CN110796025B - 果蔬新鲜度识别方法及相关产品 - Google Patents
果蔬新鲜度识别方法及相关产品 Download PDFInfo
- Publication number
- CN110796025B CN110796025B CN201910955955.5A CN201910955955A CN110796025B CN 110796025 B CN110796025 B CN 110796025B CN 201910955955 A CN201910955955 A CN 201910955955A CN 110796025 B CN110796025 B CN 110796025B
- Authority
- CN
- China
- Prior art keywords
- fruit
- vegetable
- image
- freshness
- fruits
- 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
- 235000012055 fruits and vegetables Nutrition 0.000 title claims abstract description 263
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000000463 material Substances 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 239000000126 substance Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 6
- 230000003647 oxidation Effects 0.000 description 6
- 238000007254 oxidation reaction Methods 0.000 description 6
- 239000003086 colorant Substances 0.000 description 5
- 235000013399 edible fruits Nutrition 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000002845 discoloration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000002844 melting Methods 0.000 description 2
- 230000008018 melting Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000011540 sensing material Substances 0.000 description 2
- 244000241235 Citrullus lanatus Species 0.000 description 1
- 235000012828 Citrullus lanatus var citroides Nutrition 0.000 description 1
- 240000000560 Citrus x paradisi Species 0.000 description 1
- 108091026890 Coding region Proteins 0.000 description 1
- 235000016623 Fragaria vesca Nutrition 0.000 description 1
- 240000009088 Fragaria x ananassa Species 0.000 description 1
- 235000011363 Fragaria x ananassa Nutrition 0.000 description 1
- 240000006053 Garcinia mangostana Species 0.000 description 1
- 235000017048 Garcinia mangostana Nutrition 0.000 description 1
- 108700026244 Open Reading Frames Proteins 0.000 description 1
- 150000001298 alcohols Chemical class 0.000 description 1
- 150000001299 aldehydes Chemical class 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请实施例公开了一种果蔬新鲜度识别方法及相关产品，该方法包括：在检测到设置于果蔬上的标识时，获取所述标识的标识信息；根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像；根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。本申请实施例有利于提高果蔬新鲜度的识别精度。
Description
技术领域
本申请涉及图像识别领域，具体涉及一种果蔬新鲜度识别方法及相关产品。
背景技术
随着人们生活水平的提高，对生活水平品质的要求逐渐增加，例如，在购买果蔬时，对果蔬的新鲜度以及安全性越来越重视。由于地域和气候的限制，有些果蔬需要长途运输，由于运输车是封闭的，在运输过程中人们只能凭借肉眼观察果蔬，以得到果蔬的新鲜度；另外，人们购买果蔬时，也只是单纯的以肉眼观察果蔬，根据果蔬的表面纹理特征判断果蔬的新鲜度。所以，无论是果蔬运输还是购买果蔬时，人们仅通过肉眼来判断果蔬的新鲜度，整体判断方式单一，无法获得果蔬的真实新鲜度，导致错误率高，进而影响用户体验。
发明内容
本申请实施例提供了一种果蔬新鲜度识别方法及相关产品，以期在果蔬上提前设置标识，然后，在检测到标识时，快速获取果蔬图像，通过果蔬图像准确识别果蔬新鲜度。
第一方面，本申请实施例提供一种果蔬新鲜度识别方法，包括：
在检测到设置于果蔬上的标识时，获取所述标识的标识信息；
根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像；
根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。
第二方面，本申请实施例提供一种果蔬新鲜度识别装置，包括：
标识信息获取单元，用于在检测到设置于果蔬上的标识时，获取所述标识的标识信息；
图像获取单元，用于根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像；
识别单元，用于根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。
第三方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如第一方面所述的方法中的步骤的指令。
第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序使得计算机执行如第一方面所述的方法。
第五方面，本申请实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机可操作来使计算机执行如第一方面所述的方法。
实施本申请实施例，具有如下有益效果：
可以看出，在本申请实施例中，在果蔬上设置标识，在检测到标识时，获取该标识的标识信息，依据该标识信息快速截取到完整、全面的果蔬图像，并对果蔬图像进行识别，得到果蔬新鲜度，从而提高果蔬新鲜度的识别效率和识别精确度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A为本申请实施例提供的一种果蔬新鲜度识别方法的流程示意图；
图1B为本申请实施例提供的一种标识的示意图；
图1C为本申请实施例提供的一种标识的示意图；
图1D为本申请实施例提供的一种标识的示意图；
图1E为本申请实施例提供的一种标识的示意图；
图1F为本申请实施例提供的一种标识的示意图；
图2为本申请实施例提供的另一种果蔬新鲜度识别方法的流程示意图；
图3为本申请实施例提供的另一种果蔬新鲜度识别方法的流程示意图；
图4为本申请实施例提供的一种识别装置的结构示意图；
图5为本申请实施例提供的一种识别装置的功能单元组成框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
参阅图1A，图1A为本申请实施例提供的一种果蔬新鲜度识别方法，该方法应用于识别装置，该方法包括但不限于以下步骤：
101：在检测到设置于果蔬上的标识时，特定识别装置获取与所述标识对应的标识信息。
本申请中的特定识别装置可以是指装有特定识别程序的智能手机(如Android手机、iOS手机、Windows Phone手机等)、平板电脑、掌上电脑、笔记本电脑、移动互联网设备MID(Mobile Internet Devices，MID)或穿戴式设备等，上述电子设备仅是举例，而非穷举，本申请对此不作限定。
其中，每个果蔬上至少张贴一个该标识，该标识可以为logo图像、特殊图像、二维码、条形码、NFC标识、RFID标签，等等，本申请不对标识的形态做唯一限定。
其中，该标识信息的对应关系可以为以下一种或者几种的组合：标识的形状、标识的颜色和标识的面积。举例来说，当标识的形状为圆形时，表征该果蔬为西柚，当标识的形状为长方形时，表征该果蔬为西瓜，等等；再如，当该标识的颜色为红色时，表征该果蔬为草莓，当该标识的颜色为蓝色时，表征该果蔬为山竹，等等。
举例来说，在标识为二维码或者条形码时，解析二维码或者条形码获取标识中存储的标识信息；在标识为特殊图像或者logo时，通过图像识别获取该标识的形状、颜色和/或面积，得到标识信息；在标识为NFC标识、RFID标签时，通过阅读器读取该标识来获取该标识对应的标识信息。
一般来说，在启动识别装置的果蔬新鲜度识别功能时，(如启动扫一扫识别新鲜度)，通过该识别装置的摄像模块拍摄果蔬图像，得到预览图像，在预览图像中检测到设置于果蔬上的标识时，解析到标识对应的标识信息，基于该标识信息得到预览图像中包含果蔬的图像区域。
102：识别装置根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像。
可选的，可根据预置的映射关系确定出图像截取区域，即基于标识信息得到截取半径，如图1B所示，该标识信息表示该果蔬为橙子，而橙子预先设置的截取半径为5CM，则该识别装置以该标识为中心，以5CM为半径确定出图像截取区域，对该图像截取区域内的图像进行截取，得到该果蔬图像；进一步地，可通过标识中的标识信息直接确定出截取半径，如图1E所示，数字“8”直接代表图像截取区域的截取半径为8CM。
103：识别装置根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。
识别装置内存有果蔬在不同新鲜度状态下的图像信息库，识别装置对实时果蔬图像与图像信息库中的图像进行比对与特征识别，计算出图像信息库中最接近的图像，该图像信息库中的图像所对应的新鲜度即该实时果蔬的新鲜度。果蔬新鲜度用于表征该果蔬相对于采摘日期的质变程度，该果蔬新鲜度越高，表明质变程度越小，新鲜度越低，质变程度越大。
可以看出，在本申请实施例中，首先在果蔬上设置标识，在检测到标识时，获取该标识的标识信息，依据该标识信息快速截取到完整、全面的果蔬图像，并对果蔬图像进行识别，得到果蔬新鲜度，从而提高果蔬新鲜度的识别效率和识别精确度。
在一些可能的实施方式中，在获取所述图像截取区域的果蔬图像之前，首先获取环境亮度以及摄像头与果蔬的相对距离，根据该环境亮度调整摄像头的曝光参数以拍取到清晰果蔬图像，根据该相对距离调整摄像头的焦距，以使摄像头聚焦到该果蔬图像，最后，采用调整曝光参数以及焦距后的所述摄像头获取所述图像截取区域的果蔬图像。
在本示例中，先对摄像头的曝光参数以及焦距进行调整，从而保证拍取到清晰完整的果蔬图像，进而提高果蔬新鲜度识别的准确度。
在一些可能的实施方式中，根据所述果蔬图像，得到所述果蔬的果蔬新鲜度的实现过程可以为：将该果蔬图像输入到与该果蔬种类对应的预先训练好的神经网络模型，通过该神经网络提取该果蔬图像的特征向量，并将该特征向量输入到SVM分类器中进行分类，得到该果蔬的果新鲜度。其中，该果蔬种类通过该标识信息获取得到，该神经网络模型可以为CNN模型、RNN模型或者Fast-RNN等等，对神经网络模型的训练过程为现有技术，不再叙述。
在一些可能的实施方式中，该标识包括方向定位标识，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度之前，先基于该方向定位标识纠正该果蔬图像相对于坐标的方向，将果蔬图像调正，具体来说，如图1C所示，获取所述方向定位标识在预设坐标系上的目标方向，根据该方向定位标识在预设坐标下的标准方向(沿y轴的正方向)获取该目标方向相对于角度偏移量，然后，根据角度偏移量与旋转方向、旋转角度的映射关系确定所述角度偏移量的目标旋转方向和目标旋转角度，最后，根据所述目标旋转方向和所述目标旋转角度调整所述果蔬图像相对于所述预设坐标系的方向。
进一步地，在调整果蔬图像的方向后，对调整方向后的果蔬图像进行识别，得到该果蔬的果蔬新鲜度。
在本示例中，在对果蔬图像进行识别之前，首先将果蔬图像调正，从而提高了后续对果蔬图像的识别速度，提高果蔬新鲜度的识别效率。
在一些可能的实施方式中，该标识包括N个颜色参考区域，如图1D所示，每个颜色参考区域对应一个或多个颜色标识(图1D示出了七个颜色标识)，且N个颜色参考区域中任意两个颜色参考区域的颜色标识不同，在将果蔬图像调正或者未调正的情况下，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜之前，上述果蔬新鲜度识别方法还包括：获取所述N个颜色参考区域中每个颜色参考区域的第一像素色彩数值；分别获取每个颜色参考区域的所述第一像素色彩数值与第二像素色彩数值的差值，得到N个像素色彩数值差，所述第二像像素色彩数值为每个颜色参考区域在标准环境光亮度下的像素色彩数值；根据所述N个像素色彩数值差调整所述果蔬图像的颜色属性参数，得到目标果蔬图像。
具体来说，如图1D所示，首先存储每个颜色参考区域在标准拍摄环境下的第二像素色彩数值，其中，每个颜色参考区域仅包含一种颜色的像素色彩数值，需要说明的是，该标识一般仅包含红色、蓝色、绿色三个颜色参考区域，基于该三个颜色参考区域来调整果蔬整个图像的R、G、B像素色彩数值即可，当然还可在该标识上设置其他颜色参考区域，例如青色、橙色等等；然后，基于每个颜色参考区域在标准拍摄环境下的第二像素色彩数值与当前拍摄环境下每个颜色参考区域的第一像素色彩数值的像素色彩数值差值，从而得到当前拍摄环境下对被摄图片的像素色彩数值的影响，然后，基于每个颜色参考区域的像素色彩数值差值，以将该果蔬整个图像的像素色彩数值调整到标准环境下，消除环境因素对成像的影响。
进一步地，在得到该目标果蔬图像后，根据所述目标果蔬图像，得到所述果蔬的果蔬新鲜度，对目标果蔬图像识别方式与上述一致不再叙述。
在本示例中，在得到果蔬图像后，对果蔬图像进行像素值校正，从而消除环境因素对像素色彩数值的影响，从而提高果蔬识别精度。
图1E为本申请提供的一种标识图像。如图1E所示，该标识包括2*2、3*3的宫格排列的正方形区域形。方案A(左部所示出的标识)包含4个功能区域，方案B(右所示出的标识)包含9个功能区域。该标识还包括标识侦测区域，该标识侦测区域用于识别装置对该标识的侦测，标识中的其他功能区域的图案不得与标识侦测区域相同或接近，并且，标识中的除标识侦测区域外其他功能区域的图案为正方形。标识侦测区域同时可被用作识别装置对该标志图像的方位调整。该标识中可包含标识指示区域，即方案A中左上角图案与方案B中的“W”，“8”，“P”，“S”图案。其中，每个图案可代表一个具体含义属性或具体指令，例如，图1E中方案B的数字“8”表示图像截取区域的半径为8cm，“S”用于表征该果蔬为水果，“P”用于表征该水果为苹果，“W”用于表示当前季节为冬季。另外，可通过一个特定的图案指向一组具体含义属性或具体指令，如方案A中左上角图案即可代表图像截取区域的半径为8cm，水果为苹果，当前季节为冬季。该标识中可包含颜色校正区域，该颜色校正区域用于对果蔬实时被摄图像进行颜色较准与还原，或用作与图像中指定部份颜色的对比。该标识中可包含变色材料区域，如方案B的中央位置，通过变色材料的颜色感测与指示所对应的果蔬所在环境情况，从而推断果蔬新鲜度。变色材料区域后续具体说明，在此不做说明。该标识图像中还包含留白区域，留白区域位于标识的外围与子宫格间的间隙，留白区域的作用是区分被摄图像标志图像部份与果蔬图像部份。
可选的，该标识中可包含编码区域，如方案B的左上角图案，编码区域中设置有记录信息所需的载体，例如码原，故可在编码区域中编码果蔬信息(例如，截取半径)。其编码方式为现有的二维码编码方式，不在详细叙述。
需要说明的是，图1E所示的标识，可根据需要调整除标识侦测区域外的其他功能区域，包括其功能类型，具体的标识指示图案，具体宫格位置与宫格内使用的数量。具体的识别规则可以结合特定识别装置内的特定识别程序共同制定从而得以实施。同时，特定识别程序包含对被摄图像中子宫格的正方形图案进行形状校正的程序，校正因不同拍摄视角所带来的被摄形状差异。
在本示例中，在得到果蔬图像后，对果蔬图像进行像素值校正，从而消除环境因素对像素值的影响，从而提高果蔬识别精度。
在一些可能的实施方式中，标识信息包括果蔬类型，根据所述标识信息得到图像截取区域的实现过程可以为：
获取与所述果蔬类型对应的放大系数；
确定所述标识的面积；
根据所述面积、所述放大系数以及计算公式确定截取半径；
以所述标识为中心、以所述截取半径为半径得到所述图像截取区域；
所述计算公式为：R＝α*ln2S+b；
其中，R为截取半径，α为放大系数，S为标识的面积，b为预设的偏置。
如图1F所示，标识可包括至少一种变色材料，该变色材料可以在不同的环境下发生不同程度的反应，呈现出不同的颜色，从而可以通过变色材料的颜色数据来反映该果蔬当前的新鲜度。具体来说，变色材料根据特定数据而设置，并由于环境变化、化学变化、自身随时间变化或物理接触导致变化而产生不同的颜色的物质，如根据温度变化的感温材料、根据湿度变化的感湿材料、根据氧气浓度变化的氧气检测材料、或者随时间变化而颜色变化的相关感应变色材料等。感应变色材料可以为可逆感应变色材料也可以使不可逆感应变色材料。
下面提供几种变色材料来具体说明。
1、氧化变色材料，材料表面通过氧化变色，氧化时长决定变色的颜色的深浅程度，由此可使用该材料的氧化过程评估氧化时长，通过氧化时长可以判断出果蔬的氧化过程，得到果蔬的新鲜度；2、基于使用功能的特定物质的测量纸试纸，通过两种物质的化学与生物反应后得出不同颜色的新物质，如通二氧化碳，霉菌，醛类，酒精类，甚至冷链汽、尾气等物质的测量试纸，通过该试纸的颜色来判断该果蔬发生的化学反应，基于发生的化学反应得到果蔬新鲜度；3、多层不同熔点试纸，在不同温度状态下各层融化而显现不同颜色，从而判断每个层级的果蔬所处的温度，通过该温度得出该果蔬的新鲜度。
所以，标识上设置有变色材料时，可通过颜色数据获取该果蔬的环境信息(温湿度、氧化程度、存放时间、含氧量，等等)，基于该环境信息综合判断出果蔬的新鲜度。
进一步地，由于该变色材料为标识的一部分，该果蔬图像包含所述变色材料对应的图像区域，另外由于变色材料容易受周围环境的影响，所以在得到果蔬图像的情况下，可综合两者的数据信息进行新鲜度识别，具体为：获取所述至少一种变色材料对应的颜色数据；根据所述颜色数据确定所述果蔬的第一新鲜度；对所述果蔬图像进行识别，得到所述果蔬的第二新鲜度；根据所述第一新鲜度和所述第二新鲜度确定所述果蔬的果蔬新鲜度。
可选的，基于预设的固定权值，对该第一新鲜度和第二新鲜度进行加权处理，得到该果蔬的果蔬新鲜度；或者，获取当前的环境信息，获取与该环境信息匹配的权值，基于该权值对第一新鲜度和第二新鲜度进行加权处理。举例来说，当前环境为黑暗环境时，则无法获取到清晰的果蔬图像，所以，可主要通过颜色数据来判断果蔬的新鲜度，故可以将第一新鲜度的权值设定为0.8、第二新鲜度的权值设定为0.2。
在一些可能的实施方式中，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度之前，所述方法还包括：获取所述果蔬图像的亮度值；如所述亮度值小于亮度阈值，对所述果蔬图像进行增强，得到增强后的果蔬图像；基于增强后的果蔬图像，得到该果蔬的新鲜度。
在一些可能的实施方式中，对果蔬图像进行增强处理的实现过程可以为：对果蔬图像中的每个像素点进行高频方向分解，得到每个像素点在水平方向上的第一分量、在竖直方向上的第二分量以及在对角方向上的第三分量；将所述目标图像中的所有像素点在水平方向上的第一分量对应组成第一分量图像、在竖直方向上的第二分量对应组成第二分量图像以及在对角方向上的第三分量对应组成第三分量图像；对所述第一分量图像、第二分量图像以及第三分量图像进行锐化处理，得到锐化后的第一分量图像、第二分量图像以及第三分量图像；将所述锐化后的第一分量图像、所述锐化后的第二分量图像以及所述锐化后的第三分量图像与果蔬图像进行像素叠加，得到增强后的果蔬图像。
在本示例中，当果蔬图像亮度较低时(例如，暗环境下)，对果蔬图像进行增强处理，从而提高果蔬图像的亮度，获得清晰的目标果蔬图像，从而提高果蔬新鲜度识别的精度。
参阅图2，图2为本申请实施例提供的另一种果蔬新鲜度识别方法，该方法应用于识别装置，该方法包括但不限于以下步骤：
201：在检测到设置于果蔬上的标识时，识别装置获取所述标识的标识信息。
202：识别装置根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图。
203：识别装置获取所述标识上的方向定位标识在预设坐标系上的目标方向，获取所述目标方向相对于所述预设坐标系的角度偏移量。
204：识别装置根据角度偏移量与旋转方向、旋转角度的映射关系确定所述角度偏移量的目标旋转方向和目标旋转角度。
205：识别装置根据所述目标旋转方向和所述目标旋转角度调整所述果蔬图像相对于所述预设坐标系的方向。
206：识别装置根据调整方向后的果蔬图像，得到所述果蔬的果蔬新鲜度。
可以看出，在本示例中，首先在果蔬上设置标识，在检测到标识时，获取该标识的标识信息，依据该标识信息快速截取到完整、全面的果蔬图像，并对果蔬图像进行识别，得到果蔬新鲜度，从而提高果蔬新鲜度的识别效率和识别精确度；而且，在对果蔬图像进行识别时，先对果蔬图像进行方向调整，以便后续识别时快速提取到果蔬图像的特征，从而提高果蔬新鲜度识别的效率。
需要说明的是，图2所示的方法的各个步骤的具体实现过程可参见上述图1A所述方法的具体实现过程，在此不再叙述。
参阅图3，图3为本申请实施例提供的另一种果蔬新鲜度识别方法，该方法应用于识别装置，该方法包括但不限于以下步骤：
301：在检测到设置于果蔬上的标识时，识别装置获取所述标识的标识信息。
302：识别装置根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图。
303：识别装置获取所述标识上的至少一种变色材料对应的颜色数据，根据所述颜色数据确定所述果蔬的第一新鲜度，所述果蔬图像包括所述至少一种变色材料对应的图像区域。
304：识别装置对所述果蔬图像进行识别，得到所述果蔬的第二新鲜度。
305：识别装置根据所述第一新鲜度和所述第二新鲜度确定所述果蔬的果蔬新鲜度。
需要说明的是，图3所示的方法的各个步骤的具体实现过程可参见上述图1A所述方法的具体实现过程，在此不再叙述。
可以看出，在本示例中，首先在果蔬上设置标识，在检测到标识时，获取该标识的标识信息，依据该标识信息快速截取到完整、全面的果蔬图像，并对果蔬图像进行识别，得到果蔬新鲜度，从而提高果蔬新鲜度的识别效率和识别精确度；而且，在对果蔬图像进行识别之前，先对果蔬图像进行像素值调整，将该果蔬图像的像素值调整到标准环境下，消除环境对果蔬图像成像时的影响，从而提高果蔬新鲜度的识别精度。
与上述图1A、图2、图3所示的实施例一致的，请参阅图4，图4为本申请实施例提供的一种识别装置400的结构示意图，如图4所示，该识别装置400包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序不同于上述一个或多个应用程序，且上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令：
在检测到设置于果蔬上的标识时，获取所述标识的标识信息；
根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像；
根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。
在一些可能的实施方式中，在获取所述图像截取区域的果蔬图像方面，上述程序具体用于执行以下步骤的指令：
获取环境亮度以及摄像头与所述果蔬的相对距离；
根据所述环境亮度调整所述摄像头的曝光参数；
根据所述相对距离调整所述摄像头的焦距；
采用调整曝光参数以及焦距后的所述摄像头获取所述图像截取区域的果蔬图像。
在一些可能的实施方式中，所述标识包括方向定位标识，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度之前，上述程序还用于执行以下步骤的指令：
获取所述方向定位标识在预设坐标系上的目标方向；
获取所述目标方向相对于所述预设坐标系的角度偏移量；
根据角度偏移量与旋转方向、旋转角度的映射关系确定所述角度偏移量的目标旋转方向和目标旋转角度；
根据所述目标旋转方向和所述目标旋转角度调整所述果蔬图像相对于所述预设坐标系的方向。
在一些可能的实施方式中，所述标识包括N个颜色参考区域，所述N为大于1的整数，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜之前，上述程序还用于执行以下步骤的指令：
获取所述N个颜色参考区域中每个颜色参考区域的第一像素值；
分别获取每个颜色参考区域的所述第一像素值与第二像素值的像素差值，得到N个像素差值，所述第二像素值为每个颜色参考区域在标准环境光亮度下的像素值；
根据所述N个像素差值调整所述果蔬图像的像素值。
在一些可能的实施方式中，所述标识包括至少一种变色材料，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度方面，上述程序还用于执行以下步骤的指令：
获取所述至少一种变色材料对应的颜色数据；
根据所述颜色数据确定所述果蔬的第一新鲜度；
对所述果蔬图像进行识别，得到所述果蔬的第二新鲜度；
根据所述第一新鲜度和所述第二新鲜度确定所述果蔬的果蔬新鲜度。
参阅图5，图5示出了上述实施例中所涉及的识别装置500的一种可能的功能单元组成框图，识别装置500包括：标识信息获取单元510、图像获取单元520和识别单元530，其中：
标识信息获取单元510，用于在检测到设置于果蔬上的标识时，获取所述标识的标识信息；
图像获取单元520，用于根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像；
识别单元530，用于根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。
在一些可能的实施方式中，在获取所述图像截取区域的果蔬图像方面，图像获取单元520，具体用于：
获取环境亮度以及摄像头与所述果蔬的相对距离；
根据所述环境亮度调整所述摄像头的曝光参数；
根据所述相对距离调整所述摄像头的焦距；
采用调整曝光参数以及焦距后的所述摄像头获取所述图像截取区域的果蔬图像。
在一些可能的实施方式中，所述标识包括方向定位标识，识别装置500还包括调整单元540，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度之前，调整单元540，用于：
获取所述方向定位标识在预设坐标系上的目标方向；
获取所述目标方向相对于所述预设坐标系的角度偏移量；
根据角度偏移量与旋转方向、旋转角度的映射关系确定所述角度偏移量的目标旋转方向和目标旋转角度；
根据所述目标旋转方向和所述目标旋转角度调整所述果蔬图像相对于所述预设坐标系的方向。
在一些可能的实施方式中，所述标识包括N个颜色参考区域，所述N为大于1的整数，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜之前，调整单元540，用于：
获取所述N个颜色参考区域中每个颜色参考区域的第一像素值；
分别获取每个颜色参考区域的所述第一像素值与第二像素值的像素差值，得到N个像素差值，所述第二像素值为每个颜色参考区域在标准环境光亮度下的像素值；
根据所述N个像素差值调整所述果蔬图像的像素值。
在一些可能的实施方式中，所述标识包括至少一种变色材料，在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度方面，识别单元530，具体用于：
获取所述至少一种变色材料对应的颜色数据；
根据所述颜色数据确定所述果蔬的第一新鲜度；
对所述果蔬图像进行识别，得到所述果蔬的第二新鲜度；
根据所述第一新鲜度和所述第二新鲜度确定所述果蔬的果蔬新鲜度。
本申请实施例还提供一种计算机存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种果蔬新鲜度识别方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种果蔬新鲜度识别方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
所述集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (9)
1.一种果蔬新鲜度识别方法，其特征在于，包括：
在检测到设置于果蔬上的标识时，获取所述标识的标识信息；
根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像；所述标识信息包括果蔬类型，所述根据所述标识信息得到图像截取区域，包括：获取与所述果蔬类型对应的放大系数；确定所述标识的面积；根据所述面积、所述放大系数以及计算公式确定截取半径；以所述标识为中心、以所述截取半径为半径得到所述图像截取区域；所述计算公式为：R＝α*ln2S+b；其中，R为截取半径，α为放大系数，S为标识的面积，b为预设的偏置；
根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。
2.根据权利要求1所述的方法，其特征在于，所述标识包括方向定位标识，所述在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度之前，所述方法还包括：
获取所述方向定位标识在预设坐标系上的目标方向；
获取所述目标方向相对于所述预设坐标系的角度偏移量；
根据角度偏移量与旋转方向、旋转角度的映射关系确定所述角度偏移量的目标旋转方向和目标旋转角度；
根据所述目标旋转方向和所述目标旋转角度调整所述果蔬图像相对于所述预设坐标系的方向。
3.根据权利要求1或2所述的方法，其特征在于，所述标识包括N个颜色参考区域，所述N为大于1的整数，所述在根据所述果蔬图像，得到所述果蔬的果蔬新鲜之前，所述方法还包括：
获取所述N个颜色参考区域中每个颜色参考区域的第一像素色彩数值；
分别获取每个颜色参考区域的所述第一像素色彩数值与第二像素色彩数值的像素色彩数值差值，得到N个像素色彩数值差值，所述第二像素色彩数值为每个颜色参考区域在标准环境光亮度下的像素色彩数值；
根据所述N个像素色彩数值差值调整所述果蔬图像的像素值。
4.根据权利要求1或2所述的方法，其特征在于，所述标识包括至少一种变色材料，所述根据所述果蔬图像，得到所述果蔬的果蔬新鲜度，包括：
获取所述至少一种变色材料对应的颜色数据；
根据所述颜色数据确定所述果蔬的第一新鲜度；
对所述果蔬图像进行识别，得到所述果蔬的第二新鲜度；
根据所述第一新鲜度和所述第二新鲜度确定所述果蔬的果蔬新鲜度。
5.一种果蔬新鲜度识别装置，其特征在于，所述装置用于执行权利要求1-4任一项所述的方法，所述装置包括：
标识信息获取单元，用于在检测到设置于果蔬上的标识时，获取所述标识的标识信息；
图像获取单元，用于根据所述标识信息得到图像截取区域，获取所述图像截取区域的果蔬图像；
识别单元，用于根据所述果蔬图像，得到所述果蔬的果蔬新鲜度。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括调整单元；所述标识包括方向定位标识，所述在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度之前，所述调整单元，用于：
获取所述方向定位标识在预设坐标系上的目标方向；
获取所述目标方向相对于所述预设坐标系的角度偏移量；
根据角度偏移量与旋转方向、旋转角度的映射关系确定所述角度偏移量的目标旋转方向和目标旋转角度；
根据所述目标旋转方向和所述目标旋转角度调整所述果蔬图像相对于所述预设坐标系的方向。
7.根据权利要求5或6所述的装置，其特征在于，所述标识包括至少一种变色材料；
在根据所述果蔬图像，得到所述果蔬的果蔬新鲜度方面，所述识别单元，具体用于：
获取所述至少一种变色材料对应的颜色数据；
根据所述颜色数据确定所述果蔬的第一新鲜度；
对所述果蔬图像进行识别，得到所述果蔬的第二新鲜度；
根据所述第一新鲜度和所述第二新鲜度确定所述果蔬的果蔬新鲜度。
8.一种电子设备，其特征在于，包括处理器、存储器、通信接口以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行权利要求1-4任一项方法中的步骤的指令。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1-4任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910955955.5A CN110796025B (zh) | 2019-10-09 | 2019-10-09 | 果蔬新鲜度识别方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910955955.5A CN110796025B (zh) | 2019-10-09 | 2019-10-09 | 果蔬新鲜度识别方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110796025A CN110796025A (zh) | 2020-02-14 |
| CN110796025B true CN110796025B (zh) | 2023-12-22 |
Family
ID=69440095
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910955955.5A Active CN110796025B (zh) | 2019-10-09 | 2019-10-09 | 果蔬新鲜度识别方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110796025B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002168807A (ja) * | 2000-11-28 | 2002-06-14 | Toshiba It & Control Systems Corp | 青果物検査装置 |
| CN106338517A (zh) * | 2016-09-23 | 2017-01-18 | 江苏大学 | 基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法 |
| CN107895142A (zh) * | 2017-10-26 | 2018-04-10 | 湖南考神信息科技有限责任公司 | 一种基于视觉标记的试卷试题内容自动分割方法及系统 |
| CN108734867A (zh) * | 2018-08-11 | 2018-11-02 | 杭州吧啦熊自动化科技有限公司 | 一种带检测功能的自动水果贩卖机 |
| CN208589097U (zh) * | 2018-08-11 | 2019-03-08 | 杭州吧啦熊自动化科技有限公司 | 一种带检测功能的自动水果贩卖机 |
-
2019
- 2019-10-09 CN CN201910955955.5A patent/CN110796025B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002168807A (ja) * | 2000-11-28 | 2002-06-14 | Toshiba It & Control Systems Corp | 青果物検査装置 |
| CN106338517A (zh) * | 2016-09-23 | 2017-01-18 | 江苏大学 | 基于视觉和嗅觉信息协同的水果新鲜度智能化评判方法 |
| CN107895142A (zh) * | 2017-10-26 | 2018-04-10 | 湖南考神信息科技有限责任公司 | 一种基于视觉标记的试卷试题内容自动分割方法及系统 |
| CN108734867A (zh) * | 2018-08-11 | 2018-11-02 | 杭州吧啦熊自动化科技有限公司 | 一种带检测功能的自动水果贩卖机 |
| CN208589097U (zh) * | 2018-08-11 | 2019-03-08 | 杭州吧啦熊自动化科技有限公司 | 一种带检测功能的自动水果贩卖机 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110796025A (zh) | 2020-02-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11922646B2 (en) | Tracking surgical items with prediction of duplicate imaging of items | |
| US20230206720A1 (en) | System for counting quantity of game tokens | |
| CN109670441B (zh) | 一种实现安全帽穿戴识别的方法、系统、终端以及计算机可读存储介质 | |
| CN109583285B (zh) | 对象识别方法 | |
| US10438076B2 (en) | System and method for a biometric image sensor with spoofing detection | |
| Blok et al. | The effect of data augmentation and network simplification on the image‐based detection of broccoli heads with Mask R‐CNN | |
| CN111507976B (zh) | 基于多角度成像的缺陷检测方法及系统 | |
| CN102739951B (zh) | 图像处理装置及图像处理方法 | |
| CN111046703A (zh) | 人脸防伪检测方法、装置及多目相机 | |
| CN109993086B (zh) | 人脸检测方法、装置、系统及终端设备 | |
| JP5761789B2 (ja) | 植物体の画像領域抽出方法、植物体の画像領域抽出装置、および植物体の生育監視システム | |
| CN109858435A (zh) | 一种基于脸部图像的小熊猫个体识别方法 | |
| US9053537B2 (en) | Classifier for use in generating a diffuse image | |
| KR101974638B1 (ko) | 식물 영상 처리 장치 및 방법 | |
| US10650225B2 (en) | Image processing apparatus which determines category to which object in image belongs, method therefor, and object discrimination apparatus | |
| MX2011003977A (es) | Procedimiento y sistema para la identificacion de articulos. | |
| WO2016193018A1 (en) | System and method for measuring hair diameter | |
| CN104463240B (zh) | 一种仪表定位方法及装置 | |
| US20170228888A1 (en) | Orientation estimation method and orientation estimation device | |
| CN101996317B (zh) | 人体上标记物的识别方法及装置 | |
| CN110796025B (zh) | 果蔬新鲜度识别方法及相关产品 | |
| CN104463919A (zh) | 一种评估皮肤色素的全像素色彩分析方法 | |
| CN110544424A (zh) | 具有检测标识的随机纹理防伪标识结构 | |
| JP6311461B2 (ja) | 視線分析システムおよび視線分析装置 | |
| CN110738250B (zh) | 果蔬新鲜度识别方法及相关产品 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 29a-2a, dongle garden, 1023 Buxin Road, Luohu District, Shenzhen, Guangdong 518021 Applicant after: Chen Haoneng Address before: 518000 513, building 11, Shenzhen Bay science and technology ecological park, No.16, Keji South Road, high tech community, Yuehai street, Nanshan District, Shenzhen City, Guangdong Province Applicant before: Chen Haoneng |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |