CN108262267B - 一种水果分选中的多果检测方法与装置 - Google Patents
一种水果分选中的多果检测方法与装置 Download PDFInfo
- Publication number
- CN108262267B CN108262267B CN201711485171.8A CN201711485171A CN108262267B CN 108262267 B CN108262267 B CN 108262267B CN 201711485171 A CN201711485171 A CN 201711485171A CN 108262267 B CN108262267 B CN 108262267B
- Authority
- CN
- China
- Prior art keywords
- fruit
- target
- sectional area
- pixel
- target fruit
- 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.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C2501/00—Sorting according to a characteristic or feature of the articles or material to be sorted
- B07C2501/009—Sorting of fruit
Landscapes
- Image Analysis (AREA)
- Sorting Of Articles (AREA)
Abstract
本发明涉及水果加工技术领域,提供一种水果分选中的多果检测方法与装置,主要解决水果分选中会将尺寸较小的多个水果误判为一个尺寸较大的水果从而导致错误分选的问题,该方法包括:对采集的目标水果图像针对目标水果分别进行自上而下和自下而上的纵向边界扫描,获取第一目标水果区域;对目标水果图像针对目标水果分别进行自左而右和自右而左的横向边界扫描,获取第二目标水果区域;根据第一目标水果区域计算第一目标水果截面积,根据第二目标水果区域计算第二目标水果截面积;判定第一目标水果截面积与第二目标水果截面积中较大者与较小者比值大于或等于设定阈值的目标水果为多果。本发明能够有效检测多果混入,避免错误分选,提高分选准确率。
Description
技术领域
本发明涉及水果加工技术领域,更具体地,涉及一种水果分选中的多果检测方法与装置。
背景技术
在水果加工过程中,往往需要对水果进行分选处理。机械式水果分选方法中,主要根据水果尺寸的大小,依靠设置不同尺寸的机械料斗对水果进行粗略分选。机械式分选方法极易对水果造成损伤,且会有部分尺寸较小的水果未能落入相应料斗,而落入尺寸较大的料斗,造成分选结果准确性较差。
利用机器视觉技术的水果分选方法中,通常包括对水果的重量或体积,以及表皮质量分别进行检测评价,通过重量或体积判断大小,通过表皮质量判断品质。具体操作时,通常先进行称重或尺寸测量,再通过图像采集分析表皮质量进行分选。
利用机器视觉技术的分选方法不仅能降低人工成本,还能提高检测效率和检测精度。但在实际生产中,由于水果的尺寸范围较大,果托的设计要保证能够输送尺寸较大的水果,经常会出现多个尺寸较小的水果落入同一果托的情况。在计算尺寸指标时,会将一个果托中尺寸较小的多个水果误判为一个尺寸较大的水果,从而导致错误分选,造成同一等级中混有大尺寸水果和小尺寸水果的情况。
发明内容
为了克服上述问题或者至少部分地解决上述问题,本发明提供一种水果分选中的多果检测方法与装置,用以有效检测多果混入,避免错误分选,提高分选准确率。
一方面,本发明提供一种水果分选中的多果检测方法,包括:S1,对采集的目标水果图像针对目标水果分别进行自上而下和自下而上的纵向边界扫描,获取第一目标水果区域;S2,对所述目标水果图像针对所述目标水果分别进行自左而右和自右而左的横向边界扫描,获取第二目标水果区域;S3,根据所述第一目标水果区域计算第一目标水果截面积,根据所述第二目标水果区域计算第二目标水果截面积;S4,判定所述第一目标水果截面积与所述第二目标水果截面积中较大者与较小者比值大于或等于设定阈值的目标水果为多果。
进一步的,所述方法还包括:判定所述第一目标水果截面积与所述第二目标水果截面积中较大者与较小者比值小于所述设定阈值的目标水果为单果。
进一步的,在所述S1的步骤之前,所述方法还包括:利用CCD摄像机获取所述目标水果的RGB图像,并提取所述RGB图像中的R分量图像。
其中,所述S1的步骤进一步包括:S11,由所述R分量图像左边缘第一列像素开始依次向右,对每一列像素,分别自上而下和自下而上判断各像素的灰度与设定灰度阈值大小关系,直至所述像素的灰度不小于所述设定灰度阈值;S12,以每一列像素中自上而下的第一个灰度不小于所述设定灰度阈值的像素作为所述第一目标水果区域的上边界点,以每一列像素中自下而上的第一个灰度不小于所述设定灰度阈值的像素作为所述第一目标水果区域的下边界点,确定所述第一目标水果区域。
其中,步骤S3中所述根据所述第一目标水果区域计算第一目标水果截面积的步骤进一步包括:将所述R分量图像中纵向扫描到的灰度小于所述设定灰度阈值的像素的灰度值设置为设定背景灰度,统计所述R分量图像中灰度大于所述设定背景灰度的像素的个数作为所述第一目标水果截面积。
进一步的,在所述S3和S4的步骤之间,还包括:基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径;相应的,判定目标水果为单果的步骤之后,还包括:返回所述当量直径作为所述目标水果的尺寸特征,并根据所述尺寸特征确定所述目标水果的级别。
其中,所述基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径的步骤进一步包括:根据所述第一目标水果截面积与所述第二目标水果截面积中较大者,计算所述当量直径。
其中,所述基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径的步骤进一步包括:计算所述第一目标水果截面积与所述第二目标水果截面积的平均值,并根据所述平均值计算所述当量直径。
进一步的,所述S4的步骤之后,所述方法还包括:返回多果信息,并将所述目标水果返回料斗再次进行分选。
另一方面,本发明提供一种水果分选中的多果检测装置,包括:至少一个存储器、至少一个处理器、通信接口和总线;所述存储器、所述处理器和所述通信接口通过所述总线完成相互间的通信,所述通信接口用于所述多果检测装置与图像采集设备通信接口之间的信息传输;所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如上所述的水果分选中的多果检测方法。
本发明提供的一种水果分选中的多果检测方法与装置,通过分别对目标水果图像横向和纵向针对目标水果的边界扫描,并根据扫描结果计算两个扫描方向的水果区域面积比值,检测多果,能够有效检测多果混入,避免错误分选,提高分选准确率。
附图说明
图1为本发明实施例一种水果分选中的多果检测方法的流程图;
图2为本发明实施例一种获取第一目标水果区域的流程图;
图3为本发明实施例一种对蜜橘进行纵向扫描确定第一目标水果区域的效果示意图;
图4为本发明实施例一种获取第二目标水果区域的流程图;
图5为本发明实施例一种对蜜橘进行横向扫描确定第二目标水果区域的效果示意图;
图6为本发明实施例一种水果分选中的多果检测装置的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
作为本发明实施例的一个方面,本实施例提供一种水果分选中的多果检测方法,参考图1,为本发明实施例一种水果分选中的多果检测方法的流程图,包括:
S1,对采集的目标水果图像针对目标水果分别进行自上而下和自下而上的纵向边界扫描,获取第一目标水果区域;
S2,对所述目标水果图像针对所述目标水果分别进行自左而右和自右而左的横向边界扫描,获取第二目标水果区域;
S3,根据所述第一目标水果区域计算第一目标水果截面积,根据所述第二目标水果区域计算第二目标水果截面积;
S4,判定所述第一目标水果截面积与所述第二目标水果截面积中较大者与较小者比值大于或等于设定阈值的目标水果为多果。
步骤S1可以理解为,首先获取水果分选过程中采集到的目标水果的图像,即目标水果图像,然后在目标水果图像纵向上,分别从图像的最上边界依次向下扫描目标水果的上边界,和从图像的最下边界依次向上扫描目标水果的下边界,以扫描到的目标水果上边界与下边界包围的区域作为第一目标水果区域。
应当理解的是,所述的目标水果为进行机器视觉技术分选过程中,正在进行分选的待检测水果,如在蜜橘分选过程中当前待检测的蜜橘。
在一个实施例中,在所述S1的步骤之前,所述方法还包括:利用CCD摄像机获取所述目标水果的RGB图像,并提取所述RGB图像中的R分量图像。
可以理解为,在对目标水果的图像进行扫描处理之前,先要获取合适的目标水果图像。可见光CCD工业相机可以采集水果的RGB图像,如彩色CCD摄像机。在水果分选过程中,通过定位机构对水果在传输线上的位置进行检测,并在目标水果到达检测位后将结果发送计算机,计算机通过触发装置控制CCD工业相机在线采集目标水果的RGB图像作为处理对象。然后对于采集到的目标水果图像先进行背景分割,如提取出RGB图像中R通道的图像作为目标水果图像。
其中可选的,所述S1的进一步处理步骤参考图2,为本发明实施例一种获取第一目标水果区域的流程图,包括:
S11,由所述R分量图像左边缘第一列像素开始依次向右,对每一列像素,分别自上而下和自下而上判断各像素的灰度与设定灰度阈值大小关系,直至所述像素的灰度不小于所述设定灰度阈值。
可以理解为,以果托中落入两个蜜橘为例,参考图3,为本发明实施例一种对蜜橘进行纵向扫描确定第一目标水果区域的效果示意图。对于获取的目标水果图像,如根据上述实施例获取的R分量图像,纵向上将图像以像素为单位分成多列。从其中最左列开始依次向右,当然也可以从最右列开始依次向左,对于每一列像素,从最上端第一个像素开始向下依次判断每个像素灰度是否不小于设定灰度阈值,若小于,则继续判断当前像素下方的像素,直至遇到某个像素的灰度不小于设定灰度阈值,则停止扫描,返回该像素位置。
同时,对于每一列像素,从最下端第一个像素开始向上依次判断每个像素灰度是否不小于设定灰度阈值,若小于,则继续判断当前像素上方的像素,直至遇到某个像素的灰度不小于设定灰度阈值,则停止扫描,返回该像素位置。
然后,相应转入当前像素列的右侧或左侧像素列进行纵向扫描,直至所有像素列的上端和下端均检测到灰度不小于设定灰度阈值的像素。
S12,以每一列像素中自上而下的第一个灰度不小于所述设定灰度阈值的像素作为所述第一目标水果区域的上边界点,以每一列像素中自下而上的第一个灰度不小于所述设定灰度阈值的像素作为所述第一目标水果区域的下边界点,确定所述第一目标水果区域。
可以理解为,对于步骤S12中每一个像素列中自上而下和自下而上扫描到的像素点,以该列中自上而下扫描到的第一个灰度不小于设定灰度阈值的像素作为第一目标水果区域的上边界点,以该列像素中自下而上扫描到的第一个灰度不小于设定灰度阈值的像素作为第一目标水果区域的下边界点,所有像素列中的上边界点组成第一目标水果区域的上边界,所有像素列中的下边界点组成第一目标水果区域的下边界,上边界和下边界包围的区域作为目标水果的第一个图像区域,即第一目标水果区域。
步骤S2可以理解为,与步骤S1同理,在目标水果图像横向上,分别从图像的最左边界依次向右扫描目标水果的左边界,和从图像的最右边界依次向左扫描目标水果的右边界,以扫描到的目标水果左边界与右边界包围的区域作为第二目标水果区域。
其中可选的,所述S2的进一步处理步骤参考图4,为本发明实施例一种获取第二目标水果区域的流程图,包括:
S21,由所述R分量图像上边缘第一行像素开始依次向下,对每一行像素,分别自左而右和自右而左判断各像素的灰度与设定灰度阈值大小关系,直至所述像素的灰度不小于所述设定灰度阈值。
可以理解为,以上述实施例中果托中落入两个蜜橘为例,参考图5,为本发明实施例一种对蜜橘进行横向扫描确定第二目标水果区域的效果示意图。与上述实施例步骤S11同理,对于获取的目标水果图像,如根据上述实施例获取的R分量图像,横向上将图像以像素为单位分成多行。从其中最上一行开始依次向下,当然也可以从最下一行开始依次向上,对于每一行像素,从最左端第一个像素开始向右依次判断每个像素灰度是否不小于设定灰度阈值,若小于,则继续判断当前像素右侧的像素,直至遇到某个像素的灰度不小于设定灰度阈值,则停止扫描,返回该像素位置。
同时,对于每一行像素,从最右端第一个像素开始向左依次判断每个像素灰度是否不小于设定灰度阈值,若小于,则继续判断当前像素左侧的像素,直至遇到某个像素的灰度不小于设定灰度阈值,则停止扫描,返回该像素位置。
然后,相应转入当前像素行的下方或上方像素列进行横向扫描,直至所有像素行的左端和右端均检测到灰度不小于设定灰度阈值的像素。
S22,以每一行像素中自左而右的第一个灰度不小于所述设定灰度阈值的像素作为所述第二目标水果区域左上边界点,以每一行像素中自右而左的第一个灰度不小于所述设定灰度阈值的像素作为所述第二目标水果区域的右边界点,确定所述第二目标水果区域。
可以理解为,与上述实施例步骤S12同理,对于步骤S22中每一个像素行中自左而右和自右而左扫描到的像素点,以该行中自左而右扫描到的第一个灰度不小于设定灰度阈值的像素作为第二目标水果区域的左边界点,以该列像素中自右而左扫描到的第一个灰度不小于设定灰度阈值的像素作为第二目标水果区域的右边界点,所有像素行中的左边界点组成第二目标水果区域的左边界,所有像素行中的右边界点组成第二目标水果区域的右边界,左边界和右边界包围的区域作为目标水果的第二个图像区域,即第二目标水果区域。
步骤S3可以理解为,对于上述步骤扫描到的第一目标水果区域和第二目标水果区域,分别计算其面积,具体根据第一目标水果区域计算其面积,作为第一目标水果截面积,根据第二目标水果区域计算其面积,作为第二目标水果截面积。
其中可选的,步骤S3中所述根据所述第一目标水果区域计算第一目标水果截面积的步骤进一步包括:将所述R分量图像中纵向扫描到的灰度小于所述设定灰度阈值的像素的灰度值设置为设定背景灰度,统计所述R分量图像中灰度大于所述设定背景灰度的像素的个数作为所述第一目标水果截面积。
可以理解为,对于上述实施例中获取的R分量图像,根据上述实施例扫描到的每一个像素,对其中灰度小于设定灰度阈值的像素,将其灰度值设置为设定背景灰度值。如将扫描到的像素灰度小于设定灰度阈值的像素作为背景像素,将其灰度值设置为255,对于大于或等于设定灰度阈值的像素,保持原像素灰度不变,从而提取出目标水果的图像区域。统计R分量图像中像素灰度值小于255的像素个数,将该像素个数作为目标水果图像区域的面积值,即第一目标水果截面积。
同理,根据R分量图像中横向扫描到的灰度小于设定灰度阈值的像素,计算第二目标水果截面积。
步骤S4可以理解为,对于任意目标水果,根据上述步骤扫描获取的第一目标水果截面积和第二目标水果截面积,首先比较二者大小关系,确定其中较大者和较小者。然后计算较大者与较小者的比值,并判断该比值是否大于或等于设定阈值,判定其中比值大于或等于设定阈值的目标水果为多果。
如根据上述实施例的双果蜜橘例子,在第二次扫描之后,两个蜜橘中间的三角背景部分会被去除。第二次计算的面积会较第一次计算的面积发生较大的变化;而单果的情况,面积变化较小。假设第一次计算的蜜橘截面积为S1,第二次计算的蜜橘截面积为S2,则二者比值为r=S1/S2。若判断比值r的值大于等于设定阈值thr,则说明两次面积变化较大,存在多果的情况,因此初步判定为多果。
本发明实施例提供的一种水果分选中的多果检测方法,通过分别对目标水果图像横向和纵向针对目标水果的边界扫描,并根据扫描结果计算两个扫描方向的水果区域面积比值,检测多果,能够有效检测多果混入,避免错误分选,提高分选准确率。
进一步的,所述S4的步骤之后,所述方法还包括:返回多果信息,并将所述目标水果返回料斗再次进行分选。
可以理解为,若根据上述实施例初步判定为多果,为了对目标水果进行准确分类,在判定为多果之后,不对该目标水果进行分选,并返回多果信息,并将当前检测的目标水果回收回料斗,进行再次分选,以有效提高水果分选准确率。
进一步的,所述方法还包括:判定所述第一目标水果截面积与所述第二目标水果截面积中较大者与较小者比值小于所述设定阈值的目标水果为单果。
可以理解为,在根据上述实施例进行两次计算面积的比值与设定阈值的比较时,还可能存在该比值小于设定阈值的情况,说明两次面积计算的差别不大,初步判定为单果。
进一步的,在所述S3和S4的步骤之间,还包括:基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径;相应的,判定目标水果为单果的步骤之后,还包括:返回所述当量直径作为所述目标水果的尺寸特征,并根据所述尺寸特征确定所述目标水果的级别。
可以理解为,在根据上述实施例计算获取目标水果的第一次计算面积和第二次计算面积,即第一目标水果截面积和第二目标水果截面积之后,按照给定的技术原则,根据两次计算的目标水果图像区域面积,计算目标水果的当量直径。并在判定目标水果为单果之后,返回该当量值,以该当量值作为该单果的直径尺寸,并按照该直径尺寸确定该目标水果的级别。
其中可选的,所述基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径的步骤进一步包括:根据所述第一目标水果截面积与所述第二目标水果截面积中较大者,计算所述当量直径。
可以理解为,在根据上述实施例计算的第一目标水果截面积和第二目标水果截面积取值不同,并确定其中较大者之后,以其中较大者作为目标水果的最大截面积,计算对应的直径值,并将该计算直径作为目标水果的当量直径。
其中可选的,所述基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径的步骤进一步包括:计算所述第一目标水果截面积与所述第二目标水果截面积的平均值,并根据所述平均值计算所述当量直径。
可以理解为,在根据上述实施例确定第一目标水果截面积和第二目标水果截面积之后,为了对目标水果进行更精确的分级,对第一目标水果截面积和第二目标水果截面积取平均,并以该平均值作为目标水果的截面积,计算目标水果的当量直径。
作为本发明实施例的另一个方面,本实施例提供一种水果分选中的多果检测装置,参考图6,为本发明实施例一种水果分选中的多果检测装置的结构框图,包括:至少一个存储器1、至少一个处理器2、通信接口3和总线4。
其中,存储器1、处理器2和通信接口3通过总线4完成相互间的通信,通信接口3用于所述多果检测装置与图像采集设备通信接口之间的信息传输;存储器1中存储有可在处理器2上运行的计算机程序,处理器2执行所述程序时实现如上述实施例所述的水果分选中的多果检测方法。
可以理解为,所述的水果分选中的多果检测装置中至少包含存储器1、处理器2、通信接口3和总线4,且存储器1、处理器2和通信接口3通过总线4形成相互之间的通信连接,并可完成相互间的通信。
通信接口3实现多果检测装置与图像采集设备通信接口之间的通信连接,并可完成相互间信息传输,如通过通信接口3实现由图像采集设备获取目标水果图像等。
多果检测装置运行时,处理器2调用存储器1中的程序指令,以执行上述各处理方法实施例所提供的处理方法流程,例如包括:判定所述第一目标水果截面积与所述第二目标水果截面积中较大者与较小者比值大于或等于设定阈值的目标水果为多果。以及将所述R分量图像中纵向扫描到的灰度小于所述设定灰度阈值的像素的灰度值设置为设定背景灰度,统计所述R分量图像中灰度大于所述设定背景灰度的像素的个数作为所述第一目标水果截面积等。
本发明另一个实施例中,提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如上述实施例所述的水果分选中的多果检测方法。
可以理解为,实现上述多果检测方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的水果分选中的多果检测装置的实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,既可以位于一个地方,或者也可以分布到不同网络单元上。可以根据实际需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上实施方式的描述,本领域的技术人员可以清楚地了解,各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROMRAM、磁碟、光盘等,包括若干指令,用以使得一台计算机设备(如个人计算机,服务器,或者网络设备等)执行上述各多果检测方法实施例或者多果检测方法实施例的某些部分所述的方法。
本发明实施例提供的一种水果分选中的多果检测装置和一种非暂态计算机可读存储介质,通过相关程序的存储和执行,实现分别对目标水果图像横向和纵向针对目标水果的边界扫描,并根据扫描结果计算两个扫描方向的水果区域面积比值,检测多果,能够有效检测多果混入,避免错误分选,提高分选准确率。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解: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;而这些修改或者替换,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精神和范围。
Claims (10)
1.一种水果分选中的多果检测方法,其特征在于,包括:
S1,对采集的目标水果图像针对目标水果分别进行自上而下和自下而上的纵向边界扫描,获取第一目标水果区域;
S2,对所述目标水果图像针对所述目标水果分别进行自左而右和自右而左的横向边界扫描,获取第二目标水果区域;
S3,根据所述第一目标水果区域计算第一目标水果截面积,根据所述第二目标水果区域计算第二目标水果截面积;
S4,判定所述第一目标水果截面积与所述第二目标水果截面积中较大者与较小者比值大于或等于设定阈值的目标水果为多果。
2.根据权利要求1所述的方法,其特征在于,还包括:
判定所述第一目标水果截面积与所述第二目标水果截面积中较大者与较小者比值小于所述设定阈值的目标水果为单果。
3.根据权利要求1或2所述的方法,其特征在于,在所述S1的步骤之前,还包括:
利用CCD摄像机获取所述目标水果的RGB图像,并提取所述RGB图像中的R分量图像。
4.根据权利要求3所述的方法,其特征在于,所述S1的步骤进一步包括:
S11,由所述R分量图像左边缘第一列像素开始依次向右,对每一列像素,分别自上而下和自下而上判断各像素的灰度与设定灰度阈值大小关系,直至所述像素的灰度不小于所述设定灰度阈值;
S12,以每一列像素中自上而下的第一个灰度不小于所述设定灰度阈值的像素作为所述第一目标水果区域的上边界点,以每一列像素中自下而上的第一个灰度不小于所述设定灰度阈值的像素作为所述第一目标水果区域的下边界点,确定所述第一目标水果区域。
5.根据权利要求4所述的方法,其特征在于,步骤S3中所述根据所述第一目标水果区域计算第一目标水果截面积的步骤进一步包括:
将所述R分量图像中纵向扫描到的灰度小于所述设定灰度阈值的像素的灰度值设置为设定背景灰度,统计所述R分量图像中灰度大于所述设定背景灰度的像素的个数作为所述第一目标水果截面积。
6.根据权利要求2所述的方法,其特征在于,在所述S3和S4的步骤之间,还包括:
基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径;
相应的,判定目标水果为单果的步骤之后,还包括:
返回所述当量直径作为所述目标水果的尺寸特征,并根据所述尺寸特征确定所述目标水果的级别。
7.根据权利要求6所述的方法,其特征在于,所述基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径的步骤进一步包括:
根据所述第一目标水果截面积与所述第二目标水果截面积中较大者,计算所述当量直径。
8.根据权利要求6所述的方法,其特征在于,所述基于所述第一目标水果截面积和所述第二目标水果截面积,计算所述目标水果的当量直径的步骤进一步包括:
计算所述第一目标水果截面积与所述第二目标水果截面积的平均值,并根据所述平均值计算所述当量直径。
9.根据权利要求1所述的方法,其特征在于,所述S4的步骤之后,还包括:
返回多果信息,并将所述目标水果返回料斗再次进行分选。
10.一种水果分选中的多果检测装置,其特征在于,包括:至少一个存储器、至少一个处理器、通信接口和总线;
所述存储器、所述处理器和所述通信接口通过所述总线完成相互间的通信,所述通信接口用于所述多果检测装置与图像采集设备通信接口之间的信息传输;
所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1至9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485171.8A CN108262267B (zh) | 2017-12-29 | 2017-12-29 | 一种水果分选中的多果检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711485171.8A CN108262267B (zh) | 2017-12-29 | 2017-12-29 | 一种水果分选中的多果检测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108262267A CN108262267A (zh) | 2018-07-10 |
CN108262267B true CN108262267B (zh) | 2019-10-18 |
Family
ID=62772883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711485171.8A Active CN108262267B (zh) | 2017-12-29 | 2017-12-29 | 一种水果分选中的多果检测方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108262267B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6610953B1 (en) * | 1998-03-23 | 2003-08-26 | University Of Arkansas | Item defect detection apparatus and method |
CN101085442B (zh) * | 2006-06-06 | 2010-07-28 | 中国农业大学 | 基于rgb复合模型的柑橘图像处理分级的方法 |
JP2013196308A (ja) * | 2012-03-19 | 2013-09-30 | Ricoh Co Ltd | 画像処理装置、画像処理方法、プログラムおよび記録媒体 |
CN102735340B (zh) * | 2012-06-11 | 2014-03-12 | 陕西科技大学 | 一种基于压缩传感的水果颜色分级方法 |
CN104764402B (zh) * | 2015-03-11 | 2018-04-27 | 广西科技大学 | 柑橘体积的视觉检测方法 |
CN105404869A (zh) * | 2015-11-20 | 2016-03-16 | 陕西科技大学 | 一种基于计算机视觉的水果外形分级方法 |
CN106886997A (zh) * | 2015-12-15 | 2017-06-23 | 株式会社理光 | 识别堆叠物体的方法和装置 |
CN105597911A (zh) * | 2016-01-07 | 2016-05-25 | 何天柱 | 一种水果分选方法 |
CN106875412B (zh) * | 2017-02-28 | 2020-06-23 | 重庆理工大学 | 一种两个重叠果实的分割定位方法 |
CN107437254B (zh) * | 2017-06-28 | 2021-04-27 | 常州大学 | 一种果园邻接重叠形态果实判别方法 |
-
2017
- 2017-12-29 CN CN201711485171.8A patent/CN108262267B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN108262267A (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106780612B (zh) | 一种图像中的物体检测方法及装置 | |
CN110781839A (zh) | 一种基于滑窗的大尺寸图像中小目标识别方法 | |
CN105427275B (zh) | 大田环境麦穗计数方法及装置 | |
CN108960135A (zh) | 基于高分辨遥感图像的密集舰船目标精确检测方法 | |
CN109800619B (zh) | 成熟期柑橘果实图像识别方法 | |
US8379921B1 (en) | Method and apparatus to determine a region of interest in a video sequence based on floor detection | |
CN104166983A (zh) | 基于结合图割(Graph Cut)的Vibe改进算法的运动目标实时提取方法 | |
CN110199317A (zh) | 使用手持设备对木板的自动检测、计数和测量 | |
CN108579094A (zh) | 一种用户界面检测方法及相关装置、***和存储介质 | |
CN110008947A (zh) | 一种基于卷积神经网络的粮仓粮食数量监测方法及装置 | |
CN105812618B (zh) | 一种运动检测方法及运动检测装置 | |
CN111597941B (zh) | 一种面向大坝缺陷图像的目标检测方法 | |
CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
CN109030499B (zh) | 一种适用于目标缺陷连续在线检测防止缺陷数目重复计数的装置及方法 | |
CN111062918A (zh) | 一种基于计算机视觉的异常检测方法及装置 | |
CN115752683A (zh) | 一种基于深度相机的体重预估方法、***及终端 | |
CN113538603A (zh) | 一种基于阵列产品的光学检测方法、***和可读存储介质 | |
CN114511718A (zh) | 一种建筑施工用物料智能管理方法及*** | |
CN111178445A (zh) | 图像处理方法及装置 | |
CN109978916B (zh) | 基于灰度图像特征匹配的Vibe运动目标检测方法 | |
CN110119675B (zh) | 一种产品识别方法和装置 | |
CN108262267B (zh) | 一种水果分选中的多果检测方法与装置 | |
CN116580026B (zh) | 精密零部件外观缺陷自动光学检测方法、设备及存储介质 | |
CN112347818B (zh) | 一种视频目标检测模型的困难样本图像筛选方法及装置 | |
CN110110594B (zh) | 一种产品分布识别方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |