[发明专利]一种西红柿分级的图像检测方法

说明书

技术领域

本发明设计是一种西红柿分级的图像检测方法，尤其涉及一种基于机器视觉的西红柿等级检测分级方法。

 背景技术

在我国西红柿的种植分布广泛，而西红柿的采后处理对提高商品质量、价格有着巨大的推动作用。目前我国西红柿分级主要是由人工完成。人工分级的缺点是：效率低，成本高，长时间的分级过程对新鲜果蔬的流通不利；精度差，只能靠个人经验对目标分级，不能对目标定量的描述，导致分级结果因人而异；劳动强度大，人工分级是一种单调乏味的工作，容易产生视觉疲劳，影响分级精度。

随着计算机技术的发展，使得20世纪70年代初期崭露头角的计算机视觉技术广泛地应用于农产品品质检测和分级中。利用计算机视觉对西红柿分级的优点在于：精度高，效率高，智能化高。同时，西红柿国家标准、冷藏和冷藏运输指南等相关规定的出台，进一步为基于计算机视觉的西红柿自动化分级检测提供了理论依据和政策支持。

发明内容

要解决的技术内容

大小、颜色是表征西红柿品质的重要特征，也是消费者判断其品质的最直观特征。目前我国的西红柿分级方法还主要是由人工来完成，适于商业化运用的西红柿自动化分级检测方法还较少。本发明提出了一种西红柿的分级图像处理的方法，利用行扫描技术获取西红柿轮廓信息，计算西红柿最大果径；利用彩色空间线性转换技术，提取西红柿表面颜色信息，从而判断西红柿的等级。

技术方案

为了达到上述目的，本发明采取以下技术方案：本发明西红柿大小、颜色分级检测方法，具有以下步骤：

1）使西红柿连续滚动通过采集区域，并连续采集至少3幅不同表面图像，使图像覆盖果实表面的绝大部分面积；

2）对采集的西红柿RGB色彩空间原图像，提取R通道图像；

3）对步骤2）得到的图像进行均值滤波预处理；

4）对其步骤3）得到的图像进行域阈值分割和二值化处理，获得二值图像，得到果实的目标区域；

5）对上述步骤4）得到的二值图像提取目标边缘； 

6）利用上述步骤5）得到的目标边缘计算果实的最大果径d；

7）对上述步骤3）得到的滤波后的图像，在上述步骤4）得到的水果目标区域内通过c=（r-g）/（r+g＋b）模型计算颜色水平值c，其中r、g、b为R、G、B颜色通道的平均灰度值，c为颜色水平值；

8）将最大果径d和颜色水平值c与设定的每个等级的果径和颜色水平值范围比较，即能判定每个水果的等级。

优选地，所述步骤7）中c=（r-g）/（r+g＋b）模型包括（r-g）和（r+g）＋b，其中，r、g、b为R、G、B颜色通道的平均亮度值。

优选地，所述步骤5）中二值图像提取目标边缘的步骤包括：从上到下，从左到右逐行扫描整幅图像，对值为1的目标点，保留一行中首次和最后一次出现的目标点作为目标边界上的点。

优选地，所述步骤6）中的目标边缘计算西红柿的最大果径d的步骤包括：对整个边界上的所有像素点求取两两之间的欧氏距离，将最大的距离值乘于图像的空间分辨率即得到最大果径。

优选地，所述步骤8）中最大果径d和颜色水平值c的求取方法：是对每个果实采集三个不同表面的图像，并通过上述步骤计算每幅图像的最大果径d和颜色水平值c，将三次求得的d和c分别取平均得到最终的等级判定依据。

优选地，所述采集图像的机器视觉系统，包括采用RGB彩色分量摄像机。

有益效果

本发明在应用于西红柿的实际实时分级时，对每个西红柿采集的图像分辨率为200×200像素，分级速度能达到每秒6个果实。1）算法计算复杂度低，易于实现，适于西红柿的快速实时分级；2）本发明的计算方法可信程度和可靠程度高；3）采用RGB颜色模型进行处理具有直观、简便的特点，且降低了劳动强度；4）本发明分级的方法客观性强、标准稳定、一致性好、效率高，而且非接触无伤害，因而具有很好的应用前景。5）本发明分级的标准调整方便，只需软件上设置最大果径d和颜色水平值c的各级区间值即可。

附图说明：

图1本发明实施例的检测流程图

图2 本发明实施例同一果实不同表面图像

图3 本发明实施例的目标提取

图4 本发明实施例的轮廓提取

六、具体实施方案

以下实施例用于说明本发明，但不用来限制本发明的范围。