[发明专利]基于计算机视觉的玉米异常果穗筛分方法、装置及系统

权利要求书

1.一种基于计算机视觉的玉米异常果穗筛分方法，其特征在于，包括：

基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像；

基于预设的特征参数提取规则，提取所述截取图像中的特征参数；

根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别。

2.根据权利要求1所述的方法，其特征在于，在所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像之前，所述方法还包括：

采用中值滤波处理所述待筛分玉米果穗的图像，得到第一图像；

采用统计分割方法分割处理所述第一图像，得到第二图像；

采用图像形态学处理方法平滑处理所述第二图像，得到第三图像；

相应地，所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像，包括：

基于预设的图像截取规则，截取所述第三图像，得到截取图像。

3.根据权利要求1所述的方法，其特征在于，所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像，包括：

根据待筛分玉米果穗的图像，确定所述待筛分玉米果穗的最小外接矩形；

根据所述最小外接矩形，截取所述待筛分玉米果穗的图像，得到截取图像。

4.根据权利要求1所述的方法，其特征在于，在所述根据所述截取图像，基于预设的特征参数提取规则，提取所述截取图像中的特征参数之前，所述方法还包括：

利用预设的图像窗口扫描所述截取图像，确定至少一块感兴趣区域ROI。

5.根据权利要求4所述的方法，其特征在于，所述基于预设的特征参数提取规则，提取所述截取图像中的特征参数，包括：

根据所述至少一块ROI，基于RGB颜色模型，提取各ROI的颜色特征参数；

将各ROI转化为灰度图像，提取各灰度图像的纹理特征参数。

6.根据权利要求5所述的方法，其特征在于，

所述根据所述至少一块ROI，基于RGB颜色模型，提取各ROI的颜色特征参数，包括：

根据所述至少一块ROI，确定各ROI的像素点数目；

根据所述各ROI的像素点数目，基于RGB颜色模型，提取各ROI的颜色特征参数；

所述将各ROI图像转化为灰度图像，提取各灰度图像的纹理特征参数，包括：

将各ROI转化为灰度图像，对各灰度图像进行灰度压缩，得到所述各灰度图像对应的第四图像；

基于预设的灰度共生矩阵计算模型，计算各第四图像的灰度共生矩阵；

根据所述各第四图像的灰度共生矩阵，基于预设的纹理特征参数提取规则，提取所述各第四图像的纹理特征参数。

7.根据权利要求1所述的方法，其特征在于，所述预设的异常果穗筛分模型由以下步骤得到：

从预设的玉米果穗各异常类型的图像的异常区域中截取至少一幅子图像，构成样本图像库；

基于预设的特征参数提取规则，提取所述样本图像库中各图像的特征参数，构成样本特征参数库；

利用样本特征参数库中的特征参数，对支持向量机SVM进行训练，得到所述预设的异常果穗筛分模型。

8.根据权利要求7所述的方法，其特征在于，所述根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别，包括：

根据所述特征参数，基于预设的异常果穗筛分模型，确定所述待筛分玉米果穗中预设的各异常类型对应的异常区域；

确定所述各异常类型对应的异常区域所占面积的百分比；

确定所述待筛分玉米果穗的异常类型为面积百分比最大的异常区域对应的异常类型。

9.一种基于计算机视觉的玉米异常果穗筛分装置，其特征在于，包括：

图像截取单元，用于基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像；

参数提取单元，用于基于预设的特征参数提取规则，提取所述截取图像中的特征参数；

类别确定单元，用于根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别。

10.一种基于计算机视觉的玉米异常果穗筛分系统，其特征在于，包括：

如权利要求9所述的玉米异常果穗筛分装置、图像采集装置、支架以及背景板；

所述背景板放置在水平桌面上，所述支架与所述背景板连接，所述图像采集装置固定于所述支架上，所述玉米异常果穗筛分装置与所述图像采集装置连接；

所述支架，用于固定所述图像采集装置，以使所述图像采集装置位于背景板的正上方；

所述背景板，用于承载所述待筛分玉米果穗，并为采集待筛分玉米果穗的图像提供背景。