CN116883993B - 基于视觉的玫瑰花茶干花分选方法 - Google Patents
基于视觉的玫瑰花茶干花分选方法 Download PDFInfo
- Publication number
- CN116883993B CN116883993B CN202311140506.8A CN202311140506A CN116883993B CN 116883993 B CN116883993 B CN 116883993B CN 202311140506 A CN202311140506 A CN 202311140506A CN 116883993 B CN116883993 B CN 116883993B
- Authority
- CN
- China
- Prior art keywords
- flower
- dried
- image
- bud
- rose
- 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
- 241000220317 Rosa Species 0.000 title claims abstract description 243
- 238000000034 method Methods 0.000 title claims abstract description 49
- 241001164374 Calyx Species 0.000 claims abstract description 102
- 241001122767 Theaceae Species 0.000 claims abstract description 87
- 230000008569 process Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting 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
- G06V20/60—Type of objects
- G06V20/68—Food, e.g. fruit or vegetables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/54—Extraction of image or video features relating to texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及图像处理技术领域,具体涉及基于视觉的玫瑰花茶干花分选方法,包括:根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像;分析干花花萼图像得到玫瑰花茶干花的朝向,将干花花萼图像和干花花萼图像合并得到干花图像;根据干花的纹理特征得到玫瑰花茶干花的开放程度;根据干花的开放程度得到玫瑰花茶干花的优质程度,根据玫瑰花茶干花的优质程度对每个玫瑰花茶干花进行评价分选。本发明可以实现对大批量花茶的自动分选,提高了分选的速度和产能。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及基于视觉的玫瑰花茶干花分选方法。
背景技术
玫瑰花茶具有行气疏肝、缓解疲劳的作用,深受人们的喜爱。在玫瑰花茶干花的生产过程中,往往会出现个别低品质的玫瑰花茶干花,这些干花会影响整个产品的整体品质,所以在生产时,需要对玫瑰花茶干花进行分选操作,将低品质的干花剔除,保留较高品质的干花,以保证干花产品的整体品质。
在干花分选的过程中,因为需要对不合格的单个干花进行剔除操作,所以需要对单个干花进行分割。干花散乱随机分布,干花品质的判断特征主要集中在花蕾尖部位置,所以需要对干花的朝向做出判断,利用干花的品质特征结合干花的朝向,对干花的品质进行分类。
发明内容
本发明提供基于视觉的玫瑰花茶干花分选方法,以解决现有的问题。
本发明的基于视觉的玫瑰花茶干花分选方法采用如下技术方案:
本发明一个实施例提供了基于视觉的玫瑰花茶干花分选方法,该方法包括以下步骤:
获取玫瑰花茶干花图像;根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像;
根据干花花萼图像得到玫瑰花茶干花的朝向;根据玫瑰花茶干花的朝向和干花花蕾图像得到属于同一个干花的概率;根据属于同一个干花的概率得到干花图像;
根据干花图像得到干花图像的花蕾区域的花蕾边缘线条的混乱程度;获取干花图像的花蕾区域的花蕾边缘线条连通域的距离权值;根据干花图像的花蕾区域的花蕾边缘线条的混乱程度和干花图像的花蕾区域的花蕾边缘线条连通域的距离权值得到干花图像中玫瑰花茶干花的开放程度;
根据玫瑰花茶干花的朝向得到玫瑰花茶干花角度权值;根据玫瑰花茶干花角度权值和干花图像中玫瑰花茶干花的开放程度得到干花图像中玫瑰花茶干花的优质程度;根据玫瑰花茶干花的优质程度完成玫瑰花茶干花的分选。
优选的,所述根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像,包括的具体步骤如下:
对玫瑰花茶干花图像的H通道进行聚类,获得3个类簇;获取聚类后每个类簇中所有像素点的像素值的平均值,将平均值相差最大的两个类簇合并为一个类簇记为花蕾类簇,将剩余的一个类簇记为花萼类簇;将玫瑰花茶干花图像的H通道中除花蕾类簇以外的其他像素点的像素值设置为0,获得干花花蕾图像,将玫瑰花茶干花图像的H通道中除花萼类簇以外的其他像素点的像素值设置为0,获得干花花萼图像。
优选的,所述根据干花花萼图像得到玫瑰花茶干花的朝向,包括的具体步骤如下:
对干花花萼图像进行边缘检测,得到所有花萼边缘线条,计算得到花萼边缘线条上每个像素点的曲率的变化率;将干花花萼图像中像素值为1的像素点组成的区域记为花萼区域;获取花萼区域的质心,将所有花萼边缘线条上曲率变化率最大像素点与花萼区域的质心的欧式距离,记为第一距离;对第一距离进行聚类,得到两个类簇,将所有第一距离均值最大的类簇中所有第一距离值对应的像素点组成的区域记为最远区域,将花萼区域的质心到最远区域的每个像素点向量进行叠加后,得到叠加向量;将叠加向量的方向作为玫瑰花茶干花的朝向,并将玫瑰花茶干花的朝向与干花花萼图像水平方向夹角记为。
优选的,所述根据玫瑰花茶干花的朝向和干花花蕾图像得到属于同一个干花的概率,包括的具体步骤如下:
分别将获得的干花花萼图像和干花花蕾图像中H分量值大于0的像素点的像素值置为1,其余H分量值为0的像素点保持0不变,从而得到花蕾二值图像和花萼二值图像;对花蕾二值图像中像素值为1的像素点进行连通域分析,得到若干个连通域,记为花蕾区域,对所有花蕾区域做最小外接矩形,最小外接矩形中最长的边与花蕾二值图像水平方向的夹角定义为花蕾的朝向;获取花蕾二值图像中每个花蕾连通域的质心以及花萼二值图像中花萼的质心,根据质心坐标可以得到每个花蕾与每个花萼的质心之间的距离;利用cos/>作为权值与每个花蕾与每个花萼的质心之间的距离相乘,得到花蕾与质心属于同一个玫瑰花茶干花的概率。
优选的,所述根据干花图像得到干花图像的花蕾区域的花蕾边缘线条的混乱程度,包括的具体步骤如下:
将花蕾二值图像中花蕾区域对应在干花图像的区域记为干花图像的花蕾区域,对干花图像的花蕾区域进行边缘检测后,得到若干个花蕾边缘线条连通域,对于任意一个花蕾边缘线条连通域,在花蕾边缘线条连通域的外边缘上随机选取任意一个像素点作为开始点,按顺时针方向用相应的8链码指向符表示花蕾边缘线条连通域的边缘,得到花蕾边缘线条的链码序列;计算链码序列的方差,记为干花图像的花蕾区域的花蕾边缘线条的混乱程度。
优选的,所述获取干花图像的花蕾区域的花蕾边缘线条连通域的距离权值,包括的具体步骤如下:
对于干花图像中第个玫瑰花茶干花,获取第/>个玫瑰花茶干花的花蕾区域的质心,获取第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的质心;获取第/>个玫瑰花茶干花的花蕾区域的质心与第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的质心之间的距离/>、获取第/>个玫瑰花茶干花的花蕾区域的质心与第/>个玫瑰花茶干花的花蕾区域的所有花蕾边缘线条连通域的质心之间的距离均值/>以及距离方差/>;通过高斯加权得到第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的距离权值为/>。
优选的,所述根据干花图像的花蕾区域的花蕾边缘线条的混乱程度和干花图像的花蕾区域的花蕾边缘线条连通域的距离权值得到干花图像中玫瑰花茶干花的开放程度,包括的具体步骤如下:
对于干花图像中第个玫瑰花茶干花的开放程度;其计算表示式为:
式中,表示干花图像中第/>个玫瑰花茶干花的开放程度;/>表示干花图像中第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条的混乱程度;/>表示以自然常数为底数的指数函数。
优选的,所述根据玫瑰花茶干花的朝向得到玫瑰花茶干花角度权值,包括的具体步骤如下:
对于第帧干花图像,获取第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角/>,将第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角/>的余弦值作为第/>帧干花图像中第/>个玫瑰花茶干花角度权值。
优选的,所述根据玫瑰花茶干花角度权值和干花图像中玫瑰花茶干花的开放程度得到干花图像中玫瑰花茶干花的优质程度,包括的具体步骤如下:
对于第帧干花图像,则第/>个玫瑰花茶干花的优质程度计算表达式为:
式中,表示干花图像中第/>个玫瑰花茶干花的优质程度;/>表示第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角;/>表示第/>帧干花图像中第/>个玫瑰花茶干花的开放程度;/>表示包含第/>个玫瑰花茶干花的干花图像帧的个数;/>表示以自然常数为底数的指数函数。
优选的,所述根据玫瑰花茶干花的优质程度完成玫瑰花茶干花的分选,包括的具体步骤如下:
预设一个阈值,对于干花图像中每个玫瑰花茶干花,获取每个玫瑰花茶干花的优质程度,将优质程度小于阈值/>的玫瑰花茶干花记为质量不合格,对质量不合格的玫瑰花茶干花进行剔除处理;将优质程度大于等于阈值/>的玫瑰花茶干花记为质量合格,对质量合格的玫瑰花茶干花进行保留处理。
本发明的技术方案的有益效果是:针对在干花分选的过程中,对单个干花的品质无法准确判断的问题,本发明通过根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像;分析干花花萼图像得到玫瑰花茶干花的朝向,将干花花萼图像和干花花萼图像合并得到干花图像;根据干花的纹理特征得到玫瑰花茶干花的开放程度;根据干花的开放程度得到玫瑰花茶干花的优质程度,根据玫瑰花茶干花的优质程度对每个玫瑰花茶干花进行评价分选;因此避免了因干花朝向的随机性而导致的干花品质判断的误差。
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为本发明基于视觉的玫瑰花茶干花分选方法的步骤流程图。
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视觉的玫瑰花茶干花分选方法,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视觉的玫瑰花茶干花分选方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于视觉的玫瑰花茶干花分选方法的步骤流程图,该方法包括以下步骤:
步骤S001:根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像。
需要说明的是,为了避免玫瑰花茶干花因垒叠和光照不均匀而产生的阴影对干花检测产生影响的问题,因此本实施例采用多角度检测玫瑰花茶干花从而判断玫瑰花茶干花的品质。
具体的,将玫瑰花茶干花尽量平铺于传送带上,在垂直于传送带上的一条直线上布置两个固定相机,采集得到若干帧玫瑰花茶干花RGB图像。
进一步需要说明的是,采集得到玫瑰花茶干花RGB图像中,主要包括花蕾与花萼,花萼呈绿色,花蕾呈紫色和白色,因此根据颜色特征对玫瑰花茶干花的花蕾与花萼进行分割,得到干花花萼图像和干花花萼图像;玫瑰花茶干花RGB图像在H通道中,花萼的绿色、花蕾的紫色和白色在图像中区分明显,且各自呈集中分布;在H通道中,绿色花萼、花蕾紫色部分、花蕾白色部分所对应的数值大小而言:花蕾紫色部分>绿色花萼>花蕾白色部分。
具体的,将玫瑰花茶干花RGB图像转化为玫瑰花茶干花HSV图像,采用k-means方法对玫瑰花茶干花HSV图像的H通道进行聚类,其中k=3(因玫瑰花茶干花HSV图像存在3个部分,分别为绿色花萼部分、花蕾紫色部分、花蕾白色部分),共获得3个类簇;获取聚类后每个类簇中所有像素点的像素值的平均值,平均值相差最大的两个类簇即为花蕾紫色部分和花蕾白色部分,将两个类簇合并为一个类簇即可得到完整的花蕾部分,记为花蕾类簇,将剩余的一个类簇记为花萼类簇;将玫瑰花茶干花HSV图像的H通道中除花蕾类簇以外的其他像素点的像素值设置为0,获得干花花蕾图像,将玫瑰花茶干花HSV图像的H通道中除花萼类簇以外的其他像素点的像素值设置为0,获得干花花萼图像。
至此,获得干花花萼图像和干花花蕾图像。
步骤S002:分析干花花萼图像得到玫瑰花茶干花的朝向,将干花花萼图像和干花花萼图像合并得到干花图像。
1.获取玫瑰花茶干花的朝向。
需要说明的是,在得到的干花花萼图像中,绿色花萼叶片尖部的延伸方向总是朝着玫瑰花茶干花的方向,故在图像处理时,依据绿色花萼叶片的尖部延伸方向判断玫瑰花茶干花的朝向。且在花萼叶片的尖部,叶片边缘的角度值变化较大。
具体的,对干花花萼图像进行边缘检测,得到所有花萼边缘线条,根据边缘线条上像素点及其周围像素点的位置关系计算得到花萼边缘线条上每个像素点的曲率的变化率,其中将曲率变化率较大的区域判断为花萼叶片的尖部或叶片根部;将干花花萼图像中像素值为1的像素点组成的区域记为花萼区域;获取花萼区域的质心,将所有花萼边缘线条上曲率变化率最大像素点与花萼区域的质心的欧式距离,记为第一距离;对第一距离进行k=2的k-means聚类,得到两个类簇,将所有第一距离均值最大的类簇中所有第一距离值对应的像素点组成的区域记为最远区域,则最远区域为花萼叶片的尖部区域。将花萼区域的质心到最远区域的每个像素点向量进行叠加后,得到叠加向量;将叠加向量的方向作为玫瑰花茶干花的朝向,并将玫瑰花茶干花的朝向与干花花萼图像水平方向夹角记为。
至此,获得玫瑰花茶干花的朝向。
2.获取干花图像。
需要说明的是,干花花萼图像和干花花萼图像合并过程中,若存在干花花萼图像中花蕾区域的质心和干花花萼图像中花萼区域的质心之间距离越近,并且花蕾区域和花萼区域距离最近且朝向近似一致的即为同一干花,进而可以将其合并,得到整个玫瑰花茶干花,同理得到每个玫瑰花茶干花。
具体的,分别将获得的干花花萼图像和干花花蕾图像中H分量值大于0的像素点的像素值置为1,其余H分量值为0的像素点保持0不变,从而得到花蕾二值图像和花萼二值图像;对花蕾二值图像中像素值为1的像素点进行连通域分析,得到若干个连通域,记为花蕾区域,对所有花蕾区域做最小外接矩形,最小外接矩形中最长的边与花蕾二值图像水平方向的夹角定义为花蕾的朝向;获取花蕾二值图像中每个花蕾连通域的质心以及花萼二值图像中花萼的质心,根据质心坐标可以得到每个花蕾与每个花萼的质心之间的距离;利用cos/>作为权值与每个花蕾与每个花萼的质心之间的距离相乘,得到花蕾与质心属于同一个玫瑰花茶干花的概率,将属于同一个玫瑰花茶干花的概率最大的一组花蕾连通域和花萼连通域合并得到整个玫瑰花茶干花。
同理,获得每个整个玫瑰花茶干花;进而得到合并后的玫瑰花茶干花图像,记为干花图像。
至此,获得干花图像。
步骤S003:根据干花的纹理特征得到玫瑰花茶干花的开放程度。
需要说明的是,品质较差的玫瑰花茶干花的花蕾是开放或微张的,其特征主要表现在玫瑰花茶干花的花蕾尖部及附近区域。当玫瑰花茶干花的花蕾开放时,花瓣的张开导致花蕾尖部及附近区域的纹理边缘变多,故计算此区域的纹理边缘干花花蕾尖部区域的混乱程度。
具体的,将花蕾二值图像中花蕾区域对应在干花图像的区域记为干花图像的花蕾区域,对干花图像的花蕾区域进行边缘检测后,得到若干个花蕾边缘线条连通域,对于任意一个花蕾边缘线条连通域,在花蕾边缘线条连通域的外边缘上随机选取任意一个像素点作为开始点,按顺时针方向用相应的8链码指向符表示花蕾边缘线条连通域的边缘,得到花蕾边缘线条的链码序列;计算链码序列的方差,记为干花图像的花蕾区域的花蕾边缘线条的混乱程度。
链码方差的值越大,表示此处花蕾边缘线条的纹理线条的变化越剧烈,线条形状的复杂性也更高,玫瑰花茶干花的开放程度也更高。
同理,得到干花图像的花蕾区域的每个花蕾边缘线条的混乱程度。
需要说明的是,在干花图像的花蕾区域,主要根据花蕾区域尖部的花蕾边缘线条的混乱程度判断玫瑰花茶干花开放的程度,距离花尖越近,在计算整个玫瑰花茶干花开放程度时所占的权重越大。在靠近花蕾白色区域时,此区域的花蕾边缘线条不具备判断玫瑰花茶干花开放的特征,所以要给到此区域的花蕾边缘线条低权值。
具体的,对于干花图像中第个玫瑰花茶干花,获取第/>个玫瑰花茶干花的花蕾区域的质心,再获取第/>个玫瑰花茶干花的花蕾区域的每个花蕾边缘线条连通域的质心;获取第/>个玫瑰花茶干花的花蕾区域的质心与第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的质心之间的距离/>、获取第/>个玫瑰花茶干花的花蕾区域的质心与第/>个玫瑰花茶干花的花蕾区域的所有花蕾边缘线条连通域的质心之间的距离均值/>以及距离方差/>;通过高斯加权得到第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的距离权值为/>;
根据第个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的距离权值和第/>个玫瑰花茶干花的花蕾区域的每个花蕾边缘线条的混乱程度得到第/>个玫瑰花茶干花的开放程度;其计算表示式为:
式中,表示干花图像中第/>个玫瑰花茶干花的开放程度;/>表示干花图像中第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条的混乱程度;/>表示干花图像中第个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域质心与干花图像中第/>个玫瑰花茶干花的花蕾区域的质心之间的距离;/>表示干花图像中第/>个玫瑰花茶干花的花蕾区域的所有花蕾边缘线条连通域质心与干花图像中第/>个玫瑰花茶干花的花蕾区域的质心之间的距离均值;/>表示干花图像中第/>个玫瑰花茶干花的花蕾区域的所有花蕾边缘线条连通域质心与干花图像中第/>个玫瑰花茶干花的花蕾区域的质心之间的距离方差;/>表示以自然常数为底数的指数函数。/>表示第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的距离权值。
至此,获得干花图像中每个玫瑰花茶干花的开放程度。
步骤S004:根据干花的开放程度得到玫瑰花茶干花的优质程度,根据玫瑰花茶干花的优质程度对每个玫瑰花茶干花进行评价分选。
需要说明的是,根据上述步骤获取传送带在传送过程中的多帧干花图像,根据传送带的传送速度以及多帧图像的拍摄时间间隔得到传送带的位移距离,进而判断干花图像中同一干花在不同帧干花图像上的位置,得到同一干花在不同角度的干花图像。因干花朝向会偏向一侧的相机,此相机会获得更多的纹理细节信息,所以结合不同角度下的干花图像对干花图像中的每一个玫瑰花茶干花的品质进行检测判断。
具体的,对于第帧干花图像,获取第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角/>,则第/>个玫瑰花茶干花的优质程度计算表达式为:
式中,表示干花图像中第/>个玫瑰花茶干花的优质程度;/>表示第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角;/>表示第/>帧干花图像中第/>个玫瑰花茶干花的开放程度;/>表示包含第/>个玫瑰花茶干花的干花图像帧的个数;/>表示以自然常数为底数的指数函数。
预设一个阈值,其中本实施例以/>例进行叙述,本实施例不进行具体限定,其中/>根据具体实施情况而定。
对于干花图像中每个玫瑰花茶干花,获取每个玫瑰花茶干花的优质程度,将优质程度小于阈值的玫瑰花茶干花记为质量不合格,对质量不合格的玫瑰花茶干花进行剔除处理;将优质程度大于等于阈值/>的玫瑰花茶干花记为质量合格,对质量合格的玫瑰花茶干花进行保留处理。
至此,完成对玫瑰花茶干花的分选,使得玫瑰花茶干花的整体质量有效提高。
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 (7)
1.基于视觉的玫瑰花茶干花分选方法,其特征在于,该方法包括以下步骤:
获取玫瑰花茶干花图像;根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像;
根据干花花萼图像得到玫瑰花茶干花的朝向;根据玫瑰花茶干花的朝向和干花花蕾图像得到属于同一个干花的概率;根据属于同一个干花的概率得到干花图像;
根据干花图像得到干花图像的花蕾区域的花蕾边缘线条的混乱程度;获取干花图像的花蕾区域的花蕾边缘线条连通域的距离权值;根据干花图像的花蕾区域的花蕾边缘线条的混乱程度和干花图像的花蕾区域的花蕾边缘线条连通域的距离权值得到干花图像中玫瑰花茶干花的开放程度;
根据玫瑰花茶干花的朝向得到玫瑰花茶干花角度权值;根据玫瑰花茶干花角度权值和干花图像中玫瑰花茶干花的开放程度得到干花图像中玫瑰花茶干花的优质程度;根据玫瑰花茶干花的优质程度完成玫瑰花茶干花的分选;
所述获取干花图像的花蕾区域的花蕾边缘线条连通域的距离权值,包括的具体步骤如下:
对于干花图像中第个玫瑰花茶干花,获取第/>个玫瑰花茶干花的花蕾区域的质心,获取第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的质心;获取第/>个玫瑰花茶干花的花蕾区域的质心与第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的质心之间的距离/>、获取第/>个玫瑰花茶干花的花蕾区域的质心与第/>个玫瑰花茶干花的花蕾区域的所有花蕾边缘线条连通域的质心之间的距离均值/>以及距离方差/>;通过高斯加权得到第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条连通域的距离权值为;
所述根据干花图像的花蕾区域的花蕾边缘线条的混乱程度和干花图像的花蕾区域的花蕾边缘线条连通域的距离权值得到干花图像中玫瑰花茶干花的开放程度,包括的具体步骤如下:
对于干花图像中第个玫瑰花茶干花的开放程度;其计算表示式为:
式中,表示干花图像中第/>个玫瑰花茶干花的开放程度;/>表示干花图像中第/>个玫瑰花茶干花的花蕾区域的第/>个花蕾边缘线条的混乱程度;/>表示以自然常数为底数的指数函数;
所述根据玫瑰花茶干花角度权值和干花图像中玫瑰花茶干花的开放程度得到干花图像中玫瑰花茶干花的优质程度,包括的具体步骤如下:
对于第帧干花图像,则第/>个玫瑰花茶干花的优质程度计算表达式为:
式中,表示干花图像中第/>个玫瑰花茶干花的优质程度;/>表示第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角;/>表示第/>帧干花图像中第/>个玫瑰花茶干花的开放程度;/>表示包含第/>个玫瑰花茶干花的干花图像帧的个数;表示以自然常数为底数的指数函数。
2.根据权利要求1所述基于视觉的玫瑰花茶干花分选方法,其特征在于,所述根据玫瑰花茶干花图像获取干花花萼图像和干花花蕾图像,包括的具体步骤如下:
对玫瑰花茶干花图像的H通道进行聚类,获得3个类簇;获取聚类后每个类簇中所有像素点的像素值的平均值,将平均值相差最大的两个类簇合并为一个类簇记为花蕾类簇,将剩余的一个类簇记为花萼类簇;将玫瑰花茶干花图像的H通道中除花蕾类簇以外的其他像素点的像素值设置为0,获得干花花蕾图像,将玫瑰花茶干花图像的H通道中除花萼类簇以外的其他像素点的像素值设置为0,获得干花花萼图像。
3.根据权利要求1所述基于视觉的玫瑰花茶干花分选方法,其特征在于,所述根据干花花萼图像得到玫瑰花茶干花的朝向,包括的具体步骤如下:
对干花花萼图像进行边缘检测,得到所有花萼边缘线条,计算得到花萼边缘线条上每个像素点的曲率的变化率;将干花花萼图像中像素值为1的像素点组成的区域记为花萼区域;获取花萼区域的质心,将所有花萼边缘线条上曲率变化率最大像素点与花萼区域的质心的欧式距离,记为第一距离;对第一距离进行聚类,得到两个类簇,将所有第一距离均值最大的类簇中所有第一距离值对应的像素点组成的区域记为最远区域,将花萼区域的质心到最远区域的每个像素点向量进行叠加后,得到叠加向量;将叠加向量的方向作为玫瑰花茶干花的朝向,并将玫瑰花茶干花的朝向与干花花萼图像水平方向夹角记为。
4.根据权利要求3所述基于视觉的玫瑰花茶干花分选方法,其特征在于,所述根据玫瑰花茶干花的朝向和干花花蕾图像得到属于同一个干花的概率,包括的具体步骤如下:
分别将获得的干花花萼图像和干花花蕾图像中H分量值大于0的像素点的像素值置为1,其余H分量值为0的像素点保持0不变,从而得到花蕾二值图像和花萼二值图像;对花蕾二值图像中像素值为1的像素点进行连通域分析,得到若干个连通域,记为花蕾区域,对所有花蕾区域做最小外接矩形,最小外接矩形中最长的边与花蕾二值图像水平方向的夹角定义为花蕾的朝向;获取花蕾二值图像中每个花蕾连通域的质心以及花萼二值图像中花萼的质心,根据质心坐标可以得到每个花蕾与每个花萼的质心之间的距离;利用cos/>作为权值与每个花蕾与每个花萼的质心之间的距离相乘,得到花蕾与质心属于同一个玫瑰花茶干花的概率。
5.根据权利要求1所述基于视觉的玫瑰花茶干花分选方法,其特征在于,所述根据干花图像得到干花图像的花蕾区域的花蕾边缘线条的混乱程度,包括的具体步骤如下:
将花蕾二值图像中花蕾区域对应在干花图像的区域记为干花图像的花蕾区域,对干花图像的花蕾区域进行边缘检测后,得到若干个花蕾边缘线条连通域,对于任意一个花蕾边缘线条连通域,在花蕾边缘线条连通域的外边缘上随机选取任意一个像素点作为开始点,按顺时针方向用相应的8链码指向符表示花蕾边缘线条连通域的边缘,得到花蕾边缘线条的链码序列;计算链码序列的方差,记为干花图像的花蕾区域的花蕾边缘线条的混乱程度。
6.根据权利要求1所述基于视觉的玫瑰花茶干花分选方法,其特征在于,所述根据玫瑰花茶干花的朝向得到玫瑰花茶干花角度权值,包括的具体步骤如下:
对于第帧干花图像,获取第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角/>,将第/>帧干花图像中第/>个玫瑰花茶干花的朝向与两个固定位置相机直线之间的夹角/>的余弦值作为第/>帧干花图像中第/>个玫瑰花茶干花角度权值。
7.根据权利要求1所述基于视觉的玫瑰花茶干花分选方法,其特征在于,所述根据玫瑰花茶干花的优质程度完成玫瑰花茶干花的分选,包括的具体步骤如下:
预设一个阈值,对于干花图像中每个玫瑰花茶干花,获取每个玫瑰花茶干花的优质程度,将优质程度小于阈值/>的玫瑰花茶干花记为质量不合格,对质量不合格的玫瑰花茶干花进行剔除处理;将优质程度大于等于阈值/>的玫瑰花茶干花记为质量合格,对质量合格的玫瑰花茶干花进行保留处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140506.8A CN116883993B (zh) | 2023-09-06 | 2023-09-06 | 基于视觉的玫瑰花茶干花分选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311140506.8A CN116883993B (zh) | 2023-09-06 | 2023-09-06 | 基于视觉的玫瑰花茶干花分选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116883993A CN116883993A (zh) | 2023-10-13 |
CN116883993B true CN116883993B (zh) | 2023-12-01 |
Family
ID=88257212
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311140506.8A Active CN116883993B (zh) | 2023-09-06 | 2023-09-06 | 基于视觉的玫瑰花茶干花分选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116883993B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509017A (zh) * | 2011-11-10 | 2012-06-20 | 浙江大学 | 一种用计算机预测刨花板强度的方法 |
JP2014202493A (ja) * | 2013-04-01 | 2014-10-27 | 東洋ゴム工業株式会社 | タイヤ氷雪性能値の算出方法、タイヤ氷雪性能値の算出装置及びコンピュータプログラム |
CN106135587A (zh) * | 2016-08-12 | 2016-11-23 | 四川省盛祥玫瑰生态农业开发有限公司 | 一种玫瑰花茶的加工方法 |
CN113723449A (zh) * | 2021-07-16 | 2021-11-30 | 西安邮电大学 | 基于偏好信息的代理驱动多目标进化模糊聚类方法 |
CN115060814A (zh) * | 2022-05-26 | 2022-09-16 | 临沂大学 | 一种快速鉴别不同干燥方式玫瑰花茶的方法 |
CN116612123A (zh) * | 2023-07-21 | 2023-08-18 | 山东金胜粮油食品有限公司 | 一种花生油加工质量视觉检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2013179560A1 (ja) * | 2012-05-30 | 2016-01-18 | パナソニックIpマネジメント株式会社 | 画像処理装置および画像処理方法 |
CN107977952A (zh) * | 2016-10-21 | 2018-05-01 | 冯原 | 医学图像分割方法及装置 |
-
2023
- 2023-09-06 CN CN202311140506.8A patent/CN116883993B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102509017A (zh) * | 2011-11-10 | 2012-06-20 | 浙江大学 | 一种用计算机预测刨花板强度的方法 |
JP2014202493A (ja) * | 2013-04-01 | 2014-10-27 | 東洋ゴム工業株式会社 | タイヤ氷雪性能値の算出方法、タイヤ氷雪性能値の算出装置及びコンピュータプログラム |
CN106135587A (zh) * | 2016-08-12 | 2016-11-23 | 四川省盛祥玫瑰生态农业开发有限公司 | 一种玫瑰花茶的加工方法 |
CN113723449A (zh) * | 2021-07-16 | 2021-11-30 | 西安邮电大学 | 基于偏好信息的代理驱动多目标进化模糊聚类方法 |
CN115060814A (zh) * | 2022-05-26 | 2022-09-16 | 临沂大学 | 一种快速鉴别不同干燥方式玫瑰花茶的方法 |
CN116612123A (zh) * | 2023-07-21 | 2023-08-18 | 山东金胜粮油食品有限公司 | 一种花生油加工质量视觉检测方法 |
Non-Patent Citations (3)
Title |
---|
Gender Identification of Imperfect Flowers Using Image Classification;Rohan de Silva 等;IEEE;110-114 * |
基于机器学习的免套袋苹果缺陷分级;张琛 等;河南农业科学;160-166 * |
黄果酸浆花萼发育的形态解剖学观察;董美芳 等;电子显微学报;83-87 * |
Also Published As
Publication number | Publication date |
---|---|
CN116883993A (zh) | 2023-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020221177A1 (zh) | 图像的识别方法及装置、存储介质和电子装置 | |
Prajapati et al. | A survey on detection and classification of cotton leaf diseases | |
CN107844736A (zh) | 虹膜定位方法和装置 | |
CN104318262A (zh) | 通过人脸照片更换皮肤的方法及系统 | |
CN112464942B (zh) | 基于计算机视觉的重叠烟叶智能化分级方法 | |
CN108717524A (zh) | 一种基于双摄手机和人工智能系统的手势识别系统及方法 | |
CN106803257A (zh) | 一种作物病害叶片图像中病斑的分割方法 | |
Niu et al. | Image segmentation algorithm for disease detection of wheat leaves | |
Lu et al. | Robust plant segmentation of color images based on image contrast optimization | |
CN103295013A (zh) | 一种基于成对区域的单幅图像阴影检测方法 | |
CN105320970A (zh) | 一种马铃薯病害诊断装置、诊断系统及诊断方法 | |
TW202018666A (zh) | 用於判定影像圖框中之像素位置屬於背景或前景之方法、裝置與系統 | |
CN112257702A (zh) | 一种基于增量学习的农作物病害识别方法 | |
CN113269191A (zh) | 一种农作物叶片病害识别方法、装置和存储介质 | |
CN111784764A (zh) | 一种茶叶嫩芽识别与定位算法 | |
CN111161281A (zh) | 一种人脸区域识别方法、装置及存储介质 | |
CN112132153A (zh) | 基于聚类和形态学处理的番茄果实识别方法及系统 | |
CN112258545A (zh) | 一种烟叶图像在线背景处理系统及在线背景处理方法 | |
CN106683098A (zh) | 一种重叠叶片图像的分割方法 | |
CN110298835B (zh) | 一种皮革表面破损检测方法、系统及相关装置 | |
CN116883993B (zh) | 基于视觉的玫瑰花茶干花分选方法 | |
Murugeswari et al. | Automated sugarcane disease detection using faster RCNN with an android application | |
CN110874835B (zh) | 作物叶部病害抗性鉴定方法、系统、电子设备及存储介质 | |
CN115601690B (zh) | 一种基于智慧农业的食用菌环境检测方法 | |
CN110348530B (zh) | 用于识别口红色号的方法 |
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 |