CN115512429A - 基于眼部图像识别的养殖鱼产品新鲜度判别方法 - Google Patents
基于眼部图像识别的养殖鱼产品新鲜度判别方法 Download PDFInfo
- Publication number
- CN115512429A CN115512429A CN202211451493.1A CN202211451493A CN115512429A CN 115512429 A CN115512429 A CN 115512429A CN 202211451493 A CN202211451493 A CN 202211451493A CN 115512429 A CN115512429 A CN 115512429A
- Authority
- CN
- China
- Prior art keywords
- eye
- gray
- fish
- pixel point
- change sequence
- 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
- 235000013332 fish product Nutrition 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 33
- 210000001508 eye Anatomy 0.000 claims abstract description 203
- 241000251468 Actinopterygii Species 0.000 claims abstract description 130
- 210000003128 head Anatomy 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 210000005252 bulbus oculi Anatomy 0.000 description 35
- 210000000695 crystalline len Anatomy 0.000 description 13
- 210000004087 cornea Anatomy 0.000 description 9
- 238000001514 detection method Methods 0.000 description 7
- 239000000047 product Substances 0.000 description 7
- 238000009395 breeding Methods 0.000 description 6
- 230000001488 breeding effect Effects 0.000 description 6
- 210000002816 gill Anatomy 0.000 description 4
- 230000037303 wrinkles Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000009372 pisciculture Methods 0.000 description 3
- 208000031969 Eye Hemorrhage Diseases 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000252228 Ctenopharyngodon Species 0.000 description 1
- 241000252232 Hypophthalmichthys Species 0.000 description 1
- 241000252234 Hypophthalmichthys nobilis Species 0.000 description 1
- 241001275898 Mylopharyngodon piceus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理领域,具体涉及基于眼部图像识别的养殖鱼产品新鲜度判别方法,包括:获取各个养殖鱼产品的眼部区域以及眼部中心点;根据各个眼部区域的各个灰度变化序列得到所述各个灰度变化序列的第一数据类别以及第二数据类别;计算各个灰度变化序列的第一均值以及第二均值;根据各个灰度变化序列的第一均值,第二均值得到所述各个眼部区域的鱼眼浑浊度;根据各个灰度变化序列的第一数据类别与第二数据类别得到各个眼部区域的眼饱满程度;根据各个眼部区域的鱼眼浑浊度以及鱼眼饱满程度得到各个养殖鱼产品的新鲜度。本发明可以对养殖鱼产品的新鲜度进行准确的判别,简单且快速。
Description
技术领域
本发明涉及图像处理领域,具体涉及基于眼部图像识别的养殖鱼产品新鲜度判别方法。
背景技术
养殖鱼产品的新鲜度一直是人们判断产品品质优劣的一个重要指标,由于活鱼容易腐烂,变质,不易存储,为了延长养殖鱼产品的存储时间,在养殖鱼产品的存储以及运输过程中往往会对养殖鱼产品进行冷冻,但是养殖鱼在捕捞时,鲜度就已经开始下降,后续还需要经过运输以及屠杀等多个环节,导致对冷冻后的养殖鱼产品进行新鲜度判断的难度较大。而不论是消费者直接挑选还是商家对养殖鱼产品的二次加工,都需要对养殖鱼产品的新鲜度进行判断,从而保证食品安全。
养殖鱼在死亡后,鱼眼,鱼鳃以及鱼体表等均会发生不同程度的变化,但是由于养殖鱼的类型较多,鱼体表面本身存在较大差异,鱼鳃又位于养殖鱼的体内,故相较于鱼鳃以及鱼体表,鱼眼可以更方便且更直观地反映出养殖鱼的新鲜度,因此设计一种根据鱼的眼部图像特征对养殖鱼产品的新鲜度进行检测的方法是非常重要的。
然而由于养殖鱼产品新鲜度存在差异,新鲜的鱼眼球饱满,角膜透明清亮;次新鲜的鱼眼球不饱满,角膜起皱,稍变浑浊,有时眼内溢血发红;不新鲜的鱼眼球塌陷或干瘪,角膜皱缩,在图像上,次新鲜的养殖鱼的鱼眼浑浊,新鲜养殖鱼与不新鲜的养殖鱼的眼珠区域与虹膜区域均较为清晰,因此无法直接使用传统的阈值分割技术以及边缘检测方法无法准确判断养殖鱼产品的新鲜度,检测效果较差。
发明内容
本发明提供基于眼部图像识别的养殖鱼产品新鲜度判别方法,以解决现有的问题。
本发明的基于眼部图像识别的养殖鱼产品新鲜度判别方法采用如下技术方案:
本发明一个实施例提供了基于眼部图像识别的养殖鱼产品新鲜度判别方法,该方法包括以下步骤:
根据养殖鱼产品的鱼头区域,得到所述养殖鱼产品的眼部区域以及眼部中心点;
根据眼部区域各个方向上的各像素点坐标以及所述各像素点的灰度值得到所述眼部区域的各个灰度变化序列;根据各个灰度变化序列中各个像素点的灰度值得到所述各个灰度变化序列的第一数据类别以及第二数据类别,将所述第一数据类别中各个像素点的平均灰度值记为第一均值,所述第二数据类别中各个像素点的平均灰度值记为第二均值;将各个灰度变化序列的第二均值与第一均值之间的差值作为所述各个灰度变化序列的整体灰度差异;根据各个灰度变化序列的第一数据类别,第二数据类别以及整体灰度差异得到眼部区域的鱼眼浑浊度;
根据各个灰度变化序列的第一数据类别中各个像素点的灰度值与第一均值得到所述第一数据类别中各个像素点的灰度差异;根据所述第一数据类别中各个像素点到眼部中心点之间的距离以及所述各个像素点的灰度差异得到眼部区域的第一不饱满程度;根据各个灰度变化序列的第二数据类别得到眼部区域的第二不饱满程度;根据眼部区域的第一不饱满程度与第二不饱满程度得到所述眼部区域的鱼眼饱满程度;
根据眼部区域的鱼眼浑浊度以及鱼眼饱满程度得到养殖鱼产品的新鲜度。
优选的,所述各个灰度变化序列的第一数据类别以及第二数据类别的获取方法为:
获取各个灰度变化序列的分割阈值,将所述各个灰度变化序列中灰度值小于所述分割阈值的各个像素点到眼部中心点的最大距离记为边界距离,将所述各个灰度变化序列中,与眼部中心点之间的距离小于等于所述边界距离的像素点划分为第一数据类别,将与眼部中心点之间的距离大于所述边界距离的像素点划分为第二数据类别,依次处理所述各个灰度变化序列中的各个像素点,得到所述各个灰度变化序列的第一数据类别以及第二数据类别。
优选的,所述眼部区域的鱼眼浑浊度的获取方法为:
优选的,所述第一数据类别中各个像素点的灰度差异的获取方法为:
将各个灰度变化序列的第一数据类别中各个像素点的灰度值与所述各个灰度变化序列的第一均值之间差值的绝对值作为所述第一数据类别中各个像素点的灰度差异。
优选的,所述眼部区域的第一不饱满程度的获取方法为:
以各个灰度变化序列的第一数据类别中各个像素点到眼部中心点之间的距离与所述各个灰度变化序列的边界距离之间的比值为所述各个像素点的参考权重,对所述第一数据类别中各个像素点的灰度差异进行加权求和,所得结果作为所述各个灰度变化序列的第一不饱满程度;将眼部区域中各个灰度变化序列的第一不饱满程度的累加和作为所述眼部区域的第一不饱满程度。
优选的,所述养殖鱼产品的新鲜度的获取方法为:
本发明的有益效果是:首先对各个养殖鱼产品的鱼头区域图像进行采集,从而提取各个养殖鱼产品的眼部区域,然后获取眼部区域中各个方向上的灰度变化序列,根据各个灰度变化序列中各个像素点的灰度值进行数据类别的划分,从而得到眼珠区域与虹膜区域;根据这两个区域内部的灰度差异以及两个区域之间的整体灰度差异得到各个眼部区域的鱼眼浑浊度,用以区分次新鲜的养殖鱼产品与新鲜和不新鲜的养殖鱼产品;然后根据眼部各个区域中各个像素点与眼部中心点之间的距离,以及各个像素点的灰度值相对于该像素点所属数据类别的平均灰度值之间的差异得到眼部区域的鱼眼饱满程度,用以对新鲜的养殖鱼产品与不新鲜的养殖鱼产品进一步区分。利用不同新鲜度的养殖鱼产品表现的不同特征,对不同新鲜度等级的养殖鱼产品进行区分,并进一步对同种新鲜度等级的养殖鱼产品的新鲜度进一步区分,从而提高对养殖鱼产品新鲜度判别的准确性,简单快速。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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1为本发明的基于眼部图像识别的养殖鱼产品新鲜度判别方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于眼部图像识别的养殖鱼产品新鲜度判别方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于眼部图像识别的养殖鱼产品新鲜度判别方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于眼部图像识别的养殖鱼产品新鲜度判别方法的步骤流程图,该方法包括以下步骤:
步骤S001:对养殖鱼产品的鱼头区域进行图像采集,并获取养殖鱼产品的眼部区域以及眼部中心点。
养殖鱼包括青鱼、鳙鱼、草鱼、鲢鱼、鲤鱼、鲫鱼等多种类型,养殖鱼死亡后,鱼眼,鱼鳃以及鱼体表等部位的颜色不同类型的养殖鱼的鱼体表之间的差异较大,因此根据鱼体表图像对不同类型的养殖鱼产品进行新鲜度的判断难度较大,但是养殖鱼的眼部区域同样位于鱼体表面,且不同类型的养殖鱼的鱼眼具有较高的相似性,因此根据养殖鱼的眼部图像可以更简单更直观的对养殖鱼产品的新鲜度进行判断,因此本发明需要提取养殖鱼产品的眼部区域,根据眼部区域的特征信息对养殖鱼产品的新鲜度进行判断。养殖鱼的新鲜度等级可以大致划分为三种:新鲜,次新鲜以及不新鲜,其中新鲜的鱼眼球饱满,角膜透明清亮;次新鲜的鱼眼球不饱满,角膜起皱,稍变浑浊,有时眼内溢血发红;不新鲜的鱼眼球塌陷或干瘪,角膜皱缩。
鱼类的眼部区域为一个圆球形的晶状体,主要分为两个部分:眼珠区域与虹膜区域,由于养殖鱼的眼部区域是一个近似圆形的区域,眼珠也是一个圆形区域,因此可以使用霍夫圆检测对眼部区域进行提取,霍夫圆检测本质上是将二维图像空间中一个圆转换为三维参数空间中,由该圆半径、圆心横坐标与圆心纵坐标确定的一个点的过程,过二维空间中的一个点有无数个圆,对应三维空间中的无数个点,当二维空间中出现很多点共圆时,此时在三维参数空间中,该圆在三维参数空间中所对应的点会出现累加,从而形成高亮点,霍夫圆检测为公知技术,此处不作赘述。
正常情况下,养殖鱼的眼珠区域相对于眼部其他区域,如虹膜区域的灰度值较低,眼珠区域边缘清晰,但是当鱼不太新鲜时,养殖鱼的虹膜区域会变浑浊,导致眼珠区域与虹膜区域灰度差异降低,眼珠区域边缘模糊,可能会导致霍夫圆检测难以提取眼珠区域,但是养殖鱼的整个眼部区域是固定的,即眼部区域是一定的可以检测到的,且眼部区域边缘点的个数大于眼珠区域边缘点的个数,对应眼部区域的圆在三维参数空间中的累加值更高,故将霍夫圆检测后,三维参数空间中累加值最大的点即为眼部区域所对应的圆。
故本发明在养殖鱼产品的正上方设置相机以及LED补光灯,使用相机采集养殖鱼产品的鱼头区域图像,并将鱼头区域图像进行灰度化处理,得到鱼头区域的灰度图像,然后使用Canny算子对所得灰度图像进行边缘检测,得到灰度图像中的各个边缘点;再对这些边缘点进行霍夫圆检测,将三维参数空间中累加值最大的点所对应的圆作为养殖鱼的眼部区域,将养殖鱼眼部区域所对应圆的圆心作为整个眼部区域的中心点。
步骤S002:获取眼部区域各个方向上的灰度变化序列,获取各个灰度变化序列的第一数据类别,第二数据类别以及整体灰度差异;根据各个灰度变化序列的第一数据类别,第二数据类别以及整体灰度差异得到眼部区域的鱼眼浑浊度。
当养殖鱼不新鲜时,眼部干瘪,导致鱼眼内不存在水分导致鱼眼的眼珠区域与虹膜区域边界也较为清晰,而新鲜的养殖鱼的眼珠区域与虹膜区域边界也是清晰,次新鲜的养殖鱼眼珠区域与虹膜区域边界较为模糊,因此可以根据养殖鱼的眼部区域中,眼珠区域与虹膜区域之间的差异程度对次新鲜养殖鱼与新鲜养殖鱼以及不新鲜的养殖鱼进行区分,而不新鲜的养殖鱼与新鲜养殖鱼之间的区别在于,新鲜养殖鱼的眼部晶状体向外突出,不新鲜的养殖鱼的眼部晶状体塌陷干瘪,角膜皱缩,而鱼类的晶状体为圆球形,当晶状体饱满时,由于晶状体顶部反光,会在靠近鱼眼中心位置上形成亮点,而当晶状体干瘪,会在角膜皱起位置的顶部出现反光,因此会在远离鱼眼的中心位置上形成灰度值较大的亮点,而这些位置本不该存在灰度值较大的像素点。
综上所述,次新鲜养殖鱼的眼部区域内部灰度整体阶梯性变化程度较小;新鲜养殖鱼的眼部区域内部灰度整体阶梯性变化程度较大,反光位置更靠近鱼眼的中心位置;不新鲜的养殖鱼的眼部区域内部灰度整体阶梯性变化程度较大,而反光位置远离鱼眼的中心位置,因此本发明以眼部区域中灰度整体阶梯性变化的程度表征鱼眼浑浊度,以反光位置相对于鱼眼中心位置表征鱼眼的饱满程度。具体过程如下:
新鲜的养殖鱼眼珠清亮通透,而虹膜区域与眼珠区域之间的颜色差异较大,因此新鲜的养殖鱼首先要满足眼珠区域与虹膜区域内部灰度差异较小,且这两个区域之间的灰度差异较大,即整个眼部区域内灰度呈现阶梯性变化,故:
以眼部区域的中心点为原点建立二维直角坐标系,水平向右为0度方向,每间隔1度作为一个方向,获取眼部区域内各个方向上所经过像素点的坐标与灰度值,这些像素点及其灰度值构成了各个方向上的灰度变化序列,则本发明中一共可以得到360个灰度变化序列,其中,将第i个方向所对应的灰度变化序列记为,以该灰度变化序列为例进行分析:
使用OTSU算法获取中的各个灰度值的分割阈值,获取中小于分割阈值的灰度值所对应的像素点中到眼部中心点的最大距离,该最大距离所对应的像素点即为眼部区域中,眼珠区域与虹膜区域的边界点,记该像素点在中的序号为,即第i个方向上眼珠区域与虹膜区域的边界点为中的第个数据,故将该最大距离记为边界距离;当中的第t个像素点到眼部中心点的距离小于等于时,将该第t个像素点划分为第一数据类别,当大于时,将该第t个像素点划分为第二数据类别;由此对中的各个像素点进行数据类别的划分,得到该灰度变化序列的第一数据类别以及第二数据类别,这两种数据类别分别对应鱼眼中的眼珠区域和虹膜区域。
将该第i个方向所对应的灰度变化序列中所有第一数据类别的平均灰度值记为第一均值,所有第二数据类别的平均灰度值记为第二均值,第一数据类别与第二数据类别之间的整体灰度差异记为,同理,得到各个方向上的第一均值,第二均值以及整体灰度差异。根据各个方向上第一均值,第二均值以及第三均值之间的差异得到鱼眼浑浊度,则:
式中,表示灰度变化序列的个数,本发明中;表示眼部区域中第i个方向上的第j均值,j的取值为1,2,分别对应第一均值与第二均值;表示眼部区域中各个方向上所对应的第j均值的平均值,为以自然常数为底数的指数函数。
由于眼珠区域与虹膜区域本身就存在较大的灰度差异,因此需要对这两个区域分别进行处理,当两个区域内部灰度差异较大时,表示此时眼部区域内出现了浑浊,对应养殖鱼新鲜度等级为次新鲜,本发明使用眼珠区域与虹膜区域内部的灰度方差来表征两个区域的内部灰度差异,当两个区域内部方差越大,对应养殖鱼的新鲜度等级为次新鲜的概率越大,反之,则对应养殖鱼的新鲜度为其他等级;
表示对第i个方向上眼珠区域与虹膜区域内部灰度差异的参考权重,由于浑浊度不同,对应的次新鲜程度也存在差异,因此本发明根据各个方向上眼珠区域与虹膜区域之间的整体灰度差异,得到在进行鱼眼浑浊度计算时,对各个方向上的内部灰度差异的参考权重,当越小时,表示该方向上的眼珠区域与虹膜区域之间的差异越小,对应该方向上的浑浊度越高,此时对该方向的内部灰度差异的参考权重越大,当越大,对该方向的内部灰度差异的参考权重越小。
步骤S003:根据各个灰度变化序列的各个数据类别中各个像素点的灰度值以及各个像素点到眼部中心点之间的距离得到眼部区域的鱼眼饱满程度。
由于不新鲜的养殖鱼眼部干瘪,眼部区域内可能存在的淤血颜色变浅,反而使得不新鲜养殖鱼的不同区域内部灰度差异较小,不同区域之间的灰度差异较大,即不新鲜的养殖鱼产品的鱼眼浑浊度也较低,因此仅根据眼部区域的鱼眼浑浊度仍然无法确定养殖鱼产品具体的新鲜度,而新鲜的养殖鱼与不新鲜的养殖鱼最大区别在于晶状体的饱满程度,当晶状体越接近球形,即晶状体较为饱满时,会在晶状体的顶部形成亮点,当晶状体干瘪后,角膜起皱,皱起位置导致眼部区域亮度变化不均匀,为了避免眼珠区域与虹膜区域自身颜色的干扰,根据眼部不同区域中反光点的相对位置来表征鱼眼的饱满程度。
正常情况下,新鲜的养殖鱼产品的鱼眼出现反光的位置应该位于晶状体的顶部,即眼部区域的中心位置上,而其他区域上不会出现亮点,但是当养殖鱼不新鲜后,鱼眼的角膜起皱,使得皱起位置上的顶部反射进相机的光线增加,进而导致皱起位置上的亮度较高,也就是说,当越远离眼部中心位置上出现灰度值较高的像素点时,表示鱼眼中存在皱起的位置,对应养殖鱼产品的新鲜度越低,因此本发明首先计算第i个方向上,第t个像素点与该像素点所属数据类别的平均灰度值之间的灰度差异,然后根据各个像素点与眼部中心点之间的相对距离设置对应像素点的参考权重,从而计算各个区域的不饱满程度,此时当第t个像素点与眼部中心点之间的距离越大,对该像素点所对应的灰度差异的参考程度越大,此时灰度差异越大,表示鱼眼的角膜皱起的概率越高,对应鱼眼的饱满程度越小,根据各个方向上的鱼眼饱满程度得到整个眼部区域的鱼眼饱满程度可表示为:
式中,为根据各个灰度变化序列中的第一数据类别得到的第一不饱满程度,对应眼珠区域的不饱满程度;为根据各个灰度变化序列中的第二数据类别得到的第二不饱满程度,对应虹膜区域的不饱满程度;为第i个灰度变化序列中第t个像素点的灰度值,为第i个灰度变化序列中第t个像素点到眼部中心点之间的欧氏距离;为第i个灰度变化序列中,眼珠区域与虹膜区域的边界点的序号;为第i个灰度变化序列所包含像素点的总个数;为第i个灰度序列中所有像素点到眼部中心点距离的最大值。
当时,表示此时像素点处于眼珠区域内,该像素点所属的数据类别为第一数据类别,表示第i个方向上第t个像素点与第一均值之间的灰度差异,用以表示亮点的概率,灰度差异越大,表示该像素点的灰度值越高,对应该像素点为一个亮点的概率越大;由于在第i个方向上,眼珠区域内的像素点到眼部中心点距离最远的点即为眼珠区域与虹膜区域的边界点,而该边界点到眼部中心点的最远距离为,因此该区域内各个像素点到眼部中心点的距离变化范围为,则当越接近于1,表示该第t个像素点在眼珠区域内距离眼部中心点越远,对该像素点所对应的灰度差异的参考权重越大,此时灰度差异越大,得到的不饱满程度越高,反之亦然;由此得到眼珠区域的不饱满程度,即第一不饱满程度。
当时,表示此时像素点处于虹膜区域内,则此时该像素点所属的数据类别为第二数据类别,故在计算灰度差异时,需要将各个像素点的灰度值与该第i个方向上第二数据类别的平均灰度值,即第二均值进行计算,即计算第t个像素点与第二均值之间的灰度差异;而该方向上,虹膜区域内的像素点与眼部中心点之间的距离最小的像素点即为眼珠区域与虹膜区域的边界点,因此该区域内各个像素点到眼部中心点的距离变化范围为,此时当越接近于1,表示该第t个像素点在虹膜区域内,此时该像素点与眼部中心点之间的距离越大,对该像素点所对应的灰度差异的参考权重越大,此时灰度差异越大,得到的不饱满程度越高,反之亦然;由此得到虹膜区域的不饱满程度,即第二不饱满程度。
步骤S004:根据眼部区域的鱼眼浑浊度以及鱼眼饱满程度得到养殖鱼产品的新鲜度。
新鲜的养殖鱼的鱼眼浑浊度低,鱼眼饱满程度高;次新鲜的养殖鱼的鱼眼浑浊度升高,鱼眼饱满程度降低;不新鲜的养殖鱼的鱼眼浑浊度可能较低,鱼眼饱满程度低;由于新鲜的养殖鱼产品与不新鲜的养殖鱼产品的鱼眼浑浊度之间的差异可能较小,即直接根据鱼眼浑浊度无法对新鲜以及不新鲜的养殖鱼进行区分,但是二者的鱼眼饱满程度差异较大,故在判断养殖鱼产品的新鲜度时,可以先根据鱼眼的饱满程度进行初步判断,从而将新鲜和次新鲜的养殖鱼产品与不新鲜养殖鱼产品进行初步区分,然后再根据鱼眼的浑浊度对次新鲜与新鲜的养殖鱼产品进行区分,因此养殖鱼产品的新鲜度可以表示为:
至此,实现了对不同新鲜度等级的养殖鱼产品进行划分,且可以对同种新鲜度等级的养殖鱼产品的具体新鲜度进一步区分,从而得到更加准确的养殖鱼产品的新鲜度。
本发明首先对各个养殖鱼产品的鱼头区域图像进行采集,从而提取各个养殖鱼产品的眼部区域,然后获取眼部区域中各个方向上的灰度变化序列,根据各个灰度变化序列中各个像素点的灰度值进行数据类别的划分,从而得到眼珠区域与虹膜区域;根据这两个区域内部的灰度差异以及两个区域之间的整体灰度差异得到各个眼部区域的鱼眼浑浊度,用以区分次新鲜的养殖鱼产品与新鲜和不新鲜的养殖鱼产品;然后根据眼部各个区域中各个像素点与眼部中心点之间的距离,以及各个像素点的灰度值相对于该像素点所属数据类别的平均灰度值之间的差异得到眼部区域的鱼眼饱满程度,用以对新鲜的养殖鱼产品与不新鲜的养殖鱼产品进一步区分。利用不同新鲜度的养殖鱼产品表现的不同特征,对不同新鲜度等级的养殖鱼产品进行区分,并进一步同种新鲜度等级的养殖鱼产品的新鲜度进一步区分,以提高对养殖鱼产品新鲜度判别的准确性,简单快速。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于眼部图像识别的养殖鱼产品新鲜度判别方法,其特征在于,该方法包括以下步骤:
根据养殖鱼产品的鱼头区域,得到所述养殖鱼产品的眼部区域以及眼部中心点;
根据眼部区域各个方向上的各像素点坐标以及所述各像素点的灰度值得到所述眼部区域的各个灰度变化序列;根据各个灰度变化序列中各个像素点的灰度值得到所述各个灰度变化序列的第一数据类别以及第二数据类别,将所述第一数据类别中各个像素点的平均灰度值记为第一均值,所述第二数据类别中各个像素点的平均灰度值记为第二均值;将各个灰度变化序列的第二均值与第一均值之间的差值作为所述各个灰度变化序列的整体灰度差异;根据各个灰度变化序列的第一数据类别,第二数据类别以及整体灰度差异得到眼部区域的鱼眼浑浊度;
根据各个灰度变化序列的第一数据类别中各个像素点的灰度值与第一均值得到所述第一数据类别中各个像素点的灰度差异;根据所述第一数据类别中各个像素点到眼部中心点之间的距离以及所述各个像素点的灰度差异得到眼部区域的第一不饱满程度;根据各个灰度变化序列的第二数据类别得到眼部区域的第二不饱满程度;根据眼部区域的第一不饱满程度与第二不饱满程度得到所述眼部区域的鱼眼饱满程度;
根据眼部区域的鱼眼浑浊度以及鱼眼饱满程度得到养殖鱼产品的新鲜度。
2.根据权利要求1所述的基于眼部图像识别的养殖鱼产品新鲜度判别方法,其特征在于,所述各个灰度变化序列的第一数据类别以及第二数据类别的获取方法为:
获取各个灰度变化序列的分割阈值,将所述各个灰度变化序列中灰度值小于所述分割阈值的各个像素点到眼部中心点的最大距离记为边界距离,将所述各个灰度变化序列中,与眼部中心点之间的距离小于等于所述边界距离的像素点划分为第一数据类别,将与眼部中心点之间的距离大于所述边界距离的像素点划分为第二数据类别,依次处理所述各个灰度变化序列中的各个像素点,得到所述各个灰度变化序列的第一数据类别以及第二数据类别。
4.根据权利要求1所述的基于眼部图像识别的养殖鱼产品新鲜度判别方法,其特征在于,所述第一数据类别中各个像素点的灰度差异的获取方法为:
将各个灰度变化序列的第一数据类别中各个像素点的灰度值与所述各个灰度变化序列的第一均值之间差值的绝对值作为所述第一数据类别中各个像素点的灰度差异。
5.根据权利要求1所述的基于眼部图像识别的养殖鱼产品新鲜度判别方法,其特征在于,所述眼部区域的第一不饱满程度的获取方法为:
以各个灰度变化序列的第一数据类别中各个像素点到眼部中心点之间的距离与所述各个灰度变化序列的边界距离之间的比值为所述各个像素点的参考权重,对所述第一数据类别中各个像素点的灰度差异进行加权求和,所得结果作为所述各个灰度变化序列的第一不饱满程度;将眼部区域中各个灰度变化序列的第一不饱满程度的累加和作为所述眼部区域的第一不饱满程度。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211451493.1A CN115512429B (zh) | 2022-11-21 | 2022-11-21 | 基于眼部图像识别的养殖鱼产品新鲜度判别方法 |
US18/459,385 US11900584B1 (en) | 2022-11-21 | 2023-08-31 | Method for judging freshness of cultured fish product based on eye image recognition |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211451493.1A CN115512429B (zh) | 2022-11-21 | 2022-11-21 | 基于眼部图像识别的养殖鱼产品新鲜度判别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115512429A true CN115512429A (zh) | 2022-12-23 |
CN115512429B CN115512429B (zh) | 2023-03-10 |
Family
ID=84513733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211451493.1A Active CN115512429B (zh) | 2022-11-21 | 2022-11-21 | 基于眼部图像识别的养殖鱼产品新鲜度判别方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11900584B1 (zh) |
CN (1) | CN115512429B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2189789A1 (fr) * | 2008-11-20 | 2010-05-26 | Sedna | Procédé et dispositif de contrôle de la qualité de fraîcheur du poisson |
CN202133619U (zh) * | 2011-06-13 | 2012-02-01 | 浙江海洋学院 | 一种用于鱼新鲜度检测的鱼眼图像采集架 |
CN104880412A (zh) * | 2014-02-28 | 2015-09-02 | 松下电器产业株式会社 | 新鲜度信息输出方法和新鲜度信息输出装置 |
CN107392117A (zh) * | 2015-03-10 | 2017-11-24 | 合肥智慧龙图腾知识产权股份有限公司 | 鱼体新鲜程度识别系统 |
CN111768401A (zh) * | 2020-07-08 | 2020-10-13 | 中国农业大学 | 一种基于深度学习的冰鲜鲳鱼新鲜度快速分级方法 |
US20210140887A1 (en) * | 2019-11-12 | 2021-05-13 | Toshiba Tec Kabushiki Kaisha | Freshness label with aggregation-induced phosphor |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6418552B2 (ja) * | 2014-03-18 | 2018-11-07 | パナソニックIpマネジメント株式会社 | 保存環境情報出力方法、保存環境情報出力装置、及び、制御プログラム |
JP2015232543A (ja) * | 2014-05-15 | 2015-12-24 | パナソニック株式会社 | 魚の鮮度推定方法及び鮮度推定装置 |
-
2022
- 2022-11-21 CN CN202211451493.1A patent/CN115512429B/zh active Active
-
2023
- 2023-08-31 US US18/459,385 patent/US11900584B1/en active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2189789A1 (fr) * | 2008-11-20 | 2010-05-26 | Sedna | Procédé et dispositif de contrôle de la qualité de fraîcheur du poisson |
CN202133619U (zh) * | 2011-06-13 | 2012-02-01 | 浙江海洋学院 | 一种用于鱼新鲜度检测的鱼眼图像采集架 |
CN104880412A (zh) * | 2014-02-28 | 2015-09-02 | 松下电器产业株式会社 | 新鲜度信息输出方法和新鲜度信息输出装置 |
US20150247807A1 (en) * | 2014-02-28 | 2015-09-03 | Panasonic Corporation | Method for outputting freshness information, freshness information output apparatus, and non-transitory computer-readable recording medium |
CN107392117A (zh) * | 2015-03-10 | 2017-11-24 | 合肥智慧龙图腾知识产权股份有限公司 | 鱼体新鲜程度识别系统 |
US20210140887A1 (en) * | 2019-11-12 | 2021-05-13 | Toshiba Tec Kabushiki Kaisha | Freshness label with aggregation-induced phosphor |
CN112852406A (zh) * | 2019-11-12 | 2021-05-28 | 东芝泰格有限公司 | 新鲜度标签用结构体及新鲜度标签 |
CN111768401A (zh) * | 2020-07-08 | 2020-10-13 | 中国农业大学 | 一种基于深度学习的冰鲜鲳鱼新鲜度快速分级方法 |
Non-Patent Citations (5)
Title |
---|
周啸等: "基于区域灰度变化的虹膜识别", 《光电工程》 * |
赵立昌等: "基于灰度能量差异性的红外与可见光图像融合", 《红外技术》 * |
郑玉玺: "冷鲜海鱿鱼新鲜度指示标签的制备及应用", 《食品与机械》 * |
黄丽娟等: "生肉新鲜度评定方法研究进展", 《肉类研究》 * |
黄星奕: "计算机视觉技术在鱼新鲜度检测中的应用研究", 《计算机工程与设计》 * |
Also Published As
Publication number | Publication date |
---|---|
CN115512429B (zh) | 2023-03-10 |
US11900584B1 (en) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166095A (zh) | 一种基于生成对抗机制的眼底影像杯盘分割方法 | |
CN104794502A (zh) | 一种基于图像处理和模式识别技术的稻瘟病孢子显微图像识别方法 | |
CA3039116A1 (en) | Method and apparatus and computer program for establishing a representation of a spectacle lens edge | |
CN114913176B (zh) | 基于人工智能的柔性皮革材料疥癣缺陷检测方法及系统 | |
CN107563996B (zh) | 一种新型视神经盘分割方法及系统 | |
CN106651888A (zh) | 基于多特征融合的彩色眼底图像视杯分割方法 | |
CN111507932B (zh) | 高特异性的糖尿病性视网膜病变特征检测方法及存储设备 | |
CN106503644A (zh) | 基于边缘投影及颜色特征的眼镜属性检测方法 | |
CN112232180A (zh) | 一种夜晚水下鱼类目标检测方法 | |
CN115311316A (zh) | 基于深度学习的立体栽培模式下小型西瓜识别与定位方法 | |
CN108846827B (zh) | 一种基于多圆快速分割眼底视盘的方法 | |
CN111199245A (zh) | 油菜害虫识别方法 | |
Mayer et al. | Towards autonomous vision self-calibration for soccer robots | |
CN113947807A (zh) | 一种基于无监督的眼底影像异常识别方法及系统 | |
CN116228772A (zh) | 一种生鲜食品变质区域快速检测方法及系统 | |
CN115862004A (zh) | 一种玉米果穗表面缺陷检测方法及装置 | |
CN115082508A (zh) | 一种海洋浮标生产质量检测方法 | |
CN115512429B (zh) | 基于眼部图像识别的养殖鱼产品新鲜度判别方法 | |
Castelo-Quispe et al. | Optimization of brazil-nuts classification process through automation using colour spaces in computer vision | |
CN114550167B (zh) | 一种基于人工智能的梨的品质分类方法及装置 | |
Karmawat et al. | Glaucoma detection using fuzzy C-means optic cup segmentation and feature classification | |
CN115861276A (zh) | 石墨膜片表面划痕检测方法和装置 | |
CN114842469A (zh) | 成熟果实自适应识别方法及系统 | |
Ekojono et al. | Identification of Freshness of Marine Fish Based on Image of Hue Saturation Value and Morphology | |
Li et al. | Detection and identification of hemorrhages in fundus images of diabetic retinopathy |
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 |