CN103471514A - 一种基于机器视觉和一元线性回归分析的大蒜分级方法 - Google Patents

一种基于机器视觉和一元线性回归分析的大蒜分级方法 Download PDF

Info

Publication number
CN103471514A
CN103471514A CN2013104134284A CN201310413428A CN103471514A CN 103471514 A CN103471514 A CN 103471514A CN 2013104134284 A CN2013104134284 A CN 2013104134284A CN 201310413428 A CN201310413428 A CN 201310413428A CN 103471514 A CN103471514 A CN 103471514A
Authority
CN
China
Prior art keywords
garlic
image
transverse diameter
area
machine vision
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2013104134284A
Other languages
English (en)
Other versions
CN103471514B (zh
Inventor
张楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qilu University of Technology
Original Assignee
Qilu University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qilu University of Technology filed Critical Qilu University of Technology
Priority to CN201310413428.4A priority Critical patent/CN103471514B/zh
Publication of CN103471514A publication Critical patent/CN103471514A/zh
Application granted granted Critical
Publication of CN103471514B publication Critical patent/CN103471514B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Length Measuring Devices By Optical Means (AREA)
  • Sorting Of Articles (AREA)

Abstract

本发明涉及大蒜分级技术领域，特别涉及一种基于机器视觉和一元线性回归分析的大蒜分级方法。该基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于：对大蒜进行图像采集，然后对所采集图像急性二值化处理，标注二值图像中连通区域，根据图像像素标明该图像连通区域的面积大小，根据已经采集的大蒜图像的面积与大蒜横径的数据，利用一元线性回归分析进行数学建模，最后根据你和的线性方程对预分级的大蒜进行分级。本发明用图像提取的方法，CCD在测量长度时有很高的精度，通过扫描获得图像，不损伤大蒜，同时用一元线性回归分析建立模型，该方法简单，速度快，节省分级时间。

Description

一种基于机器视觉和一元线性回归分析的大蒜分级方法
（一）        技术领域
    本发明涉及大蒜分级技术领域，特别涉及一种基于机器视觉和一元线性回归分析的大蒜分级方法。
（二）        背景技术
目前我国大蒜的出口量增长，但是收汇的增长不如出口量的增长，导致这一现象的主要原因是大蒜产后处理手段落后,以致大蒜混等混级,良次不齐。质量混杂,造成价值低,无法达到国际出口的标准,从而也无法问津国际市场。随着进出口贸易额的增加,这一损失还在逐年增长。传统的机械分级方法容易在网孔边缘产生挤压或划伤。
以机器视觉为基础的智能识别代替人的视觉识别具有其很大的优势和长远的发展前景，在农业以精细农业方面的应用最为普遍,目前用于植物生长监视、杂草识别、农业机器人、农业遥感分析、农产品分级、品质检测、动物行为跟踪等方面研究。利用机器视觉分级代替人工分级、机械尺寸分级、重量分级是自动化分级发展的必然趋势,主要反映在以下几方面:
(1)机器视觉分级精度高。计算机视觉的分级***采用CCD摄像头作为传感器,标定好的CCD在测量面积时有很高的精度,己在工业上广泛应用，能够满足大蒜分级的要求。
(2)用机器视觉检测属于非接触检测过程。检测时传感器CCD通过扫描获得图象,不损伤大蒜。而传统的机械分级方法容易在网孔边缘产生挤压或划伤。
(3)分级过程受软件算法控制。智能化的软件设计,使分级可以基于知识和法则下进行,对辅助设备要求低,机械结构简单。
因此,研究机器视觉技术用于大蒜分级具有潜在的应用价值和很好的发展前景。
（三）        发明内容
    本发明为了弥补现有技术的不足，提供了一种检测精确、工作效率高的基于机器视觉和一元线性回归分析的大蒜分级方法。
本发明是通过如下技术方案实现的：
一种基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于：对大蒜进行图像采集，然后对所采集图像进行二值化处理，标注二值图像中连通区域，根据图像像素标明该图像连通区域的面积大小，并根据标本图像，将面积单位折合成平方厘米；根据已经采集的大蒜图像的面积与大蒜横径的数据，利用一元线性回归分析进行数学建模，最后根据拟合的线性方程对预分级的大蒜进行分级。
具体包括如下步骤：
（1）分别选取三个等级大蒜各几头，利用同一照相机对大蒜进行拍照，要求拍摄高度和相机像素要一致；
（2）对采集的图像进行二值化预处理，结算得出白色大蒜区域面积，将得到的面积作为大蒜分级***的特征；
（3）根据已获大蒜图像的面积，与已知大蒜的横径，利用一元线性回归分析建立模型；
（4）对预分级大蒜提取图像信息，计算出预分级大蒜面积，将所得面积带入已建好的一元线性方程中，得到大蒜的横径，根据横径数据进行分级。
其更优方案为：
步骤（2）中，所述大蒜区域的面积用平方厘米来表示。
步骤（3）中，大蒜横径用毫米来表示。
步骤（4）中，大蒜分级根据大蒜横径的大小分为三个等级：一级大蒜：横径大于等于5cm,二级大蒜：横径大于等于4cm，三级大蒜：横径大于等于3cm。
大蒜分级是根据其横径的大小分为三个等级，由于大蒜的横截面近似为圆形或者椭圆形，所以大蒜的横径与其横截面面积有一定的相关性，本发明通过传感器CCD拍摄大蒜横截面图像，将所采集图像二值化，通过软件计算得到的白色大蒜区域的面积，然后根据一元线性回归方程可以建立大蒜面积与大蒜横径之间的关系。选取大蒜三个级别每个级别大蒜若干，通过图像得到其大蒜横截面面积，记为:                                               
Figure 2013104134284100002DEST_PATH_IMAGE002
,得到其横径记为，。一元线性回归分析预测法，是根据自变量
Figure 523205DEST_PATH_IMAGE002
和因变量
Figure 378029DEST_PATH_IMAGE004
的相关关系，建立
Figure 157766DEST_PATH_IMAGE002
与
Figure 490658DEST_PATH_IMAGE004
的线性回归方程进行预测的方法。
本发明首先将全部已经测量数据分别带入
Figure 2013104134284100002DEST_PATH_IMAGE006
中，得：
Figure 2013104134284100002DEST_PATH_IMAGE008
Figure 2013104134284100002DEST_PATH_IMAGE012
本发明采用最小二乘法拟合一元线性回归方程，最小二乘法在误差理论中的基本含义是：在具有等精度的多次测量中，求最可靠（最可信赖）值时，是当各测量值的残差平方和为最小是所求得的值。对测量数据的最小二乘法线性拟合时，是把所有测量数据点都标在坐标图上，用最小二乘法拟合的直线，其各数据点与拟合直线之间的残差平方和为最小。
对线性方程
Figure 242713DEST_PATH_IMAGE006
，按残差平方和为最小，根据所有测量数据可得
Figure 2013104134284100002DEST_PATH_IMAGE016
将上式分别对
Figure 2013104134284100002DEST_PATH_IMAGE018
和取偏导数得：
Figure 2013104134284100002DEST_PATH_IMAGE022
Figure 2013104134284100002DEST_PATH_IMAGE024
必要条件是
Figure 2013104134284100002DEST_PATH_IMAGE026
          
Figure 2013104134284100002DEST_PATH_IMAGE028
则有
Figure 2013104134284100002DEST_PATH_IMAGE030
整理后得
Figure 2013104134284100002DEST_PATH_IMAGE034
（
联立求解得：
Figure 2013104134284100002DEST_PATH_IMAGE038
Figure 2013104134284100002DEST_PATH_IMAGE040
将
Figure 626028DEST_PATH_IMAGE018
和
Figure 830744DEST_PATH_IMAGE020
代入
Figure 967328DEST_PATH_IMAGE006
，即得用最小二乘法拟合的线性方程。
本发明用图像提取的方法，传感器CCD在测量长度时有很高的精度，通过扫描获得图像，不损伤大蒜，同时用一元线性回归分析建立模型，该方法简单，速度快，节省分级时间。
（四）        附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明的工艺流程图；
图2为一元线性回归分析拟合的关系线性图，该曲线横轴坐标为大蒜的面积，单位为平方厘米，纵轴坐标为大蒜的最大横径，单位为毫米，直线为根据大蒜的面积和它的最大横径建立的一元线性回归方程绘制的直线；
图3为大蒜横截面图。
（五）        具体实施方式
本发明的具体方法如下：
（1）分别选取三个等级大蒜各几头，利用同一传感器CCD对大蒜进行拍照，要求拍摄高度和相机像素要一致。并且测量大蒜横径大小，记为
Figure 636206DEST_PATH_IMAGE004
，通过图像得到其大蒜横截面面积，记为:，将数据代入，公式
Figure 321583DEST_PATH_IMAGE038
                   （1）
Figure 58594DEST_PATH_IMAGE040
                     （2）
将
Figure 519663DEST_PATH_IMAGE018
和
Figure 949507DEST_PATH_IMAGE020
代入，即得用最小二乘法拟合的线性方程。
（2）将预测图像用同一传感器进行拍照，要求拍摄高度和相机像素要一致。将得到的图像面积
Figure 401010DEST_PATH_IMAGE002
代入线性方程
Figure 44481DEST_PATH_IMAGE006
得到大蒜横径大小，记为
Figure 379647DEST_PATH_IMAGE004
。
（3）将得到的大蒜横径大小与大蒜的三个分级标准5cm、4cm和3cm进行比较，然后确认分级类别。

Claims (5)

1.一种基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于：对大蒜进行图像采集，然后对所采集图像进行二值化处理，标注二值图像中连通区域，根据图像像素标明该图像连通区域的面积大小，并根据标本图像，将面积单位折合成平方厘米；根据已经采集的大蒜图像的面积与大蒜横径的数据，利用一元线性回归分析进行数学建模，最后根据拟合的线性方程对预分级的大蒜进行分级。
2.根据权利要求1所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征为，具体包括如下步骤：（1）分别选取三个等级大蒜各几头，利用同一照相机对大蒜进行拍照，要求拍摄高度和相机像素要一致；（2）对采集的图像进行二值化预处理，结算得出白色大蒜区域面积，将得到的面积作为大蒜分级***的特征；（3）根据已获大蒜图像的面积，与已知大蒜的横径，利用一元线性回归分析建立模型；（4）对预分级大蒜提取图像信息，计算出预分级大蒜面积，将所得面积带入已建好的一元线性方程中，得到大蒜的横径，根据横径数据进行分级。
3.根据权利要求2所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于：步骤（2）中，所述大蒜区域的面积用平方厘米来表示。
4.根据权利要求2所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于：步骤（3）中，大蒜横径用毫米来表示。
5.根据权利要求2所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于：步骤（4）中，大蒜分级根据大蒜横径的大小分为三个等级：一级大蒜：横径大于等于5cm,二级大蒜：横径大于等于4cm，三级大蒜：横径大于等于3cm。
CN201310413428.4A 2013-09-12 2013-09-12 一种基于机器视觉和一元线性回归分析的大蒜分级方法 Expired - Fee Related CN103471514B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310413428.4A CN103471514B (zh) 2013-09-12 2013-09-12 一种基于机器视觉和一元线性回归分析的大蒜分级方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310413428.4A CN103471514B (zh) 2013-09-12 2013-09-12 一种基于机器视觉和一元线性回归分析的大蒜分级方法

Publications (2)

Publication Number Publication Date
CN103471514A true CN103471514A (zh) 2013-12-25
CN103471514B CN103471514B (zh) 2016-02-03

Family

ID=49796468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310413428.4A Expired - Fee Related CN103471514B (zh) 2013-09-12 2013-09-12 一种基于机器视觉和一元线性回归分析的大蒜分级方法

Country Status (1)

Country Link
CN (1) CN103471514B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914849A (zh) * 2014-04-18 2014-07-09 扬州福尔喜果蔬汁机械有限公司 一种红枣图像的检测方法
CN106503749A (zh) * 2016-11-04 2017-03-15 北京农业信息技术研究中心 一种鱼子酱的自动分级方法及其***
CN110458106A (zh) * 2019-08-13 2019-11-15 深圳市睿海智电子科技有限公司 一种番茄生长状态的智能分析方法及智能分析装置
CN110472557A (zh) * 2019-08-13 2019-11-19 深圳市睿海智电子科技有限公司 一种番茄生长监控的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101153851A (zh) * 2007-06-15 2008-04-02 中国农业大学 一种基于机器视觉的苹果检测分级方法
JP2008112882A (ja) * 2006-10-31 2008-05-15 Okayama Univ クリームはんだ印刷の不良検出方法および装置
CN102419147A (zh) * 2011-08-17 2012-04-18 徐州市仁和农业科技咨询服务有限公司 量蒜器
JP2012159328A (ja) * 2011-01-31 2012-08-23 Hitachi-Ge Nuclear Energy Ltd 画像処理方法、画像処理装置およびそれを搭載した水中検査装置
CN103027368A (zh) * 2012-12-06 2013-04-10 青岛农业大学 基于图像处理技术的自动大蒜切脐机

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008112882A (ja) * 2006-10-31 2008-05-15 Okayama Univ クリームはんだ印刷の不良検出方法および装置
CN101153851A (zh) * 2007-06-15 2008-04-02 中国农业大学 一种基于机器视觉的苹果检测分级方法
JP2012159328A (ja) * 2011-01-31 2012-08-23 Hitachi-Ge Nuclear Energy Ltd 画像処理方法、画像処理装置およびそれを搭載した水中検査装置
CN102419147A (zh) * 2011-08-17 2012-04-18 徐州市仁和农业科技咨询服务有限公司 量蒜器
CN103027368A (zh) * 2012-12-06 2013-04-10 青岛农业大学 基于图像处理技术的自动大蒜切脐机

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵丽清等: "基于图像处理与GUI的大蒜切脐的研究", 《青岛农业大学学报（自然科学版）》 *
陈艳军等: "基于机器视觉的苹果最大横切面直径分级方法", 《农业工程学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103914849A (zh) * 2014-04-18 2014-07-09 扬州福尔喜果蔬汁机械有限公司 一种红枣图像的检测方法
CN103914849B (zh) * 2014-04-18 2018-07-06 扬州福尔喜果蔬汁机械有限公司 一种红枣图像的检测方法
CN106503749A (zh) * 2016-11-04 2017-03-15 北京农业信息技术研究中心 一种鱼子酱的自动分级方法及其***
CN106503749B (zh) * 2016-11-04 2019-06-14 北京农业信息技术研究中心 一种鱼子酱的自动分级方法及其***
CN110458106A (zh) * 2019-08-13 2019-11-15 深圳市睿海智电子科技有限公司 一种番茄生长状态的智能分析方法及智能分析装置
CN110472557A (zh) * 2019-08-13 2019-11-19 深圳市睿海智电子科技有限公司 一种番茄生长监控的方法及装置

Also Published As

Publication number Publication date
CN103471514B (zh) 2016-02-03

Similar Documents

Publication Publication Date Title
CN104198497B (zh) 一种基于视觉显著图和支持向量机的表面缺陷检测方法
Ma et al. Automatic branch detection of jujube trees based on 3D reconstruction for dormant pruning using the deep learning-based method
CN103471514B (zh) 一种基于机器视觉和一元线性回归分析的大蒜分级方法
CN104501735A (zh) 一种利用圆形标记点观测边坡三维变形的方法
CN105424709A (zh) 一种基于图像标记的水果表面缺陷检测方法
CN104268853A (zh) 一种红外图像与可见光图像配准方法
CN105678768A (zh) 一种基于机器视觉的胎面检测方法
CN107633507A (zh) 基于轮廓检测和特征匹配的lcd缺陷检测方法
CN113920138A (zh) 一种基于rgb-d相机的奶牛体尺检测装置及其检测方法
CN104036514A (zh) 一种基于直方图峰值搜索的圆检测方法
Miao et al. Measurement method of maize morphological parameters based on point cloud image conversion
CN104050674B (zh) 一种显著性区域检测方法及装置
Ma et al. Rapid estimation of apple phenotypic parameters based on 3D reconstruction
CN103246887A (zh) 基于几何特征的光学遥感图像机场目标的多线程检测方法
CN102201060A (zh) 一种基于形状语义的非参数轮廓跟踪评价方法
CN103697833A (zh) 农产品形状检测方法及装置
CN106485733A (zh) 一种在红外图像中跟踪感兴趣目标的方法
CN111562273A (zh) 基于高光谱的鱼水射流除鳞轻微损伤可视化方法
CN113095384B (zh) 一种基于直线段上下文特征的遥感图像匹配方法
Xie et al. Research on recognition methods of pomelo fruit hanging on trees base on machine vision
CN104504409B (zh) 一种基于全局字典特征的古代壁画病害标识方法
Ji et al. Sequential edge linking method for segmentation of remotely sensed imagery based on heuristic search
CN105894000A (zh) 基于ransac的激光网格标记图像特征提取
Li et al. A real-time pineapple matching system based on speeded-up robust features
CN106996934A (zh) 多相机视觉检测***及检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160203

Termination date: 20170912