[发明专利]一种基于计算机视觉的花蕾判别方法

说明书

技术领域

本发明涉及花卉分级领域，特别是涉及一种基于计算机视觉的花蕾判别方法。

背景技术

我国花卉的种植面积与产量居于世界的第一位，但花卉产品附加价值低，行业标准和自动化水平落后。荷兰花卉产业广泛应用自动化生产设备，实现了自动化装盆、种苗移植、盆花搬运、灌溉、疏盆、盆花分级、成品包装，提高了生产效率和花卉成品的品质。对成品花卉进行品质分级，是花卉生产中的重要一步。人工不仅分级生产效率低，而且分选结果不能保证精度要求，评判标准难以统一，在分选过程中接触花卉，还可能对花卉造成一定的损伤。使用计算机视觉技术进行花卉分级很好的解决了上述问题。

根据我国花卉标准，为保证花卉产品的品质，要求产出的一级花卉的花蕾比例大于等于90％。花蕾比例作为花卉分级的重要标准，是计算机视觉分级花卉的主要难点。使用传统计算机视觉算法很难予以辨别，实现计算机视觉花蕾判别方法，准确快速的判别花朵是否开放，从而可以有效的保证分级精度和统一评判标准。

因此，准确快速的判别出花朵的开放情况对于花卉分级的分级精度、评判标准的统一、提高经济效益都有很重要的意义。

当前，迫切需要研究出一种基于计算机视觉的花蕾判别方法，可以实现对花朵开放情况的快速、准确判别。

发明内容

本发明的目的是解决通过计算机对成品花卉进行品质分级的自动化问题，提供一种基于计算机视觉的花蕾判别方法，可以准确快速的判别花蕾与开放花朵，在花卉生产标准化和自动化研究中，应用前景广阔，具有重大的生产实践意义。

本发明提供的基于计算机视觉的花蕾判别方法，包括如下步骤：

第1、图像预处理，接收来自CCD摄像机的图像信号，对图像的RGB颜色空间转换为HSI颜色空间，提取出HSI颜色空间的H与S分量并进行中值滤波；

第2、图像分割扩展，将预处理后提取出的图像数据信号的H和S分量空间进行颜色阈值分割、合并、轮廓填充、轮廓识别，对轮廓外接矩形部分进行扩展截取，并将扩展截取后的图像分别进行图像显著图计算和图像SURF关键点计算；

第2.1、所述颜色阈值分割、合并，对H分量分割阈值的区间选取为，花朵颜色的连续颜色区间，对S分量剔除饱和度值较低的部分，并进行与运算合并；

第2.2、所述轮廓填充、识别，用于对合并后的图片中全部轮廓进行填充，并根据目标区域大小进行目标识别，选定目标区域；

第3、图像显著图计算，对第2步扩展截取的图像信号运用残谱法计算显著图；

第4、图像SURF关键点计算，对第2步扩展截取的图像信号同时计算SURF关键点；

第5、关键点直方图计算，将第3步计算得到的显著图与第4步计算得到的SURF关键点信息进行整合，得出在不同显著值上SURF关键点的直方图；

第6、特征量计算，对第5步得到的关键点直方图信息进行不等距合并，合并间距分别为32,48,48,48,48,32，最终得到6个特征量；

第7、支持向量机预测结果，将第6步得到的6个特征量送入训练好的支持向量机中，得出判别结果。

本发明的优点和有益效果：本方法可以准确、快速区分花蕾与开放花朵，对光照、旋转具有一定的鲁棒性，在花卉生产标准化和自动化的研究中，应用前景广泛，具有重大的生产实践意义。

附图说明

图1是基于计算机视觉的花蕾判别方法流程图；

图2是本发明图像预处理步骤中图像数据预处理的方法流程图；

图3是本发明图像分割扩展步骤中图像扩展分割截取的方法流程图；

图4是本发明图像显著图计算步骤中残谱法显著图计算的方法流程图；

图5为本发明SURF关键点计算步骤中SURF关键点计算的方法流程图；

图6为本发明CCD摄像机采集到的花蕾与开放花朵图片；

图7为本发明得到的花蕾与开放花朵显著图；

图8为本发明得到的花蕾与开放花朵SURF关键点；

图9为本发明得到的花蕾SURF关键点直方图；

图10为本发明得到的开放花朵SURF关键点直方图；

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和实施方式对本发明作进一步的详细说明。

图1是本发明提供的一种基于计算机视觉的花蕾判别方法流程图。