[发明专利]一种果蔬表面质检方法及其储存介质、分拣装置

说明书

本发明公开了一种果蔬表面质检方法及其储存介质、分拣装置,包括以下步骤：S1、获取果蔬表面的图像数据；S2、检测图像数据中的表面缺陷信息，判断表面缺陷信息的明显程度，根据明显程度对每个表面缺陷信息进行分类；S3、根据分类情况选择进行步骤S4或者步骤S5；S4、基于特征匹配识别模型对表面缺陷信息分析得出第一缺陷类型信息；S5、先对图像数据优化处理，再基于神经网络识别模型根据表面缺陷信息得出第二缺陷类型信息；S6、整合第一缺陷类型信息和/或第二缺陷类型信息输出检测结果；本设计进行合理的分类，保证整体结果的准确性，提高整体的检测速率。

技术领域

本发明涉及果蔬分拣领域，特别是一种果蔬表面质检方法及其储存介质、分拣装置。

背景技术

水果表面的瑕疵缺陷严重影响着水果的质量，如何准确、快速地分拣出水果质量一直是企业面临的问题。传统的人工检测不仅费用昂贵、检测人员容易疲劳以及容易瑕疵漏检等弊端。

而传统的机器检测则运行时间偏长，且准确度不是很高，传统的机器检测一般分为两种手段：基于传统图像处理技术的特征匹配识别图像处理步骤，利用图像二值化处理、形态学处理来检测瑕疵，但是特征匹配识别图像处理步骤兼容性不强，可扩展性差，由于果蔬表面瑕疵颜色多样、形状多变、纹理复杂，单单靠传统的特征匹配识别图像处理，无法很好的进行处理得出准确的结果；另一种是基于神经网络的深度学习检测方法，此方法提取出来的特征要比人为设定的特征具有更强的泛化性能，可以很好适应果蔬表面的检测，适用性广，但是神经网络中的参数量巨大，计算量巨大，使得训练起来十分缓慢，存储十分不方便，复杂程度高，开发周期长，对硬件要求高，因此成本昂贵，同时，在部分瑕疵不明显的图像数据中，图像数据存在过多干扰因素也会影响判断。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种果蔬表面质检方法及其储存介质、分拣装置，果蔬表面的图像数据中缺陷的明显程度选择进行不同的识别步骤，提高质检速率以及准确性。

本发明采用的技术方案是：

一种果蔬表面质检方法，包括以下步骤：S1、获取果蔬表面的图像数据；S2、检测图像数据中的表面缺陷信息，判断表面缺陷信息的明显程度，根据明显程度对每个表面缺陷信息进行分类；S3、根据分类情况选择进行步骤S4或者步骤S5；S4、基于特征匹配识别模型对表面缺陷信息分析得出第一缺陷类型信息；S5、先对图像数据优化处理，再基于神经网络识别模型根据表面缺陷信息得出第二缺陷类型信息；S6、整合第一缺陷类型信息和/或第二缺陷类型信息输出检测结果。

在步骤S5中，图像数据优化处理中包括图像尺寸调整处理和/或图像灰度变换处理和/或图像去噪处理和/或图像增强处理。

所述图像数据优化处理中包括图像增强处理，通过反锐化掩膜法对图像数据进行图像增强处理。

所述图像数据优化处理中包括图像去噪处理，通过中值滤波法进行图像去噪处理。

在步骤S4中，提取表面缺陷信息的特征信息，特征信息包括颜色特征和/或形状特征和/或纹理特征，将提取的特征信息与预设的表征缺陷类别的特征点进行特征匹配识别，得出第一缺陷类型信息。

所述特征信息包括颜色特征，在步骤S4中，通过空间三通道拆分算法得出图像的H、S、V数值，通过计算直方图相交算法得出颜色直方图特征之间的距离，由图像的H、S、V数值以及颜色直方图特征之间的距离提取颜色特征。

所述特征信息包括形状特征，通过轮廓模板检测算法提取形状特征。

所述特征信息包括纹理特征，通过吉布斯随机场模型法提取纹理特征。

根据本发明实施例的一种果蔬表面质检方法，至少具有如下有益效果：