一种基于机器视觉的藕带分等分级检测方法
本发明涉及农产品分等分级,具体涉及一种基于机器视觉的藕带分等分级检测方法。
背景技术:
1、藕带作为常见的水生蔬菜,因其鲜嫩口感和丰富营养深受消费者喜爱。在藕带采收和初加工过程中,其外观品质(如长度、直径、表面斑点、弯曲度、断裂情况等)直接影响商品价值。
2、目前,藕带的分等分级主要依赖人工目测和手工测量。人工分级存在以下问题:一是效率低、劳动强度大,难以满足规模化生产需求;二是检测维度单一,人工难以同时兼顾分叉、侧芽、斑点、破损、断裂及尺寸等多个参数;三是判定规则不明确,不同操作人员的判定尺度不一致,分级结果主观性强、可复现性差;四是缺乏完整的自动化机器视觉检测方案,无法实现采集、处理、判定、输出的全流程闭环。
3、此外,现有的一些农产品视觉检测设备多针对苹果、马铃薯等近似规则形状的果蔬,缺少针对藕带细长形态、脆嫩质地及笔尖分叉特征的分等分级方案。加之藕带质地脆嫩,机械接触易造成挤压损伤,导致商品率下降。
4、因此,需要在图像采集、图像处理、特征提取、瑕疵识别、尺寸检测、等级判定和分级输出环节建立完整、可复现、可审查的机器视觉检测方法,以实现藕带的高精度、高效率、无损伤分等分级。
技术实现思路
1、针对现有技术的不足,本发明提供一种基于机器视觉的藕带分等分级检测方法。
2、为实现上述发明目的,本发明采用如下技术方案:
3、一种基于机器视觉的藕带分等分级检测方法,包括以下步骤:
4、s1、图像采集:获取藕带笔尖区域、侧芽区域及表面区域的图像,并将图像传输至嵌入式图像处理器。
5、s2、图像预处理:对藕带图像进行灰度化、去噪、对比度增强和背景分割,得到藕带目标区域图像。
6、s3、特征提取:对藕带目标区域图像进行边缘检测、轮廓分析和骨架分析,提取笔尖分叉特征、侧芽特征和表面缺陷特征,并根据标定参数将侧芽像素面积换算为侧芽等效直径。
7、s4、瑕疵识别:根据表面缺陷特征识别黑斑、褐变斑点、虫蛀痕迹、破损和断裂缺陷。
8、s5、尺寸检测:根据像素当量测量藕带长度、直径、弯曲度及侧芽等效直径,形成尺寸检测结果。
9、s6、等级判定:根据笔尖分叉特征、侧芽等效直径和瑕疵识别结果判定藕带等级;笔尖区域无分叉线且无表面缺陷的判定为一等品;检测到分叉线且侧芽等效直径不大于5mm且无表面缺陷的判定为二等品;其余情形判定为三等品。
10、s7、分级输出:根据等级判定结果控制藕带输送路径,使藕带进入与等级对应的分级通道并落入对应的收集位置。
11、优选地,所述s1图像采集包括:藕带经柔性链板式传送带输送,进入定位输送箱,在分挡板作用下排列为竖直输送状态,并通过视觉通道逐个进入拍摄区域;高速工业相机在环形led光源和遮光罩的配合下采集藕带图像,高速工业相机的分辨率不低于200万像素,采集单帧或连续多帧图像,并通过图像触发或帧同步机制确保每根藕带至少获得一张完整、清晰、光照均匀的图像。
12、优选地,所述s2图像预处理包括:对藕带图像进行灰度化处理;采用中值滤波或高斯滤波进行去噪;采用直方图均衡化或限制对比度自适应直方图均衡化进行对比度增强;采用otsu自适应阈值分割和形态学开闭运算进行背景分割;依据视觉通道边界和藕带轮廓提取笔尖区域、侧芽区域和表面区域的感兴趣区域。
13、优选地,所述s3特征提取中,笔尖分叉特征的提取方式为:对笔尖区域进行canny边缘检测和骨架细化,检测骨架端点与分叉点;采用霍夫直线检测识别分叉线;当分叉支路长度大于预设阈值时,判定存在分叉。
14、优选地,所述s3特征提取中,侧芽特征的提取方式为:对侧芽区域进行连通域分析,统计侧芽区域像素面积;利用像素当量将侧芽区域像素面积换算为实际面积,并按等效圆计算侧芽等效直径;所述像素当量通过棋盘格标定板或视觉通道已知宽度标定得到。
15、优选地,所述s4瑕疵识别包括:在hsv或ycbcr颜色空间设置颜色阈值,分割出黑斑、褐变斑点、虫蛀痕迹的候选区域;对候选区域进行连通域分析,并结合面积、灰度均值、色差、圆度和长宽比滤除噪声;当候选区域面积大于预设面积阈值时识别为对应缺陷;通过轮廓突变、宽度突变或连通域断裂检测识别破损和断裂缺陷。
16、优选地,所述s5尺寸检测还包括:根据像素当量测量藕带长度、直径和弯曲度,将测量结果与预设尺寸阈值比较,用于同等级内细分或剔除异常尺寸藕带,并将尺寸测量数据与等级判定结果一并记录。
17、优选地,所述s6等级判定采用如下优先级:先判断表面缺陷,若存在黑斑、褐变斑点、虫蛀痕迹、破损或断裂中任一缺陷,直接判定为三等品;再判断分叉特征与侧芽等效直径,笔尖区域无分叉线且无表面缺陷的判定为一等品,检测到分叉线且侧芽等效直径不大于5mm且无表面缺陷的判定为二等品,其余情形判定为三等品。
18、优选地,所述s7分级输出包括:根据等级判定结果生成气动推杆控制信号,使气动推杆伸缩并通过铰接轴带动可调通道转动;当藕带到达路径调节位置时,可调通道已切换至与藕带等级对应的输送路径,藕带经分类通道的对应分级通道和下滑通道落入对应收集位置;同步进行分级计数与统计。
19、与现有技术相比,本发明有如下有益效果:
20、本发明建立了图像采集、预处理、特征提取、瑕疵识别、尺寸检测、等级判定和分级输出的完整机器视觉检测流程,实现了藕带分等分级的全流程自动化闭环,检测效率高,大幅降低劳动强度。
21、本发明融合笔尖分叉特征、侧芽等效直径、表面缺陷和尺寸参数等多维度信息进行等级判定,检测维度全面,判定规则明确,分级结果客观、可复现、可审查。
22、本发明采用非接触式视觉检测,避免了对脆嫩藕带的机械挤压损伤,实现了无损分等分级,有利于提高商品率。
23、本发明的等级判定采用明确的优先级规则和量化阈值(如侧芽等效直径5mm),判定逻辑清晰;同时记录每根藕带的等级、尺寸测量数据和瑕疵识别结果,便于质量追溯。
1.一种基于机器视觉的藕带分等分级检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s1图像采集包括:藕带经柔性链板式传送带输送,进入定位输送箱,在分挡板作用下排列为竖直输送状态,并通过视觉通道逐个进入拍摄区域;高速工业相机在环形led光源和遮光罩的配合下采集藕带图像,高速工业相机的分辨率不低于200万像素,采集单帧或连续多帧图像,并通过图像触发或帧同步机制确保每根藕带至少获得一张完整、清晰、光照均匀的图像。
3.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s2图像预处理包括:对藕带图像进行灰度化处理;采用中值滤波或高斯滤波进行去噪;采用直方图均衡化或限制对比度自适应直方图均衡化进行对比度增强;采用otsu自适应阈值分割和形态学开闭运算进行背景分割;依据视觉通道边界和藕带轮廓提取笔尖区域、侧芽区域和表面区域的感兴趣区域。
4.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s3特征提取中,笔尖分叉特征的提取方式为:对笔尖区域进行canny边缘检测和骨架细化,检测骨架端点与分叉点;采用霍夫直线检测识别分叉线;当分叉支路长度大于预设阈值时,判定存在分叉。
5.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s3特征提取中,侧芽特征的提取方式为:对侧芽区域进行连通域分析,统计侧芽区域像素面积;利用像素当量将侧芽区域像素面积换算为实际面积,并按等效圆计算侧芽等效直径;所述像素当量通过棋盘格标定板或视觉通道已知宽度标定得到。
6.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s4瑕疵识别包括:在hsv或ycbcr颜色空间设置颜色阈值,分割出黑斑、褐变斑点、虫蛀痕迹的候选区域;对候选区域进行连通域分析,并结合面积、灰度均值、色差、圆度和长宽比滤除噪声;当候选区域面积大于预设面积阈值时识别为对应缺陷;通过轮廓突变、宽度突变或连通域断裂检测识别破损和断裂缺陷。
7.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s5尺寸检测还包括:根据像素当量测量藕带长度、直径和弯曲度,将测量结果与预设尺寸阈值比较,用于同等级内细分或剔除异常尺寸藕带,并将尺寸测量数据与等级判定结果一并记录。
8.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s6等级判定采用如下优先级:先判断表面缺陷,若存在黑斑、褐变斑点、虫蛀痕迹、破损或断裂中任一缺陷,直接判定为三等品;再判断分叉特征与侧芽等效直径,笔尖区域无分叉线且无表面缺陷的判定为一等品,检测到分叉线且侧芽等效直径不大于5mm且无表面缺陷的判定为二等品,其余情形判定为三等品。
9.根据权利要求1所述的一种基于机器视觉的藕带分等分级检测方法,其特征在于,所述s7分级输出包括:根据等级判定结果生成气动推杆控制信号,使气动推杆伸缩并通过铰接轴带动可调通道转动;当藕带到达路径调节位置时,可调通道已切换至与藕带等级对应的输送路径,藕带经分类通道的对应分级通道和下滑通道落入对应收集位置;同步进行分级计数与统计。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com