CN115760853A - 一种食用菌图像识别方法 - Google Patents

Abstract

本发明涉及一种食用菌图像识别方法，属于图像数据处理技术领域，该方法步骤包括：采集待分级伞状食用菌仰视图像，获取食用菌图像的外轮廓边缘线，对食用菌图像进行边缘检测得到已检测到的卷边边缘线，当已检测到的卷边边缘线为完整封闭的边缘线时，将已检测到的卷边边缘线作为最终卷边边缘线；当已检测到的卷边边缘线为不完整封闭的边缘线时，在不完整区间拟合出卷边边缘线，将已检测到的不完整封闭的卷边边缘线与拟合出的卷边边缘线连接起来作为最终卷边边缘线；本发明根据得到的外轮廓边缘线和最终卷边边缘线后计算出食用菌卷边度，并根据食用菌卷边度对食用菌进行分级。

Description

一种食用菌图像识别方法

技术领域

本发明属于图像数据处理技术领域，具体涉及一种食用菌图像识别方法。

背景技术

食用菌的种类较多，常用的食用菌包括香菇、草菇、蘑菇、木耳、银耳、猴头、竹荪等，食用菌的形状各种各样，其中伞状食用菌子实体的各部分自上而下分别称为菌盖、菌褶、菌柄和菌环，菌盖是伞状食用菌最主要的可食部分，而菌盖卷边度反映了伞状食用菌的开伞程度和鲜嫩程度，菌盖卷边度即食用菌卷边度，因此食用菌卷边度是评价食用菌品质的最重要指标。

食用菌卷边度不同对应的食用菌分级也不相同，但是现有技术中并不能准确的快速计算出食用菌的卷边度，主要由于食用菌的内卷边边缘在未全开伞之前只能识别出部分的卷边边缘线，而不能识别出完整的卷边边缘线，而根据部分卷边边缘线不能准确的计算出食用菌的卷边度，因此就对食用菌的准确分级造成了困难，也就不能实现根据食用菌卷边度对食用菌进行准确分级。

发明内容

本发明提供一种食用菌图像识别方法，根据食用菌的外轮廓边缘线和最终卷边边缘线的半径，计算出食用菌卷边度，并根据食用菌卷边度对食用菌进行准确分级。

本发明的一种食用菌图像识别方法采用如下技术方案：

采集待分级伞状食用菌仰视图像，并记作食用菌图像；

对食用菌图像进行边缘检测得到外轮廓边缘线及：

当未检测到卷边边缘线时，判定待分级伞状食用菌为一级食用菌；

当已检测到的卷边边缘线为完整封闭的边缘线时，将已检测到的卷边边缘线作为最终卷边边缘线；

当已检测到的卷边边缘线为不完整封闭的边缘线时，获取已检测到的卷边边缘线上全部像素点与中心像素点之间的最大距离值和最小距离值，获取食用菌图像中与中心像素点之间的距离在最小距离值到最大距离值之间的像素点作为待选边缘点；

将卷边边缘线一端的像素点作为初始像素点开始第一次搜索，获取该初始像素点邻域内的所有待选边缘点，且该待选边缘像素点位于卷边边缘线的延伸方向，并利用领域内的所有待选边缘点到食用菌中心像素点之间的距离获取初始像素点的多个相邻像素点，并将该多个相邻像素点分别作为新初始像素点开始第二次搜索，利用获取初始像素点的相邻像素点的方法获取每个新初始像素点的多个相邻像素点，直到得到卷边边缘线另一端像素点的相邻像素点时停止搜索，从第一次搜索开始到停止搜索结束，从每次搜索后得到的相邻像素点中任意选择一个相邻像素点，并按搜索顺序依次连接得到一条折线，同理按一条折线的获取方法得到多条折线；

计算出每条折线的波动程度，选取波动程度最大折线作为拟合出的卷边边缘线，将已检测到的不完整封闭的卷边边缘线与拟合出的卷边边缘线连接起来作为最终卷边边缘线；

根据外轮廓边缘线上全部像素点与中心像素点之间的平均距离和最终卷边边缘线上全部像素点与中心像素点之间的平均距离，计算出食用菌卷边度；

根据食用菌卷边度对食用菌进行分级。

进一步地，所述并利用领域内的所有待选边缘点到中心像素点之间的距离获取初始像素点的多个相邻像素点的步骤包括：

计算初始像素点与中心像素点之间的标准距离，同时计算出每个待选边缘点到中心像素点之间的实时距离；

计算出每个待选边缘点到中心像素点之间的实时距离与标准距离的距离差值，选取出距离差值大于预设差值阈值的待选边缘点作为相邻像素点。

进一步地，所述每条折线的波动程度的计算公式为：

其中，

表示第i条折线的波动程度，j为第i条折线上第j个筛选后边缘点，n为第i 条折线上包含的筛选后边缘点数量，

为第j个筛选后边缘点对应的实时距离和标准距离 的差值，

为第i条折线上第一个筛选后边缘点对应的实时距离和标准距离的差值，

表示指数函数。

进一步地，所述食用菌卷边度的计算步骤包括：

将外轮廓边缘线上每个像素点与中心像素点之间的距离作为大虚拟半径；

将全部大虚拟半径的均值作为最终大虚拟半径；

将最终卷边边缘线上每个像素点与中心像素点之间的距离作为小虚拟半径；

将全部小虚拟半径的均值作为最终小虚拟半径；

利用最终大虚拟半径和最终小虚拟半径计算出食用菌卷边度。

进一步地，所述食用菌卷边度的计算公式为：

其中，

表示食用菌卷边度；

表示最终大虚拟半径；

表示最终小虚拟半径。

进一步地，所述获取食用菌中心像素点的步骤包括：

获取食用菌图像的外轮廓边缘线的最小外接矩形，将最小外接矩形的中心像素点作为食用菌中心像素点。

进一步地，所述获取食用菌图像中与中心像素点之间的距离在最小距离值到最大距离值之间的像素点作为待选边缘点的步骤包括：

将与中心像素点之间的距离位于距离最小值与距离最大值之间的区域作为第一同心圆区域；

将位于第一同心圆区域内且灰度值大于零的像素点筛选出作为待选边缘点。

进一步地，所述根据食用菌卷边度对食用菌进行分级的步骤包括：

当食用菌卷边度大于预设第二卷边度阈值小于等于预设第一卷边度阈值，判定待分级伞状食用菌为一级食用菌；

当食用菌卷边度大于预设第三卷边度阈值小于等于预设第二卷边度阈值，判定待分级伞状食用菌为二级食用菌；

当食用菌卷边度大于预设第四卷边度阈值小于等于预设第三卷边度阈值，判定待分级伞状食用菌为三级食用菌。

本发明的有益效果是：

本发明提供一种食用菌图像识别方法，需要获取外轮廓边缘线和卷边边缘线后计算出食用菌卷边度，并根据食用菌卷边度对食用菌进行准确分级；伞状食用菌的外轮廓边缘线能直接获得，但是对于半开伞的食用菌利用边缘检测并不能直接检测到完整封闭的内卷边边缘线，只能检测到不完整封闭的卷边边缘线，那么其余未检测到的卷边边缘线就需要拟合出来；为了拟合出卷边边缘线，先得到卷边边缘线的大致浮动区域，将位于浮动区域内的像素点筛选出作为待选边缘点，从已检测到的卷边边缘线一端开始向远离卷边边缘线的一侧穿过若干个待选边缘点，到已检测到的卷边边缘线另一端结束得到多条折线，选取波动程度最大折线作为拟合完成的卷边边缘线，本发明通过拟合得到卷边边缘线后对半开伞的食用菌中已检测到的不完整封闭的卷边边缘线补充完整，同时对于全开伞的食用菌已经能检测出完整封闭的卷边边缘线后就不需要再进行拟合，直接根据外轮廓边缘线和卷边边缘线的半径就能计算出食用菌卷边度，实现对食用菌的准确分级。

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为本发明的一种食用菌图像识别方法的实施例总体步骤的示意图；

图2为本发明中绘制的折线图示意图；

图3为本发明中一级食用菌的示意图；

图4为本发明中二级食用菌的示意图；

图5为本发明中三级食用菌的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的一种食用菌图像识别方法的实施例，如图1所示，该方法包括：

S1、采集待分级伞状食用菌仰视图像，并记作食用菌图像。

本发明中在采集食用菌图像时，将食用菌放置在传送带上运输时对传送带的运输速度以及食用菌的运输量进行控制，使得食用菌能够间隔较均匀且使食用菌菌柄朝上放置，在采集食用菌图像时，在传送带上方放置CCD相机，向下采集待分级伞状食用菌仰视图像，由于采集的待分级伞状食用菌仰视图像中包含食用菌以及传送带，故对采集到的待分级伞状食用菌仰视图像进行语义分割，将食用菌区域提取出来，将其余背景设置为黑色，其中，本发明中食用菌主要指香菇。

S2、对食用菌图像进行边缘检测得到外轮廓边缘线及当未检测到卷边边缘线时，判定待分级伞状食用菌为一级食用菌；

使用sobel算子对食用菌图像进行边缘检测，将食用菌图像中最外层的边缘点相连，得到食用菌的外轮廓边缘线，当食用菌向内卷边时，可以通过计算内部卷边边缘线与外轮廓边缘线之间的距离，计算出食用菌的卷边度，因此需要先获取食用菌伞盖的外轮廓边缘线。同时对食用菌图像进行边缘检测还会得到多条内轮廓边缘线，并从多条内轮廓边缘线中选取出已检测到的卷边边缘线。

从多条内轮廓边缘线中选取出已检测到的卷边边缘线的步骤包括：获取食用菌图像的外轮廓边缘线的最小外接矩形，将最小外接矩形的中心像素点作为食用菌中心像素点，以食用菌中心像素点为圆心，将外轮廓边缘线上每个像素点与中心像素点之间的距离作为大虚拟半径，将全部大虚拟半径的均值作为最终大虚拟半径；将最终卷边边缘线上每个像素点与中心像素点之间的距离作为小虚拟半径，将全部小虚拟半径的均值作为最终小虚拟半径；将与食用菌中心像素点之间的距离位于四分之一最终大虚拟半径到四分之三最终大虚拟半径之间的区域，作为待选取区域；将位于待选取区域内且长度最长的内轮廓边缘线中选取出作为已检测到的卷边边缘线。

对于未开伞食用菌来说并不能检测到卷边边缘线时，若对食用菌图像进行边缘检测时没有检测到卷边边缘线时，判定待分级伞状食用菌为一级食用菌。

S3、当已检测到的卷边边缘线为完整封闭的边缘线时，将已检测到的卷边边缘线作为最终卷边边缘线。

卷边边缘是指像锯齿一样且长度层次不齐的齿状白须边缘，一级食用菌即包括未开伞的食用菌故几乎不存在白须边缘的食用菌，同时一级食用菌还包括仅有一小段开伞的食用菌；二级食用菌是半开伞的食用菌，其卷边几乎全为白须；三级食用菌是全开伞的食用菌，其卷边是平滑且圆润的边缘。

使用sobel算子对食用菌进行边缘检测，由于一级食用菌几乎未开伞，故使用sobel算子无法检测到内部的卷边边缘线，或只检测到一小段的齿状白须边缘，若没有检测到卷边边缘线则直接判定待分级伞状食用菌为一级食用菌，若需要将卷边边缘线拟合完整；二级食用菌半开伞，故可以检测到内部一大段卷边边缘线，存在有些区间没有边缘，为了使得卷边边缘线完整，需要将未连续区间补充完整；三级食用菌全开伞，sobel算子能够检测出完整封闭的卷边边缘线，故不需要补充边缘，因此对于半开伞的食用菌需要拟合出完整的卷边边缘线，使卷边边缘线完整便于后续计算卷边度。

S4、当已检测到的卷边边缘线为不完整封闭的边缘线时，获取已检测到的卷边边缘线上全部像素点与中心像素点之间的最大距离值和最小距离值，获取食用菌图像中与中心像素点之间的距离在最小距离值到最大距离值之间的像素点作为待选边缘点。

对于半开伞的食用菌来说卷边边缘线不好检测，因为菌褶是白色、菌伞边缘也有一些白须，白须层次不齐使得我们无法获得一个平滑圆润的卷边边缘，从而也就不能准确的计算出食用菌卷边度，故需要克服的技术问题为检测出白须边缘，即当检测出卷边边缘线后必须根据已检测到的卷边边缘线最终确定一个平滑而圆润的卷边边缘。

获取食用菌图像中与中心像素点之间的距离在最小距离值到最大距离值之间的像素点作为待选边缘点的步骤包括：将与中心像素点之间的距离位于距离最小值与距离最大值之间的区域作为第一同心圆区域；将位于第一同心圆区域内且灰度值大于零的像素点筛选出作为待选边缘点。

在边缘检测结果中将食用菌看作近似圆，根据外轮廓边缘的最小外接矩形拟合圆 心，则外轮廓与卷边属于同心圆，获取检测出来的卷边边缘上上各点的坐标值

，计算 卷边边缘线上各点到圆心的欧式距离

，选择

作为最大距离值

，选择

作为最小 距离值

。

因为半开伞的食用菌如果存在卷边边缘线，则卷边边缘线为齿状的边缘，故根据卷边边缘与中心像素点之间的距离最大值和距离最小值绘制第一同心圆区域，所有的卷边边缘点一定在第一同心圆区域之间，在第一同心圆区域之间寻找可能卷边边缘点，将位于第一同心圆区域内且灰度值大于零的像素点筛选出作为待选边缘点。

S5、将卷边边缘线一端的像素点作为初始像素点开始第一次搜索，获取该初始像素点邻域内的所有待选边缘点，且该待选边缘像素点位于卷边边缘线的延伸方向，并利用领域内的所有待选边缘点到食用菌中心像素点之间的距离获取初始像素点的多个相邻像素点，并将该多个相邻像素点分别作为新初始像素点开始第二次搜索，利用获取初始像素点的相邻像素点的方法获取每个新初始像素点的多个相邻像素点，直到得到卷边边缘线另一端像素点的相邻像素点时停止搜索，从第一次搜索开始到停止搜索结束，从每次搜索后得到的相邻像素点中任意选择一个相邻像素点，并按搜索顺序依次连接得到一条折线，同理按一条折线的获取方法得到多条折线。

并利用领域内的所有待选边缘点到中心像素点之间的距离获取初始像素点的多个相邻像素点的步骤包括：计算初始像素点与中心像素点之间的标准距离，同时计算出每个待选边缘点到中心像素点之间的实时距离；计算出每个待选边缘点到中心像素点之间的实时距离与标准距离的距离差值，选取出距离差值大于预设差值阈值的待选边缘点作为相邻像素点。

由于半开伞食用菌的卷边边缘线为齿状卷边边缘线，故对于获取到的待选边缘点，判断其是否能与其他待选边缘点构成齿状卷边边缘线，从而确定最终卷边边缘点。

获取食用菌中心像素点的步骤包括：获取食用菌图像的外轮廓边缘线的最小外接矩形，将最小外接矩形的中心像素点作为食用菌中心像素点。

从已经检测出的卷边边缘线上一端的像素点开始，获取该初始像素点邻域内的所有待选边缘点，且该待选边缘像素点位于卷边边缘线的延伸方向（卷边边缘线的延伸方向为从卷边边缘线一端开始画圆与另一端连接成封闭曲线的纺线），从初始像素点开始第一次搜索，可能存在多个待选边缘点，则每一个待选边缘点都与初始像素点构成可能边缘线，设定标准距离为初始像素点到食用菌中心像素点之间的距离，实时距离为每个待选边缘点到食用菌中心像素点之间的距离，故计算标准距离与实时距离之间的距离差：

其中，

为初始像素点邻域内第

个待选边缘点的实时距离，

为初始像素点的标 准距离，i表示第i个被选中的待选边缘点。

如果第

个待选边缘点的实时距离与标准距离相同说明第

个待选边缘点与初始像 素点在同一个圆弧线上，反之如果第

个待选边缘点与初始像素点的距离不同说明不在同 一个圆弧线上，故计算实时距离和标准距离的差值，选取出距离差值大于预设差值阈值的 待选边缘点作为相邻像素点，其中，预设差值阈值为0。

选取出相邻像素点后，以每个相邻像素点分别作为新初始像素点开始第二次搜索，利用获取初始像素点的相邻像素点的方法获取每个新初始像素点的多个相邻像素点，直到得到卷边边缘线另一端像素点的相邻像素点时停止搜索；

绘制实时距离和标准距离差值的折线图，如图2所示，为本发明中绘制的折线图示意图，横轴为每次搜索被选中的待选边缘点，纵轴为被选中的待选边缘点的实时距离与标准距离的差值，绘制完折线图后，从第一次搜索开始到停止搜索结束，从每次搜索后得到的相邻像素点中任意选择一个相邻像素点，并按搜索顺序依次连接得到一条折线，同理按一条折线的获取方法得到多条折线。

S6、计算出每条折线的波动程度，选取波动程度最大折线作为拟合出的卷边边缘线，将已检测到的不完整封闭的卷边边缘线与拟合出的卷边边缘线连接起来作为最终卷边边缘线。

每条折线的波动程度的计算公式为：

其中，

表示第i条折线的波动程度，j为第i条折线上第j个筛选后边缘点，n为第i 条折线上包含的筛选后边缘点数量，

为第j个筛选后边缘点对应的实时距离和标准距离 的差值，

为第i条折线上第一个筛选后边缘点对应的实时距离和标准距离的差值，

表示指数函数。在每条折线的波动程度的计算公式中，通过计算每条折线上各个相邻像素 点与初始像素点之间的偏离程度来反映每条褶线的波动的规律性，如果折线波动较厉害， 那么这条折线的

较大。选取

最大的一条折线，以及这条折线上的相邻像素点作为卷边 边缘点，选取波动程度最大折线作为拟合出的卷边边缘线，将已检测到的不完整封闭的卷 边边缘线与拟合出的卷边边缘线连接起来作为最终卷边边缘线。

S7、根据外轮廓边缘线上全部像素点与中心像素点之间的平均距离和最终卷边边缘线上全部像素点与中心像素点之间的平均距离，计算出食用菌卷边度。

食用菌卷边度的计算步骤包括：将外轮廓边缘线上每个像素点与中心像素点之间的距离作为大虚拟半径；将全部大虚拟半径的均值作为最终大虚拟半径；将最终卷边边缘线上每个像素点与中心像素点之间的距离作为小虚拟半径；将全部小虚拟半径的均值作为最终小虚拟半径；利用最终大虚拟半径和最终小虚拟半径计算出食用菌卷边度。

食用菌卷边度的计算公式为：

其中，

表示食用菌卷边度；

表示最终大虚拟半径；

表示最终小虚拟半径；

表示外轮廓边缘线的直径加外轮廓边缘线与卷边边缘线之间的距离。该值代表食用菌完全 展开，没有任何内卷的情况下的直径；

表示外轮廓边缘线与卷边边缘线之间的距离，该 值表示食用菌内卷的情况下，边缘向内卷了多大距离；

表示卷边边缘线内卷的距离和 不卷边情况下的最大直径之间的比值，反映了食用菌内卷的程度，即卷边度。卷边度越大说 明开伞程度越小，食用菌品质越好；反之卷边度越小说明开伞程度越大，食用菌品质越差。

S8、根据食用菌卷边度对食用菌进行分级。

根据食用菌卷边度对食用菌进行分级的步骤包括：当食用菌卷边度大于预设第二卷边度阈值小于等于预设第一卷边度阈值，判定待分级伞状食用菌为一级食用菌，如图3所示，为本发明中一级食用菌的示意图；当食用菌卷边度大于预设第三卷边度阈值小于等于预设第二卷边度阈值，判定待分级伞状食用菌为二级食用菌，如图4所示，为本发明中二级食用菌的示意图；当食用菌卷边度大于预设第四卷边度阈值小于等于预设第三卷边度阈值，判定待分级伞状食用菌为三级食用菌，如图5所示，为本发明中三级食用菌的示意图；

根据卷边度对食用菌进行品质分级，最理想的情况下食用菌的卷边度为1，即食用菌未开伞；其次较好的情况是食用菌半开伞，此时卷边度居于0.5左右；最差的情况下是食用菌全开伞，此时卷边度接近于0。

故根据卷边度对食用菌进行品质分级，设置预设第一卷边度阈值为1、预设第二卷边度阈值为0.7、预设第三卷边度阈值为0.3、预设第四卷边度阈值为0，当食用菌卷边度在（0.7，1]之间时将食用菌等级评定为一级食用菌，当卷边度在（0.3，0.7]之间时将食用菌评定为二级食用菌，当卷边度在（0，0.3]之间时评定为三级食用菌。

本发明提供一种食用菌图像识别方法，根据食用菌的外轮廓边缘线和最终卷边边缘线的半径，计算出食用菌卷边度，并根据食用菌卷边度对食用菌进行准确分级。

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 (8)

1.一种食用菌图像识别方法，其特征在于，该方法包括：

采集待分级伞状食用菌仰视图像，并记作食用菌图像；

对食用菌图像进行边缘检测得到外轮廓边缘线及：

当未检测到卷边边缘线时，判定待分级伞状食用菌为一级食用菌；

当已检测到的卷边边缘线为完整封闭的边缘线时，将已检测到的卷边边缘线作为最终卷边边缘线；

当已检测到的卷边边缘线为不完整封闭的边缘线时，获取已检测到的卷边边缘线上全部像素点与中心像素点之间的最大距离值和最小距离值，获取食用菌图像中与中心像素点之间的距离在最小距离值到最大距离值之间的像素点作为待选边缘点；

将卷边边缘线一端的像素点作为初始像素点开始第一次搜索，获取初始像素点邻域内的所有待选边缘点，且待选边缘像素点位于卷边边缘线的延伸方向，并利用领域内的所有待选边缘点到食用菌中心像素点之间的距离获取初始像素点的多个相邻像素点，并将多个相邻像素点分别作为新初始像素点开始第二次搜索，利用获取初始像素点的相邻像素点的方法获取每个新初始像素点的多个相邻像素点，直到得到卷边边缘线另一端像素点的相邻像素点时停止搜索，从第一次搜索开始到停止搜索结束，从每次搜索后得到的相邻像素点中任意选择一个相邻像素点，并按搜索顺序依次连接得到一条折线，同理按一条折线的获取方法得到多条折线；

计算出每条折线的波动程度，选取波动程度最大折线作为拟合出的卷边边缘线，将已检测到的不完整封闭的卷边边缘线与拟合出的卷边边缘线连接起来作为最终卷边边缘线；

根据外轮廓边缘线上全部像素点与中心像素点之间的平均距离和最终卷边边缘线上全部像素点与中心像素点之间的平均距离，计算出食用菌卷边度；

根据食用菌卷边度对食用菌进行分级。

2.根据权利要求1所述的一种食用菌图像识别方法，其特征在于，所述并利用领域内的所有待选边缘点到中心像素点之间的距离获取初始像素点的多个相邻像素点的步骤包括：

计算初始像素点与中心像素点之间的标准距离，同时计算出每个待选边缘点到中心像素点之间的实时距离；

计算出每个待选边缘点到中心像素点之间的实时距离与标准距离的距离差值，选取出距离差值大于预设差值阈值的待选边缘点作为相邻像素点。

3.根据权利要求1所述的一种食用菌图像识别方法，其特征在于，所述每条折线的波动程度的计算公式为：

其中，

表示第i条折线的波动程度，j为第i条折线上第j个筛选后边缘点，n为第i条折 线上包含的筛选后边缘点数量，

为第j个筛选后边缘点对应的实时距离和标准距离的差 值，

为第i条折线上第一个筛选后边缘点对应的实时距离和标准距离的差值，

表示 指数函数。

4.根据权利要求1所述的一种食用菌图像识别方法，其特征在于，所述食用菌卷边度的计算步骤包括：

将外轮廓边缘线上每个像素点与中心像素点之间的距离作为大虚拟半径；

将全部大虚拟半径的均值作为最终大虚拟半径；

将最终卷边边缘线上每个像素点与中心像素点之间的距离作为小虚拟半径；

将全部小虚拟半径的均值作为最终小虚拟半径；

利用最终大虚拟半径和最终小虚拟半径计算出食用菌卷边度。

5.根据权利要求4所述的一种食用菌图像识别方法，其特征在于，所述食用菌卷边度的计算公式为：

其中，

表示食用菌卷边度；

表示最终大虚拟半径；

表示最终小虚拟半径。

6.根据权利要求1所述的一种食用菌图像识别方法，其特征在于，获取食用菌中心像素点的步骤包括：

获取食用菌图像的外轮廓边缘线的最小外接矩形，将最小外接矩形的中心像素点作为食用菌中心像素点。

7.根据权利要求1所述的一种食用菌图像识别方法，其特征在于，所述获取食用菌图像中与中心像素点之间的距离在最小距离值到最大距离值之间的像素点作为待选边缘点的步骤包括：

将与中心像素点之间的距离位于距离最小值与距离最大值之间的区域作为第一同心圆区域；

将位于第一同心圆区域内且灰度值大于零的像素点筛选出作为待选边缘点。

8.根据权利要求1所述的一种食用菌图像识别方法，其特征在于，所述根据食用菌卷边度对食用菌进行分级的步骤包括：

当食用菌卷边度大于预设第二卷边度阈值小于等于预设第一卷边度阈值，判定待分级伞状食用菌为一级食用菌；

当食用菌卷边度大于预设第三卷边度阈值小于等于预设第二卷边度阈值，判定待分级伞状食用菌为二级食用菌；

当食用菌卷边度大于预设第四卷边度阈值小于等于预设第三卷边度阈值，判定待分级伞状食用菌为三级食用菌。

Images