CN112950574B - 一种可对香菇进行品级分类的图像识别算法 - Google Patents

Abstract

本发明公开了一种可对香菇进行品级分类的图像识别算法，用于解决现有香菇品级识别存在占用大量人力、无法在复杂场景下进行使用以及硬件成本高，不适合大规模投入工业生产的问题，包括：获取香菇物料的前视图像和后视图像；通过品级识别算法对前视图像和后视图像进行分析处理得到香菇物料的品质因数；本发明首先对每个香菇物料的前视和后视图像，使用Sobel算子计算梯度；然后对前视和后视图像的梯度图像分别进行二值化处理；最后通过对梯度图像占空比的计算，得到反映了物料图像的纹理强弱程度的量化值；具有原理简单、分级精度高、处理速度快，不涉及复杂计算，易于在嵌入式系统中进行实现，具有良好的工业应用价值的优点。

Description

一种可对香菇进行品级分类的图像识别算法

技术领域

本发明涉及数字图像处理技术领域，具体为一种可对香菇进行品级分类的图像识别算法。

背景技术

香菇，又别名“花菇”、“香菌”等，是一种伞菌目香菇属的菌类。香菇是一种生长在木材上的可食用菌类，作为我国的特产之一在民间享有“山珍”的美誉。香菇富含多种营养元素，包括维生素B群、维生素D原和矿物元素。香菇在中国有悠久的食用史，中国历代医学家对香菇均有过论述。随着现代医学和营养学的不断发展，香菇的药用价值也在被不断的发掘。例如，香菇中富含的40多种酶，可以纠正人体酶缺乏症；香菇多糖能增强细胞免疫力，可以抑制癌细胞的生长。

香菇是世界上第二大食用菌，目前中国是世界第一香菇生产大国。根据中国食用菌协会公开的数据，目前我国香菇年产量已经超过一千万吨，是我国产量最高的菌类产品。研究香菇品级识别的算法，可以一定程度上提高香菇产品的生产与加工效率，具有很高的经济价值。

目前我国的香菇品级识别领域，主要包括人工方式、香菇大小分级法和深度学习品级分类方法；

采取人工方式进行分选依然占有相当大的比重。采取人工方式对香菇进行品级分选，占用大量人力且人工进行香菇品级分选的产量有限，因此人工分选法不符合香菇生产加工行业工厂化和流水线化的发展趋势。此外，人工分选香菇品级，可能发生香菇产品出现质量问题的情况；

香菇大小分级法是根据香菇的大小等级进行区分分选。具体的技术方案是，将香菇产品通过传送带传输到金属筛网上，通过金属筛网的震动，将能通过金属筛网网孔的香菇分选出来。该方法能根据香菇的大小规格对香菇进行分选，相比于人工分选法，大小分级法可以节省相当可观的劳动力资源。大小分级法只能将香菇按照大小不同的规格进行品级划分，在面对需要根据纹理特征等来进行香菇品级识别的场景时，采用大小分级法远远不能达到需求。大小分级法只能满足香菇品级识别中的简单需求，无法在复杂场景下进行使用；

深度学习品级分类方法是一种基于人工神经网络的识别分类方法，该方法首先对一定数量的香菇物料的样本图像进行特征提取，在人工标签的基础上对相应的神经网络机芯训练，建立输入图像与类别的关系。基于深度学习的方法品级分类准确度高，有较大的应用空间。但是该方法的缺点也十分明显：为了得到一个性能较好的分类器，往往需要海量的样本图像用于训练网络；并且，此方法需要专用的芯片对分类环节加速，增加了额外的硬件成本，不适合大规模投入工业生产。

发明内容

本发明的目的就在于为了解决现有香菇品级识别存在占用大量人力、无法在复杂场景下进行使用以及硬件成本高，不适合大规模投入工业生产的问题，而提出一种可对香菇进行品级分类的图像识别算法。

本发明的目的可以通过以下技术方案实现：一种可对香菇进行品级分类的图像识别算法，包括：

获取香菇物料的前视图像和后视图像；

通过品级识别算法对前视图像和后视图像进行分析处理得到香菇物料的品质因数；

其中，分析处理包括图像阈值化处理、物料分割处理、前后视图像配对处理和品级分析处理。

所述图像阈值化处理具体包括：

对输入的前视图像或后视图像作YCrCb分解，获取Cb分量，分离背景；

使用OTSU算法对Cb通道进行二值化处理；

对二值化结果执行开运算，去除细小干扰，输出阈值化图像。

所述物料分割处理具体包括：

对阈值化图像进行物体分割，并过滤面积较小的无效区域；

对物体分割结果按面积进行从小到大排序，输出物料分割的结果。

所述前后视图像配对处理具体包括：

将物料分割的结果按面积对应排序，使得前视图像与后视图像对应的物料分割结果一一对应。

所述品级分析处理具体包括：

对每个香菇物料的前视和后视图像对应的物料分割结果使用Sobel算子计算梯度得到梯度图像；

使用OTSU算法对梯度图像分别进行二值化处理；

对物料掩膜图像进行形态学腐蚀运算，将该掩膜与上步的二值化结果相乘，得到去除了物料边界的二值化梯度图像；

计算输出二值化梯度图像在物料区域内的占空比；

记ρ_F和ρ_R分别对应前视图像和后视图像在经过上述步骤计算后的占空比，取二者的较大值来计算该香菇物料的品质因数Q；即Q＝2(max(ρ_F,ρ_R)+10)。

与现有技术相比，本发明的有益效果是：

1、本发明首先对每个香菇物料的前视和后视图像，使用Sobel算子计算梯度；然后对前视和后视图像的梯度图像分别进行二值化处理；最后通过对梯度图像占空比的计算，得到反映了物料图像的纹理强弱程度的量化值；此外，为了消除物料边界对内部梯度的影响，需在计算占空比前对梯度图进行形态学腐蚀操作；将香菇物料前视图像和后视图像的占空比进行比较，取二者的较大值来计算该香菇物料的品质因数；具有原理简单、分级精度高、处理速度快，不涉及复杂计算，易于在嵌入式系统中进行实现，具有良好的工业应用价值的优点。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的原理流程图；

图2为本发明的前视图像和后视图像拍摄示意图；

图3为本发明的品级识别算法原理流程图；

图4为本发明的香菇物料阈值化处理结果示意图；

图5为本发明的香菇物料图像分割结果示意图；

图6为本发明的前后视图像配对结果示意图；

图7为本发明的香菇物料品级分析结果示意图；

图8为本发明的香菇品质因数的计算结果示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

请参阅图1-3所示，一种可对香菇进行品级分类的图像识别算法，包括一种可对香菇进行品级分类的图像识别算法，包括：

获取香菇物料的前视图像和后视图像；其中，香菇物料的前视图像和后视图像由位于色选机内部下料口的前视和后视像机拍摄得到；如图2所示；通过前视相机和后视相机对香菇拍摄；

通过品级识别算法对前视图像和后视图像进行分析处理，具体为：

图像阈值化处理：

对输入的前视图像或后视图像作YCrCb分解，获取Cb分量，分离背景；

使用OTSU算法对Cb通道进行二值化处理；

对二值化结果执行开运算，去除细小干扰，输出阈值化图像；

图4为香菇物料阈值化处理结果；(4a)前视图像；(4b)后视图像；(4c)前视图像Cb分量；(4d)后视图像Cb分量；(4e)前视图像输出结果；(4f)后视图像输出结果；

物料分割处理：

对阈值化图像进行物体分割，并过滤面积较小的无效区域；

对物体分割结果按面积进行从小到大排序，输出物料分割的结果；

图5为香菇物料图像分割结果；(5a)前视图像分割结果；(5b)后视图像分割结果；

前后视图像配对处理：

将物料分割的结果按面积对应排序，使得前视图像与后视图像对应的物料分割结果一一对应；

对于同一个香菇物料，前、后视相机对其成像图像应该是一致的，因此其区域面积也应该相同，据此，记上节物料分割的结果分别为：

前视相机：Obj_F₁、Obj_F₂、...Obj_F_N

后视相机：Obj_R₁、Obj_R₂、...Obj_R_N

在{Obi_F_i}和{Obi_R_i}已按面积排序的情况下，{Obi_F_i}和{Obi_R_i}刚好对应第i个物料的前视和后视图像；，i＝1，2，……，N；N为香菇物料的数量；

图6为前后视图像配对的结果，(6a)与(6b)香菇物料前后图像配对；(6c)与(6d)香菇物料前后图像配对；(6e)与(6f)香菇物料前后图像配对；(6g)与(6h)香菇物料前后图像配对；

品级分析处理：

对每个香菇物料的前视和后视图像对应的物料分割结果使用Sobel算子计算梯度得到梯度图像；

使用OTSU算法对梯度图像分别进行二值化处理；

对物料掩膜图像进行形态学腐蚀运算(所用结构元素为直径为5的圆)，将该掩膜与上步的二值化结果相乘，得到去除了物料边界的二值化梯度图像；执行这一步的原因在于：Sobel梯度算子会在物料边界处产生较大的值，而该值不能作为描述图像纹理强弱程度的依据；

计算输出二值化梯度图像在物料区域内的占空比；占空比反映了物料图像的纹理强弱程度；

记ρ_F和ρ_R分别对应前视图像和后视图像在经过上述步骤计算后的占空比，取二者的较大值来计算该香菇物料的品质因数Q；即Q＝2(max(ρ_F,ρ_R)+10)；

图7为香菇物料评级分析图；(7a)-(7c)分别为前视图像的Sobel梯度、Sobel梯度阈值化结果及边界收缩结果；(7d)-(7f)为后视图像的Sobel梯度、Sobel梯度阈值化结果及边界收缩结果；

图8为香菇品质因数的计算结果示意图；

图像阈值化环节：将物料前景和背景板图像进行分离；

物料分割环节：从图像中分离出每个单独的香菇物料，获取相应的区域；

前后视图像配对环节：记每幅前视相机图像中有N个香菇物料，则每幅后视相机图像中也有N个相应的香菇物料，该环节根据上一步得到的区域信息，获得每个香菇物料的前视图像和与之相对的后视图；

对每个香菇物料的前视和后视图像，使用Sobel算子计算梯度；然后对前视和后视图像的梯度图像分别进行二值化处理；最后通过对梯度图像占空比的计算，得到反映了物料图像的纹理强弱程度的量化值。此外，为了消除物料边界

对内部梯度的影响，需在计算占空比前对梯度图进行形态学腐蚀操作将香菇物料前视图像和后视图像的占空比进行比较，取二者的较大值来计算该香菇物料的品质因数。这是由于香菇伞顶的背面图像往往较为平坦，梯度图像幅值较小，因此相应的占空比也较小；

本发明在使用时，首先对每个香菇物料的前视和后视图像，使用Sobel算子计算梯度；然后对前视和后视图像的梯度图像分别进行二值化处理；最后通过对梯度图像占空比的计算，得到反映了物料图像的纹理强弱程度的量化值；此外，为了消除物料边界对内部梯度的影响，需在计算占空比前对梯度图进行形态学腐蚀操作；将香菇物料前视图像和后视图像的占空比进行比较，取二者的较大值来计算该香菇物料的品质因数；具有原理简单、分级精度高、处理速度快，不涉及复杂计算，易于在嵌入式系统中进行实现，具有良好的工业应用价值的优点。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (4)

1.一种可对香菇进行品级分类的图像识别算法，其特征在于，包括：

获取香菇物料的前视图像和后视图像；

通过品级识别算法对前视图像和后视图像进行分析处理得到香菇物料的品质因数；

其中，分析处理包括图像阈值化处理、物料分割处理、前后视图像配对处理和品级分析处理；

所述品级分析处理具体包括：

对每个香菇物料的前视和后视图像对应的物料分割结果使用Sobel算子计算梯度得到梯度图像；

使用OTSU算法对梯度图像分别进行二值化处理；

对物料掩膜图像进行形态学腐蚀运算，将该掩膜与上步的二值化结果相乘，得到去除了物料边界的二值化梯度图像；

计算输出二值化梯度图像在物料区域内的占空比；

记ρF和ρR分别对应前视图像和后视图像在经过上述步骤计算后的占空比，取二者的较大值来计算该香菇物料的品质因数Q；即Q＝2(max(ρF,ρR)+10)。

2.根据权利要求1所述的一种可对香菇进行品级分类的图像识别算法，其特征在于，所述图像阈值化处理具体包括：

对输入的前视图像或后视图像作YCrCb分解，获取Cb分量，分离背景；

使用OTSU算法对Cb通道进行二值化处理；

对二值化结果执行开运算，去除细小干扰，输出阈值化图像。

3.根据权利要求2所述的一种可对香菇进行品级分类的图像识别算法，其特征在于，所述物料分割处理具体包括：

对阈值化图像进行物体分割，并过滤面积较小的无效区域；

对物体分割结果按面积进行从小到大排序，输出物料分割的结果。

4.根据权利要求3所述的一种可对香菇进行品级分类的图像识别算法，其特征在于，所述前后视图像配对处理具体包括：

将物料分割的结果按面积对应排序，使得前视图像与后视图像对应的物料分割结果一一对应。

Images