[发明专利]基于机器视觉的整箱红提葡萄果粒大小分级装置及其方法

说明书

技术领域

本发明涉及群体水果分级技术领域，尤其涉及一种基于机器视觉的整箱红提葡萄果粒大小自动分级装置及其方法。本发明主要是利用工业相机采集红提葡萄图像，通过一系列的图像处理方法，提取红提葡萄果粒的大小参数，根据果粒的大小建立模型并检验进行分级，为红提葡萄的自动分级提供一种无损快速的方法。

背景技术

目前，红提葡萄果粒大小的分级主要是依靠人工来实现的，通过剪切表面的几颗果粒，用游标卡尺测量其果粒最大轴向直径作为果粒的直径，根据所测的几颗果粒的直径来判断整箱红提果粒的等级。针对红提葡萄果粒大小分级时，必须遵循15%的降级原则；换言之，若被检测红提葡萄果粒的二级果偏多，但当被检测红提葡萄果粒中的三级果占比超过15％，那么被检测红提葡萄果粒降为三级果。人工分级时，选取样本有限，最大轴向直径不好把握，另外人工分级工作繁琐、效率低且具有破坏性。

机器视觉在产品分级领域应用广泛，比如苹果、梨、鸡蛋等方面的应用。国内研究主要是以苹果、柑橘、鸡蛋等形状规则且容易分离的单个物体作为研究对象。而对于类似红提葡萄这种不易分离、形状大小不一、结构紧凑的对象研究甚少。

用机器视觉来检测物体大小的研究众多。熊利荣等通过对单粒花生的像素点进行提取和计算，实现了单粒花生大小的分类【熊利荣、任奕林、肖任勤，基于机器视觉的花生大小检验,湖北农业科学[J]，2007，46(3)】；陈红等提出了一种曲线结构特征分析的分选方法，设计了一种基于机器视觉的花菇分选系统【陈红、夏青、左亭等，基于机器视觉的花菇分选技术，农业机械学报[J]，2014，45（1）】；邓海霞在基于机器视觉的群体禽蛋大小检测方法研究中先求得禽蛋的质心，再求质心到边缘点的最大值作为禽蛋的长轴，最小值作为禽蛋的短轴【邓海霞，基于机器视觉的群体禽蛋大小检测方法研究[D]华中农业大学，2006】。虽然机器视觉对物体大小检测的研究众多，但主要是针对容易分割或者以单个形体出现的物体进行检测分级，对于成串状的红提葡萄等物体研究极少。

利用机器视觉对红提葡萄果粒大小研究主要是针对整串的红提葡萄。例如，陈英、廖涛等人使用投影面积法和果轴方向投影曲线计算葡萄整串的大小和形状参数，进而实现对葡萄的品质分级，对颜色分级的准确率高达90%，对大小形状的分级准确率则达到了88.3%【陈英、廖涛、林初靠等，基于机器视觉的葡萄检测分级系统，农业机械学报[J].2010，41（3）】。王巧华等发明了一种基于机器视觉的红提葡萄自动分级装置对整串红提葡萄进行检测，通过计算红提葡萄的曲率角和突变点等方法提取红提葡萄果粒的大小特征，分级正确率为85%【王巧华、丁幼春、罗俊、许堃瑞、李敏，基于机器视觉的红提葡萄自动分级装置及其方法[P]，中国专利：CN102680414A，2012-09-19】。

经检索，目前国内尚未发现有关整箱红提葡萄果粒大小自动分级技术及分选设备应用于生产实际。

发明内容

本发明的目的就在于克服现有技术存在的问题，提供一种基于机器视觉的整箱红提葡萄果粒大小自动分级装置及其方法。

本发明的目的是这样实现的：

本发明利用机器视觉，通过特定的处理算法，对整箱红提葡萄果粒进行分割，再利用椭圆拟合等算法提取红提葡萄果粒的大小参数，进而实现了整箱红提葡萄果粒的大小分级；本发明从图像采集到图像处理再到果粒分级过程中全部是自动化，且分级标准统一，分级速度快，准确率高，具有重要应用意义。

本发明主要针对整箱红提葡萄果粒大小进行分析，与其他现有的研究不同的是，本发明针对整箱的红提葡萄进行研究，而并非针对单串红提葡萄。本发明中，主要完成以下几项工作：

1、搭建图像采集装置，采集整箱红提葡萄图像，主要包括红提葡萄的选择，

相机的选择，光源的选择，采集图像等；

2、采用合适的图像处理方法，对采集的图像进行处理，提取红提葡萄果粒

的特征参数：

这部分是最为关键的环节，主要有三个步骤，第一是图像预处理，选择合适的算法去除红提葡萄果梗；第二是分割葡萄果粒，本发明采用图像分割将红提葡萄果粒分割出来；第三是参数提取与换算，本发明利用椭圆拟合对红提葡萄果粒进行拟合，提取红提葡萄果粒大小的参数，同时通过合适的换算算法，得到红提葡萄果粒的直径大小。

3、建立红提葡萄果粒大小自动分级模型，并加以检验。

本发明的重点与难点在于如何去除果梗以及如何从整箱红提葡萄图像中获取红提葡萄果粒大小的参数。要实现的目的是通过机器视觉及图像处理技术提取有效参数，建立整箱红提葡萄大小分级分级模型，实现对整箱红提葡萄的快速无损检测及分级。