果存在，则需要重新拍摄；

b13)如果b11)中的图像都是静止的，则通过对所有图像计算均值，得到背景图。

3.根据权利要求1所述的一种自动检测劣质蘑菇的方法，其特征在于：步骤f)中菌盖检测的方法包括如下步骤：

f11)提取前景区域像素，进行连通域提取；

f12)外部轮廓提取；

f13)外部轮廓的长宽比例，是否在[1,3]之间，如果是，则下一步，否则，直接预警，当做劣质品处理；

f14)前景区域亮度反转，进一步进行连通域扫描；

f15)是否有面积阈值大于500像素的连通域，如果有，则下一步，否则，作为劣质品处理；

f16)得到内部连通域的轮廓；

f17)内外轮廓所围成的面积的比例，在[0.5,0.9]之间，则菌盖检测成功。