CN104764402A - 柑橘体积的视觉检测方法 - Google Patents
柑橘体积的视觉检测方法 Download PDFInfo
- Publication number
- CN104764402A CN104764402A CN201510107888.3A CN201510107888A CN104764402A CN 104764402 A CN104764402 A CN 104764402A CN 201510107888 A CN201510107888 A CN 201510107888A CN 104764402 A CN104764402 A CN 104764402A
- Authority
- CN
- China
- Prior art keywords
- oranges
- tangerines
- citrus
- volume
- rgb image
- 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
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种柑橘体积的视觉检测方法,包括以下步骤:步骤一、柑橘图像分割:将采集到的柑橘RGB图像,采用红色特征2R-G-B,通过OTSU法自动选取阈值,采用通过OTSU法自动选取的阈值对柑橘RGB图像进行分割;步骤二、通过开操作对上述分割后的柑橘RGB图像去噪;步骤三、在上述步骤二开操作后的柑橘RGB图像中提取柑橘图像像素点个数、长轴和短轴长度三个形状特征;步骤四、以上述步骤三中提取的像素点个数、长轴和短轴长度三个形状特征作为输入,利用BP网络估测柑橘体积。以实现对柑橘的体积进行自动高精度识别的优点。
Description
技术领域
本发明涉及农作物鉴别领域,具体地,涉及一种柑橘体积的视觉检测方法。
背景技术
柑橘是我国重要的经济作物,随着农业现代化技术的不断发展,在柑橘生产中引入图像处理技术提高柑橘估测的效率逐渐成为一个重要的发展方向。近年来,除了利用机器视觉帮助机器手定位实现柑橘自动采摘和利用光谱图像对柑橘质量进行检测两个发展方向外,通过引入图像处理技术进行柑橘外形检测也逐渐成为研究的热点。但是,现有技术对于柑橘外形的检测缺少对其体积的直接检测。
在现有研究中多通过图像中柑橘的周长面积、果径大小、最大横径和最小直径、正交不变矩等二维参数表征柑橘的大小。这些参数都是基于柑橘图像的截面积提取的二维参数,这些参数与柑橘体积并不是线性相关的,因此使用这些参数直接估测柑橘体积精度仍无法满足生产的需要。
发明内容
本发明的目的在于,针对上述问题,提出一种柑橘体积的视觉检测方法,以实现对柑橘的体积进行自动高精度识别的优点。
为实现上述目的,本发明采用的技术方案是:
一种柑橘体积的视觉检测方法,包括以下步骤:
步骤一、柑橘图像分割:将采集到的柑橘RGB图像,采用红色特征2R-G-B,通过OTSU法自动选取阈值,采用通过OTSU法自动选取的阈值对柑橘RGB图像进行分割;
步骤二、通过开操作对上述分割后的柑橘RGB图像去噪;
步骤三、在上述步骤二开操作后的柑橘RGB图像中提取柑橘图像像素点个数、长轴和短轴长度三个形状特征;
步骤四、以上述步骤三中提取的像素点个数、长轴和短轴长度三个形状特征作为输入,利用BP网络估测柑橘体积。
优选的,上述步骤四中利用BP网络估测柑橘体积,BP网络中间层根据输入节点数选择7个节点。
本发明的技术方案具有以下有益效果:
本发明的技术方案,针对柑橘体积与柑橘截面图像特征不成线性相关的情况,从而引入神经网络这一非线性估测的算法减小估测误差。从而达到对柑橘的体积进行自动高精度识别的目的。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明实施例所述的柑橘体积的视觉检测方法的流程图;
图2a为柑橘原图;
图2b为分割后的柑橘图像;
图2c为开操作后的柑橘图像。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,一种柑橘体积的视觉检测方法,包括以下步骤:
柑橘RGB图像如图2a所示,并将原图做了灰度化处理。
步骤一、柑橘图像分割:将采集到的柑橘RGB图像,采用红色特征2R-G-B,通过OTSU法自动选取阈值,采用通过OTSU法自动选取的阈值对柑橘RGB图像进行分割;柑橘RGB图像即每个像素点通过R、G、B三个值表示像素点红、绿、蓝的程度,分割后的柑橘图像如图2b所示。
步骤二、通过开操作对上述分割后的柑橘RGB图像去噪;分割后的图像所得的柑橘目标还是比较粗糙的。由于柑橘表面有果梗、缺陷和斑点的存在,分割后的柑橘图像会存在一些空洞。因此采用开操作进行去噪。开操作后的柑橘图像如图2c所示。
步骤三、在上述步骤二开操作后的柑橘RGB图像中提取柑橘图像像素点个数、长轴和短轴长度三个形状特征;在对柑橘图像进行处理后,为估测柑橘体积一般都要提取一些形状特征参数。根据经验,截面积、长度和宽度越大的柑橘,其体积就越大。所以选择柑橘图像中的柑橘区域对应像素点个数,包含柑橘图像点所在区域当量椭圆的长轴长度和短轴长度三个特征作为特征参数。
步骤四、以上述步骤三中提取的像素点个数、长轴和短轴长度三个形状特征作为输入,利用BP网络估测柑橘体积。
步骤四中利用BP网络估测柑橘体积,BP网络中间层根据输入节点数选择7个节点。
为验证本发明技术方案的有效性,采用排水法测量20个柑橘,然后采用本技术方案进行体积测量。随机选取其中17个柑橘为训练样本训练BP网络,然后利用训练后的BP网络对剩余的3个柑橘进行体积检测。
为分析估测结果的精度,求取视觉检测体积与排水法测量体积的相关系数,结果为0.981793。这表明估测体积较为接近实际体积。然后对估测体积与实际体积进行方差检验,显著性概率远大于5%,这表明估测体积和实际体积不存在显著性差异。
利用BP网络算法检测橘子体积的效果很好,训练样本最大误差为3.63%; 3 个作为测试样本的柑橘最大误差为4.36%。
综上所述,本发明具有以下特点:
1)引入机器视觉、神经网络进行柑橘体积的检测。
2)提出采用柑橘图像中的柑橘区域对应像素点个数,包含柑橘图像点所在区域当量椭圆的长轴长度和短轴长度三个参数进行检测。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种柑橘体积的视觉检测方法,其特征在于,包括以下步骤:
步骤一、柑橘图像分割:将采集到的柑橘RGB图像,采用红色特征2R-G-B,通过OTSU法自动选取阈值,采用通过OTSU法自动选取的阈值对柑橘RGB图像进行分割;
步骤二、通过开操作对上述分割后的柑橘RGB图像去噪;
步骤三、在上述步骤二开操作后的柑橘RGB图像中提取柑橘图像像素点个数、长轴和短轴长度三个形状特征;
步骤四、以上述步骤三中提取的像素点个数、长轴和短轴长度三个形状特征作为输入,利用BP网络估测柑橘体积。
2.根据权利要求1所述的柑橘体积的视觉检测方法,其特征在于,上述步骤四中利用BP网络估测柑橘体积,BP网络中间层根据输入节点数选择7个节点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510107888.3A CN104764402B (zh) | 2015-03-11 | 2015-03-11 | 柑橘体积的视觉检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510107888.3A CN104764402B (zh) | 2015-03-11 | 2015-03-11 | 柑橘体积的视觉检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104764402A true CN104764402A (zh) | 2015-07-08 |
CN104764402B CN104764402B (zh) | 2018-04-27 |
Family
ID=53646382
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510107888.3A Expired - Fee Related CN104764402B (zh) | 2015-03-11 | 2015-03-11 | 柑橘体积的视觉检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104764402B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358627A (zh) * | 2017-07-12 | 2017-11-17 | 西北农林科技大学 | 基于Kinect相机的果实尺寸检测方法 |
CN108038879A (zh) * | 2017-12-12 | 2018-05-15 | 众安信息技术服务有限公司 | 一种食品体积估计方法及其装置 |
CN108262267A (zh) * | 2017-12-29 | 2018-07-10 | 北京农业智能装备技术研究中心 | 一种水果分选中的多果检测方法与装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0727760A2 (en) * | 1995-02-17 | 1996-08-21 | International Business Machines Corporation | Produce size recognition system |
CN1664502A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 水果形状的多尺度能量检测方法及装置 |
CN101726251A (zh) * | 2009-11-13 | 2010-06-09 | 江苏大学 | 基于支持向量机的苹果采摘机器人果实自动识别方法 |
CN102654463A (zh) * | 2012-04-13 | 2012-09-05 | 北京农业信息技术研究中心 | 西瓜品质无损检测方法及装置 |
CN202649135U (zh) * | 2012-06-29 | 2013-01-02 | 常熟理工学院 | 一种用于柑橘分级检测的图像采集装置 |
CN103148781A (zh) * | 2013-01-26 | 2013-06-12 | 广西工学院鹿山学院 | 一种基于双目视觉的柚子体积估测方法 |
CN103162627A (zh) * | 2013-03-28 | 2013-06-19 | 广西工学院鹿山学院 | 一种利用柑橘类果实果皮镜面反射进行果实体积估测的方法 |
JP2014136214A (ja) * | 2013-01-17 | 2014-07-28 | Yokozaki Co Ltd | 選別コンベア装置 |
-
2015
- 2015-03-11 CN CN201510107888.3A patent/CN104764402B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0727760A2 (en) * | 1995-02-17 | 1996-08-21 | International Business Machines Corporation | Produce size recognition system |
CN1664502A (zh) * | 2005-03-28 | 2005-09-07 | 浙江大学 | 水果形状的多尺度能量检测方法及装置 |
CN101726251A (zh) * | 2009-11-13 | 2010-06-09 | 江苏大学 | 基于支持向量机的苹果采摘机器人果实自动识别方法 |
CN102654463A (zh) * | 2012-04-13 | 2012-09-05 | 北京农业信息技术研究中心 | 西瓜品质无损检测方法及装置 |
CN202649135U (zh) * | 2012-06-29 | 2013-01-02 | 常熟理工学院 | 一种用于柑橘分级检测的图像采集装置 |
JP2014136214A (ja) * | 2013-01-17 | 2014-07-28 | Yokozaki Co Ltd | 選別コンベア装置 |
CN103148781A (zh) * | 2013-01-26 | 2013-06-12 | 广西工学院鹿山学院 | 一种基于双目视觉的柚子体积估测方法 |
CN103162627A (zh) * | 2013-03-28 | 2013-06-19 | 广西工学院鹿山学院 | 一种利用柑橘类果实果皮镜面反射进行果实体积估测的方法 |
Non-Patent Citations (6)
Title |
---|
刘汉东等: "《岩体力学参数优选理论及应用》", 31 August 2006, 黄河水利出版社 * |
李仲广等: "《旅游经济学:模型与方法》", 30 June 2006, 中国旅游出版社 * |
汪懋华等: "《现代精细农业理论与实践》", 31 October 2012, 中国农业大学出版社 * |
胡波等: "基于机器视觉的西瓜体积估测算法", 《科学时代》 * |
赵攀登等: "基于图像参数的BP网络之岩石颗粒体积估算", 《计算机测量与控制》 * |
龚昌来等: "基于机器视觉的MATLAB/GUI的柚子外观尺寸检测***", 《嘉应学院学报(自然科学)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358627A (zh) * | 2017-07-12 | 2017-11-17 | 西北农林科技大学 | 基于Kinect相机的果实尺寸检测方法 |
CN107358627B (zh) * | 2017-07-12 | 2020-06-09 | 西北农林科技大学 | 基于Kinect相机的果实尺寸检测方法 |
CN108038879A (zh) * | 2017-12-12 | 2018-05-15 | 众安信息技术服务有限公司 | 一种食品体积估计方法及其装置 |
CN108262267A (zh) * | 2017-12-29 | 2018-07-10 | 北京农业智能装备技术研究中心 | 一种水果分选中的多果检测方法与装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104764402B (zh) | 2018-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107665492B (zh) | 基于深度网络的结直肠全景数字病理图像组织分割方法 | |
Liu et al. | A vision-based robust grape berry counting algorithm for fast calibration-free bunch weight estimation in the field | |
Liu et al. | A robust automated flower estimation system for grape vines | |
CN106355579A (zh) | 烟条表面褶皱的缺陷检测方法 | |
CN108181316B (zh) | 一种基于机器视觉的竹条缺陷检测方法 | |
CN103793702A (zh) | 基于协同尺度学习的行人重识别方法 | |
CN105389581B (zh) | 一种胚芽米胚芽完整度智能识别***及其识别方法 | |
CN104198497A (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 | |
KR101813223B1 (ko) | 영상 표면의 결함을 검출 및 분류하는 방법 및 장치 | |
Dubey | Fruit defect detection based on speeded up robust feature technique | |
Riana et al. | Extraction and classification texture of inflammatory cells and nuclei in normal pap smear images | |
CN106558044B (zh) | 影像模组的解像力测量方法 | |
CN111145205B (zh) | 基于红外图像的多猪只场景下猪体温检测方法 | |
CN104764402A (zh) | 柑橘体积的视觉检测方法 | |
CN117853722A (zh) | 一种融合超像素信息的钢材金相组织分割方法 | |
CN104573701B (zh) | 一种玉米雄穗性状的自动检测方法 | |
Hitimana et al. | Automatic estimation of live coffee leaf infection based on image processing techniques | |
CN109543498A (zh) | 一种基于多任务网络的车道线检测方法 | |
CN111178405A (zh) | 一种融合多种神经网络的相似物体识别方法 | |
Shahid et al. | Object size measurement through images: An application to measuring human foot size | |
Bermúdez et al. | Image analysis for automatic feature estimation of the Mangifera indica fruit | |
Zeng et al. | Detecting and measuring fine roots in minirhizotron images using matched filtering and local entropy thresholding | |
Cheng et al. | Power pole detection based on graph cut | |
CN109063708B (zh) | 基于轮廓提取的工业图像特征识别方法及*** | |
Kim et al. | A novel red apple detection algorithm based on adaboost learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190809 Address after: 545000 Workshop No. 225, No. 19 Chuyang Road, Liudong New District, Liuzhou City, Guangxi Zhuang Autonomous Region Patentee after: Guangxi Grapefruit Network Technology Co.,Ltd. Address before: 545006 Liuzhou City East District Road, central city, No. 268, No. Patentee before: Guangxi University of Science and Technology |
|
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: 20180427 |