CN106203527A - 一种用于水果去核的视觉识别方法 - Google Patents
一种用于水果去核的视觉识别方法 Download PDFInfo
- Publication number
- CN106203527A CN106203527A CN201610568901.XA CN201610568901A CN106203527A CN 106203527 A CN106203527 A CN 106203527A CN 201610568901 A CN201610568901 A CN 201610568901A CN 106203527 A CN106203527 A CN 106203527A
- Authority
- CN
- China
- Prior art keywords
- persicae
- described step
- semen persicae
- data
- visual identity
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于水果去核的视觉识别方法,该视觉识别方法可以作为果核视觉检测***嵌入到下料机构,工作时,通过下料机构将切半黄桃输送到初始工位上,利用视觉检测机构确定黄桃位置,并通过桃核方位调整机构对黄桃位置进行调整,主要识别的是果核的面积,位置,长轴和短轴,不断调整,然后在挖核机构的作用下进行挖核,并完成黄桃和桃核的分离。
Description
技术领域
本发明涉及图像识别技术领域,尤其涉及一种用于水果去核的视觉识别方法。
背景技术
黄桃含有丰富的抗氧化剂、膳食纤维、钙铁锌硒等多种微量元素,常吃可降血糖血脂、抗自由基、祛除黑斑、提高免疫力,堪称养生之桃。然而,黄桃的极不易保存性使得绝大部分的黄桃都用来做罐头,在黄桃罐头加工厂中,最耗时也是最耗费工厂人力成本的就是切半挖核环节。在炎热的产季,需要工人在生产线上昼夜不停地挖核,产品质量因个体差异和较高的劳动强度难以控制,使得工厂生产效率低,大量人工的投入也导致工厂生产成本的提高。因此,用机器代替人工、实现自动化去核是黄桃罐头加工厂的必然发展趋势。
发明内容
本发明的目的是:提供一种用于水果去核的视觉识别方法,用于模拟人的双眼,实时动态的识别果核;同时该方法还能运用到其他水果的果核识别。
为了达到上述目的,本发明提供了一种用于水果去核的视觉识别方法,包括以下步骤:步骤S100:通过工业摄像头获取图像;步骤S200:对图像进行压缩处理;步骤S300:使用分割算法分割出桃子和桃核,得到灰度图像,桃子区域颜色较亮,其他区域颜色较暗;步骤S400:对桃子和桃核进行特征提取;步骤S500:利用分类算法对特征数据进行分类识别,获得最终数据,最终数据包括桃子的面积和桃核的方向,数据由上位机传给下位机,下位机根据方向数据控制调整机构对桃子进行角度调整,根据桃子面积数据控制刀具将桃核挖下。
其中,所述步骤S100:工业摄像头为200万像素,实时抓取图像,获取托盘上切半后的桃子的图像信息;所述步骤S200:通过将图像的行与列变为原来的1/3,以此来减小图像的运算量,从而提高运算速度;所述步骤S300:利用RGB空间转换到HSV空间,利用色度进行分割,设置色度阈值为T,当色度值小于T时为桃核区域,反之为桃子区域,从而得到桃子和桃核区域;所述步骤S400:利用椭圆拟合的方法,寻找对称轴特征数据;椭圆拟合的具体实现方法是找到区域的轮廓线,使用最小二乘法得到近似椭圆。所述步骤S500:利用数据融合的方法,通过桃子的对称轴、桃核的对称轴、桃核的偏心距三个数据进行数据融合,融合方法是当三者相近时,取三者平均值,当只有两者接近时,取此两者平均值,当互不接近时,取桃子对称轴数据,来获取桃核方向数据。
其中,所述步骤S100主要过程的代码如下:
Mat frame;
VideoCapture capture(θ);
capture.read(frame);
所述步骤S200主要过程的代码如下:
所述步骤S300主要过程的代码如下:
所述步骤S400主要过程的代码如下:
所述步骤S500主要过程的代码如下:
其中,下料机构将切半黄桃输送到初始工位上,果核识别***利用上述用于水果去核的视觉识别方法确定黄桃位置,并通过桃核方位调整机构对黄桃位置进行调整;识别果核的面积、位置,长轴和短轴,不断调整,然后在挖核机构的作用下进行挖核,并完成黄桃和桃核的分离。
有益效果:本发明能够解决目前黄桃挖核机器采用的扭核方式造成的果肉浪费大,内表面不光滑等缺点;同时相比于人工去核,该方法能够更加精准识别,降低了浪费率,且能够针对黄桃产品的个体差异对黄桃位置和挖取刀具进行调整,具有适应性强、工作效率高、节省人力物力、节约成本等优点。
附图说明
图1为本发明实施例提供的用于水果去核的视觉识别方法模块框图。
图2为本发明实施例提供的用于水果去核的视觉识别方法流程图。
图3为本发明实施例工业摄像头获取的图像。
图4为本发明实施例使用分割算法分割出桃子和桃核,得到灰度图像。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
本实施例的一种用于水果去核的视觉识别方法,包括以下步骤:步骤S100:通过工业摄像头获取图像;步骤S200:对图像进行压缩处理;步骤S300:使用分割算法分割出桃子和桃核,得到灰度图像,桃子区域颜色较亮,其他区域颜色较暗;步骤S400:对桃子和桃核进行特征提取;步骤S500:利用分类算法对特征数据进行分类识别,获得最终数据,最终数据包括桃子的面积和桃核的方向,数据由上位机传给下位机,下位机根据方向数据控制调整机构对桃子进行角度调整,根据桃子面积数据控制刀具将桃核挖下。
其中,所述步骤S100:工业摄像头为200万像素,实时抓取图像,获取托盘上切半后的桃子的图像信息。
所述步骤S200:通过将图像的行与列变为原来的1/3,以此来减小图像的运算量,从而提高运算速度。
所述步骤S300:利用RGB空间转换到HSV空间,利用色度进行分割,设置色度阈值为T,当色度值小于T时为桃核区域,反之为桃子区域,从而得到桃子和桃核区域。
所述步骤S400:利用椭圆拟合的方法,寻找对称轴特征数据,特征数据包括桃子对称轴、桃核对称轴、桃核偏心距;椭圆拟合的具体实现方法是找到区域的轮廓线,使用最小二乘法得到近似椭圆。
最小二乘法多项式曲线拟合方法原理:给定数据点pi(xi,yi),其中i=1,2,…,m。求近似曲线y=φ(x)。并且使得近似曲线与y=f(x)的偏差最小。近似曲线在点pi处的偏差δi=φ(xi)-y i=1,2,3....m按偏差平方和最小的原则选取拟合曲线,并且采取二项式方程为拟合曲线的方法,称为最小二乘法多项式曲线拟合方法,公式如下:
运用本算法时数学推导过程如下:
1.设拟合多项式为:
y=a0+a1x+...+ak xk,
2.各点到这条曲线的距离之和,即偏差平方和如下:
3.为了求得符合条件的a值,对等式右边求ai偏导数,因而得到了:
4.将等式左边进行一下化简,然后应该可以得到下面的等式:
5.把这些等式表示成矩阵的形式,就可以得到下面的矩阵:
6.将这个范德蒙得矩阵化简后可得到:
7.也就是说X*A=Y,那么A=(X'*X)-1*X'*Y,便得到了系数矩阵A,同时,也就得到了本发明需要的拟合曲线。
所述步骤S500:利用数据融合的方法,通过桃子的对称轴、桃核的对称轴、桃核的偏心距三个数据进行数据融合,融合方法是当三者相近时,取三者平均值,当只有两者接近时,取此两者平均值,当互不接近时,取桃子对称轴数据,来获取桃核方向数据。我们在此文定义当两个数相差小于15时则两数接近。如当三个数据分别为181、179、185时,则目标数据为三者平均值182(四舍五入),当三个数据分别为181、150、183时,则目标数据为第一个和第三个数据平均值182,当三个数据分别是181、150、230时,则取第一个数据(即桃子对称轴数据)181)。
其中,所述步骤S100主要过程的代码如下:
Mat frame;
VideoCapture capture(θ);
capture.read(frame);
所述步骤S200主要过程的代码如下:
所述步骤S300主要过程的代码如下:
所述步骤S400主要过程的代码如下:
所述步骤S500主要过程的代码如下:
其中,利用用于水果去核的视觉识别方法去核的过程如下:下料机构将切半黄桃输送到初始工位上,利用果核识别***确定黄桃位置,并通过桃核方位调整机构对黄桃位置进行调整;识别果核的面积、位置,长轴和短轴,不断调整,然后在挖核机构的作用下进行挖核,并完成黄桃和桃核的分离。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (4)
1.一种用于水果去核的视觉识别方法,其特征在于,
所述用于水果去核的视觉识别方法包括以下步骤:
步骤S100:通过工业摄像头获取图像;
步骤S200:对图像进行压缩处理;
步骤S300:使用分割算法分割出桃子和桃核,得到灰度图像,桃子区域颜色较亮,其他区域颜色较暗;
步骤S400:对桃子和桃核进行特征提取;
步骤S500:利用分类算法对特征数据进行分类识别,获得最终数据,最终数据包括桃子的面积和桃核的方向,数据由上位机传给下位机,下位机根据方向数据控制调整机构对桃子进行角度调整,根据桃子面积数据控制刀具将桃核挖下。
2.根据权利要求1所述的一种用于水果去核的视觉识别方法,其特征在于,
所述步骤S100:工业摄像头为200万像素,实时抓取图像,获取托盘上切半后的桃子的图像信息;
所述步骤S200:通过将图像的行与列变为原来的1/3,以此来减小图像的运算量,从而提高运算速度;
所述步骤S300:利用RGB空间转换到HSV空间,利用色度进行分割,设置色度阈值为T,当色度值小于T时为桃核区域,反之为桃子区域,从而得到桃子和桃核区域;
所述步骤S400:利用椭圆拟合的方法,寻找对称轴特征数据;椭圆拟合的具体实现方法是找到区域的轮廓线,使用最小二乘法得到近似椭圆;
所述步骤S500:利用数据融合的方法,通过桃子的对称轴、桃核的对称轴、桃核的偏心距三个数据进行数据融合,融合方法是当三者相近时,取三者平均值,当只有两者接近时,取此两者平均值,当互不接近时,取桃子对称轴数据,来获取桃核方向数据。
3.根据权利要求1所述的一种用于水果去核的视觉识别方法,其特征在于,
所述步骤S100主要过程的代码如下:
所述步骤S200主要过程的代码如下:
所述步骤S300主要过程的代码如下:
所述步骤S400主要过程的代码如下:
所述步骤S500主要过程的代码如下:
4.一种用于水果去核的视觉识别方法,其特征在于,下料机构将切半黄桃输送到初始工位上,果核识别***使用权利要求1至3任一项的用于水果去核的视觉识别方法确定黄桃位置,并通过桃核方位调整机构对黄桃位置进行调整;识别果核的面积、位置,长轴和短轴,不断调整,然后在挖核机构的作用下进行挖核,并完成黄桃和桃核的分离。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2016105478023 | 2016-07-12 | ||
CN201610547802 | 2016-07-12 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106203527A true CN106203527A (zh) | 2016-12-07 |
Family
ID=57493311
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610568901.XA Pending CN106203527A (zh) | 2016-07-12 | 2016-07-18 | 一种用于水果去核的视觉识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203527A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944476A (zh) * | 2017-11-10 | 2018-04-20 | 大连理工大学 | 一种基于深度强化学习的黄桃挖核机器人行为控制方法 |
CN108133199A (zh) * | 2018-01-15 | 2018-06-08 | 庞雨 | 一种基于图像识别的球状水果方位检测及调整的装置及方法 |
CN109821854A (zh) * | 2019-01-23 | 2019-05-31 | 山东省农业科学院畜牧兽医研究所 | 一种蔬菜废弃物综合处理装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561316A (zh) * | 2009-05-15 | 2009-10-21 | 江苏大学 | 一种基于感兴趣区域(roi)的在线检测视觉数据处理*** |
CN103177257A (zh) * | 2013-04-09 | 2013-06-26 | 江苏大学 | 一种鸡腿菇图像识别方法与分级方法 |
CN204540696U (zh) * | 2015-04-03 | 2015-08-12 | 北京市裕农优质农产品种植公司 | 一种水果切瓣去核机 |
CN105004737A (zh) * | 2015-07-14 | 2015-10-28 | 浙江大学 | 基于自适应改进型梯度信息的水果表面缺陷检测方法 |
CN105184775A (zh) * | 2015-08-14 | 2015-12-23 | 浙江大学 | 基于特征向量定向的椭球形水果尺寸快速检测方法 |
-
2016
- 2016-07-18 CN CN201610568901.XA patent/CN106203527A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101561316A (zh) * | 2009-05-15 | 2009-10-21 | 江苏大学 | 一种基于感兴趣区域(roi)的在线检测视觉数据处理*** |
CN103177257A (zh) * | 2013-04-09 | 2013-06-26 | 江苏大学 | 一种鸡腿菇图像识别方法与分级方法 |
CN204540696U (zh) * | 2015-04-03 | 2015-08-12 | 北京市裕农优质农产品种植公司 | 一种水果切瓣去核机 |
CN105004737A (zh) * | 2015-07-14 | 2015-10-28 | 浙江大学 | 基于自适应改进型梯度信息的水果表面缺陷检测方法 |
CN105184775A (zh) * | 2015-08-14 | 2015-12-23 | 浙江大学 | 基于特征向量定向的椭球形水果尺寸快速检测方法 |
Non-Patent Citations (5)
Title |
---|
D. GEMAN ET AL: "Boundary detection by constraint optimization", 《IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE》 * |
KOZO OHTANI ET AL: "A Fast Edge Location Measurement with Subpixel Accuracy Using a CCD Image", 《IEEE INSTRUMENTATION AND MEASUREMENT TECHNOLOGY CONFERENCE》 * |
叶创等: "基于X射线图像的干桂圆果肉质量预测", 《食品科技》 * |
周水琴等: "基于形态学的香梨褐变核磁共振成像无损检测", 《浙江大学学报(工学版)》 * |
王雅琴等: "自然环境下水果图像分割与定位研究", 《计算机工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107944476A (zh) * | 2017-11-10 | 2018-04-20 | 大连理工大学 | 一种基于深度强化学习的黄桃挖核机器人行为控制方法 |
CN107944476B (zh) * | 2017-11-10 | 2019-06-21 | 大连理工大学 | 一种基于深度强化学习的黄桃挖核机器人行为控制方法 |
CN108133199A (zh) * | 2018-01-15 | 2018-06-08 | 庞雨 | 一种基于图像识别的球状水果方位检测及调整的装置及方法 |
CN109821854A (zh) * | 2019-01-23 | 2019-05-31 | 山东省农业科学院畜牧兽医研究所 | 一种蔬菜废弃物综合处理装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107133943B (zh) | 一种防震锤缺陷检测的视觉检测方法 | |
CN108492291B (zh) | 一种基于cnn分割的太阳能光伏硅片瑕疵检测***及方法 | |
CN103366361B (zh) | 区域增长方法以及具有标记功能的区域增长方法 | |
CN103051872B (zh) | 基于图像边缘提取的输送带跑偏检测方法 | |
CN105023256B (zh) | 一种图像去雾方法及*** | |
CN105096259A (zh) | 深度图像的深度值恢复方法和*** | |
CN110992365B (zh) | 一种基于图像语义分割的损失函数及其设计方法 | |
CN112906769A (zh) | 一种基于CycleGAN的输变电设备图像缺陷样本增广方法 | |
CN106203527A (zh) | 一种用于水果去核的视觉识别方法 | |
CN106327448A (zh) | 一种基于深度学习的图片风格化处理方法 | |
CN113469953A (zh) | 一种基于改进YOLOv4算法的输电线路绝缘子缺陷检测方法 | |
CN108921120A (zh) | 一种适应广泛零售场景下的香烟识别方法 | |
CN106339984A (zh) | 基于k均值驱动卷积神经网络的分布式图像超分辨方法 | |
CN104318254A (zh) | 一种基于dct低频分量特征的快速煤岩识别方法 | |
CN109859187B (zh) | 一种爆堆矿岩颗粒图像分割方法 | |
CN102903093A (zh) | 一种基于链码掩模的泊松图像融合方法 | |
CN110276279A (zh) | 一种基于图像分割的任意形状场景文本探测方法 | |
CN114972312A (zh) | 基于YOLOv4-Tiny改进的绝缘子缺陷检测方法 | |
CN107886065A (zh) | 一种混合字体的数字序列识别方法 | |
CN113658117A (zh) | 一种基于深度学习的沥青混合料中集料边界识别与划分方法 | |
CN108573238A (zh) | 一种基于双网络结构的车辆检测方法 | |
CN116434012A (zh) | 一种基于边缘感知的轻量型棉铃检测方法及*** | |
CN108986079B (zh) | 一种复杂裂隙网络的裂缝提取及优化方法 | |
CN107067005A (zh) | 一种中英混合ocr字符切割的方法及装置 | |
CN111091122A (zh) | 一种多尺度特征卷积神经网络的训练和检测方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161207 |