CN106023223A - 柑橘果实大小描述及分级方法 - Google Patents
柑橘果实大小描述及分级方法 Download PDFInfo
- Publication number
- CN106023223A CN106023223A CN201610367397.7A CN201610367397A CN106023223A CN 106023223 A CN106023223 A CN 106023223A CN 201610367397 A CN201610367397 A CN 201610367397A CN 106023223 A CN106023223 A CN 106023223A
- Authority
- CN
- China
- Prior art keywords
- fruit
- size
- image
- citrusfruit
- pixel
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10052—Images from lightfield camera
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Landscapes
- Sorting Of Articles (AREA)
Abstract
本发明公开了一种柑橘果实大小描述及分级方法,其中柑橘果实大小描述方法,包括步骤:将被测果实超出果面的果梗部分去除;采集被测果实果梗面及侧面的原始图像;对原始图像进行裁切;对裁切后的图像进行去背景处理;对去背景处理后的图像进行边缘检测及果实区域提取;分别统计果梗面图像中果实轮廓像素L1及果实区域像素S1、侧面图像中果实轮廓像素L2及果实区域像素S2,计算果实平均横径D1=4kS1/L1和平均纵径D2=4kS2/L2;以D1和D2来描述柑橘果实大小;本发明利用横径与纵径综合描述柑橘果实大小,能够更真实地反映果实大小等级;同时利用改进分水岭算法及边界连通操作得到连贯不间断的果实边缘、提取到完整无孔洞的果实区域,结果可靠。
Description
技术领域
本发明属于涉及一种柑橘果实大小描述及分级方法。
背景技术
在国家标准及行业标准中,柑橘果实大小仅用最大横径来定量描述,这种柑橘果实大小描述方法非常片面,只反映了横向的尺寸。由于柑橘果实外形形状不一,对于扁平形、球形、椭球形柑橘,其大小无法区分。如图1所示,当横径相同时,柑橘果实存在大小悬殊的情况。
发明内容
本发明的目的在于,针对上述现有技术的不足,提供一种横径与纵径相结合的柑橘果实大小描述及分级方法。
为解决上述技术问题,本发明所采用的技术方案是:
一种柑橘果实大小描述方法,包括以下步骤:
步骤一,将被测果实超出果面的果梗部分去除;
步骤二,采集被测果实果梗面及侧面的原始图像;
步骤三,对原始图像进行裁切;
步骤四,对裁切后的图像进行去背景处理;
步骤五,对去背景处理后的图像进行边缘检测及果实区域提取;
步骤六,分别统计果梗面图像中果实轮廓像素L1及果实区域像素S1、侧面图像中果实轮廓像素L2及果实区域像素S2,计算果实平均横径D1=4kS1/L1和平均纵径D2=4kS2/L2;以D1和D2来描述柑橘果实大小;其中,k的计算方法为:取一40mm直径的黄色乒乓球,经过图像采集、图像裁切、去背景处理、边缘检测及区域提取后,统计轮廓像素L及区域像素S,求得k=10L/S。
本发明为利用横径与纵径综合描述柑橘果实大小的方法,能够更真实地反映果实大小。
作为一种优选方式,所述步骤二中包括:将果实置于500×500×500mm3的光照箱底部中央,背景黑色,数码相机于光照箱顶部中央,相机镜头距果顶460~490mm,箱顶以相机镜头为中心对称均布4盏60w白炽灯,采集果实果梗面及侧面的数字图像。
作为一种优选方式,所述步骤三中包括:利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切。
作为一种优选方式,所述步骤四中包括:统计裁切后柑橘果实图像的亮度Y=0.1770R+0.8124G+0.0106B直方图,其中,R、G、B分别为裁切后柑橘果实图像的红色、绿色和蓝色分量;提取亮度直方图双峰间的波谷亮度分界值作为阈值T,建立亮度分段函数,低于分界值的灰度置1,高于分界值的灰度不变。
作为一种优选方式,所述步骤五中包括:对去背景后的图像进行水平和垂直两个方向的Prewitt算子滤波,得到滤波图像gh和gv;对所述滤波图像进行欧氏距离变换得到集水盆地到分水岭的距离df; 对df进行分水岭检测,标记df的外部约束em,以局部亮度梯度极大值大小为条件,动态调整阈值,筛选出高于阈值的去背景灰度图像灰度极大值进行扩展极大值变换,计算df的内部约束im;利用em和im重构梯度图g2;对g2做分水岭检测,合并外部区域和内部区域,完成果实边缘检测,连通边界,标记果实边界轮廓,提取果实区域。
传统的分水岭算法存在较严重的过度分割问题,本发明中改进型分水岭算法在传统分水岭算法的基础上进行梯度阈值化处理及内部约束动态调整,克服了这一缺点。
基于同一个发明构思,本发明还提供了一种柑橘果实大小分级方法,利用如权利要求1至5任一项所述的柑橘果实大小描述方法求得果实平均横径D1=4kS1/L1和平均纵径D2=4kS2/L2;根据D1和D2的大小对柑橘果实大小进行等级划分。
经大量柑橘样本实验,得到D1和D2的分布规律,结合国家标准,得到衡量果实大小的等级检索表;根据被测果实的D1和D2查询等级检索表,若D1和D2分别位于同一等级对应的两个区间,则该等级就是果实大小的等级;若D1和D2分别位于不同等级对应的两个区间,则该两个等级中较低的一级为果实大小的等级。
与现有技术相比,本发明利用横径与纵径综合描述柑橘果实大小,能够更真实地反映果实大小等级;同时利用改进分水岭算法及边界连通操作得到连贯不间断的果实边缘、提取到完整无孔洞的果实区域,结果可靠。
附图说明
图1为同一横径不同大小的柑橘果实对比图。
图2为裁切后的图像。
图3为亮度直方图。
图4为去背景处理后的图像。
图5为果实边缘与果实区域图。
具体实施方式
本发明为一种柑橘果实大小描述及分级方法,以早熟温州蜜柑作为被测对象,包括以下步骤:
步骤一,将果梗平齐果面,将被测果实超出果面的果梗部分剪去;
步骤二,采集被测果实果梗面及侧面的原始图像;
将果实置于500×500×500mm3的光照箱底部中央,背景黑色,数码相机于光照箱顶部中央,相机镜头距果顶460~490mm,箱顶以相机镜头为中心对称均布4盏60w白炽灯,采集果实果梗面及侧面的数字图像。
步骤三,对原始图像进行裁切;
利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切,得到如图2所示的图像。
步骤四,对裁切后的图像进行去背景处理;
统计裁切后柑橘果实图像的亮度Y=0.1770R+0.8124G+0.0106B直方图,其中,R、G、B分别为裁切后柑橘果实图像的红色、绿色 和蓝色分量;提取亮度直方图双峰间的波谷亮度分界值作为阈值T,建立亮度分段函数,低于分界值的灰度置1,高于分界值的灰度不变。亮度直方图如图3所示。经过处理后,如图4所示,去除了大部分柑橘果实区域外的背景。
步骤五,对去背景处理后的图像进行边缘检测及果实区域提取;
对去背景后的图像进行水平和垂直两个方向的Prewitt算子滤波,得到滤波图像gh和gv;计算距离函数对所述滤波图像进行欧氏距离变换得到集水盆地到分水岭的距离df;对df进行分水岭检测,标记df的外部约束em,以局部亮度梯度极大值大小为条件,动态调整阈值,筛选出高于阈值的去背景灰度图像灰度极大值进行扩展极大值变换,计算df的内部约束im;利用em和im重构梯度图g2;对g2做分水岭检测,合并外部区域和内部区域,完成果实边缘检测,连通边界,标记果实边界轮廓,提取果实区域。如图5所示,经过处理后,果实边缘连贯不间断,果实区域完整无孔洞。
步骤六,分别统计果梗面图像中果实轮廓像素L1及果实区域像素S1、侧面图像中果实轮廓像素L2及果实区域像素S2,计算果实平均横径D1=4kS1/L1和平均纵径D2=4kS2/L2;以D1和D2来描述柑橘果实大小;其中,k的计算方法为:取一40mm直径的黄色乒乓球,经过图像采集、图像裁切、去背景处理、边缘检测及区域提取后,统计轮廓像素L及区域像素S,求得k=10L/S。
大小分级时,首先利用所述的柑橘果实大小描述方法求得果实平均横径D1=4kS1/L1和平均纵径D2=4kS2/L2;再根据D1和D2的大小对 柑橘果实大小进行等级划分。分级时,需要根据国家标准和样本试验,得到D1和D2的分布规律,得到衡量果实大小的等级检索表,如表1所示;再根据被测果实的D1和D2查询等级检索表,若D1和D2分别位于同一等级对应的两个区间,则该等级就是果实大小的等级;若D1和D2分别位于不同等级对应的两个区间,则该两个等级中较低的一级为果实大小的等级。
平均横径 | 平均纵径 | 组别 |
45~50 | <43 | 微果 |
50~55 | 41~45 | 小果 |
55~60 | 43~47 | 中果 |
60~65 | 45~50 | 大果 |
65~75 | 48~56 | 特大果 |
表1早熟温州蜜柑大小等级检索表(单位:毫米) 。
Claims (6)
1.一种柑橘果实大小描述方法,其特征在于,包括以下步骤:
步骤一,将被测果实超出果面的果梗部分去除;
步骤二,采集被测果实果梗面及侧面的原始图像;
步骤三,对原始图像进行裁切;
步骤四,对裁切后的图像进行去背景处理;
步骤五,对去背景处理后的图像进行边缘检测及果实区域提取;
步骤六,分别统计果梗面图像中果实轮廓像素L1及果实区域像素S1、侧面图像中果实轮廓像素L2及果实区域像素S2,计算果实平均横径D1=4kS1/L1和平均纵径D2=4kS2/L2;以D1和D2来描述柑橘果实大小;其中,k的计算方法为:取一40mm直径的黄色乒乓球,经过图像采集、图像裁切、去背景处理、边缘检测及区域提取后,统计轮廓像素L及区域像素S,求得k=10L/S。
2.如权利要求1所述的柑橘果实大小描述方法,其特征在于,所述步骤二中包括:将果实置于500×500×500mm3的光照箱底部中央,背景黑色,数码相机于光照箱顶部中央,相机镜头距果顶460~490mm,箱顶以相机镜头为中心对称均布4盏60w白炽灯,采集果实果梗面及侧面的数字图像。
3.如权利要求1所述的柑橘果实大小描述方法,其特征在于,所述步骤三中包括:利用数字图像处理软件对采集的原始图像进行1024×1024像素大小的裁切。
4.如权利要求1所述的柑橘果实大小描述方法,其特征在于,所述步骤四中包括:统计裁切后柑橘果实图像的亮度Y=0.1770R+0.8124G+0.0106B直方图,其中,R、G、B分别为裁切后柑橘果实图像的红色、绿色和蓝色分量;提取亮度直方图双峰间的波谷亮度分界值作为阈值T,建立亮度分段函数,低于分界值的灰度置1,高于分界值的灰度不变。
5.如权利要求1所述的柑橘果实大小描述方法,其特征在于,所述步骤五中包括:对去背景后的图像进行水平和垂直两个方向的Prewitt算子滤波,得到滤波图像gh和gv;对所述滤波图像进行欧氏距离变换得到集水盆地到分水岭的距离df;对df进行分水岭检测,标记df的外部约束em,以局部亮度梯度极大值大小为条件,动态调整阈值,筛选出高于阈值的去背景灰度图像灰度极大值进行扩展极大值变换,计算df的内部约束im;利用em和im重构梯度图g2;对g2做分水岭检测,合并外部区域和内部区域,完成果实边缘检测,连通边界,标记果实边界轮廓,提取果实区域。
6.一种柑橘果实大小分级方法,其特征在于,利用如权利要求1至5任一项所述的柑橘果实大小描述方法求得果实平均横径D1=4kS1/L1和平均纵径D2=4kS2/L2;根据D1和D2的大小对柑橘果实大小进行等级划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610367397.7A CN106023223A (zh) | 2016-05-30 | 2016-05-30 | 柑橘果实大小描述及分级方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610367397.7A CN106023223A (zh) | 2016-05-30 | 2016-05-30 | 柑橘果实大小描述及分级方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106023223A true CN106023223A (zh) | 2016-10-12 |
Family
ID=57092292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610367397.7A Pending CN106023223A (zh) | 2016-05-30 | 2016-05-30 | 柑橘果实大小描述及分级方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106023223A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407962A (zh) * | 2016-11-15 | 2017-02-15 | 融安县植保植检站 | 柑橘大实蝇危害落果率统计*** |
CN109800619A (zh) * | 2017-11-16 | 2019-05-24 | 湖南生物机电职业技术学院 | 成熟期柑橘果实图像识别方法 |
CN110495624A (zh) * | 2019-08-29 | 2019-11-26 | 贵州大学 | 一种基于图像识别的水果去蒂机 |
CN113277101A (zh) * | 2021-03-09 | 2021-08-20 | 温州市勘察测绘研究院 | 基于智能航拍影像识别技术的无人机采集*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065149A (zh) * | 2012-12-21 | 2013-04-24 | 上海交通大学 | 网纹甜瓜果实表型提取与量化方法 |
CN103512494A (zh) * | 2013-07-16 | 2014-01-15 | 宁波职业技术学院 | 一种植物果实微尺寸变化视觉检测***及方法 |
CN103913124A (zh) * | 2014-03-18 | 2014-07-09 | 北京农业信息技术研究中心 | 果实外观品质自动监测***及监测方法 |
-
2016
- 2016-05-30 CN CN201610367397.7A patent/CN106023223A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103065149A (zh) * | 2012-12-21 | 2013-04-24 | 上海交通大学 | 网纹甜瓜果实表型提取与量化方法 |
CN103512494A (zh) * | 2013-07-16 | 2014-01-15 | 宁波职业技术学院 | 一种植物果实微尺寸变化视觉检测***及方法 |
CN103913124A (zh) * | 2014-03-18 | 2014-07-09 | 北京农业信息技术研究中心 | 果实外观品质自动监测***及监测方法 |
Non-Patent Citations (6)
Title |
---|
XIANG LI AND ZHENLONG BAI: "Fruit Quality Detection System Based on Video Image Analysis", 《THE 11TH NATIONAL ANUUAL SYMPOSIUM ON INDUSTRIAL TECHNOLOGY OF ECONOMIC MANAGEMENT INSTITUTIONS》 * |
曹乐平,温芝元: "基于统计复杂性测度、多重分形谱等方法的柑橘品质分级", 《浙江大学学报(农业与生命科学版)》 * |
曹乐平: "基于周长和面积分形维数的柑橘品种机器识别", 《农业工程学报》 * |
温芝元,曹乐平: "基于补偿模糊神经网络的脐橙不同病虫害图像识别", 《农业工程学报》 * |
苏金玲: "融合显著性与GraphCut的自然场景图像分割", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
邓秀新,彭抒昂: "《现代农业科技专著大系—柑橘学》", 30 June 2013 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407962A (zh) * | 2016-11-15 | 2017-02-15 | 融安县植保植检站 | 柑橘大实蝇危害落果率统计*** |
CN109800619A (zh) * | 2017-11-16 | 2019-05-24 | 湖南生物机电职业技术学院 | 成熟期柑橘果实图像识别方法 |
CN109800619B (zh) * | 2017-11-16 | 2022-07-01 | 湖南生物机电职业技术学院 | 成熟期柑橘果实图像识别方法 |
CN110495624A (zh) * | 2019-08-29 | 2019-11-26 | 贵州大学 | 一种基于图像识别的水果去蒂机 |
CN113277101A (zh) * | 2021-03-09 | 2021-08-20 | 温州市勘察测绘研究院 | 基于智能航拍影像识别技术的无人机采集*** |
CN113277101B (zh) * | 2021-03-09 | 2022-06-03 | 温州市勘察测绘研究院有限公司 | 基于智能航拍影像识别技术的无人机采集*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Payne et al. | Estimating mango crop yield using image analysis using fruit at ‘stone hardening’stage and night time imaging | |
CN105354865B (zh) | 多光谱遥感卫星影像自动云检测方法及*** | |
Zhang et al. | Method of famous tea sprout identification and segmentation based on improved watershed algorithm | |
Patel et al. | Automatic segmentation and yield measurement of fruit using shape analysis | |
WO2020224458A1 (zh) | 一种基于图像处理的电晕检测方法 | |
CN109255757B (zh) | 一种机器视觉自然放置葡萄串果梗区域分割方法 | |
CN111753577B (zh) | 自动采摘机器人中的苹果识别与定位方法 | |
CN106023223A (zh) | 柑橘果实大小描述及分级方法 | |
CN106296670B (zh) | 一种基于Retinex-分水岭-Canny算子的红外图像边缘检测方法 | |
CN106294705A (zh) | 一种批量遥感影像预处理方法 | |
CN109145848B (zh) | 一种麦穗计数方法 | |
CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
CN102855641A (zh) | 基于外在品质的水果等级分类*** | |
CN104732229A (zh) | 一种用于宫颈涂片图像中重叠细胞的分割方法 | |
CN104075965A (zh) | 一种基于分水岭分割的显微图像颗粒粒度测量方法 | |
CN113255434B (zh) | 一种融合果实特征与深度卷积神经网络的苹果识别方法 | |
Shin et al. | Postharvest citrus mass and size estimation using a logistic classification model and a watershed algorithm | |
CN109886170A (zh) | 一种钉螺智能检测识别与统计*** | |
CN110428374B (zh) | 一种小体积害虫自动检测方法及*** | |
CN108416814A (zh) | 一种菠萝头部的快速定位与识别方法及*** | |
CN110335233A (zh) | 基于图像处理技术的高速公路护栏板缺陷检测***和方法 | |
CN106067173A (zh) | 柑橘果实糖度的复杂性测度无损检测方法 | |
Gao et al. | A recognition method of multispectral images of soybean canopies based on neural network | |
CN102788806B (zh) | 基于类球形亮度变换的水果表面缺陷检测方法 | |
Liu et al. | Breast and pectoral muscle contours detection based on goodness of fit measure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |
|
RJ01 | Rejection of invention patent application after publication |