[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

说明书

本发明提供了一种基于机器视觉的高粱开口率检测方法及系统，该方法包括：采集传送带上的运动高粱图像；基于卷积神经网络的方法检测散落的高粱；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；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；基于机器视觉方法对高粱颗粒开口大小进行检测。本申请实现了白酒酿造过程中，高粱开口率的检测，而且能够准确评估高粱开口率。

技术领域

本发明属于酿酒领域，具体而言，涉及一种基于机器视觉的高粱开口率检测方法及系统。

背景技术

目前机器视觉人工智能在白酒酿造行业尤其是在该行业的生产中仍处于起步阶段。当前成熟的工业机器视觉方案并无法直接移植到白酒酿造的生产环节，酿造生产过程中存在着雾气大、待测目标物传送板链湿度高、水气大、待测目标物堆积、粘连严重，并且对于待测目标物体的传统评测方式及依据并非依赖单一的视觉评测，并未有现有的完整的量化的视觉评测标准。

发明内容

本申请实施例提供了一种基于机器视觉的高粱开口率检测方法及系统，实现了白酒酿造过程中，高粱开口率的检测，能够准确评估高粱开口率。

第一方面，本申请实施例提供了一种基于机器视觉的高粱开口率检测方法，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。

其中，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。

其中，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。

其中，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。

其中，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。

其中，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。

其中，所述步骤S5包括：