CN108872085A - 基于蓝色波段透射图像检测的脐橙烂心无损检测方法 - Google Patents
基于蓝色波段透射图像检测的脐橙烂心无损检测方法 Download PDFInfo
- Publication number
- CN108872085A CN108872085A CN201810435737.4A CN201810435737A CN108872085A CN 108872085 A CN108872085 A CN 108872085A CN 201810435737 A CN201810435737 A CN 201810435737A CN 108872085 A CN108872085 A CN 108872085A
- Authority
- CN
- China
- Prior art keywords
- image
- navel orange
- pixel
- region
- formula
- 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
- 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
-
- 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
- G01N2021/1765—Method using an image detector and processing of image signal
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)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
一种基于蓝色波段透射图像检测的脐橙烂心无损检测方法,步骤包括:一、在暗箱内采集原始图像,图片的获取方式为:采用白光源照射脐橙的一侧面的部分区域,在脐橙的另一侧面采用相机进行图像采集;相机镜头的轴线与白光源的轴线是同一直线;白光源与脐橙的被照射区域在同一密不透光的空间内,且白光源的光线经过聚焦后,平行照射在脐橙上;二、先在采集到的原始图像上选择视场区域,再进行后续步骤处理;S1:对RGB图像进行图像分解,得到红、绿、蓝分量图;再选择蓝色分量图进行处理,得到被测脐橙掩模;S2:得到的蓝色波段透射图像,并与被测脐橙掩模进行比对,得到脐橙缺陷部位;S3:以缺陷部位尺寸是否超过检出要求为标准判断脐橙是否烂心。
Description
技术领域
一种基于蓝色波段透射图像检测的对脐橙因内部烂心而表皮瘫软的缺陷部位无损检测技术,属于水果无损检测技术领域。
背景技术
水果品质的一直是农产品的研究的重要课题也是消费者注重的方面。水果在储存时有的会因外在不同原因坏掉,脐橙在贮存过程中内部易发生腐烂,且挑选出坏掉的脐橙不易操作,不及时处理损失会更大。
图像处理技术是用计算机对图像信息进行处理的技术。主要包括图像数字化、图像增强和复原、图像数据编码、图像分割和图像识别等。
如何把图像处理技术应用到脐橙内部腐烂的检测中去,是需要解决的问题。
发明内容
为了上述背景技术中存在的问题,本发明创造提出一种基于蓝色波段透射图像检测的对脐橙因内部烂心而表皮瘫软的缺陷部位无损检测方法,以及用于脐橙烂心无损检测的图像采集系统。
一种用于脐橙烂心无损检测的图像采集系统,包括相机、计算机和结构部分;所述相机与计算机进行通信;
所述结构部分包括采集箱,以及位于采集箱内的滑道、固定托盘、活动定位机构、升降机构、聚焦透镜(可以是凸透镜)和白光源;
所述采集箱的内壁覆盖有低反射率材料层;在采集箱的一侧壁上装有可开关的箱门;
所述固定托盘通过竖直的支撑柱固定在采集箱的底面;固定托盘的内壁是球带形状;支撑柱内设有第一通孔,第一通孔内的底部装有白光源,在第一通孔内的装有聚焦透镜,聚焦透镜在白光源的上方,第一通孔的顶部连接于固定托盘底面的第二通孔;
所述活动定位机构连接在升降机构上;活动定位机构的内腔是圆台形状,圆台的较小一底在下,且直径与第二通孔的直径对应;所述活动定位机构的侧壁开有缺口,缺口的形状与滑道的截面症状对应;活动定位机构的轴线与支撑柱的轴线重合,且活动定位机构沿其轴线上下动作;
所述滑道的首端在箱门所在位置,所述滑道的末端的位置与活动定位机构升到顶部状态下,活动定位机构侧壁的缺口位置对应;滑道的首端高于末端;
所述相机的镜头在采集箱内,且位于固定托盘的正上方。
所述固定托盘的内壁表面覆盖有黑色柔软弹性织物柔软材料层。
所述白光源、聚焦透镜和第二通孔三者之间的位置符合:白光源发出的光通过聚焦透镜成平行光束,集中在第二通孔端面。
一种基于蓝色波段透射图像检测的脐橙烂心无损检测方法,步骤包括:
一、在暗箱内采集原始图像,图片的获取方式为:
采用白光源照射脐橙的一侧面的部分区域,在脐橙的另一侧面采用相机进行图像采集;
相机镜头的轴线与白光源的轴线是同一直线;白光源与脐橙的被照射区域在同一密不透光的空间内,且白光源的光线经过聚焦后,平行照射在脐橙上;
二、先在采集到的原始图像上选择视场区域,再进行后续步骤处理;
S1:对RGB图像进行图像分解,得到红、绿、蓝分量图;再选择蓝色分量图进行处理,得到被测脐橙掩模;
S2:得到的蓝色波段透射图像,并与被测脐橙掩模进行比对,得到脐橙缺陷部位;
S3:以缺陷部位尺寸是否超过检出要求为标准判断脐橙是否烂心。
步骤一中,由于相机和固定托盘都处于相对固定位置,放置在固定托盘上的脐橙也处于相机的同轴正下方,因此经初始位置标定后采集的原始图像不必再采用运动定位来选择视场区域,在相应成像系统的成像比例下采集原始图像,该原始图像中脐橙的几何中心位置不变,同时该位置也适用于其他脐橙图像。
所述步骤S1包括:
1)位置标定与图像检测区域分割:
先在原始图片中自动截取检测目标区域图像;为此在机械安装完毕托盘架与成像系统后,首次图像采集时,应进行成像系统的位置标定(具体操作为:放置直径为42mm橙色空心(如聚丙烯材料制作的)标定球于托盘架上,采集该标定球的透射图像,作为定位标定图像)
在定位标定图像中提取标定球中心的图像坐标(x0,y0),并根据测得标定球直径在定位标定图中的像素尺寸,计算出世界坐标与图像坐标的尺寸转化系数R像素/mm;
设待测脐橙尺寸的名义直径D范围要求为(1);
DMin≤D≤DMax (1)
其中DMin和DMax分别为待检果名义直径上、下限;
则根据式(2)计算正方形检测区域的边长L:
L=f·DMax·R (2)
式中f为常数系数(可取一般值1.2);DMax为以mm为单位的待测果名义直径范围最大值;R为世界坐标与像素坐标的转化系数,其单位为像素/mm;
并且根据式(3)确定图像中检测区域,由像素集合A表示:
式中(x0,y0)为标定球中心的在图像中的坐标,L为根据式(2)计算所得检测区域的边长,L为图像中检测区域像素集合A内任意点的图像坐标;
2)检测区色彩分量与待测果图像分割:
对分割出的检测区域彩色图像进行按色彩分解,得到检测区的单色分量图像,分别为检测区红色分量图像AR、检测区绿色分量图像AG和检测区蓝色分量图像AB;
在蓝色分量图像AB中进行待测果图像分割,步骤为:
根据待测果直径范围和检测区尺寸,得到检测区中待测果面积NF与背景面积NBG之比应当在式(3’)范围内,否则跳出检测流程,提示“尺寸超界”。
其中DMin和DMax分别为待检果名义直径上、下限;f为常数系数(可取一般值1.2);
将检测区蓝色分量图AB内的像素按灰度值升序排列,得到像素列表VAB,根据式(3’)所确定的比例上下限,从排序后的像素列表VAB中选取像素p1与p2之间的像素子集V′AB。p1与p2在VAB中的百分位取值分别按式(4、5)计算。
其中DMin和DMax分别为待检果名义直径上、下限;f为常数系数(可取一般值1.2)
设像素i属于集合V′AB,其灰度值为v(i),则像素集合V′AB的灰度集合为V,如式(6)。其中任意像素灰度值j的范围符合式(7)。
V={j|j=v(i)},i∈V′AB (6)
式中i是集合V′AB中的任意像素,v(i)是像素i在蓝色分量图中的灰度值,用j表示;V是V′AB中全部像素位置处出现过的灰度值的集合;
υ(p1)<j<v(p2) (7)
式中j是V中任意灰度值;υ(p1)是像素p1的灰度值,υ(p2)是像素p2的灰度值;
设灰度值j在集合V中出现的次数为nj,T为V中出现次数最少的灰度值,则T即为从检测区蓝色分量图像AB中提取脐橙区域的全局阈值,如式(8、9)所示;
nT=min({nj}),j∈V (8)
式中nT为阈值T在V中出现的次数,是其中任意灰度值j出现次数的最小值;
分割出被测脐橙的图像区域Fbw,如式(9)所示;
Fbw={(x,y)|v(x,y)>T} (9)
式中Fbw为被测脐橙果在图像中的区域;(x,y)为被测脐橙区域内任意像素的坐标;υ(x,y)为图像坐标(x,y)处像素的灰度值;T为脐橙图像分割所用的全局阈值。
一种方案,所述步骤S2包括:
S2-1选取若干无烂心缺陷的脐橙鲜果进行系统灰度标定:
采集蓝色分量透射图像,经被测果分割操作得到这批无缺陷果区域的蓝色分量像素集合Bset;
测量该Bset区域中像素灰度的均值GAVG与标准差STD,如式(9、10)所示;
式中GAVG为Bset区域中像素灰度的均值;N为Bset区域中像素总数;(x,y)是Bset区域中任意像素的图像坐标;v(x,y)是图像坐标(x,y)处像素在AB中的灰度值;
式中STD为Bset区域中像素AB中的灰度值的标准差;GAVG为Bset区域中像素灰度的均值;N为Bset区域中像素总数;(x,y)是Bset区域中任意像素的图像坐标;v(x,y)是图像坐标(x,y)处像素在AB中的灰度值;
S2-2以均值加3倍标准差值为缺陷分割阈值TD,筛选Fbw范围中灰度超过该阈值的区域作为缺陷部位DF,如式(11、12);
TD=GAVG+3·STD (11)
式中TD为缺陷分割阈值;GAVG为Bset区域中像素灰度值的均值;STD为相应标准差;
DF={(x,y)|v(x,y)>TD,(x,y)∈Fbw} (12)。
另一种方案,所述S2的步骤还以是:
S2-1’对R、G、B分量图进行色彩空间变换,得到HSV色彩空间的H、S、V分量;
S2-2’在H分量图中,利用阈值分割(150-240)检测出蓝色区域,蓝色区域的在所述被测脐橙掩模内的部分,作为缺陷部位。
本技术方案的原理是,
1)该装置包括采集相机、计算机、采集箱,以及位于采集箱内的滑道、固定托盘、活动定位机构、升降机构、聚焦透镜和白光源;
2)采集箱工作时是黑暗的密闭空间,内部材质为低反射率材质;
3)采集箱设有箱门取放脐橙,脐橙进入箱门顺着滑道滚落到活动定位机构处;
4)相机采集的数据传送到计算机进行图像处理;
5)背光透射光通过透镜聚焦,集中在脐橙底部中心小范围,通过减小照射面积,从而减少杂散光漏出;
6)在背光照明时,缺陷部位在蓝色波段会比其他部分亮,用图像处理方法对蓝色波段的脐橙透射图像进行处理,检测出因内部烂心、表皮瘫软的缺陷部位。
在图像采集中,必须确保检测区域不受杂散光干扰。因此设计相应的图像采集结构与机械部分。
a)图像采集结构部分:
为确保避免环境光影响,应在遮光暗室中进行图像采集。为避免背光源泄露,设计专用固定托盘确保照明装置头部与脐橙表面紧密接触不透光、不泄露。
b)机械部分:
为确保脐橙活动定位机构不被从脐橙透射出的光照亮而干扰透射图像中的背景部分,更为了避免因活动定位机构的反射而改变脐橙表面的灰度分布,设计机械运动装置不仅确保被测脐橙定位在固定托盘上,而且在采集图像前通过自身远离运动撤出图像采集背景区域,即从检测装置的上料定位状态到检测装置的图像采集状态。
本检测方法的工作原理:
1)烂心的脐橙表皮瘫软的部分透光性有所增加。
2)经试验发现,在可见光部分,蓝色波段的透光性在缺陷部位而透光性增强的幅度最为明显。因为健康脐橙对蓝色光吸收明显,所以健康脐橙部分对蓝色光透射很少,而烂心脐橙由于内部成分发生变质,对蓝色光的吸收能力有所下降,因而透射能量比例有明显增加。绿色波段同样被健康脐橙的果肉吸收较多,但由于脐橙表皮叶绿素的存在,即使健康的橙色脐橙的表皮也可能存在大量绿色微小斑点,不仅如此,果梗一般为绿色,这些干扰因素会在背光检测中干扰因缺陷而引起的绿色分量增强信号,故与蓝色波段相比,检测效果较差,如图4-1~4-3所示,图4-1为脐橙正面光照明的彩色图像,缺陷部位若用手压可明显感觉到瘫软,但在图像中用肉眼难以分辨,故用白圈标出缺陷部位在图4-1中的位置,图4-2为脐橙透射照明蓝色分量图像,缺陷部位的灰度明显高出其他部位,通过简单阈值分割即可将缺陷部位(在图4-2中用红色表示)与其它部分分开;图4-3为脐橙透射照明时绿色分量图像,虽缺陷部位灰度普遍高于其他部位,但简单阈值分割所得区域(图4-2中红色区域)中包含较多干扰。
3)在背光照明时,缺陷部位在蓝色波段会比其他部分亮,用图像处理方法对蓝色波段的脐橙透射图像进行处理,检测出因内部烂心、表皮瘫软的缺陷部位。
4)为得到1)所述蓝色波段透射图像,采用的图像采集方案:
用白光照明,彩色相机采集彩色透射图像,再通过图像处理方法得到蓝色波段透射图像。
而此处的图像处理方法有两种:
c.1直接提取RGB图像中的蓝色(B)分量得到蓝色波段图像B1。此方法得到的蓝色图像中噪点较多,通过形态学图像处理方法,进行面积分割,筛选缺陷部位,而且对背光照明灰度变化敏感,需要额外的灰度自适应算法补偿;
c.2通过图像色彩空间变换计算,将RGB透射图像变换到HSV色彩空间。通过对色调(H)分量图进行图像分割,通过设置蓝色波段的阈值,提取出蓝色部位。这种方法对背光照明灰度变化不敏感、性能稳定,由于健康脐橙及果梗部分蓝色波段透射能量微弱,检出效果明显,干扰因素明显减少。
本检测方法的具体步骤如下:
1.图像采集:
1)准备一定数量的脐橙,包含表面有瘫软区域缺陷的和正常的;
2)打开采集箱门,脐橙通过滑道自由滚到固定托盘上;
3)关闭采集箱门,固定托盘外周的活动定位机构受升降机构驱动从状态1下降到状态2,远离固定托盘;
4)打开背面透射灯,通过透镜聚焦成平行光束,集中在脐橙底部中心小范围;
5)打开相机进行图像采集,采集到的图像经传输保存到计算机上;
6)利用计算机软件进行图像处理。
2.图像处理:
第1步,对采集到的RGB图像进行图像分解,得到R、G、B分量图;
第1.1步,利用背景与被测果的灰度差异,通过图像分割,获得被测果在透射图像中的空间范围。具体步骤为:
第1.1-1步,在原图片中抠取合适的图片大小,对RGB图像进行图像分解,得到R、G、B分量图,通过比对,蓝色分量图中区分效果较好,所以在蓝色分量图中,进行自动阈值分割,面积筛选(像素面积按检测系统标定的尺寸面积等效为待测果直径范围为60-80mm,当采集系统的比例为14.6像素/mm,对应的面积筛选阈下限为TL=41259像素,阈上限为TH=73350像素),排除因没有被测果时仅有背光源时的情况)
第1.1-2步,得到被测果掩模。
情形①若通过图像处理方法c.1得到的蓝色波段透射图像(如图5-2),
第2步,提取被测果掩模区域内蓝色分量图像的灰度直方图。测量该区域灰度直方图的均质与标准差。
第3步,以均值加3倍标准差值为阈值,检测灰度超过该阈值的区域作为的缺陷部位。
情形②若通过图像处理方法c.2得到的蓝色波段透射图像(如图5-2),
第2步,对R、G、B分量图进行色彩空间变换,得到HSV色彩空间的H、S、V分量;
第3步,在H分量图中,利用阈值分割(150-240)检测出蓝色区域,蓝色区域在第1.1-2步中得到的被测果掩模内的部分,作为缺陷部位。
由上述两种图像处理方法得到蓝色波段透射图像,进一步处理得到缺陷部位后,再进行步骤4的处理:
第4步,判断缺陷部位尺寸是否超过检出要求,若单一部位或全部缺陷部位的面积超过设定阈值,则输出检测结果为“缺陷果”,否则输出“通过检测”,或根据缺陷部位的面积与灰度进行按缺陷分等。
有益效果
1)本发明创造提供一种基于蓝色波段透射图像检测的对脐橙因内部烂心而表皮瘫软的缺陷部位无损检测方法;
2)本发明创造提出的检测装置中,固定托盘的黑色柔软弹性织物层设计能有效的防止背面光源漏光;活动定位机构在采集图像状态下通过升降机构远离脐橙,有效防止样品周围物品反光;滑道设计能有效的将样品送上固定托盘;
4)本发明创造中,背光透射光源通过凸透镜聚焦成平行光束,集中在脐橙底部中心小范围,通过减小照射面积,从而减少杂散光漏出;
5)本发明创造利用图像分割,发现蓝色波段中区分效果较好,并且在后续两种方法处理后,能清楚找到内部坏掉的脐橙;
6)本发明创造操作简单效果好,智能化程度高;对样本没有破坏性,属于无损检测;
7)本发明创造的检测无需前处理,简化操作,节约时间。
本发明利用背光照明时,脐橙烂心的脐橙表皮瘫软的部分透光性有所增加;在可见光部分,蓝色波段的透光性在缺陷部位而透光性增强的幅度最为明显,因此通过这种方式检测内部烂果。本发明检验结果准确、客观,表达方式直观,从而为产品储存品质监管提供手段。
附图说明
图1是图像采集系统的上料定位状态(状态1)示意图;
图2是图像采集系统的图像采集状态(状态2)示意图;
图中:相机1、采集箱2、滑道3、样品4、固定托盘5、活动定位机构6、升降机构7、聚焦透镜8、透射光源(白光源)9、计算机10、与滑道间连接的定位机构的开口(即缺口)11。
图3是本检测方法的流程图;
图4-1为脐橙正面光照明的彩色图像;
图4-2为脐橙透射照明蓝色分量图像;
图4-3为脐橙透射照明时绿色分量图像;
图5-1通过图像处理方法c.1得到的蓝色波段透射图像;
图5-2通过图像处理方法c.2得到的蓝色波段透射图像。
具体实施方式
下面由附图和实例对本方案进行说明。
本发明提出一种基于蓝色波段透射图像检测的对脐橙因内部烂心而表皮瘫软的缺陷部位无损检测方法及图像采集系统,具体为:
如图1、2,一种用于脐橙烂心无损检测的图像采集系统,
1)包括采集相机1、采集箱2、滑道3、样品4、固定托盘5、活动定位机构6、升降机构7、聚焦透镜8、透射光源9、计算机10等;
2)采集箱大小300x300x500mm,在工作时是黑暗的密闭空间,内部低反射率材质为黑色绒布;
3)采集箱设有箱门取放脐橙,被测对象直径60-80mm,采集箱门200mmx200mm,箱门设为脐橙顺着滑道滚落到活动定位机构处,滑道上口宽100mm,下宽80mm,活动定位机构大口端直径140mm,小口端75mm;
4)相机采集的数据为3024x4032像素,传送到计算机进行图像处理;
5)背光透射灯为50W卤素灯通过透镜聚焦,集中在脐橙底部中心小范围,通过减小照射面积,从而减少杂散光漏出;
6)在背光照明时,缺陷部位在蓝色波段会比其他部分亮,用图像处理方法对蓝色波段的脐橙透射图像进行处理,检测出因内部烂心、表皮瘫软的缺陷部位。
7)在图像采集中,必须确保检测区域不受杂散光干扰。因此设计相应的图像采集结构与机械部分。
a)图像采集结构部分:
为确保避免环境光影响,应在遮光暗室中进行图像采集。为避免背光源泄露,设计专用固定托盘(固定托盘大口端直径56mm,小口端直径40mm,内部投射光通道直径30mm)确保照明装置头部与脐橙表面紧密接触不透光、不泄露。
b)机械部分:
为确保脐橙活动定位机构不被从脐橙透射出的光照亮而干扰透射图像中的背景部分,更为了避免因活动定位机构的反射而改变脐橙表面的灰度分布,设计机械运动装置不仅确保被测脐橙定位在固定托盘上,而且在采集图像前通过自身远离被测目标运动,撤出图像采集背景区域,即从状态1到状态2。
如图3:
本检测方法的步骤为:
1、图像采集过程:
1)准备一定数量的脐橙,包含表面有瘫软区域的和正常的;
2)打开采集箱门,脐橙通过滑道自动滚到固定托盘上;
3)关闭采集箱门,固定托盘一周的活动定位机构受升降机构驱动从工位1下降到工位2,远离固定托盘;
4)打开背面透射灯,通过透镜聚焦成平行光束,集中在脐橙底部中心小范围
5)打开相机进行图像采集,采集到的图像经传输保存到计算机上;
2、图像处理过程:
先在采集到的原始图像上自动选择视场区域,再进行后续步骤处理;
第1步,对RGB图像进行图像分解,得到R、G、B分量图;
第1.1步,利用背景与被测果的灰度差异,通过图像分割,获得被测果在透射图像中的空间范围。具体步骤为:
第1.1-1步,在原图片中抠取合适的图片大小,对RGB图像进行图像分解,得到R、G、B分量图,通过比对,蓝色分量图中区分效果较好,所以在蓝色分量图中,利用大津法进行自动阈值分割,面积筛选(像素面积按检测系统标定的尺寸面积等效为待测果直径范围为60-80mm,当采集系统的比例为14.6像素/mm,对应的面积筛选阈值下限为TL=41259像素,阈值上限为TH=73350像素),排除因没有被测果时仅有背光源时的情况)
第1.1-2步,得到被测果掩模。
A若通过图像采集方案c.1得到的蓝色波段透射图像,则:
第2步,提取被测果掩模区域内蓝色分量图像的灰度直方图。测量该区域灰度直方图的数学期望与标准差。
第3步,以均值加3倍标准差值为阈值,检测灰度超过该阈值的区域作为的缺陷部位。
B若通过图像采集方案c.2得到的蓝色波段透射图像,则:
第2步,对R、G、B分量图进行色彩空间变换,得到HSV色彩空间的H、S、V分量;
第3步,在H分量图中,利用阈值分割(150-240)检测出蓝色区域,蓝色区域的在所述被测脐橙掩模内的部分,作为缺陷部位;
第4步,根据需要,判断缺陷部位尺寸是否超过检出要求,若单一部位或全部缺陷部位的面积超过设定阈值,则输出检测结果为“缺陷果”,否则输出“通过检测”,或根据缺陷部位的面积与灰度进行按缺陷分等。
Claims (4)
1.一种基于蓝色波段透射图像检测的脐橙烂心无损检测方法,其特征是步骤包括:
一、在暗箱内采集原始图像,图片的获取方式为:采用白光源照射脐橙的一侧面的部分区域,在脐橙的另一侧面采用相机进行图像采集;相机镜头的轴线与白光源的轴线是同一直线;白光源与脐橙的被照射区域在同一密不透光的空间内,且白光源的光线经过聚焦后,平行照射在脐橙上;
二、先在采集到的原始图像上选择视场区域,再进行后续步骤处理;
S1:对RGB图像进行图像分解,得到红、绿、蓝分量图;再选择蓝色分量图进行处理,得到被测脐橙掩模;
S2:得到的蓝色波段透射图像,并与被测脐橙掩模进行比对,得到脐橙缺陷部位;
S3:以缺陷部位尺寸是否超过检出要求为标准判断脐橙是否烂心。
2.根据权利要求1所述的检测方法,其特征是所述步骤S1包括:
1)位置标定与图像检测区域分割
先在原始图像中自动截取检测目标区域图像:
为此在机械安装完毕托盘架与成像系统后,首次图像采集时,采用标定球进行成像系统的位置标定,得到定位标定图像;
在定位标定图像中提取标定球中心的图像坐标(x0,y0),并根据测得标定球直径在定位标定图中的像素尺寸,得到世界坐标与图像坐标的尺寸转化系数R像素/mm;
设待测脐橙尺寸的名义直径D范围要求如(1);若检测待测果超出尺寸范围,将在后续待测果分割步骤后跳出检测流程,提示“尺寸超界”。
DMin≤D≤DMax (1)
其中DMin和DMax分别为待检果名义直径上、下限;
则根据式(2)计算正方形检测区域的边长L:
L=f·DMax·R (2)
式中f为常数系数;DMax为以mm为单位的待测果名义直径范围最大值;R为世界坐标与像素坐标的转化系数,其单位为像素/mm;
并且根据式(3)确定图像中检测区域,由像素集合A表示:
式中(x0,y0)为标定球中心的在图像中的坐标,L为根据式(2)计算所得检测区域的边长,(x,y)为图像中检测区域像素集合A内像素点的图像坐标;
2)检测区色彩分量与待测果图像分割
先对分割出的检测区域彩色图像进行按色彩分解,得到检测区的单色分量图像,分别为检测区红色分量图像AR、检测区绿色分量图像AG和检测区蓝色分量图像AB;
再在检测区蓝色分量图像AB中进行待测果图像分割,步骤为:
根据待测果直径范围和检测区尺寸,得到检测区中待测果面积NF与背景面积NBG之比应当在式(3’)范围内,否则跳出检测流程,提示“尺寸超界”;
其中DMin和DMax分别为待检果名义直径上、下限;f为常数系数;
将检测区蓝色分量图AB内的像素按灰度值升序排列,得到像素列表VAB;根据式(3’)所确定的比例上下限,从排序后的像素列表VAB中选取像素p1与p2之间的像素子集V′AB;
p1与p2在VAB中的百分位取值分别按式(4、5)计算:
其中DMin和DMax分别为待检果名义直径上、下限;f为常数系数;
设像素i属于集合V′AB,其灰度值为v(i),则像素集合V′AB的灰度集合为V,如式(6),其中任意像素灰度值j的范围符合式(7);
V={j|j=v(i)},i∈V′AB (6)
式中i是集合V′AB中的任意像素,v(i)是像素i在蓝色分量图中的灰度值,用j表示;V是V′AB中全部像素位置处出现过的灰度值的集合;
v(p1)<j<v(p2) (7)
式中j是V中任意灰度值;v(p1)是像素p1的灰度值,v(p2)是像素p2的灰度值;
设灰度值j在集合V中出现的次数为nj,T为V中出现次数最少的灰度值,则T即为从检测区蓝色分量图像AB中提取脐橙区域的全局阈值,如式(8、9)所示;
nT=min({nj}),j∈V (8)
式中nT为阈值T在V中出现的次数,是其中任意灰度值j出现次数的最小值;
分割出被测脐橙的图像区域Fbw,如式(9)所示;
Fbw={(x,y)|v(x,y)>T} (9)
式中Fbw为被测脐橙果在图像中的区域;(x,y)为被测脐橙区域内任意像素的坐标;v(x,y)为图像坐标(x,y)处像素的灰度值;T为脐橙图像分割所用的全局阈值。
3.根据权利要求1所述的检测方法,其特征是所述步骤S2包括:
S2-1选取若干无烂心缺陷的脐橙鲜果进行系统灰度标定:
采集蓝色分量透射图像,经被测果分割操作得到这批无缺陷果区域的蓝色分量像素集合Bset;
测量该Bset区域中像素灰度的均值GAVG与标准差STD,如式(9、10)所示;
式中GAVG为Bset区域中像素灰度的均值;N为Bset区域中像素总数;(x,y)是Bset区域中任意像素的图像坐标;v(x,y)是图像坐标(x,y)处像素在AB中的灰度值;
式中STD为Bset区域中像素AB中的灰度值的标准差;GAVG为Bset区域中像素灰度的均值;N为Bset区域中像素总数;(x,y)是Bset区域中任意像素的图像坐标;v(x,y)是图像坐标(x,y)处像素在AB中的灰度值;
S2-2以均值加3倍标准差值为缺陷分割阈值TD,筛选Fbw范围中灰度超过该阈值TD的区域作为缺陷部位DF,如式(11、12);
TD=GAVG+3·STD (11)
式中TD为缺陷分割阈值;GAVG为Bset区域中像素灰度值的均值;STD为相应标准差;
DF={(x,y)|v(x,y)>TD,(x,y)∈Fbw} (12)。
4.根据权利要求1所述的检测方法,其特征是所述S2的步骤包括:
S2-1’对R、G、B分量图进行色彩空间变换,得到HSV色彩空间的H、S、V分量;
S2-2’在H分量图中,利用阈值分割(150-240)检测出蓝色区域,蓝色区域的在所述被测脐橙掩模内的部分,作为缺陷部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810435737.4A CN108872085B (zh) | 2018-05-09 | 2018-05-09 | 基于蓝色波段透射图像检测的脐橙烂心无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810435737.4A CN108872085B (zh) | 2018-05-09 | 2018-05-09 | 基于蓝色波段透射图像检测的脐橙烂心无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108872085A true CN108872085A (zh) | 2018-11-23 |
CN108872085B CN108872085B (zh) | 2023-04-25 |
Family
ID=64332958
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810435737.4A Active CN108872085B (zh) | 2018-05-09 | 2018-05-09 | 基于蓝色波段透射图像检测的脐橙烂心无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108872085B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110132857A (zh) * | 2019-05-20 | 2019-08-16 | 南京林业大学 | 脐橙全方位成像的内部检测方法 |
CN110132858A (zh) * | 2019-05-20 | 2019-08-16 | 南京林业大学 | 一种用于检测脐橙内部缺陷无损检测的方法 |
CN110363752A (zh) * | 2019-07-08 | 2019-10-22 | 创新奇智(青岛)科技有限公司 | 一种成衣材质缺陷模拟生成方法、计算机可读介质及系统 |
CN113390833A (zh) * | 2021-06-23 | 2021-09-14 | 长江师范学院 | 基于多重检测方式的脆李成熟度判断方法 |
CN113390834A (zh) * | 2021-06-23 | 2021-09-14 | 长江师范学院 | 一种基于视觉识别的脆李成熟度检测方法 |
CN113850809A (zh) * | 2021-12-01 | 2021-12-28 | 武汉飞恩微电子有限公司 | 一种贴片电阻的保护膜外观缺陷检测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06288903A (ja) * | 1993-03-31 | 1994-10-18 | Kajitsu Hihakai Hinshitsu Kenkyusho:Kk | 青果物の内部品質検査用の光透過検出装置 |
JPH11132750A (ja) * | 1997-10-30 | 1999-05-21 | Matsushita Electric Ind Co Ltd | 点欠陥検出装置及び方法 |
JP2006170669A (ja) * | 2004-12-13 | 2006-06-29 | Mitsui Mining & Smelting Co Ltd | 青果物の品質検査装置 |
CN101008611A (zh) * | 2007-01-12 | 2007-08-01 | 浙江大学 | 带称重的便携式水果糖度无损检测装置 |
CN105158178A (zh) * | 2015-10-08 | 2015-12-16 | 华中农业大学 | 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法 |
WO2017089352A1 (fr) * | 2015-11-27 | 2017-06-01 | Maf Agrobotic | Procédé et dispositif d'analyse optique d'agrumes par diffusion/transmission |
-
2018
- 2018-05-09 CN CN201810435737.4A patent/CN108872085B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06288903A (ja) * | 1993-03-31 | 1994-10-18 | Kajitsu Hihakai Hinshitsu Kenkyusho:Kk | 青果物の内部品質検査用の光透過検出装置 |
JPH11132750A (ja) * | 1997-10-30 | 1999-05-21 | Matsushita Electric Ind Co Ltd | 点欠陥検出装置及び方法 |
JP2006170669A (ja) * | 2004-12-13 | 2006-06-29 | Mitsui Mining & Smelting Co Ltd | 青果物の品質検査装置 |
CN101008611A (zh) * | 2007-01-12 | 2007-08-01 | 浙江大学 | 带称重的便携式水果糖度无损检测装置 |
CN105158178A (zh) * | 2015-10-08 | 2015-12-16 | 华中农业大学 | 基于高光谱透射技术谱峰面积的脐橙糖度检测快速建模法 |
WO2017089352A1 (fr) * | 2015-11-27 | 2017-06-01 | Maf Agrobotic | Procédé et dispositif d'analyse optique d'agrumes par diffusion/transmission |
Non-Patent Citations (2)
Title |
---|
刘国敏;邹猛;刘木华;黎静;: "脐橙色泽与着色率的机器视觉检测技术研究" * |
李江波;饶秀勤;应义斌;马本学;郭俊先;: "基于掩模及边缘灰度补偿算法的脐橙背景及表面缺陷分割" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110132857A (zh) * | 2019-05-20 | 2019-08-16 | 南京林业大学 | 脐橙全方位成像的内部检测方法 |
CN110132858A (zh) * | 2019-05-20 | 2019-08-16 | 南京林业大学 | 一种用于检测脐橙内部缺陷无损检测的方法 |
CN110132858B (zh) * | 2019-05-20 | 2021-07-23 | 南京林业大学 | 一种用于检测脐橙内部缺陷无损检测的方法 |
CN110132857B (zh) * | 2019-05-20 | 2021-09-07 | 南京林业大学 | 脐橙全方位成像的内部检测方法 |
CN110363752A (zh) * | 2019-07-08 | 2019-10-22 | 创新奇智(青岛)科技有限公司 | 一种成衣材质缺陷模拟生成方法、计算机可读介质及系统 |
CN113390833A (zh) * | 2021-06-23 | 2021-09-14 | 长江师范学院 | 基于多重检测方式的脆李成熟度判断方法 |
CN113390834A (zh) * | 2021-06-23 | 2021-09-14 | 长江师范学院 | 一种基于视觉识别的脆李成熟度检测方法 |
CN113850809A (zh) * | 2021-12-01 | 2021-12-28 | 武汉飞恩微电子有限公司 | 一种贴片电阻的保护膜外观缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108872085B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108872085A (zh) | 基于蓝色波段透射图像检测的脐橙烂心无损检测方法 | |
KR101338576B1 (ko) | 화상 해석에 의해서 결함 검사를 실시하는 결함검사장치 | |
CN103314293B (zh) | 用于检测器皿内的液体表面上的泡沫的方法和设备 | |
US7848563B2 (en) | Method and apparatus for inspecting a defect of a pattern | |
KR100819412B1 (ko) | 결함 검출 방법 및 결함 검출 장치 | |
KR102166189B1 (ko) | 습식 안과 렌즈 검사 시스템 및 방법 | |
CN208795671U (zh) | 用于脐橙烂心无损检测的图像采集系统的结构部分 | |
US7330248B2 (en) | Method and apparatus for inspecting defects | |
JPS6036940A (ja) | 光学検査システム | |
JP4060750B2 (ja) | 撮像検査システム | |
KR20010024617A (ko) | 자동 렌즈 검사 시스템 | |
US11555789B2 (en) | Systems, methods and apparatus for autonomous diagnostic verification of optical components of vision-based inspection systems | |
US20080170772A1 (en) | Apparatus for determining positions of objects contained in a sample | |
JP4184511B2 (ja) | 金属試料表面の欠陥検査方法及び装置 | |
JP7039700B2 (ja) | 光透かしを有する検査デバイス | |
KR100389967B1 (ko) | 자동화 결함 검사 장치 | |
US20060231779A1 (en) | Exterior inspection apparatus and exterior inspection method | |
JP7362324B2 (ja) | 画像表示装置の検査方法、製造方法及び検査装置 | |
JPH04216445A (ja) | 瓶検査装置 | |
CN211403010U (zh) | 显示面板异物定位装置 | |
JP2023137057A (ja) | 欠陥予測モデルの生成方法、びん外観検査方法、およびびん外観検査装置 | |
JPH0862155A (ja) | 物体観測装置 | |
US10789702B2 (en) | Systems and methods for analyzing a fabric article | |
JP2008524579A (ja) | 目的物中の割れを検出する方法および装置 | |
Dau et al. | Studying the Influence of Illumination Design in Quality Inspection on Vaccine Vials Production Line Using 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |