[发明专利]水果形状的多尺度能量检测方法

摘要

本发明公开了一种水果形状的多尺度能量检测方法，对水果边缘曲线采用三次样条方法插值得到256个边缘点，计算这些点到形心的规范化距离r(k)，并确定相应的随机半径函数F(k)，计算F(k)的数学期望最大值以确定缘曲线起始点。对F(k)采用coiflets正交滤波器组处理得到能量分布向量E＝{E_d(1)，E_d(2)，E_d(3)，E_d(4)，E_d(5)，E_d(6)，E_a}，将向量E输入输入层、隐含层和输出层神经元数目分别为7、8和3的神经网络进行检测。检测装置包括接近开关，两个链轮，链式输送装置，分频器，光照箱，摄像机，图像采集卡，计算机及水果形状检测软件。本发明根据水果形状曲线的多尺度能量分布规律检测果形，满足形状描述的3个要求，提高形状分级的精度。

主权项

1.一种水果形状的多尺度能量检测方法，其特征在于该方法的步骤如下：1)对水果图像进行边缘检测后，提取出边缘点；2)以水果图像形心为原点O，水平方向和垂直方向分别为X，Y轴，建立笛卡尔坐标系；3)选取水果边缘曲线最右边的点为初始点，对边缘按逆时针方向进行边缘跟踪，将边缘点的位置信息、当前点到初始点的弧长信息存入自定义结构Nodeinfo型数组中struct Nodeinfo{ int x；//当前点的横坐标 int y；//当前点的纵坐标 double Distance；//当前点到初始点的弧长}；4)对边缘进行三次样条插值，等弧长间隔重采样256个点，得到新的边缘点；5)分别求出这256个新的边缘点到形心的规范化距离r(k)；6)定义一个在区间[1，256]均匀分布的随机变量k和与此随机变量对应的随机半径函数F(k)：$F\left(k\right)=\left\{\begin{array}{c}r(k+m-1),1\le k\le N+1-m\\ r(k-N-1+m),N+1-m<k\le N\end{array}\right.$ 其中m∈[1，256]，且m∈Z，N＝256式中m为起始点变量；在区间[1，256]改变随机变量k的值，当函数F(k)取得数学期望最大值时，m为边缘曲线起始点startP；以起始点startP为起始点调整F(k)；7)对F(k)进行双通道正交滤波，采用coiflets正交滤波器组分解后得到多个尺度上的系数{dk(1)}，每个尺度上的系数进行平方求和，得到关于各个尺度上的能量分布向量E＝{Ed(1)，Ed(2)，Ed(3)，Ed(4)，Ed(5)，Ed(6)，Ea}，其中：Ed(1～6)为细节能量，Ea为逼近能量，用向量E作为特征来对水果形状进行分类，分类方法采用应用较广泛的三层BP神经网络，输入层为7个神经元，隐含层为8个神经元，输出层为3个神经元，分类前先用样本对网络进行训练，然后用训练好的网络对水果进行分级。