[发明专利]一种花生果仁数量的识别方法和装置

权利要求书

1.一种花生果仁数量的识别方法，其特征在于，包括：

获取花生的识别图像；

提取所述识别图像的识别参数，所述识别参数包括所述识别图像中花生的长度、宽度、长宽比、面积以及所述识别图像的方向梯度直方图特征向量；

将所述识别参数输入至已训练的支持向量机模型，输出所述花生的果仁数量；

所述获取花生的识别图像，包括：

采集所述花生的三维图像；

将所述三维图像在二维平面内的投影面积最大的图像作为所述识别图像。

2.根据权利要求1所述的方法，其特征在于，所述将所述三维图像在二维平面内的投影面积最大的图像作为所述识别图像之前，还包括：

将所述三维图像灰度化，并进行Gamma校正。

3.根据权利要求1所述的方法，其特征在于，所述提取所述识别图像的识别参数，包括：

提取所述识别图像中花生的长度、宽度、长宽比和面积；

扫描所述识别图像，获取所述识别图像中每一扫描单元的方向梯度直方图特征向量；

基于每一扫描单元的方向梯度直方图特征向量获取每一像素块的方向梯度直方图特征向量，每一像素块包括若干相邻的扫描单元；

将每一像素块的方向梯度直方图特征向量归一化，并将所有像素块的方向梯度直方图特征向量组成所述识别图像的方向梯度直方图特征向量。

4.根据权利要求3所述的方法，其特征在于，所述获取所述识别图像中每一扫描单元的方向梯度直方图特征向量，包括：

获取每一扫描单元中所有像素的梯度向量的长度和角度；

基于每一扫描单元中所有像素的梯度向量的长度和角度的直方图统计，获得每一扫描单元的方向梯度直方图特征向量。

5.根据权利要求3所述的方法，其特征在于，所述将所有像素块的方向梯度直方图特征向量组成所述识别图像的方向梯度直方图特征向量之后，还包括：

基于主成分分析算法，将所述识别图像的方向梯度直方图特征向量的维数降到预设数量。

6.根据权利要求1所述的方法，其特征在于，所述支持向量机模型的训练步骤包括：

获取包括所有不同果仁数量的花生的样本图像，提取所述样本图像的样本参数，所述样本参数包括所述样本图像中花生的长度、宽度、长宽比、面积以及所述样本图像的方向梯度直方图特征向量；

将第一预设比例的样本图像的样本参数作为训练集，对所述支持向量机模型进行训练；

将第二预设比例的样本图像的样本参数作为测试集，对所述支持向量机模型进行验证，并根据验证结果优化所述支持向量机模型。

7.一种花生果仁数量的识别装置，其特征在于，包括：

至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令以执行如权利要求1至6任一所述的方法。

8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行如权利要求1至6任一所述的方法。