[发明专利]一种基于机器视觉的玉米种子在线破损检测分类方法

说明书

本发明涉及机器视觉检测技术领域，具体为一种基于机器视觉的玉米种子在线破损检测分类方法。其过程主要包括：玉米种粒图像采集、图像降噪及分割等预处理、玉米种粒特征值提取、图像Hu不变矩特征参数提取、支持向量机（SVM）识别模型的建立、SVM识别模型检测。其特征如下：通过玉米种子在线破损检测分类方法可以识别破损玉米种粒，并能将破损玉米种粒与完整玉米种粒分离。设计了一种图像分割方法，可以将玉米种粒图像从背景图像中分割出来；将Hu不变矩应用到玉米种粒特征中，提取了玉米种粒包括7个Hu不变矩在内的16个特征值；建立了SVM玉米种粒破损识别模型，能准确高效的识别出破损玉米种粒并将其与完整玉米种粒分离。

技术领域

本发明涉及机器视觉检测技术领域，具体为一种基于机器视觉的玉米种子在线破损检测分类方法。

背景技术

我国是农业生产大国，玉米是我国十分重要粮食作物之一，与粮食安全与粮食生产紧密相关，其战略地位十分重要。

机器视觉技术是在20世纪70年代初在生物医学图像和遥感图像处理两项应用中取得不俗成果后开始逐渐发展起来的。随着计算机技术的高速发展，计算机的性价比和处理速度不断提高，为机器视觉相关技术的研究和应用奠定了坚实的基础。

机器视觉检测技术与人工检测技术相比，检测精度高、速度快、信息量大、重复性好，在谷物外观品质检测领域的发展及应用前景十分广阔。机器视觉技术在谷物外观品质检测中的应用有：农产品及作物种子表面裂纹检测、农作物种子精选及分级、根据农产品表面信息进行损伤缺陷检测并进行分级等。机器视觉检测技术逐渐取代人工检测，是自动化检测发展的必然趋势。

发明内容

本发明的目的在于提供一种基于机器视觉的玉米种子在线破损检测及分类方法，此方法精确高效，可以实现玉米种粒的在线破损识别及自动分类。

为实现上述目的，本发明的解决方案如下：

一种基于机器视觉的破损玉米种子在线破损检测分类方法，主要包含以下步骤：

步骤1：利用图像采集装置采集单粒玉米种粒图像，并将玉米种粒图像转化为灰度图像；

步骤2：利用差影法分析图像噪声类型，判断噪声类型为椒盐噪声，并采用中值滤波法对图像进行初步降噪处理；

步骤3：提取图像的灰度直方图并对其进行分析，采用灰度阈值法中的二值化处理对图像进行分割，完成玉米种粒图像同背景图像的分割；

步骤4：将二值分割后的图像进行闭合区域筛选，将最小像素值设为100，忽略图像中闭合区域低于最小像素值的区域，完成整个玉米种粒图像预处理过程；

步骤5：提取预处理过的图像中玉米种粒的的几何特征参数，包含周长、面积、周长面积比、长轴长、短轴长、长宽比；

步骤6：提取图像中玉米种粒的形状几何参数，包含矩形度、圆形度、紧凑度；

步骤7：提取图像中玉米种粒的7个Hu不变矩形状特征参数。输入预处理后的图像，计算其零阶矩、一阶矩、二阶矩及三阶矩，归一化中心矩从而得到7个Hu不变矩参数；

步骤8：选择径向基函数（RBF）作为支持向量机（SVM）的核函数；

步骤9：将训练样本图像进行预处理后进行特征参数提取，将几何特征和形状特征共16个特征参数归一化并构造核矩阵H{1，1}后输入支持向量机分类器，将样本的特征参数映射到线性可分的特征空间中，计算权值向量W及超平面系数b，最终构造出最优分类超平面并通过训练获得玉米种粒破损识别模型。输出值为1、0，分别代表“合格”、“不合格”；

步骤10：对构造的玉米种粒破损识别模型进行验证。将测试样本图像进行图像预处理及特征提取，将提取的16个特征值归一化并构造核矩阵后输入训练好的玉米种粒破损识别模型中，统计识别正确率；