[发明专利]一种基于机器视觉的高粱开口率检测方法及系统

权利要求书

1.一种基于机器视觉的高粱开口率检测方法，其特征在于，包括：

步骤S1，采集传送带上的运动高粱图像；

步骤S2，基于卷积神经网络的方法检测散落的高粱；

步骤S3，基于机器视觉方法对检测到的高粱颗粒进行重叠区域去除；

步骤S4，基于卷积神经网络方法对去除重叠区域后的高粱颗粒进行开口分类；

步骤S5，基于机器视觉方法对高粱颗粒开口大小进行检测。

2.根据权利要求1所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S1包括：

通过高速摄像机获取高清图像数据，并将原始数据中的RGB图像进行灰度化，同时保留原始RGB图像，灰度图像用于散落高粱颗粒检测。

3.根据权利要求2所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S2包括：

建立高粱散落颗粒数据集，其中包括多颗重叠散落、单颗重叠散落、模糊颗粒散落图像数据，每一张图像都包含场景类别标签；

设计卷积神经网络模型，使用Resnet-50结构作为骨架模型；

训练卷积神经网络；

调用训练后的网络模型对散落颗粒进行检测。

4.根据权利要求1-3任一项所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S3包括：

将包含高粱颗粒的图片进行四等分划分，然后使用半径为5的高斯函数计算每个等分窗口的平均亮度，得到每个窗口的分割阈值，使用该阈值对原图进行分割，得到包含高粱颗粒的二值化图片，以去掉传送带背景干扰以及重叠的高粱颗粒区域。

5.根据权利要求1-3任一项所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S4包括：

使用经典分类网络MobileNet对分割后的高粱颗粒图片进行二分类，输出结果为已开口与未开口。

6.根据权利要求1-3任一项所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S5包括：

使用分水岭算法，利用高粱开口区域与未开口区域存在差异，对每个像素的灰度级进行从低到高排序；

在从低到高实现淹没过程中，对每一个局部极小值采用先进先出结构进行判断及标注，得到标注梯度图像；

使用自定义Laplace算子计算得到开口部分；

使用步骤S3中得到的自适应分割阈值，对开口部分进行去噪处理，得到开口数据。

7.根据权利要求1-3任一项所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S5包括：

假定存在含单颗高粱图像矩阵函数f(x,y),它在点(x,y)上的梯度为一个具有大小以及方向性的矢量，其中x方向以及y方向上的梯度分别表示为G_x与G_y，定义梯度表达式如下：

其中，

由于拉普拉斯是一种微分算子，用于显著表达图像中的突然变化的像素点，根据高粱颗粒开口部分与未开口部分之间的图像特性，定义Laplace算子如下：

通过Laplace算子计算分水岭算法分割后的梯度信息，只保留开口高粱的开口部分信息，进行最终的统计分析。

8.一种基于机器视觉的高粱开口率检测系统，其特征在于，包括：

采集单元，用于采集传送带上的运动高粱图像；

第一检测单元，用于基于卷积神经网络的方法检测散落的高粱；

去除单元，用于基于机器视觉方法对检测到的高粱颗粒进行重叠区域去除；

分类单元，用于基于卷积神经网络方法对去除重叠区域后的高粱颗粒进行开口分类；

第二检测单元，用于基于机器视觉方法对高粱颗粒开口大小进行检测。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现所述权利要求1-7中任一项所述方法的步骤。

10.一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现所述权利要求1-7中任一项所述方法的步骤。