一种基于黄叶识别的叶菜清洗控制方法及系统

摘要: 本发明涉及叶菜清洗,尤其涉及一种基于黄叶识别的叶菜清洗控制方法及系统。背景技术:1、在叶菜类农产品的采后处理过程中,清洗是保障食品安全与商品品质的关键环节,随着...
一种基于黄叶识别的叶菜清洗控制方法及系统

本发明涉及叶菜清洗,尤其涉及一种基于黄叶识别的叶菜清洗控制方法及系统。

背景技术:

1、在叶菜类农产品的采后处理过程中,清洗是保障食品安全与商品品质的关键环节,随着消费者对蔬菜洁净度、外观完整性和食用安全性的要求不断提高,传统粗放式清洗方式已难以满足现代生鲜供应链的高标准需求,尤其当叶菜表面附着泥沙、虫卵,或存在黄化、腐烂等生理劣变区域时,若不能精准识别并针对性处理,不仅影响产品感官质量,还可能成为微生物滋生的温床,进而威胁食品安全;

2、目前,传统叶菜清洗多采用人工分拣结合固定参数机械清洗的方式,操作人员通过目视判断剔除明显黄化或腐烂叶片,随后将叶菜送入喷淋式或滚筒式清洗设备进行统一清洗,然而,该模式存在明显局限:一方面,人工分拣效率低、成本高,且易受主观因素干扰,导致漏检率高、一致性差;另一方面,现有清洗设备普遍采用预设不变的水压、喷淋时间及水流强度,无法根据叶菜个体的实际劣变程度进行差异化调节,容易造成清洗不足或清洗过度的情况,从而降低出品率与商品一致性。

3、因此,现有技术急需一种基于黄叶识别的叶菜清洗控制方法及系统的技术方案。

技术实现思路

1、为了解决上述技术问题,本发明实施例提供了一种基于黄叶识别的叶菜清洗控制方法,具体包括以下步骤:

2、s1、获取叶菜在输送过程中的可见光图像及近红外图像;

3、s2、由可见光图像中提取颜色与纹理特征,由近红外图像中提取水分分布特征,并将所述颜色与纹理特征及水分分布特征进行融合,生成黄叶区域掩码;

4、s3、根据黄叶区域掩码计算当前叶菜的若干黄叶指标,并对若干黄叶指标执行三重分析;所述若干黄叶指标,包括:黄叶占比、黄叶空间分布密度以及黄叶区域的水分异常指数;

5、s301、统计黄叶区域掩码中所有标记为黄叶的像素点数量,并统计黄叶区域掩码中所有叶菜的像素点总数;

6、s302、将黄叶区域掩码中所有标记为黄叶的像素点数量与所有叶菜的像素点总数进行比值处理,得到当前叶菜的黄叶占比;

7、s303、将黄叶区域掩码所覆盖的全部区域划分为若干等面积的子区域,并分别统计每个子区域中黄叶的像素点数量;

8、s304、计算所有子区域中黄叶的像素点数量的标准差,得到当前叶菜的黄叶空间分布密度;

9、s305、依据黄叶区域掩码定位黄叶区域在近红外图像中的位置,并提取当前位置的黄叶区域水分响应强度,同时定位非黄叶区域在近红外图像中的位置,并提取当前位置的非黄叶区域水分响应强度;

10、s306、计算黄叶区域水分响应强度的平均值与非黄叶区域水分响应强度的平均值之间的差值,得到当前叶菜的黄叶区域的水分异常指数;

11、s311、对黄叶占比、黄叶空间分布密度以及黄叶区域的水分异常指数分别进行置信度分析,得到每个黄叶指标的置信度系数;

12、s3111、对黄叶区域掩码进行边缘检测,得到黄叶区域掩码的边缘像素集合;

13、s3112、基于边缘像素集合,计算边缘像素的梯度幅值均值,并对黄叶区域掩码的轮廓进行闭合性分析,得到轮廓闭合缺口数量;

14、s3113、基于边缘像素的梯度幅值均值及轮廓闭合缺口数量,计算得到黄叶占比的置信度系数;

15、s3114、计算各等面积的子区域的几何中心坐标;

16、s3115、基于各子区域的几何中心坐标,计算各几何中心相对于叶菜中心点的径向距离,并计算径向距离的标准差;

17、s3116、基于子区域的数量及径向距离的标准差,计算得到黄叶空间分布密度的置信度系数;

18、s3117、获取基于黄叶区域掩码从近红外图像中定位的黄叶区域的近红外反射强度值集合;

19、s3118、基于黄叶区域的近红外反射强度值集合,计算近红外反射强度的标准差;

20、s3119、基于近红外反射强度的标准差,计算得到黄叶区域的水分异常指数的置信度系数;

21、s312、对黄叶占比、黄叶空间分布密度以及黄叶区域的水分异常指数分别进行数值偏离程度分析,得到每个黄叶指标的异常系数;

22、s3121、获取预设的黄叶占比正常参考均值及正常参考标准差;

23、s3122、基于当前叶菜的黄叶占比、预设的黄叶占比正常参考均值及正常参考标准差,计算黄叶占比的标准化偏离度,并根据黄叶占比的标准化偏离度确定黄叶占比的异常系数;

24、s3123、获取预设的黄叶空间分布密度正常参考均值及正常参考标准差;

25、s3124、基于当前叶菜的黄叶空间分布密度、预设的黄叶空间分布密度正常参考均值及正常参考标准差,计算黄叶空间分布密度的标准化偏离度,并根据黄叶空间分布密度的标准化偏离度确定黄叶空间分布密度的异常系数;

26、s3125、获取预设的黄叶区域的水分异常指数正常参考均值及正常参考标准差;

27、s3126、基于当前叶菜的黄叶区域的水分异常指数、预设的黄叶区域的水分异常指数正常参考均值及正常参考标准差,计算黄叶区域的水分异常指数的标准化偏离度,并根据黄叶区域的水分异常指数的标准化偏离度确定黄叶区域的水分异常指数的异常系数;

28、s313、对每个黄叶指标的置信度系数及每个黄叶指标的异常系数进行融合分析,得到每个黄叶指标的综合异常系数;

29、s3131、将黄叶占比的置信度系数与黄叶占比的异常系数相加,得到黄叶占比的融合基准值,并以黄叶占比的异常系数除以黄叶占比的融合基准值,获得黄叶占比的异常权重,再将黄叶占比的异常权重与黄叶占比的异常系数相乘,同时将剩余权重与黄叶占比的置信度系数相乘,二者之和作为黄叶占比的综合异常系数;

30、s3132、将黄叶空间分布密度的置信度系数与黄叶空间分布密度的异常系数相加,得到黄叶空间分布密度的融合基准值,并以黄叶空间分布密度的异常系数除以黄叶空间分布密度的融合基准值,获得黄叶空间分布密度的异常权重,再将黄叶空间分布密度的异常权重与黄叶空间分布密度的异常系数相乘,同时将剩余权重与黄叶空间分布密度的置信度系数相乘,二者之和作为黄叶空间分布密度的综合异常系数;

31、s3133、将黄叶区域的水分异常指数的置信度系数与水分异常指数的异常系数相加,得到水分异常指数的融合基准值,并以水分异常指数的异常系数除以水分异常指数的融合基准值,获得水分异常指数的异常权重,再将水分异常指数的异常权重与水分异常指数的异常系数相乘,同时将剩余权重与水分异常指数的置信度系数相乘,二者之和作为黄叶区域的水分异常指数的综合异常系数;

32、s4、基于三重分析结果并结合若干黄叶指标,对叶菜的喷淋式清洗机的清洗参数进行动态调整,并根据调整结果启动喷淋式清洗机对叶菜进行清洗;若黄叶占比大于第一预设阈值、异常系数大于第三预设阈值、置信度系数大于等于第二预设阈值且综合异常系数大于第四预设阈值,和/或,黄叶空间分布密度小于等于第五预设阈值且综合异常系数大于第四预设阈值,上调水压、喷淋时长和水流强度;若黄叶空间分布密度大于第五预设阈值、异常系数大于第三预设阈值且置信度系数大于等于第二预设阈值,上调水流强度与喷淋时长。

33、本实施例还公开了一种基于黄叶识别的叶菜清洗控制系统,包括以下模块:

34、图像获取模块:用于获取叶菜在输送过程中的可见光图像及近红外图像;

35、特征融合模块:与图像获取模块连接,用于由可见光图像中提取颜色与纹理特征,由近红外图像中提取水分分布特征,并将所述颜色与纹理特征及水分分布特征进行融合,生成黄叶区域掩码;

36、指标分析模块:与特征融合模块连接,用于根据黄叶区域掩码计算当前叶菜的若干黄叶指标,并对若干黄叶指标执行三重分析;

37、清洗模块:与指标分析模块连接,用于基于三重分析结果并结合若干黄叶指标,对叶菜的喷淋式清洗机的清洗参数进行动态调整,并根据调整结果启动喷淋式清洗机对叶菜进行清洗;若黄叶占比大于第一预设阈值、异常系数大于第三预设阈值、置信度系数大于等于第二预设阈值且综合异常系数大于第四预设阈值,和/或,黄叶空间分布密度小于等于第五预设阈值且综合异常系数大于第四预设阈值,上调水压、喷淋时长和水流强度;若黄叶空间分布密度大于第五预设阈值、异常系数大于第三预设阈值且置信度系数大于等于第二预设阈值,上调水流强度与喷淋时长。

38、本发明实施例具有以下技术效果:

39、本发明针提出了一种基于多模态图像融合与智能分析的全自动叶菜清洗控制方法,具体而言,通过同步获取叶菜在输送过程中的可见光图像与近红外图像,分别提取颜色纹理特征与水分分布特征,并融合生成高精度的黄叶区域掩码;在此基础上,通过计算黄叶占比、黄叶空间分布密度及黄叶区域的水分异常指数三项量化指标,并对每一指标分别进行置信度分析与数值偏离程度分析,进而通过融合置信度系数与异常系数获得各指标的综合异常系数;最终,依据三项量化指标及结合三重分析结果动态调整喷淋式清洗机的水压、喷淋时长、水流强度等清洗参数,并自动启动清洗作业,整个流程无需人工干预,实现了从黄叶识别、劣变评估到清洗响应的全闭环智能控制,有效规避了人工漏检与清洗策略僵化的问题;

40、综上所述,本发明通过融合可见光与近红外图像信息,构建黄叶区域掩码并量化黄叶占比、黄叶空间分布密度及黄叶区域的水分异常指数,结合置信度分析与异常偏离分析生成综合异常系数,从而驱动喷淋式清洗机实现清洗参数的动态自适应调节,该方法彻底摆脱了对人工分拣的依赖,显著提升了黄叶识别准确性与清洗策略的针对性,在保障叶菜洁净度的同时有效避免过度清洗造成的品质损伤,提高了出品率及商品一致性。