CN117952937A - 一种基于游程编码的柠檬青皮检测方法 - Google Patents

Abstract

本发明涉及一种基于游程编码的柠檬青皮检测方法，在获取柠檬图像后，首先分离其为"HSV"通道，提取颜色、饱和度和亮度信息；接着，运用游程编码技术针对图像的"V"通道，快速而高效地勾勒出柠檬的整体位置；随后，借助相同技术，在"H"通道上精准定位柠檬的青皮缺陷，确保全面迅速地发现柠檬表面的问题。本发明结合游程编码技术的自动化特性，实现了青皮缺陷的自动检测，减少了人工负担并显著提升了生产效率；本发明的检测方法提供了更准确、更快速、更全面的解决方案，显著提升了质检效率，降低了损耗，为产品质量的提升提供了坚实支持。

Description

一种基于游程编码的柠檬青皮检测方法

技术领域

本发明涉及工业缺陷检测领域，尤其是一种基于游程编码的柠檬青皮检测方法。

背景技术

柠檬青皮检测技术背景涉及图像处理、计算机视觉和机器学习等领域的应用。这项技术的主要目的是对柠檬表面的青皮缺陷进行快速、准确地识别和定位，从而提高质检效率和产品质量。

目前，柠檬青皮检测面临多重挑战，如：青皮呈现多样颜色与纹理，与正常表皮难以区分；光照和环境影响增加视觉特征变化；青皮形态多样，如凹陷、颜色变化，对泛化能力提出要求；柠檬数据差异性大，通用检测模型难建立；实时性要求高，需要算法确保快速准确检测等。

公开文件CN 116977290 A提出了一种基于颜色空间转换的柠檬色选表面瑕疵检测方法，该方法基于简化LCH颜色空间对柠檬表面图像中果蒂位置、青果以及花斑等瑕疵类型对柠檬进行区分，能对果蒂、以及黑点花斑碰伤有着较好的识别效果。

但是，这项技术专注于柠檬青皮检测，利用柠檬颜色与背景颜色的差异滤除背景，建立通道去除噪点。经过判别处理，算法去除噪点、腐蚀边界，提取柠檬中心用于进一步分析，得到清晰、去除背景的柠檬图像。随后，通过比较整体和青色面积，判断是否有青果或瑕疵。然而，此方法对光照敏感，导致青皮判断不够准确，尤其在柠檬边缘容易出现大量误报。另外，此方法仅处理单张柠檬图像，未使用游程编码技术加速，因此效率较低。

发明内容

本发明要解决的技术问题是：提供一种基于游程编码的柠檬青皮检测方法，采用游程编码技术，能够快速而精准地检测柠檬上的青皮缺陷，具有高准确性和快速检测的特点，能够有效提升检测效率。

本发明解决其技术问题所采用的技术方案是：一种基于游程编码的柠檬青皮检测方法，包括以下步骤，

S1、输入采集的柠檬图像；

S2、对柠檬图像进行通道转换，提取HSV通道，获得H、S、V三个通道图像；

S3、设定多个灰度阈值；

S4、在V通道上，从多个灰度阈值间提取出多段游程编码；并将多段游程编码合并成一段游程编码，形成一个V通道的游程编码簇R_V；

S5、移除V通道游程编码簇R_V列方向上小于阈值的游程编码，得到R_V1；

S6、移除R_V1行方向上小于阈值的游程编码；

S7、得到所有柠檬位置的游程编码R_V2；

S8、对得到的游程编码R_V2进行分割，将不同柠檬分开；

S9、获得多个游程编码簇R_柠檬1、R_柠檬2、R_柠檬3...，每个游程编码簇代表一个柠檬的实际位置，实现柠檬位置的定位；

S10、将H通道取值范围映射到0-255；

S11、在多个游程编码簇R_柠檬1、R_柠檬2、R_柠檬3...上，对H通道图像进行步骤S3操作，得到H通道的游程编码簇R_H；

S12、利用定位到的柠檬游程编码簇R_柠檬1、R_柠檬2、R_柠檬3...，去除H通道的游程编码簇R_H，得到每个柠檬位置上的青皮缺陷的游程编码；

S13、计算每个柠檬位置上的青皮缺陷的游程编码的长度的和，得到每个柠檬青皮像素的总面积。

进一步的说，本发明所述的步骤S5中，列方向游程编码长度的计算方式为：length＝ce_i-cb_i；其中，ce_i表示第i条游程编码的列坐标终点，cb_i表示第i条游程编码的列坐标起点。

进一步的说，本发明所述的步骤S6中，对游程编码进行转换，将游程编码的合集R＝{(l_i,cb_i,ce_i)}转换为R＝{(c_i,lb_i,le_i)}，其中，l_i表示第i条游程编码的行坐标，c_i表示第i条游程编码的列坐标，lb_i表示第i条游程编码的行坐标起点，le_i表示第i条游程编码的行坐标终点。

进一步的说，本发明所述的步骤S8包括以下步骤，

A、迭代遍历输入的游程编码集合R_V2；逐一检查每条游程编码，观察每条游程编码之间的位置关系；通过循环遍历运行集合，在每次迭代中检查当前游程编码与其他游程编码的位置关系，以确定是否满足连接的条件；

B、判断相邻的游程编码是否应该连接在一起形成一个新的游程编码簇；通过比较每条游程编码的位置信息，决定两个游程编码是否在空间上相邻；

C、当算法确认两个游程编码满足连接条件时，则标记为游程编码簇的一部分；

D、输出连接的游程编码簇。

进一步的说，本发明所述的步骤S10中，

通过以下公式，将H通道取值范围映射到0-255；

Mapped_H表示为H通道映射后的值，Original_H表示为H通道映射前的值。

本发明的有益效果是，解决了背景技术中存在的缺陷，首先，在"H"通道采用游程编码技术，大幅提升了检测的精准性，确保更准确地辨识和定位缺陷。其次，游程编码技术的应用加速了检测流程，快速发现青皮问题，提升了生产线的处理速度。该方法全面检测柠檬表面的青皮，避免了质检阶段的遗漏。此外，及时识别青皮缺陷可减少废品，提升柠檬质量和销售性，从而降低了生产损耗。结合游程编码技术的自动化特性，该方法实现了青皮缺陷的自动检测，减少了人工负担并显著提升了生产效率。总体而言，该检测方法提供了更准确、更快速、更全面的解决方案，显著提升了质检效率，降低了损耗，为产品质量的提升提供了坚实支持。

附图说明

图1是本发明的方法流程示意图。

具体实施方式

现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示的一种基于游程编码的柠檬青皮检测方法，在获取柠檬图像后，首先分离其为"HSV"通道，提取颜色、饱和度和亮度信息。接着，运用游程编码技术针对图像的"V"通道，快速而高效地勾勒出柠檬的整体位置。随后，借助相同技术，在"H"通道上精准定位柠檬的青皮缺陷，确保全面迅速地发现柠檬表面的问题。这一串流程倚靠游程编码技术，使得检测过程更为精准、迅捷。

具体步骤如下：

1)将拍摄的柠檬图像输入算法中，该图像可以包含单个或多个柠檬；

2)对柠檬图像进行通道转换，提取HSV通道，获得色相(Hue，简称H)、饱和度(Saturation，简称S)和明度(Value，简称V)三个通道图像。其中，H代表色彩信息，介于0°至360°；S衡量颜色纯度，取值范围为0.0至1.0；V控制颜色亮度，取值从0(黑色)至255(白色)。

3)通过设定多个灰度阈值(如threshold_1、threshold_2、threshold_3、threshold_4等)，实现在threshold_1到threshold_2和threshold_3到threshold_4之间的游程编码提取；游程编码的合集表示为R＝{(l_i,cb_i,ce_i)}，R表示为游程编码的集合，l_i表示第i条游程编码的行坐标，cb_i表示第i条游程编码的列坐标起点，ce_i表示第i条游程编码的列坐标终点。

4)在V通道上，经过步骤3)，可以从多个灰度阈值间提取出多段游程编码，如R₁、R₂、R₃等。每两个灰度阈值可以生成一段游程编码，其中每段游程编码可能包含多条游程编码。将这些多段游程编码合并成一段游程编码，形成一个游程编码簇，表示为R_V。

5)设定一个列方向长度阈值，用以移除列方向上游程编码长度小于该阈值的每条游程，消除短游程编码对物体干扰。列方向游程编码长度的计算方式为：length＝ce_i-cb_i；对R_V执行此操作，得到R_V1。

6)同样地，设定一个行方向长度阈值，用以消除行方向上游程编码长度小于该阈值的每条游程。在这个过程中，需要对游程编码进行转换，其原本的表示方法是R＝{(l_i,cb_i,ce_i)}，转换R＝{(c_i,lb_i,le_i)}，c_i表示第i条游程编码的列坐标，lb_i表示第i条游程编码的行坐标起点，le_i表示第i条游程编码的行坐标终点。对R_V1进行该操作得到R_V2；

7)在以上步骤完成后，能够获取图像中所有柠檬位置的游程编码R_V2，并且将所有背景干扰排除。

8)对得到的游程编码R_V2执行以下操作：

a)迭代遍历输入的游程编码集合R_V2。逐一检查每条游程编码，观察它们之间的位置关系。通过循环遍历运行集合，在每次迭代中检查当前游程编码与其他游程编码的位置关系，以确定它们是否满足连接的条件。

b)判断相邻的游程编码是否应该连接在一起形成一个新的游程编码簇。通过比较每条游程编码的位置信息(例如起始列、结束列和行数)，决定两个游程编码是否在空间上相邻。这些位置关系条件的验证确定了两个游程编码是否应该被归为同一游程编码簇。

c)当算法确认两个游程编码满足连接条件时，将它们标记为游程编码簇的一部分。这个标记可能以特定的方式改变数据结构或属性，表示这些游程编码现在被视为同一游程编码簇的一部分。

d)算法最终输出连接的游程编码簇。每个游程编码簇包含多个游程编码，这些游程编码簇展示了输入游程编码之间的连通性关系。

9)在步骤8)之后，可以获得多个游程编码簇，例如R_柠檬1、R_柠檬2、R_柠檬3...，每个游程编码簇代表一个柠檬的实际位置，实现了柠檬位置的定位。

10)然后，通过以下公式，将H通道取值范围映射到0-255；

Mapped_H表示为H通道映射后的值，Original_H表示为H通道映射前的值。

11)在步骤10)之后，会获得H通道的0-255的字节型数据图像。在多个游程编码簇R_柠檬1、R_柠檬2、R_柠檬3。。。上，H通道图像对进行步骤3)的操作，从多段灰度阈值之间提取游程编码R₁₁、R₂₂、R₃₃等。每两个灰度阈值可以生成一段游程编码，每段游程编码可能包含多条游程编码。需要将这些多段游程编码合并成一段游程编码，将提取到的所有游程编码表示为R_H，R_H则代表正常柠檬位置，无青皮缺陷。

12)利用定位到的柠檬游程编码簇R_柠檬1、R_柠檬2、R_柠檬3等，减去R_H的操作，可以得到每个柠檬位置上的青皮缺陷R_{柠檬1青皮}、R_{柠檬2青皮}、R_{柠檬3青皮}等。

13)通过计算每个柠檬每条游程编码R_{柠檬1青皮}、R_{柠檬2青皮}、R_{柠檬3青皮}等的长度，并将它们相加，可以得到每个柠檬青皮像素的总面积。

这种基于游程编码的柠檬青皮检测方法采用了HSV通道转换、游程编码提取、游程编码合并和连接、H通道映射等关键技术点。通过这些技术的综合运用，能够精确定位柠檬位置并检测青皮缺陷，去除背景干扰，量化评估青皮缺陷的严重程度。这种方法不仅提高了柠檬质量分析的准确性和效率，也为柠檬种植和加工环节提供了可靠的图像处理解决方案。

以上说明书中描述的只是本发明的具体实施方式，各种举例说明不对本发明的实质内容构成限制，所属技术领域的普通技术人员在阅读了说明书后可以对以前所述的具体实施方式做修改或变形，而不背离发明的实质和范围。

Claims (5)

1.一种基于游程编码的柠檬青皮检测方法，其特征在于：包括以下步骤，

S1、输入采集的柠檬图像；

S2、对柠檬图像进行通道转换，提取HSV通道，获得H、S、V三个通道图像；

S3、设定多个灰度阈值；

S4、在V通道上，从多个灰度阈值间提取出多段游程编码；并将多段游程编码合并成一段游程编码，形成一个V通道的游程编码簇R_V；

S5、移除V通道游程编码簇R_V列方向上小于阈值的游程编码，得到R_V1；

S6、移除R_V1行方向上小于阈值的游程编码；

S7、得到所有柠檬位置的游程编码R_V2；

S8、对得到的游程编码R_V2进行分割，将不同柠檬分开；

S9、获得多个游程编码簇R_柠檬1、R_柠檬2、R_柠檬3...，每个游程编码簇代表一个柠檬的实际位置，实现柠檬位置的定位；

S10、将H通道取值范围映射到0-255；

S11、在多个游程编码簇R_柠檬1、R_柠檬2、R_柠檬3...上，对H通道图像进行步骤S3操作，得到H通道的游程编码簇R_H；

S12、利用定位到的柠檬游程编码簇R_柠檬1、R_柠檬2、R_柠檬3...，去除H通道的游程编码簇R_H，得到每个柠檬位置上的青皮缺陷的游程编码；

S13、计算每个柠檬位置上的青皮缺陷的游程编码的长度的和，得到每个柠檬青皮像素的总面积。

2.如权利要求1所述的一种基于游程编码的柠檬青皮检测方法，其特征在于：所述的步骤S5中，列方向游程编码长度的计算方式为：length＝ce_i-cb_i；其中，ce_i表示第i条游程编码的列坐标终点，cb_i表示第i条游程编码的列坐标起点。

3.如权利要求1所述的一种基于游程编码的柠檬青皮检测方法，其特征在于：所述的步骤S6中，对游程编码进行转换，将游程编码的合集R＝{(l_i,cb_i,ce_i)}转换为R＝{(c_i,lb_i,le_i)}，其中，l_i表示第i条游程编码的行坐标，c_i表示第i条游程编码的列坐标，lb_i表示第i条游程编码的行坐标起点，le_i表示第i条游程编码的行坐标终点。

4.如权利要求1所述的一种基于游程编码的柠檬青皮检测方法，其特征在于：所述的步骤S8包括以下步骤，

A、迭代遍历输入的游程编码集合R_V2；逐一检查每条游程编码，观察每条游程编码之间的位置关系；通过循环遍历运行集合，在每次迭代中检查当前游程编码与其他游程编码的位置关系，以确定是否满足连接的条件；

B、判断相邻的游程编码是否应该连接在一起形成一个新的游程编码簇；通过比较每条游程编码的位置信息，决定两个游程编码是否在空间上相邻；

C、当算法确认两个游程编码满足连接条件时，则标记为游程编码簇的一部分；

D、输出连接的游程编码簇。

5.如权利要求1所述的一种基于游程编码的柠檬青皮检测方法，其特征在于：所述的步骤S10中，

通过以下公式，将H通道取值范围映射到0-255；

Mapped_H表示为H通道映射后的值，Original_H表示为H通道映射前的值。