CN110009596A - 基于图像处理技术的马铃薯品质检测系统 - Google Patents
基于图像处理技术的马铃薯品质检测系统 Download PDFInfo
- Publication number
- CN110009596A CN110009596A CN201711494813.0A CN201711494813A CN110009596A CN 110009596 A CN110009596 A CN 110009596A CN 201711494813 A CN201711494813 A CN 201711494813A CN 110009596 A CN110009596 A CN 110009596A
- Authority
- CN
- China
- Prior art keywords
- image
- potato
- unit
- calibration plate
- image processing
- 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.)
- Pending
Links
- 244000061456 Solanum tuberosum Species 0.000 title claims abstract description 85
- 235000002595 Solanum tuberosum Nutrition 0.000 title claims abstract description 85
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000007547 defect Effects 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 2
- 235000013305 food Nutrition 0.000 description 3
- 240000007594 Oryza sativa Species 0.000 description 2
- 235000007164 Oryza sativa Nutrition 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 235000009566 rice Nutrition 0.000 description 2
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 235000004280 healthy diet Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 235000012149 noodles Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
- G06T2207/20032—Median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了基于图像处理技术的马铃薯品质检测系统,包括图像获取单元、图像处理单元和图像识别单元,所述图像获取单元用于获取马铃薯图像和定标板图像,并将马铃薯图像和定标板图像传输到图像处理单元;所述图像处理单元用于将所述马铃薯图像进行灰度转换、二值化、去除噪声和边缘检测,获取马铃薯的边缘轮廓图像;所述图像识别单元用于根据所述边缘轮廓图像计算马铃薯的投影像素,根据定标板图像计算定标板像素总数,将马铃薯投影像素、定标板像素总数和定标板实际大小的比例计算出马铃薯的投影面积和缺陷面积。该检测系统能自动检测马铃薯的外部品质,能检测出马铃薯的外形大小,缺陷面积大小,检测效率快、准确度高。
Description
技术领域
本发明涉及基于图像处理技术的马铃薯品质检测技术领域,特别涉及一种基于图像处理技术的马铃薯品质检测系统。
背景技术
目前,随着生活水平的提高,人们对自身饮食健康的关注,由于马铃薯的价格适中,营养价值高,烹饪后口味独特,消费者对马铃薯的需求量大,马铃薯的大小无疑会影响消费者的购买欲望,同时,中国已启动马铃薯主粮化战略,把马铃薯加工成馒头、面条、米粉等主食食用,马铃薯将成为除稻米、小麦、玉米之外的另一主粮。为了适应马铃薯工业化,自动检测马铃薯大小成为研究的方向。
发明内容
有鉴于此,本发明要解决的技术问题在于提供基于图像处理技术的马铃薯品质检测系统,通过图像处理技术自动检测马铃薯外部品质,检测效率高、准确度高。
本发明通过以下技术手段解决上述技术问题:
本发明提供了基于图像处理技术的马铃薯品质检测系统,包括图像获取单元、图像处理单元和图像识别单元,所述图像获取单元用于获取马铃薯图像和定标板图像,并将马铃薯图像和定标板图像传输到图像处理单元;所述图像处理单元用于将所述马铃薯图像进行灰度转换、二值化、去除噪声和边缘检测,获取马铃薯的边缘轮廓图像;所述图像识别单元用于根据所述边缘轮廓图像计算马铃薯的投影像素,根据定标板图像计算定标板像素总数,将马铃薯投影像素、定标板像素总数和定标板实际大小的比例计算出马铃薯的投影面积和缺陷面积。
进一步,所述图像处理单元包括灰度转换单元,所述灰度转换单元用于将获取的马铃薯图像转换为灰度图像。
进一步,所述图像处理单元还包括二值化转换单元,所述二值化转换单元用于将灰度图像转换为二值化图像。
进一步,所述图像处理单元还包括噪声去除单元,所述噪声去除单元用于对二值化图像进行平滑滤波去除噪声。
进一步,所述图像处理单元还包括边缘检测单元,所述边缘检测单元用于将去除噪声的二值化图像采用Canny算子进行边缘提取,获取边缘轮廓图像。
本发明的有益效果:
本发明的基于图像处理技术的马铃薯品质检测系统,通过图像获取单元获取清晰度高的马铃薯图像,将马铃薯图像进行处理后得到边缘轮廓图像,根据边缘轮廓图像得到马铃薯投影像素总数,将投影像素总数结合定标板的像素总数和定标板的大小,根据公式计算出马铃薯投影面积和缺陷面积的大小。该检测系统能自动检测马铃薯的外部品质,能检测出马铃薯的外形大小,缺陷面积大小,检测效率快、准确度高。
附图说明
下面结合附图和实施例对本发明作进一步描述。
图1为本发明的基于图像处理技术的马铃薯品质检测系统实施例的原理框图。
具体实施方式
以下将结合附图对本发明进行详细说明。
如图1所示,示出了本发明的提供的基于图像处理技术的马铃薯品质检测系统的实施例,包括图像获取单元、图像处理单元和图像识别单元,所述图像获取单元用于获取马铃薯图像和定标板图像,并将马铃薯图像和定标板图像传输到图像处理单元;所述图像处理单元用于将所述马铃薯图像进行灰度转换、二值化、去除噪声和边缘检测,获取马铃薯的边缘轮廓图像;所述图像识别单元用于根据所述边缘轮廓图像计算马铃薯的投影像素,根据定标板图像计算定标板像素总数,将马铃薯投影像素、定标板像素总数和定标板实际大小的比例计算出马铃薯的投影面积和缺陷面积。本发明的图像处理技术的基于图像处理技术的马铃薯品质检测系统,通过图像获取单元获取待检测马铃薯图像和定标板图像,图像获取单元包括光源、CCD相机、镜头和图像采集卡。光源照射范围在CCD相机拍摄范围内,以正面场方式照射,光照均匀,不能产生阴影,防止镜面反射,再者要使马铃薯绝大部分的光反射到CCD相机中,这样获取的马铃薯图像清晰度高,提高图像的获取质量直接决定检测结果的好坏。为了提高检测马铃薯投影面积大小的准确性,采用已知尺寸的定标板作为参考目标,首先将待测马铃薯和定标板的拍在一张图像中,再进行分割,由于定标板的大小尺寸已知,根据定标板图像计算像素总数,再根据马铃薯图像的边缘轮廓图像计算马铃薯投影像素总数,根据公式就可以计算出马铃薯投影面积和缺陷面积。
图像处理单元包括灰度转换单元,所述灰度转换单元用于将获取的马铃薯图像转换为灰度图像。图像处理单元还包括二值化转换单元,所述二值化转换单元用于将灰度图像转换为二值化图像。所述图像处理单元还包括噪声去除单元,所述噪声去除单元用于对二值化图像进行平滑滤波去除噪声。所述图像处理单元还包括边缘检测单元,所述边缘检测单元用于将去除噪声的二值化图像采用Canny算子进行边缘提取,获取边缘轮廓图像。采用中值滤波法对采集到的图像进行去噪处理,其优点是抑制噪声的同时不使边缘模糊,并克服线性滤波器所造成的图像细节模糊,它的原理是以某点为中心的小窗口内的所有像素的灰度按大小顺序排列,取中值作为该点的灰度值,以达到滤掉噪声的目的。Canny算子致力于寻找图像梯度局部最大值,采用双阈值方法,解决了噪声问题带来的斑纹现象。
本发明的基于图像处理技术的马铃薯品质检测系统,通过图像获取单元采集马铃薯图像和定标板图像后,再对马铃薯图像进行处理,得到马铃薯的边缘轮廓图像,图像识别单元根据边缘轮廓图像计算马铃薯的投影像素总数R1,定标板像素总数R2和定标板实际大小C2计算马铃薯投影面积和缺陷面积大小C1,计算公式为C1=(R1/R2)C2。
本发明提供的基于图像处理技术的马铃薯品质检测系统,通过图像获取单元获取清晰度高的马铃薯图像,将马铃薯图像进行处理后得到边缘轮廓图像,根据边缘轮廓图像得到马铃薯投影像素总数,将投影像素总数结合定标板的像素总数和定标板的大小,根据公式计算出马铃薯投影面积和缺陷面积的大小。该检测系统能自动检测马铃薯的外部品质,能检测出马铃薯的外形大小,缺陷面积大小,检测效率快、准确度高。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.基于图像处理技术的马铃薯品质检测系统,其特征在于,包括图像获取单元、图像处理单元和图像识别单元,所述图像获取单元用于获取马铃薯图像和定标板图像,并将马铃薯图像和定标板图像传输到图像处理单元;所述图像处理单元用于将所述马铃薯图像进行灰度转换、二值化、去除噪声和边缘检测,获取马铃薯的边缘轮廓图像;所述图像识别单元用于根据所述边缘轮廓图像计算马铃薯的投影像素,根据定标板图像计算定标板像素总数,将马铃薯投影像素、定标板像素总数和定标板实际大小的比例计算出马铃薯的投影面积和缺陷面积。
2.权利要求1所述的基于图像处理技术的马铃薯品质检测系统,其特征在于,所述图像处理单元包括灰度转换单元,所述灰度转换单元用于将获取的马铃薯图像转换为灰度图像。
3.如权利要求2所述的基于图像处理技术的马铃薯品质检测系统,其特征在于,所述图像处理单元还包括二值化转换单元,所述二值化转换单元用于将灰度图像转换为二值化图像。
4.如权利要求3所述的基于图像处理技术的马铃薯品质检测系统,其特征在于,所述图像处理单元还包括噪声去除单元,所述噪声去除单元用于对二值化图像进行平滑滤波去除噪声。
5.如权利要求4所述的基于图像处理技术的马铃薯品质检测系统,其特征在于,所述图像处理单元还包括边缘检测单元,所述边缘检测单元用于将去除噪声的二值化图像采用Canny算子进行边缘提取,获取边缘轮廓图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711494813.0A CN110009596A (zh) | 2017-12-31 | 2017-12-31 | 基于图像处理技术的马铃薯品质检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711494813.0A CN110009596A (zh) | 2017-12-31 | 2017-12-31 | 基于图像处理技术的马铃薯品质检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110009596A true CN110009596A (zh) | 2019-07-12 |
Family
ID=67164163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711494813.0A Pending CN110009596A (zh) | 2017-12-31 | 2017-12-31 | 基于图像处理技术的马铃薯品质检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110009596A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140456A (zh) * | 2021-12-08 | 2022-03-04 | 湛江海关技术中心 | 一种基于图像识别的智能食品检测方法及系统 |
-
2017
- 2017-12-31 CN CN201711494813.0A patent/CN110009596A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114140456A (zh) * | 2021-12-08 | 2022-03-04 | 湛江海关技术中心 | 一种基于图像识别的智能食品检测方法及系统 |
CN114140456B (zh) * | 2021-12-08 | 2024-04-26 | 湛江海关技术中心 | 一种基于图像识别的智能食品检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zareiforoush et al. | Potential applications of computer vision in quality inspection of rice: a review | |
Mahendran et al. | Application of computer vision technique on sorting and grading of fruits and vegetables | |
CN104535588B (zh) | 基于安卓系统的鸡蛋新鲜度无损检测系统及其检测方法 | |
CN106525732B (zh) | 基于高光谱成像技术的苹果内外品质快速无损检测方法 | |
CN110276386A (zh) | 一种基于机器视觉的苹果分级方法及系统 | |
JPWO2019151393A1 (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 | |
Uluişik et al. | Image processing based machine vision system for tomato volume estimation | |
CN106570855A (zh) | 猪肉新鲜度快速判定的方法及系统 | |
CN102788806B (zh) | 基于类球形亮度变换的水果表面缺陷检测方法 | |
CN111562260B (zh) | 一种基于机器视觉的莲藕泥孔检测方法及装置 | |
CN113256591A (zh) | 一种宽幅玻璃缺陷快速检测装置及方法 | |
CN110243805A (zh) | 基于拉曼高光谱成像技术的鱼刺检测方法 | |
CN109990742A (zh) | 基于图像处理技术的板栗检测方法 | |
Chopde et al. | Developments in computer vision system, focusing on its applications in quality inspection of fruits and vegetables-A review | |
KR102596206B1 (ko) | 영상 분석을 이용한 건해삼 등급 분류 시스템 | |
CN107807126A (zh) | 一种基于pcnn的面粉麸星检测方法 | |
CN110009596A (zh) | 基于图像处理技术的马铃薯品质检测系统 | |
CN105426585B (zh) | 一种基于正弦函数拟合法的马铃薯发芽预警方法 | |
CN109993725A (zh) | 基于图像处理技术的马铃薯品质检测方法 | |
CN106023223A (zh) | 柑橘果实大小描述及分级方法 | |
CN101915823B (zh) | 一种外壳带菌蛋的紫外检测方法及其装置 | |
CN110428374A (zh) | 一种小体积害虫自动检测方法及系统 | |
CN109540892A (zh) | 鸭肉品种鉴别方法及系统 | |
CN112070741B (zh) | 一种基于图像显著性区域提取方法的大米垩白度检测系统 | |
Manickavasagan et al. | Computer vision technique to classify dates based on hardness |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190712 |