[发明专利]一种智能分选设备的碎物料识别方法

说明书

本发明公开了一种智能分选设备的碎物料识别方法，涉及大米分选技术领域，通过遍历待识别图像中物料的每一个像素点，统计其有效物料像素点数量，若有效物料像素点数量在设定阈值范围内，则判定为碎物料。本发明基于色选机现有结构，融入碎物料识别算法，能够在色选的同时进行碎物料的识别，识别效率高、准确率高，同时节约了硬件成本。

技术领域

本发明涉及物料分选技术领域，尤其是一种基于图像处理的智能分选设备的碎物料识别方法。

背景技术

随着生活水平的提高，人们对大米的消费逐步向优质化、功能化、绿色化方向发展。现有技术中基于图像处理的大米分选通常是利用颜色差异剔除混入大米中的异色杂质，主要的异色杂质有发黑杂质、发黄杂质。对于混入大米中的碎米通常都是过筛分选，不便于与色选同时进行，需要单独设置过筛机构。

发明内容

针对上述问题，本发明提供一种基于图像处理的智能分选设备的碎物料识别方法，能够在色选的同时进行碎物料的识别。

一种智能分选设备的碎物料识别方法，通过遍历待识别图像中物料的每一个像素点，统计其有效物料像素点数量，若有效物料像素点数量在设定阈值范围内，则判定为碎物料。

从槽道线性图像中完成每一颗物料像素点遍历的算法步骤如下：

1、初始化物料像素点数量M＝0，背景行标识符S＝0；

2、取一行像素点；

3、逐个遍历选中行的像素点；

4、判断当前遍历的像素点是否为该行最后一个像素点，

若不是该行最后一个像素点，再判断是否为背景像素点；若不是背景像素点，则置S＝1，物料像素点数量M自加1，再跳转步骤3；若是背景像素点，则直接跳转步骤3；

若是该行最后一个像素点，再判断S是否为1；若S＝0，再判断M是否为0，若M＝0，则跳转步骤3，若M≠0，则判断物料像素点数量是否在设定阈值范围内，若在设定阈值范围内，则判定其为碎物料；若S＝1，置S＝0，再跳转步骤3。

其中，背景像素点的判断方法为通过背景像素点样本集获取背景像素的RGB范围，若待识别图像中的像素点落入背景像素的RGB范围，则判定为背景像素点。

优选的，遍历待识别图像之前对其进行预处理，预处理包括畸变矫正和边缘增强。

本发明基于色选机现有结构，融入碎物料识别算法，能够在色选的同时进行碎物料的识别，识别效率高、准确率高，同时节约了硬件成本。

附图说明

图1为碎物料识别算法流程图；

图2为像素化的待识别图像黑白示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。

实施例1

大米分选机通常都划分为若干槽道(例如64槽道或128槽道)，每个槽道对应一个吹阀，确保每一个槽道内的米粒依序经过图像采集器和吹阀，不发生堆叠情况。色选算法只需单独处理单条槽道内的线性图像，作出吹阀判断即可。

本发明公开了一种智能分选设备的碎物料识别方法，能够在色选的同时进行碎物料的识别，具体包括以下步骤：

1、初始化物料像素点数量M＝0，背景行标识符S＝0；