CN117422757B - 一种果蔬大小分选方法、装置、计算机设备及存储介质 - Google Patents
一种果蔬大小分选方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117422757B CN117422757B CN202311438652.9A CN202311438652A CN117422757B CN 117422757 B CN117422757 B CN 117422757B CN 202311438652 A CN202311438652 A CN 202311438652A CN 117422757 B CN117422757 B CN 117422757B
- Authority
- CN
- China
- Prior art keywords
- fruit
- vegetable
- image
- fruits
- vegetables
- 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 282
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012545 processing Methods 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 235000013399 edible fruits Nutrition 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 235000013311 vegetables Nutrition 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 241000220225 Malus Species 0.000 description 3
- 235000021016 apples Nutrition 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 235000021022 fresh fruits Nutrition 0.000 description 2
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 235000003095 Vaccinium corymbosum Nutrition 0.000 description 1
- 240000000851 Vaccinium corymbosum Species 0.000 description 1
- 235000017537 Vaccinium myrtillus Nutrition 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000021014 blueberries Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000010902 straw Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种果蔬大小分选方法、装置、计算机设备及存储介质，属于图像识别技术领域。针对现有技术中存在的传统的果蔬大小分选方法分选准确率低且容易使得果蔬的品质受到损伤等问题，本发明提供了一种果蔬大小分选方法、装置、计算机设备及存储介质，通过获取并输入果蔬图像，对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像，根据果蔬有效像素区域图像计算果蔬大小，可以快速实现果蔬大小的分选，分选的速度快、准确率高，同时能够保证果蔬品质在分选过程中不易受到损伤。
Description
技术领域
本发明涉及图像识别技术领域，更具体地说，涉及一种果蔬大小分选方法、装置、计算机设备及存储介质。
背景技术
现如今人们对高品质新鲜水果的需求越来越大，而传统的分拣工作由果农依靠人眼识别和手工操作进行，往往会出现分选出的新鲜水果大小不一，美观度不够甚至是有内部缺陷的问题，同时通过果农手工人眼识别和手工操作进行分选判别极易因疲劳造成失误，导致分选准确率极大地降低，且手工操作会给果蔬带来二次损伤和细菌感染。当前业内对果蔬大小的分选主要是设计机器机构来分选大小，比如通过震动筛不同大小的孔洞来选择果蔬的大小，或者通过重量来判断果蔬的大小，但是通过机器震动来分选果蔬，容易使一些果蔬的品质受到损伤，如苹果、蓝莓等果蔬。
现有技术中，可以通过有效像素区域面积确定果蔬大小，但是通过有效像素区域面积确定果蔬大小时，要求果蔬的有效像素区域必须干净。比如在检测苹果的大小时，苹果的秸秆或者叶子就不属于有效像素区域，因此，在背景去除不干净的情况下，有效像素区域面积就会不准，最终导致果蔬大小分选不准确。
经检索，中国专利申请，申请号202011050984.6，公开日2021年2月9日，公开了一种现代化农业果蔬分选设备。该设备包括：底座；壳体，所述壳体的底端四角均固定设置有支撑腿，且所述支撑腿固定设置在所述底座的顶端一侧；进料壳，固定设置在所述壳体的顶端一侧；传递机构，设置在所述壳体的内腔顶端；分选机构，设置在所述底座的顶端另一侧；整平组件，设置在所述壳体的顶端一侧。该现代化农业果蔬分选设备，通过设置有整平组件可避免果蔬发生堆积，以使果蔬整齐的掉落在两个相邻滚轴的缝隙处，确保对果蔬的大小进行准确筛分，且在分拣过程中不会对果蔬的表面造成损坏，从而可确保果蔬的产品质量，分拣速度较快。但是该设备并未考虑到当果蔬从进料壳进入传递机构时也会发生震动，从而导致一些果蔬的品质受到损伤。
发明内容
1.要解决的技术问题
针对现有技术中存在的传统的果蔬大小分选方法分选准确率低且容易使得果蔬的品质受到损伤等问题，本发明提供了一种果蔬大小分选方法、装置、计算机设备及存储介质，可以快速实现果蔬大小的分选，分选的速度快、准确率高，同时保证果蔬品质在分选过程中不易受到损伤。
2.技术方案
本发明的目的通过以下技术方案实现。
一种果蔬大小分选方法，包括以下步骤：
获取并输入果蔬图像；
对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像；
根据果蔬有效像素区域图像计算果蔬大小。
进一步地，对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像的步骤包括：
对果蔬图像进行预处理；
将预处理后的果蔬图像进行色阈空间转换；
将经过色阈空间转换后的果蔬图像再转换为果蔬灰度图像；
提取果蔬灰度图像的边缘特征，找到果蔬连通区域的最大轮廓；
填充果蔬连通区域最大轮廓内空洞点，得到果蔬有效像素区域图像。
进一步地，将预处理后的果蔬图像进行色阈空间转换的步骤包括：
拉伸预处理后的果蔬图像背景区域的亮度；
将果蔬图像从RGB三通道转换为HSV空间，设置HSV空间的V通道的亮度值与果蔬图像背景区域的亮度值相同；
将转换为HSV空间的果蔬图像再转换成RGB三通道的果蔬图像。
进一步地，将转换为HSV空间的果蔬图像再转换成RGB三通道的果蔬图像的计算公式为：
CVX S
nVC
(R,G,B)＝((R′+m)×255,(G'+m)×255,(B′+m)×255)
其中，C表示色彩信息，V表示明度，S表示饱和度，X表示色调转换中间结果，H表示色调，mod2表示除以2的余数，m表示色彩变差值，R＇表示红色色度，G＇表示绿色色度，B＇表示蓝色色度。
进一步地，根据果蔬有效像素区域图像计算果蔬大小的步骤包括：
将获取的果蔬有效像素区域图像进行椭圆拟合，计算果蔬的长轴像素值和果蔬的短轴像素值；
将果蔬的长轴像素值和果蔬的短轴像素值转换为果蔬的长轴物理值和果蔬的短轴物理值；
对果蔬的长轴物理值和果蔬的短轴物理值进行处理得到果蔬的最大直径值和果蔬的最小直径值；
通过果蔬的最大直径值和果蔬的最小直径值判断果蔬大小。
进一步地，将果蔬的长轴像素值和果蔬的短轴像素值转换为果蔬的长轴物理值和果蔬的短轴物理值的计算公式为：
Da＝dx*a
Db＝dx*b
其中，a表示果蔬的长轴像素值，b表示果蔬的短轴像素值，dx表示一个像素在固定距离下所对应的物理距离，Da表示果蔬的长轴像素值所对应的真实距离值，Db表示果蔬的短轴像素值所对应的真实距离值。
进一步地，将果蔬的长轴物理值和果蔬的短轴物理值进行处理得到果蔬的最大直径值和果蔬的最小直径值的计算公式为：
其中，z表示一个像素在固定距离下所对应的物理距离，Ma表示果蔬的最大直径值，Mb表示果蔬的最小直径值。
一种果蔬大小分选装置，包括：
输入模块，获取并输入果蔬图像；
处理模块，对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像；
计算模块，根据果蔬有效像素区域图像计算果蔬大小。
一种计算机设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述所述的方法。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述所述的方法。
3.有益效果
相比于现有技术，本发明的优点在于：
本发明的一种果蔬大小分选方法、装置、计算机设备及存储介质，通过对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像，进而根据果蔬有效像素区域图像计算果蔬大小，可以快速实现对果蔬大小的分选，分选的准确度，且保证果蔬的品质在分选过程中不易受到损伤。
附图说明
图1为本发明实施例方法流程图；
图2为本发明实施例去背景前果蔬图像；
图3为本发明实施例去背景后果蔬图像；
图4为本发明实施例相机与果蔬距离关系示意图。
具体实施方式
下面结合说明书附图和具体的实施例，对本发明作详细描述。
实施例
如图1所示，为本实施例提供的一种果蔬大小分选方法，包括以下步骤：获取并输入果蔬图像；对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像；根据果蔬有效像素区域图像计算果蔬大小。
具体到本实施例中，首先获取果蔬图像并输入果蔬图像，对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像。具体地，对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像的步骤包括：对果蔬图像进行预处理，本实施例中，对果蔬图像预处理是指对果蔬图像进行高斯滤波处理，进而获得平滑的果蔬图像以及去除果蔬图像中噪声的干扰；进一步地，将预处理后的果蔬图像进行色阈空间转换，本实施例中，将预处理后的果蔬图像进行色阈空间转换的步骤包括：拉伸预处理后的果蔬图像背景区域的亮度，将果蔬图像从RGB三通道转换为HSV空间，设置HSV空间的V通道的亮度值与果蔬图像背景区域的亮度值相同，由此，通过将V通道的亮度值设为固定值，可以有效去除果蔬图像中的阴影区域，去除果蔬图像中阴影区域对去背景效果的影响，并且可以较好地得到果蔬图像中的背景信息。最后再将转换为HSV空间的果蔬图像再转换成RGB三通道的果蔬图像，本实施例中，将转换为HSV空间的果蔬图像再转换成RGB三通道的果蔬图像的计算公式为：
C＝V×S
m＝V-C
(R,G,B)＝((R′+m)×255,(G'+m)×255,(B′+m)×255)
其中，C表示色彩信息，V表示明度，S表示饱和度，X表示色调转换中间结果，H表示色调，mod2表示除以2的余数，m表示色彩变差值，R＇表示红色色度，G＇表示绿色色度，B＇表示蓝色色度。
进一步地，将经过色阈空间转换后的果蔬图像再转换为果蔬灰度图像，通过将经过色阈空间转换后的果蔬图像再转换为果蔬灰度图像，可以有效减少计算量，便于后续提取果蔬灰度图像的边缘特征；进一步地，提取果蔬灰度图像的边缘特征，找到果蔬连通区域的最大轮廓，本实施例中，采用sobel算法或者canny算子提取果蔬灰度图像的边缘特征，再对提取边缘特征后的果蔬灰度图像进行膨胀处理，进而找到果蔬连通区域的最大轮廓；需要说明的是，本实施例中，通过sobel算法或者canny算子提取果蔬灰度图像的边缘特征为现有技术。进一步地，填充果蔬连通区域最大轮廓内空洞点，得到果蔬有效像素区域图像，本实施例中，采用漫水填充算法填充果蔬连通区域最大轮廓内空洞点，进而得到果蔬有效像素区域图像。需要说明的是，本实施例中所使用的漫水填充算法为现有技术。本实施例中，如图2所示，为去背景前果蔬图像，如图3所示，为去背景后果蔬图像。
在获得果蔬有效像素区域图像后，根据果蔬有效像素区域图像计算果蔬大小。本实施例中，根据果蔬有效像素区域图像计算果蔬大小的步骤包括：将获取的果蔬有效像素区域图像进行椭圆拟合，计算果蔬的长轴像素值和果蔬的短轴像素值；将果蔬的长轴像素值和果蔬的短轴像素值转换为果蔬的长轴物理值和果蔬的短轴物理值；对果蔬的长轴物理值和果蔬的短轴物理值进行处理得到果蔬的最大直径值和果蔬的最小直径值；通过果蔬的最大直径值和果蔬的最小直径值判断果蔬大小。需要说明的是，在实际应用过程中，一般通过相机拍摄果蔬来获取果蔬图像时，相机需要正对着果蔬拍摄，但是由于相机到果蔬平面的距离是固定不变的，同时相机的焦距也是固定不变的，因此，利用相机成像公式可以计算在平面Z上一个像素代表真实的物理距离，计算公式为：
日*0D二F0V-H*FD
W*0D＝F0V-W*FD
其中，H表示相机芯片的长边，W表示相机芯片的短边，OD表示相机芯片到果蔬的距离，FD表示相机镜头的焦距，FOV表示相机监控的视野，FOV-H表示相机监控视野的长边，FOV-W表示相机监控视野的短边。但是，在判断果蔬大小时，仅通过单个相机无法确定相机到果蔬的距离，进而导致无法确定相机拍摄的果蔬图像与真实的果蔬的大小相同。由此，需要将获取的果蔬有效像素区域图像进行椭圆拟合，计算得到果蔬的长轴像素值和果蔬的短轴像素值，此时，在已知相机镜头焦距和分辨率的情况下，可以通过在相机与果蔬的固定距离下所对应的果蔬真实长宽值确定一个像素代表真实的物理距离，计算公式为：
其中，dx表示一个像素在固定距离下所对应的物理距离，w物表示果蔬到相机的距离，w像表示成像位置到相机胶片的距离。
进而在已知一个像素在固定距离下所对应的物理距离的情况下，将果蔬的长轴像素值和果蔬的短轴像素值转换为果蔬的长轴物理值和果蔬的短轴物理值，计算公式为：
Da＝dx*a
Db＝d*b
其中，a表示果蔬的长轴像素值，b表示果蔬的短轴像素值，dx表示一个像素在固定距离下所对应的物理距离，Da表示果蔬的长轴像素值所对应的真实距离值，Db表示果蔬的短轴像素值所对应的真实距离值。但是，需要注意的是，在相机成像时，果蔬越接近相机，对应成像得到的果蔬图像上，dx的值就越小，由此，需要将果蔬的长轴物理值和果蔬的短轴物理值进行处理得到果蔬的最大直径值和果蔬的最小直径值。如图4所示，根据相机成像原理可知，果蔬成像的大小受到相机与果蔬角度、相机到果蔬距离以及果蔬大小的影响。而在本实施例中，果蔬的长轴像素值所对应的真实距离值Da和果蔬的短轴像素值所对应的真实距离值Db是在一个像素在固定距离下所对应的物理距离，本实施例中，设定一个像素在固定距离下所对应的物理距离为z，由此，真实的果蔬直径应该是在距离z-(Db/2)下所求得到的直径，进而可以通过相机成像的相似关系，对果蔬的长轴物理值和果蔬的短轴物理值进行处理得到果蔬的最大直径值和果蔬的最小直径值，计算公式为：
其中，z表示一个像素在固定距离下所对应的物理距离，Ma表示果蔬的最大直径值，Mb表示果蔬的最小直径值。由此，本实施例提供的一种果蔬大小分选方法，在确定果蔬的最大直径值Ma和果蔬的最小直径值Mb后就可以快速实现对果蔬大小的分选，分选的准确度，且保证果蔬的品质在分选过程中不易受到损伤。
本实施例还提供一种果蔬大小分选装置，包括输入模块、处理模块以及计算模块。所述输入模块用于获取并输入果蔬图像。所述处理模块，对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像。所述计算模块，根据果蔬有效像素区域图像计算果蔬大小。本实施例提供的一种果蔬大小分选装置能够实现所述果蔬大小分选方法的任一种方法，且一种果蔬大小分选装置的具体工作过程可参考所述果蔬大小分选方法实施例中的对应过程。本实施例所提供的方法和装置，可以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，某个模块的划分，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连接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，也可以是电性、机械或其它的形式的连接。
本实施例还提供一种计算机设备。一种计算机设备，包括存储器、处理器以及储存在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种果蔬大小分选方法。
本实施例还提供一种计算机可读存储介质。一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行本实施例中所述的一种果蔬大小分选方法。其中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用；计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
以上示意性地对本发明创造及其实施方式进行了描述，该描述没有限制性，在不背离本发明的精神或者基本特征的情况下，能够以其他的具体形式实现本发明。附图中所示的也只是本发明创造的实施方式之一，实际的结构并不局限于此，权利要求中的任何附图标记不应限制所涉及的权利要求。所以，如果本领域的普通技术人员受其启示，在不脱离本创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。此外，“包括”一词不排除其他元件或步骤，在元件前的“一个”一词不排除包括“多个”该元件。产品权利要求中陈述的多个元件也可以由一个元件通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
Claims (8)
1.一种果蔬大小分选方法，包括以下步骤：
获取并输入果蔬图像；
对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像，其步骤包括：对果蔬图像进行预处理，将预处理后的果蔬图像进行色域空间转换，将经过色域空间转换后的果蔬图像再转换为果蔬灰度图像，提取果蔬灰度图像的边缘特征，找到果蔬连通区域的最大轮廓，填充果蔬连通区域最大轮廓内空洞点，得到果蔬有效像素区域图像；将预处理后的果蔬图像进行色域空间转换的步骤包括：拉伸预处理后的果蔬图像背景区域的亮度，将果蔬图像从RGB三通道转换为HSV空间，设置HSV空间的V通道的亮度值与果蔬图像背景区域的亮度值相同，将V通道的亮度值设为固定值，去除果蔬图像中的阴影区域，去除果蔬图像中阴影区域对背景效果的影响，得到果蔬图像中的背景信息，将转换为HSV空间的果蔬图像再转换成RGB三通道的果蔬图像；
根据果蔬有效像素区域图像计算果蔬大小。
2.根据权利要求1所述的一种果蔬大小分选方法，其特征在于，将转换为HSV空间的果蔬图像再转换成RGB三通道的果蔬图像的计算公式为：
其中，C表示色彩信息，V表示明度，S表示饱和度，X表示色调转换中间结果，H表示色调，mod2表示除以2的余数，m表示色彩变差值，R＇表示红色色度，G＇表示绿色色度，B＇表示蓝色色度。
3.根据权利要求2所述的一种果蔬大小分选方法，其特征在于，根据果蔬有效像素区域图像计算果蔬大小的步骤包括：
将获取的果蔬有效像素区域图像进行椭圆拟合，计算果蔬的长轴像素值和果蔬的短轴像素值；
将果蔬的长轴像素值和果蔬的短轴像素值转换为果蔬的长轴物理值和果蔬的短轴物理值；
对果蔬的长轴物理值和果蔬的短轴物理值进行处理得到果蔬的最大直径值和果蔬的最小直径值；
通过果蔬的最大直径值和果蔬的最小直径值判断果蔬大小。
4.根据权利要求3所述的一种果蔬大小分选方法，其特征在于，将果蔬的长轴像素值和果蔬的短轴像素值转换为果蔬的长轴物理值和果蔬的短轴物理值的计算公式为：
其中，a表示果蔬的长轴像素值，b表示果蔬的短轴像素值，dx表示一个像素在固定距离下所对应的物理距离，Da表示果蔬的长轴像素值所对应的真实距离值，Db表示果蔬的短轴像素值所对应的真实距离值。
5.根据权利要求4所述的一种果蔬大小分选方法，其特征在于，将果蔬的长轴物理值和果蔬的短轴物理值进行处理得到果蔬的最大直径值和果蔬的最小直径值的计算公式为：
其中，dx表示一个像素在固定距离下所对应的物理距离，Ma表示果蔬的最大直径值，Mb表示果蔬的最小直径值。
6.一种果蔬大小分选装置，其特征在于，包括：
输入模块，获取并输入果蔬图像；
处理模块，对果蔬图像中的背景进行处理，得到果蔬有效像素区域图像，其步骤包括：对果蔬图像进行预处理，将预处理后的果蔬图像进行色域空间转换，将经过色域空间转换后的果蔬图像再转换为果蔬灰度图像，提取果蔬灰度图像的边缘特征，找到果蔬连通区域的最大轮廓，填充果蔬连通区域最大轮廓内空洞点，得到果蔬有效像素区域图像；将预处理后的果蔬图像进行色域空间转换的步骤包括：拉伸预处理后的果蔬图像背景区域的亮度，将果蔬图像从RGB三通道转换为HSV空间，设置HSV空间的V通道的亮度值与果蔬图像背景区域的亮度值相同，将V通道的亮度值设为固定值，去除果蔬图像中的阴影区域，去除果蔬图像中阴影区域对背景效果的影响，得到果蔬图像中的背景信息，将转换为HSV空间的果蔬图像再转换成RGB三通道的果蔬图像；
计算模块，根据果蔬有效像素区域图像计算果蔬大小。
7.一种计算机设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1-5任一项所述的方法。
8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438652.9A CN117422757B (zh) | 2023-10-31 | 2023-10-31 | 一种果蔬大小分选方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311438652.9A CN117422757B (zh) | 2023-10-31 | 2023-10-31 | 一种果蔬大小分选方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117422757A CN117422757A (zh) | 2024-01-19 |
| CN117422757B true CN117422757B (zh) | 2024-05-03 |
Family
ID=89522528
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311438652.9A Active CN117422757B (zh) | 2023-10-31 | 2023-10-31 | 一种果蔬大小分选方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117422757B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011010621A (ja) * | 2009-07-03 | 2011-01-20 | Nikon Corp | 培養物観察の画像処理方法、画像処理プログラム及び画像処理装置 |
| CN102622763A (zh) * | 2012-02-21 | 2012-08-01 | 芮挺 | 阴影检测与消除方法 |
| JP2017012218A (ja) * | 2015-06-26 | 2017-01-19 | 株式会社藤商事 | 遊技機 |
| CN106504264A (zh) * | 2016-10-27 | 2017-03-15 | 锐捷网络股份有限公司 | 视频前景图像提取方法和装置 |
| JP2017072888A (ja) * | 2015-10-05 | 2017-04-13 | 三菱電機株式会社 | 移動体識別装置及び移動体識別方法 |
| JP2017134585A (ja) * | 2016-01-27 | 2017-08-03 | 秋田県 | 収穫適期判定支援装置及び収穫適期判定支援プログラム |
| CN110146516A (zh) * | 2019-06-17 | 2019-08-20 | 湖南农业大学 | 基于正交双目机器视觉的水果分级装置 |
| CN110174065A (zh) * | 2019-06-17 | 2019-08-27 | 湖南农业大学 | 基于正交双目机器视觉的水果大小无损检测方法 |
| CN111369581A (zh) * | 2020-02-18 | 2020-07-03 | Oppo广东移动通信有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN111612705A (zh) * | 2020-04-24 | 2020-09-01 | 南京邮电大学 | 一种增强ocr性能的背景图像消除方法 |
| CN113643287A (zh) * | 2021-10-13 | 2021-11-12 | 深圳市巨力方视觉技术有限公司 | 水果的分拣方法、装置和计算机可读存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106611406B (zh) * | 2015-10-27 | 2019-08-16 | 富士通株式会社 | 图像校正方法和图像校正设备 |
-
2023
- 2023-10-31 CN CN202311438652.9A patent/CN117422757B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011010621A (ja) * | 2009-07-03 | 2011-01-20 | Nikon Corp | 培養物観察の画像処理方法、画像処理プログラム及び画像処理装置 |
| CN102622763A (zh) * | 2012-02-21 | 2012-08-01 | 芮挺 | 阴影检测与消除方法 |
| JP2017012218A (ja) * | 2015-06-26 | 2017-01-19 | 株式会社藤商事 | 遊技機 |
| JP2017072888A (ja) * | 2015-10-05 | 2017-04-13 | 三菱電機株式会社 | 移動体識別装置及び移動体識別方法 |
| JP2017134585A (ja) * | 2016-01-27 | 2017-08-03 | 秋田県 | 収穫適期判定支援装置及び収穫適期判定支援プログラム |
| CN106504264A (zh) * | 2016-10-27 | 2017-03-15 | 锐捷网络股份有限公司 | 视频前景图像提取方法和装置 |
| CN110146516A (zh) * | 2019-06-17 | 2019-08-20 | 湖南农业大学 | 基于正交双目机器视觉的水果分级装置 |
| CN110174065A (zh) * | 2019-06-17 | 2019-08-27 | 湖南农业大学 | 基于正交双目机器视觉的水果大小无损检测方法 |
| CN111369581A (zh) * | 2020-02-18 | 2020-07-03 | Oppo广东移动通信有限公司 | 图像处理方法、装置、设备及存储介质 |
| CN111612705A (zh) * | 2020-04-24 | 2020-09-01 | 南京邮电大学 | 一种增强ocr性能的背景图像消除方法 |
| CN113643287A (zh) * | 2021-10-13 | 2021-11-12 | 深圳市巨力方视觉技术有限公司 | 水果的分拣方法、装置和计算机可读存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| Retinex-Based Fast Algorithm for Low-Light Image Enhancement;Shouxin Liu;《Entropy in Image Analysis III》;20210613;全文 * |
| 基于引导滤波的低照度图像增强算法;崔圆斌 等;《智能计算机与应用》;20201231;第10卷(第12期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117422757A (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180053299A1 (en) | Method of Detecting Tissue Area of Interest in Digital Pathology Imaging by Executing Computer-Executable Instructions Stored on a Non-Transitory Computer-Readable Medium | |
| CN104897671B (zh) | 一种水果果梗花萼的识别系统 | |
| CN113222959B (zh) | 一种基于高光谱图像卷积神经网络的鲜枣虫眼检测方法 | |
| CN109472788B (zh) | 一种飞机铆钉表面的伤痕检测方法 | |
| CN111583193B (zh) | 基于几何轮廓模板匹配的开心果骨架提取装置及其算法 | |
| CN113034474A (zh) | 一种oled显示器晶圆图的测试方法 | |
| CN113222938A (zh) | 芯片缺陷检测方法及系统与计算机可读存储介质 | |
| Patki et al. | Cotton leaf disease detection & classification using multi SVM | |
| RU2325044C1 (ru) | Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения | |
| CN114040116B (zh) | 塑胶模材良品监测反馈系统 | |
| CN116862900A (zh) | 一种大葱育秧播种质量检测方法 | |
| CN117773357A (zh) | 一种标签缺陷鉴别、裁切和收集方法以及系统 | |
| CN115049689A (zh) | 一种基于轮廓检测技术的乒乓球识别方法 | |
| CN117422757B (zh) | 一种果蔬大小分选方法、装置、计算机设备及存储介质 | |
| CN113469974B (zh) | 球团链篦机篦板状态监测方法及其监测系统 | |
| CN109583306B (zh) | 一种基于机器视觉的纱管残留纱线检测方法 | |
| CN113439870A (zh) | 一种雪茄烟外观分类方法及装置 | |
| CN111126402B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN210377552U (zh) | 一种水果分类用多面图像获取装置 | |
| CN116097297A8 (zh) | 去除图像中的噪声的方法和电子设备 | |
| CN215613293U (zh) | 一种基于机器视觉的种子分拣装置 | |
| CN107145734B (zh) | 一种医疗数据的自动获取与录入方法及其系统 | |
| CN114550069A (zh) | 一种基于深度学习的仔猪乳头计数方法 | |
| Singh et al. | A novel algorithm for segmentation of diseased apple leaf images | |
| CN112150461B (zh) | 用于评估细胞图像头尾清晰度的方法和装置 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method, device, computer equipment, and storage medium for sorting the size of fruits and vegetables Granted publication date: 20240503 Pledgee: Hefei high tech Company limited by guarantee Pledgor: ANHUI VISION OPTOELECTRONICS TECHNOLOGY Co.,Ltd. Registration number: Y2024980029360 |