[发明专利]基于面粉麸星识别的面粉质量视觉检测系统

权利要求书

1.基于面粉麸星识别的面粉质量视觉检测系统，其特征在于，该系统包括以下模块：

数据采集模块，获取面粉图像，并将面粉图像预处理后灰度化得到面粉灰度图像；

图像色泽差异度计算模块，将面粉灰度图像分成大小相等的分块图像，计算每个分块图像的灰度熵，根据分块图像中每个灰度级的数量和分块图像的灰度熵得到每个灰度级的显著灰度熵，根据每个灰度级的显著灰度熵、所有显著灰度熵的均值得到每个分块图像的色泽差异度，该色泽差异度记为第一色泽差异度；

像素点非聚集程度获取模块，对每个分块图像进行聚类，获得聚类每一次迭代的聚类中心，在每一次迭代时，得到分块图像中每个像素点到聚类中心的度量距离，得到同一个像素点在连续两次聚类中度量距离的差值并记为度量距离变化幅值，根据所有次迭代中相邻迭代次数两个聚类中心点的欧氏距离以及同一个像素点在连续两次聚类中的度量距离变化幅值得到每个像素点的幅度显著值，根据每个像素点的幅度显著值与所有像素点幅度显著值的均值作差得到每个像素点的非聚集程度；

面粉麸星局部含量获取模块，根据分块图像中每个像素点的非聚集程度、非聚集程度的最大值以及分块图像的边长获得每个像素点的更新半径，通过每个像素点对应的更新半径对分块图像进行更新并计算更新后分块图像的色泽差异度记为第二色泽差异度，根据第一、第二色泽差异度作差得到每个像素点对应的色泽变化差异度，根据每个像素点的色泽变化差异度判断该像素点是否为麸星像素点并得到的麸星确定因子，根据麸星确定因子获得分块图像的麸星局部含量；

面粉质量检测模块，得到每个分块图像的麸星局部含量，将所有分块图像的麸星局部含量相加得到面粉麸星的总含量，根据面粉麸星的总含量对面粉质量进行检测；

所述根据每个灰度级的显著灰度熵、所有显著灰度熵的均值得到每个分块图像的色泽差异度的方法为：

式中，是像素点i的灰度值，是像素点i的显著灰度熵，M的含义是分块图像c中共有M个不相等的灰度值，记为M个灰度级， 是M个灰度级显著灰度熵的均值，表示分块图像c的色泽差异度，记为第一色泽差异度；

每个灰度级的显著灰度熵，公式如下：

是分块图像c中灰度值为的像素点数量，N是分块图像c中像素点的数量，是像素点i的显著灰度熵，i是分块图像c中的第i个像素点，是像素点i的灰度值，是分块图像c的灰度熵；

所述根据所有次迭代中相邻迭代次数两个聚类中心点的欧氏距离以及同一个像素点在连续两次聚类中的度量距离变化幅值得到每个像素点的幅度显著值的方法为：

式中，是第v次迭代与第v+1次迭代对应聚类中心移动的欧式距离，是分块图像c聚类结束时迭代的总次数，就表示第v此迭代和第v+1此迭代像素点f与两次聚类中心点度量距离的变化幅值，表示第f个像素点的幅度显著值。

2.根据权利要求1所述的基于面粉麸星识别的面粉质量视觉检测系统，其特征在于，所述将面粉灰度图像分成大小相等的分块图像的方法为：

将面粉图像均匀分割为C个大小相等的正方形分快图像，分块图像的大小为W*W，当C个W*W的正方形方块恰好覆盖面粉灰度图像时，获得若干个(C,W)的组合，将获得的最大的W作为分块图像的边长。

3.根据权利要求1所述的基于面粉麸星识别的面粉质量视觉检测系统，其特征在于，所述根据分块图像中每个像素点的非聚集程度、非聚集程度的最大值以及分快图像的边长获得每个像素点的更新半径的方法为：

式中，是分块图像c中像素点非聚集程度的最大值，是分块图像c中像素点非聚集程度的最小值，是像素点f的非聚集程度，是分块图像c的边长，就是更新半径。

4.根据权利要求1所述的基于面粉麸星识别的面粉质量视觉检测系统，其特征在于，所述通过每个像素点对应的更新半径对分块图像进行更新并计算更新后分块图像的色泽差异度记为第二色泽差异度的方法为：

得到更新半径后，获得的正方形区域，将该正方形区域的中心点与分块图像的中心点相同，并将该正方形区域中的所有像素点的灰度值都变换为像素点f的灰度值，将分块图像中属于正方形区域的像素点灰度值替换，获得更新后分块图像，对所述更新后分块图像进行计算得到新的色泽差异度，记为第二色泽差异度。

5.根据权利要求1所述的基于面粉麸星识别的面粉质量视觉检测系统，其特征在于，所述分块图像的麸星局部含量的计算方法为：

式中，为像素点f的麸星确定因子，是分块图像c中像素点的总数量，表示第c个分块图像的麸星局部含量。