CN108318494A - 红提果粉的在线视觉检测分级装置及其方法 - Google Patents
红提果粉的在线视觉检测分级装置及其方法 Download PDFInfo
- Publication number
- CN108318494A CN108318494A CN201810459187.XA CN201810459187A CN108318494A CN 108318494 A CN108318494 A CN 108318494A CN 201810459187 A CN201810459187 A CN 201810459187A CN 108318494 A CN108318494 A CN 108318494A
- Authority
- CN
- China
- Prior art keywords
- red
- fruit powder
- image
- carrying
- classification
- 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
- 235000013399 edible fruits Nutrition 0.000 title claims abstract description 130
- 239000000843 powder Substances 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000001514 detection method Methods 0.000 title claims abstract description 30
- 238000012360 testing method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000004075 alteration Effects 0.000 claims description 2
- 238000004040 coloring Methods 0.000 claims description 2
- 230000008676 import Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 claims description 2
- 239000013598 vector Substances 0.000 claims description 2
- 235000013372 meat Nutrition 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 4
- 238000012946 outsourcing Methods 0.000 description 9
- 241000219095 Vitis Species 0.000 description 7
- 235000009754 Vitis X bourquina Nutrition 0.000 description 7
- 235000012333 Vitis X labruscana Nutrition 0.000 description 7
- 235000014787 Vitis vinifera Nutrition 0.000 description 7
- 240000000560 Citrus x paradisi Species 0.000 description 4
- 241000219094 Vitaceae Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 235000021021 grapes Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 241000208140 Acer Species 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- QNVSXXGDAPORNA-UHFFFAOYSA-N Resveratrol Natural products OC1=CC=CC(C=CC=2C=C(O)C(O)=CC=2)=C1 QNVSXXGDAPORNA-UHFFFAOYSA-N 0.000 description 1
- FEWJPZIEWOKRBE-UHFFFAOYSA-N Tartaric acid Natural products [H+].[H+].[O-]C(=O)C(O)C(O)C([O-])=O FEWJPZIEWOKRBE-UHFFFAOYSA-N 0.000 description 1
- LUKBXSAWLPMMSZ-OWOJBTEDSA-N Trans-resveratrol Chemical compound C1=CC(O)=CC=C1\C=C\C1=CC(O)=CC(O)=C1 LUKBXSAWLPMMSZ-OWOJBTEDSA-N 0.000 description 1
- 241001593968 Vitis palmata Species 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000001339 epidermal cell Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005194 fractionation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 235000021283 resveratrol Nutrition 0.000 description 1
- 229940016667 resveratrol Drugs 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 235000002906 tartaric acid Nutrition 0.000 description 1
- 239000011975 tartaric acid Substances 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/84—Systems specially adapted for particular applications
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8806—Specially adapted optical and illumination features
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8411—Application to online plant, process monitoring
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/845—Objects on a conveyor
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
-
- 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
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种红提果粉的在线视觉检测分级装置及其方法，涉及农产品在线无损自动检测与分级技术。本装置包括检测分级对象红提果粉（9）；设置有夹持机构（1）、背景纸（2）、光室（3）、导轨（4）、光电传感器（5）、工业相机（6）、光源调节器（7）、光源（8）、单片机控制器（10）和计算机（11）；本方法是：①红提果粉图像的采集；②红提果粉图像的预处理；③红提果粉检测模型的建立；④判别红提果粉等级。本发明采用机器视觉技术，能够完成整串红提果粉的自动检测和分级；前人暂未对红提果粉进行检测分级研究，此发明具有创新性；高效率、高智能，分级标准统一，能够实现无损在线检测，具有广阔的应用前景。
Description
技术领域
本发明涉及农产品在线无损自动检测与分级技术，尤其涉及一种红提果粉的在线视觉检测分级装置及其方法。
具体地说，本发明利用机器视觉技术同时采集红提的彩色图像和近红外图像，并进行一系列的图像预处理，获取彩色图像RGB空间中的R分量、G分量、B分量灰度参数，结合肉眼判断红提果粉品质级别，建立红提果粉区域的在线检测模型，结合分级标准设定的阈值，实现对红提果粉品质的检测分级。
背景技术
本发明涉及的对象红提，是美国在70年代培育出来的杂交品种，果穗较大，果粒呈椭圆状，颜色呈红色或紫色，果皮较厚，肉感厚实，香甜可口，洗净后可以直接食用，是鲜萄中有价值的品种之一。果粒上的果粉是由其表皮细胞通过光合作用合成的，其合成过程需要上百种基因以及各种酶共同参与完成。红提果粉的附着程度可以直接反映红提在种植期间的用药情况，且果粉中含有诸多有益于人体健康的物质，比如白藜芦醇可以延缓衰老、齐墩果酸能够降低血糖血脂，因此果粉附着程度越高，红提用药越合理，越有益于消费者的身体健康，在红提的采后阶段对按果粉品质进行检测分级，非常具有实际意义。
目前，国内外学者在红提品质上做了很多研究。曾庆兵等【曾庆兵,刘成良, 苗玉彬, 王世平, 黄丹枫. 基于形态学图像处理的重叠葡萄果径无损测量[J].农业工程学报,2009,25(9):356-360.】通过形态学处理的方法，实现了对葡萄果粒的精确定位，从而为观测葡萄的生长状况提供了参考；Li M等【Li M，Wang Q, Zhu J.Automatic recognition ofgrapes' size level based on machine vision[J]. J Food Agr & Environ, 2012, 10(3):78-80.】通过检测葡萄轮廓的角点将轮廓边缘的葡萄果粒识别出来，并通过计算单粒葡萄的平均曲率作为判定标准，将葡萄按照大小分级，最终分级准确率为90%；鲁伟奇【鲁伟奇.葡萄成熟度无损检测研究[D]．杭州：中国计量学院,2013.】通过采集待检测葡萄果粒区域的6个颜色特征，结合欧式距离和支持向量机的方法，对20串巨峰葡萄的成熟度进行检测，检测结果均符合实际情况；陈辰等【陈辰, 鲁晓翔, 张鹏, 陈绍慧, 李江阔. 红提葡萄V_C含量的可见/近红外检测模型[J].食品与机械,2015(5):70-74.】研究了基于可见/近红外光谱对红提VC含量的预测模型，该模型采用了多种光谱预处理方法，并结合了改进的偏最小二乘法，模型的预测决定系数为0.9318，实验结果表明，该方法对VC含量的快速无损检测具有指导意义。
经检索，国内外仅建立了葡萄的大小、成熟度等品质分级模型，目前尚未发现有关红提葡萄果粉的在线视觉检测分级装置及其方法。
发明内容
本发明的目的在于实现红提果粉无损在线检测分级，提供一种红提果粉的在线视觉检测装置及其方法。
本发明的目的是这样实现的：
首先，将红提放入夹持机构固定，一并放置在导轨下方的挂钩上，打开电机使红提沿着导轨运动，当红提行进至光室一侧的光电传感器时触发开关，单片机接收触发信号并发送给计算机（上位机），从而控制工业相机采集红提彩色图像和近红外图像；计算机对图像进行处理后，提取出红提果粒上的果肉和果粉的颜色特征参数；最后通过建立的分级模型判断红提果粉的级别，再将最终的结果以文档的形式打印出来，达到红提果粉品质分级的目的。
在本发明中主要完成以下几项工作：
1、采集红提的彩色和近红外图像；
2、对采集到的红提图像进行预处理；
3、提取红提果粉和果肉区域的品质特征参数：R分量灰度值，G分量灰度值，B分量灰度值；
4、建立红提果粉区域的在线检测模型；
5、利用分级标准设定的阈值判别红提果粉的类别：全附着、部分附着、少附着。
具体地说：
一、红提果粉的在线视觉检测分级装置（简称装置）
包括检测分级对象红提果粉；
设置有夹持机构、背景纸、光室、导轨、光电传感器、工业相机、光源调节器、光源、单片机控制器和计算机；
其位置和连接关系是：
在光室左侧的箱壁内贴有黑色的背景纸；
在光室的上方设置有导轨，在导轨的下方悬挂有夹持机构，夹持机构夹持红提果粉；
在光室内的右侧正对红提果粉的位置上设置有光源8及其光源调节器；
在光室内的上面设置有光电传感器，光电传感器、单片机和计算机依次连接；
工业相机正对红提果粉，工业相机和计算机连接。
二、红提果粉的在线视觉检测分级方法（简称方法）
本方法包括以下步骤：
①红提果粉图像的采集
将红提果粉按照顺序依次摆放到导轨上，运行电机让红提果粉悬挂在导轨下方行进，当传送至光室中触发光电传感器时，工业相机拍照采集红提果粉的彩色图像和近红外图像；
②红提果粉图像的预处理
A、对彩色图像和近红外图像进行裁剪，尽可能地去掉所有的背景信息而保留全部的红提果粉信息；
B、对彩色图像和近红外图像同时采用中值滤波的方法，去除红提果粉图像中的噪声信息；
C、对红提果粉近红外图像采用灰度增强的方法，加强红提果粉表面的颜色信息的对比度。
D、提取红提果粉彩色图像中的R、G、B分量的灰度图，通过2G-R-B的色差运算粗略获取的果梗信息灰度图；
E、利用OTSU（最大类间方差）法对果梗灰度图像进行阈值分割，采用去除最小面积的方法，清除零散的无用的小面积信息，最终获取果梗的二值图像；
F、对果梗二值图像进行膨胀处理，并将其与红提果粉彩色图像进行掩膜的乘法运算，最终获取无果梗的红提果粉彩色图像。
G、采用交互式取点的方法，在任意一张无果梗的彩色图像中，分别获取红提果粉和果肉区域像素点的R、G、B三分量的颜色特征值，并将红提果粉区域的分类标签设置为1，果肉区域的分类标签设置为0，获取红提的样本数据；
③红提果粉检测模型的建立
a、统计采集到的红提像素点样本数据的数量，并将样本数据按照2：1的原则划分为训练集和测试集；
b、建立训练集判别模型，根据训练集的R、G、B颜色特征值，结合红提果粉和果肉区域像素点的标签属性，建立SVM支持向量的判别模型；
c、根据测试集的R、G、B颜色特征值，预测出红提果粉和果肉区域，并与真实值比较，对模型进行评估；
④判别红提果粉等级
ⅰ、采用OTSU（最大类间方差）法将红提果粉近红外灰度图像转化成二值图像，将膨胀后的果梗二值图像与红提果粉二值图像掩膜相乘，获取去除果梗后的红提果粉二值图像，其中红提果粉图像为白色，背景图像为黑色；
ⅱ、统计红提果粉二值图像中像素值为1的像素点个数N1；
ⅲ、将去除果梗后的红提果粉彩色图像的R、G、B颜色特征作为检测模型的输入参数，最终获取红提果粉和果肉的像素点，统计分类标签为1的像素点个数N2。
ⅳ、将红提果粉像素点个数N2与红提二值图像像素点个数N1的比值P作为红提果粉等级的判定依据；
ⅴ、当P的值大于等于0.8时，则判定该串红提果粉等级为一级（全附着），当P的值小于0.8并大于等于0.6时，则判定该串红提果粉等级为二级（部分附着），当P的值小于0.6时，则判定该串红提果粉等级为三级（少附着）。
ⅵ、将检测结果按照红提果粉的序号依次保存在文本文档中，最终完成红提果粉的无损在线检测分级。
本发明具有以下优点和积极效果：
1、采用机器视觉技术，能够完成整串红提果粉的自动检测和分级；
2、前人暂未对红提果粉进行检测分级研究，此发明具有创新性；
3、高效率、高智能，分级标准统一，能够实现无损在线检测，具有广阔的应用前景。
附图说明
图1是本装置的结构示意图；
图2是红提果粉的彩色图像；
图3是红提果粉的近红外图像；
图4是图像处理软件的工作流程图。
图中：
1—夹持机构；
2—背景纸；
3—光室；
4—导轨；
5—光电传感器；
6—工业相机；
7—光源调节器；
8—光源；
9—红提果粉；
10—单片机控制器；
11—计算机。
具体实施方式
下面结合附图和实施详细说明：
一、装置
1、总体
如图1，本装置包括检测分级对象红提果粉9；
设置有夹持机构1、背景纸2、光室3、导轨4、光电传感器5、工业相机6、光源调节器7、光源8、单片机控制器10和计算机11；
其位置和连接关系是：
在光室3左侧的箱壁内贴有黑色的背景纸2；
在光室3的上方设置有导轨4，在导轨4的下方悬挂有夹持机构1，夹持机构1夹持红提果粉9；
在光室3内的右侧正对红提果粉9的位置上设置有光源8及其光源调节器7；
在光室3内的上面设置有光电传感器5，光电传感器5、单片机10和计算机11依次连接；
工业相机6正对红提果粉9，工业相机6和计算机1连接。
工作机理：
通过夹持机构1和导轨4以及光电传感器5使红提果粉9在光室3内移动，通过单片机10、计算机11触发工业相机6对红提果粉9拍照，获得红提果粉9的图像，供检测分析。
2、功能部件
1）夹持机构1
一种通用外购件；其功能是夹紧红提果粉9使其沿导轨稳定运输。
2）背景纸2
背景纸2是一种通用外购件，如选用黑色自粘绒布墙纸；其功能是避免墙壁反光从而影响红提果粉9图像的采集效果。
3）光室3
光室3是一种矩形的不锈钢箱体；其功能是保障采集的图像不受外界光照影响，并用于安装固定工业相机6和光源8。
4）导轨4
导轨4是一种通用外购件，如选用同步带滑台（WBD-TL4080）；其功能是传送红提果粉9。
5）光电传感器5
光电传感器5是一种通用外购件，如选用漫反射式光电传感器（E3Z-D61）；其功能是接收信号并将信号发送给单片机控制器10。
6）工业相机6
工业相机6是一种通用外购件，如选用JAI公司的双通道工业相机；其功能同时采集红提果粉的彩色图像和近红外图像。
7）光源调节器7
光源调节器7是一种通用外购件，如选用视爵光源检测光源调节器。其功能是调节光源8的强度。
8）光源8
光源8是一种通用外购件，如选用LED环形光源；其功能是均匀照射红提果粉9。
9）单片机控制器10
单片机控制器10是一种通用外购件，如选用STM32单片机（STM32F103ZET6）；其功能是接收触发信号，并将信号发送至计算机11。
7）计算机11
计算机11是一种通用外购件，如选用CPU英特尔i5-2450M CPU @2.50GHz处理器，64位，Windows XP系统；其功能是使用其内的图像处理软件对红提果粉图像进行实时处理。
如图4，所述的图像处理软件的工作流程：
a、读取图像-301；
b、中值滤波-302；
c、近红外图像阈值分割获取二值图像-303；
d、提取果梗二值图像-304；
e、计算掩膜后无果梗的彩色图像和二值图像-305；
f、统计二值图像中红提像素点的个数N1-306；
g、提取红提所有像素点的R、G、B分量值并导入检测模型-307；
h、统计检测模型中分类标签为1的个数N2-308；
i、计算N2与N1的比值P，并将其与阈值比较获取对应的级别-309；
j、将结果保存文本文档中-310。
三、检测结果
本实例的试验样品是购买于湖北武汉白沙洲水果批发市场的红提果粉，将葡其分为一级（全附着）、二级（部分附着）、三级（少附着）三个等级，只需通过对红提果粉的图像采集、图像处理、判别等过程就可以无损快速判别其果粉的级别；
该方法满足了实际生产的要求。
Claims (3)
1.一种红提果粉的在线视觉检测分级装置，包括检测分级对象红提果粉（9）；
其特征在于：
设置有夹持机构（1）、背景纸（2）、光室（3）、导轨（4）、光电传感器（5）、工业相机（6）、光源调节器（7）、光源（8）、单片机控制器（10）和计算机（11）；
其位置和连接关系是：
在光室（3）左侧的箱壁内贴有黑色的背景纸（2）；
在光室（3）的上方设置有导轨（4），在导轨（4）的下方悬挂有夹持机构（1），夹持机构（1）夹持红提果粉（9）；
在光室（3）内的右侧正对红提果粉（9）的位置上设置有光源（8）及其光源调节器（7）；
在光室（3）内的上面设置有光电传感器（5），光电传感器（5）、单片机（10）和计算机11依次连接；
工业相机（6）正对红提果粉（9），工业相机（6）和计算机（1）连接。
2.按权利要求1所述的红提果粉的在线视觉检测分级装置，其特征在于：
所述计算机（11）的图像处理软件的工作流程：
a、读取图像（301）；
b、中值滤波（302）；
c、近红外图像阈值分割获取二值图像（303）；
d、提取果梗二值图像（304）；
e、计算掩膜后无果梗的彩色图像和二值图像（305）；
f、统计二值图像中红提像素点的个数N1（306）；
g、提取红提所有像素点的R、G、B分量值并导入检测模型（307）；
h、统计检测模型中分类标签为1的个数N2（308）；
i、计算N2与N1的比值P，并将其与阈值比较获取对应的级别（309）；
j、将结果保存文本文档中（310）。
3.基于权利要求1-2所述装置的在线视觉检测分级方法，其特征在于：
①红提果粉图像的采集
将红提果粉按照顺序依次摆放到导轨上，运行电机让红提果粉悬挂在导轨下方行进，当传送至光室中触发光电传感器时，工业相机拍照采集红提果粉的彩色图像和近红外图像；
②红提果粉图像的预处理
A、对彩色图像和近红外图像进行裁剪，尽可能地去掉所有的背景信息而保留全部的红提果粉信息；
B、对彩色图像和近红外图像同时采用中值滤波的方法，去除红提果粉图像中的噪声信息；
C、对红提果粉近红外图像采用灰度增强的方法，加强红提果粉表面的颜色信息的对比度；
D、提取红提果粉彩色图像中的R、G、B分量的灰度图，通过2G-R-B的色差运算粗略获取的果梗信息灰度图；
E、利用OTSU法对果梗灰度图像进行阈值分割，采用去除最小面积的方法，清除零散的无用的小面积信息，最终获取果梗的二值图像；
F、对果梗二值图像进行膨胀处理，并将其与红提果粉彩色图像进行掩膜的乘法运算，最终获取无果梗的红提果粉彩色图像；
G、采用交互式取点的方法，在任意一张无果梗的彩色图像中，分别获取红提果粉和果肉区域像素点的R、G、B三分量的颜色特征值，并将红提果粉区域的分类标签设置为1，果肉区域的分类标签设置为0，获取红提的样本数据；
③红提果粉检测模型的建立
a、统计采集到的红提像素点样本数据的数量，并将样本数据按照2：1的原则划分为训练集和测试集；
b、建立训练集判别模型，根据训练集的R、G、B颜色特征值，结合果粉和果肉区域像素点的标签属性，建立SVM支持向量的判别模型；
c、根据测试集的R、G、B颜色特征值，预测出果粉和果肉区域，并与真实值比较，对模型进行评估；
④判别红提果粉等级
ⅰ、采用OTSU法将红提果粉近红外灰度图像转化成二值图像，将膨胀后的果梗二值图像与红提果粉二值图像掩膜相乘，获取去除果梗后的红提果粉二值图像，其中红提果粉图像为白色，背景图像为黑色；
ⅱ、统计红提果粉二值图像中像素值为1的像素点个数N1；
ⅲ、将去除果梗后的红提果粉彩色图像的R、G、B颜色特征作为检测模型的输入参数，最终获取红提果粉和果肉的像素点，统计分类标签为1的像素点个数N2；
ⅳ、将红提果粉像素点个数N2与红提二值图像像素点个数N1的比值P作为红提果粉等级的判定依据；
ⅴ、当P的值大于等于0.8时，则判定该串红提果粉等级为一级，当P的值小于0.8并大于等于0.6时，则判定该串红提果粉等级为二级，当P的值小于0.6时，则判定该串红提果粉等级为三级；
ⅵ、将检测结果按照红提果粉的序号依次保存在文本文档中，最终完成红提果粉的无损在线检测分级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810459187.XA CN108318494B (zh) | 2018-05-15 | 2018-05-15 | 红提果粉的在线视觉检测分级装置及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810459187.XA CN108318494B (zh) | 2018-05-15 | 2018-05-15 | 红提果粉的在线视觉检测分级装置及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108318494A true CN108318494A (zh) | 2018-07-24 |
| CN108318494B CN108318494B (zh) | 2019-10-08 |
Family
ID=62896218
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810459187.XA Active CN108318494B (zh) | 2018-05-15 | 2018-05-15 | 红提果粉的在线视觉检测分级装置及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108318494B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109799824A (zh) * | 2019-01-23 | 2019-05-24 | 华中农业大学 | 基于轮式小车的田间作物图像采集装置 |
| CN110826552A (zh) * | 2019-11-05 | 2020-02-21 | 华中农业大学 | 基于深度学习的葡萄无损自动检测装置及其方法 |
| CN112784735A (zh) * | 2021-01-21 | 2021-05-11 | 重庆文理学院 | 基于单目相机与双目相机识别串型水果母枝的方法 |
| CN109738438B (zh) * | 2018-12-29 | 2021-07-23 | 扬州大学 | 一种小麦叶片衰老程度快速测量方法 |
| CN114354508A (zh) * | 2021-12-31 | 2022-04-15 | 深圳铯敏发科技有限公司 | 一种智慧农业植物保障系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105203543A (zh) * | 2015-09-22 | 2015-12-30 | 华中农业大学 | 基于机器视觉的整箱红提葡萄果粒大小分级装置及其方法 |
| CN105701491A (zh) * | 2014-11-25 | 2016-06-22 | 上海思鲨信息科技有限公司 | 固定格式文档图像模版的制作方法及其应用 |
| CN105738294A (zh) * | 2016-03-01 | 2016-07-06 | 江苏大学 | 基于单目多视成像的穗状水果自动检测装置及方法 |
| CN106111556A (zh) * | 2016-08-22 | 2016-11-16 | 华中农业大学 | 穗状水果的自动检测与分级装备 |
| CN205904124U (zh) * | 2016-06-29 | 2017-01-25 | 华中科技大学 | 一种适用于流水线的葡萄粒径分类装置 |
| CN206028172U (zh) * | 2016-08-22 | 2017-03-22 | 华中农业大学 | 一种穗状水果的自动检测与分级装备 |
-
2018
- 2018-05-15 CN CN201810459187.XA patent/CN108318494B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105701491A (zh) * | 2014-11-25 | 2016-06-22 | 上海思鲨信息科技有限公司 | 固定格式文档图像模版的制作方法及其应用 |
| CN105203543A (zh) * | 2015-09-22 | 2015-12-30 | 华中农业大学 | 基于机器视觉的整箱红提葡萄果粒大小分级装置及其方法 |
| CN105738294A (zh) * | 2016-03-01 | 2016-07-06 | 江苏大学 | 基于单目多视成像的穗状水果自动检测装置及方法 |
| CN205904124U (zh) * | 2016-06-29 | 2017-01-25 | 华中科技大学 | 一种适用于流水线的葡萄粒径分类装置 |
| CN106111556A (zh) * | 2016-08-22 | 2016-11-16 | 华中农业大学 | 穗状水果的自动检测与分级装备 |
| CN206028172U (zh) * | 2016-08-22 | 2017-03-22 | 华中农业大学 | 一种穗状水果的自动检测与分级装备 |
Non-Patent Citations (1)
| Title |
|---|
| 肖壮等: "《基于数字图像及随机最小二乘的红提串果粒尺寸检测分级方法》", 《食品科学》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109738438B (zh) * | 2018-12-29 | 2021-07-23 | 扬州大学 | 一种小麦叶片衰老程度快速测量方法 |
| CN109799824A (zh) * | 2019-01-23 | 2019-05-24 | 华中农业大学 | 基于轮式小车的田间作物图像采集装置 |
| CN110826552A (zh) * | 2019-11-05 | 2020-02-21 | 华中农业大学 | 基于深度学习的葡萄无损自动检测装置及其方法 |
| CN112784735A (zh) * | 2021-01-21 | 2021-05-11 | 重庆文理学院 | 基于单目相机与双目相机识别串型水果母枝的方法 |
| CN114354508A (zh) * | 2021-12-31 | 2022-04-15 | 深圳铯敏发科技有限公司 | 一种智慧农业植物保障系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108318494B (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108318494B (zh) | 红提果粉的在线视觉检测分级装置及其方法 | |
| Liming et al. | Automated strawberry grading system based on image processing | |
| CN109187553B (zh) | 一种基于机器视觉的变质鸡蛋在线智能识别方法 | |
| CN103076288B (zh) | 一种基于计算机视觉的鱼肉自动分级装置和方法 | |
| CN105203543B (zh) | 基于机器视觉的整箱红提葡萄果粒大小分级装置及其方法 | |
| CN100480680C (zh) | 多光谱肉类新鲜度人工智能测量方法及系统 | |
| CN104764744B (zh) | 一种禽蛋新鲜度的视觉检测装置及其方法 | |
| CN105046700B (zh) | 基于亮度校正与颜色分类的水果表面缺陷检测方法及系统 | |
| CN101907453B (zh) | 基于机器视觉的块状农产品尺寸在线测量方法与装置 | |
| CN107486415A (zh) | 基于机器视觉的篾片缺陷在线检测系统及检测方法 | |
| CN108287010B (zh) | 一种螃蟹多指标分级装置与方法 | |
| CN102156129B (zh) | 一种基于机器视觉的牛肉品质智能分级系统及其方法 | |
| CN103983190B (zh) | 群体产地鸭蛋外形尺寸的视觉检测分级装置及其方法 | |
| CN112184648A (zh) | 一种基于深度学习的活塞表面缺陷检测方法及系统 | |
| CN106370667A (zh) | 一种玉米籽粒品质视觉检测装置及方法 | |
| CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
| CN210059040U (zh) | 一种基于rgb水果分类装置 | |
| CN110694921A (zh) | 蔬菜分拣系统及其控制方法 | |
| CN110096980A (zh) | 字符检测识别系统 | |
| CN110736709A (zh) | 一种基于深度卷积神经网络的蓝莓成熟度的无损检测方法 | |
| CN112845159B (zh) | 一种基于机器学习的管路视觉检测系统及方法 | |
| CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
| CN111652883A (zh) | 基于深度学习的玻璃表面缺陷检测方法 | |
| CN107576660B (zh) | 一种基于距离等高线的双黄鸭蛋自动视觉检测方法 | |
| CN109115775A (zh) | 一种基于机器视觉的槟榔等级检测方法 |
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 |