CN108279238A - 一种果实成熟度判断方法及装置 - Google Patents
一种果实成熟度判断方法及装置 Download PDFInfo
- Publication number
- CN108279238A CN108279238A CN201810091288.6A CN201810091288A CN108279238A CN 108279238 A CN108279238 A CN 108279238A CN 201810091288 A CN201810091288 A CN 201810091288A CN 108279238 A CN108279238 A CN 108279238A
- Authority
- CN
- China
- Prior art keywords
- fruit
- color
- values
- histogram
- maturity
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种果实成熟度判断方法及装置,用于实现果实成熟度的自动识别,提高果实成熟度判断的准确率。本发明实施例方法包括:采集果实图像;提取果实图像的颜色特征;根据颜色特征绘制果实图像HSV空间的颜色直方图;将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。本发明实施例还提供了一种果实成熟度判断装置,用于实现果实成熟度的自动识别,提高果实成熟度判断的准确率。
Description
技术领域
本发明涉及农业科技技术领域,尤其涉及一种果实成熟度判断方法及装置。
背景技术
农业智能化是利用信息传感技术对植物生长环境及植物生长状态的一种智能监测及智能控制,随着互联网及科技的发展,农业智能化已成为农业发展的一种趋势。
而现有的对于植物果实生长状态的判断,多是通过管理人员到植物生长现场亲自查看,然后凭借自己的日常经验对果实的生长状态,如果实的成熟度进行判断。
而这种人工判断果实生长状态的方式,因为需要人工的参与度较高,故操作效率低下且自动化级别较低,另外这种凭借经验的判断过程往往比较主观,对果实生长状态判断的准确率较低。
发明内容
本发明实施例提供了一种果实成熟度判断方法及装置,用于实现果实成熟度的自动识别,提高果实成熟度判断的准确率。
本发明第一方面提供了一种果实成熟度判断方法,包括:
采集果实图像;
提取果实图像的颜色特征;
根据颜色特征绘制果实图像HSV空间的颜色直方图;
将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
优选的,根据颜色特征绘制果实图像HSV空间的颜色直方图,包括:
获取颜色特征中的RGB像素值;
将RGB像素值转化为HSV空间中的H值、S值以及V值;
对H值、S值以及V值进行非等间隔量化,得到果实图像的颜色特征向量;
根据颜色特征向量的取值范围绘制果实图像的HSV空间的颜色直方图。
优选的,对H值、S值以及V值进行非等间隔量化,得到果实图像的颜色特征向量,包括:
设置H值的权重aH、S值的权重bS以及V值的权重cV;
根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L。
优选的,将颜色直方图与目标颜色直方图进行比较,包括:
比较判断颜色直方图是否存在与目标颜色直方图相同的预置参数;
或者,
比较判断颜色直方图是否与目标颜色直方图处于相同的等级范围。
优选的,方法还包括:
读取预置的果实成熟度级别信息表;
根据级别信息表及果实图像对应果实的成熟度对果实进行评级。
本发明实施例第二方面提供了一种果实成熟度判断装置,包括:
采集单元,用于采集果实图像;
提取单元,用于提取果实图像的颜色特征;
绘制单元,用于根据颜色特征绘制果实图像HSV空间的颜色直方图;
比较单元,用于将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
优选的,绘制单元,包括:
获取模块,用于获取颜色特征中的RGB像素值;
转化模块,用于将RGB像素值转化为HSV空间中的H值、S值以及V值;
量化模块,用于对H值、S值以及V值进行非等间隔量化,得到果实图像的颜色特征向量;
绘制模块,用于根据颜色特征向量的取值范围绘制果实图像的HSV空间的颜色直方图。
优选的,量化模块,包括:
设置子模块,用于设置H值的权重aH、S值的权重bS以及V值的权重cV;
生成子模块,用于根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L。
优选的,比较单元,包括:
第一比较模块,用于比较判断颜色直方图是否存在与目标颜色直方图相同的预置参数,并根据比较结果判断果实的成熟度。
或者,
第二比较模块,用于比较判断颜色直方图是否与目标颜色直方图处于相同的等级范围,并根据比较结果判断果实的成熟度。
优选的,该装置还包括:
读取单元,用于读取预置的果实成熟度级别信息表;
评级单元,用于根据级别信息表及果实图像对应果实的成熟度对果实进行评级。
本发明实施例还提供一种计算机装置,包括处理器,该处理器在执行存储于存储器上的计算机程序时,用于实现如下的步骤:
采集果实图像;
提取果实图像的颜色特征;
根据颜色特征绘制果实图像HSV空间的颜色直方图;
将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
本发明实施例还提供了一种可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时用于实现如下的步骤:
采集果实图像;
提取果实图像的颜色特征;
根据颜色特征绘制果实图像HSV空间的颜色直方图;
将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
从以上技术方案可以看出,本发明实施例具有以下优点:
在本发明的实施例中,果实成熟度判断装置采集果实图像,提取果实图像的颜色特征值,并根据颜色特征值绘制果实图像HSV空间的颜色直方图,将该颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度,因本发明实施例中,是在获取到果实图像后,通过算法提取果实图像的颜色特征值并绘制颜色直方图,最终根据果实图像的颜色直方图与目标颜色直方图的比较结果对果实成熟度进行判断,故该判断结果较人工判断更为客观、准确,且果实成熟度判断装置可以根据需求,实时或定时地采集果实图像对果实成熟度进行判断,提高了果实成熟度的判断效率,使得果实成熟度的判断更加自动化。
附图说明
图1为本发明实施例中果实成熟度判断方法的一个实施例示意图;
图2为本发明实施例中根据颜色特征来绘制果实图像HSV空间的颜色直方图的一个实施例示意图;
图3为本发明实施例中果实成熟度判断方法的另一个实施例示意图;
图4为本发明实施例中果实成熟度判断装置的一个实施例示意图;
图5为本发明实施例中果实成熟度判断装置的另一个实施例示意图。
具体实施方式
本发明实施例提供了一种果实成熟度判断方法及装置,用于提高判断果实成熟度的效率及准确率。
为方便理解,下面来描述本发明实施例中的果实成熟度判断方法,请参阅图1,本发明实施例中果实成熟度的判断方法的一个实施例,包括:
101、采集果实图像;
随着农业科技化及农业智能化的发展,用户会在果实生长区域中配置各种自动化设备,以用于对果实成长的监测与判断。
具体的,用户可以在果实生长区域中安装图像采集设备,用于采集果实的图像,根据果实图像对果实的生长状态进行判断,以根据果实的生长状态及时对果实的生长环境进行调整。
进一步,果实成熟度判断装置可以根据果实的生长周期对果实图像进行定时、不定时或实时地采集,如苹果的生长周期较长,则可以定时(如每周)采集一次苹果的图像,而草莓的生长周期较短,则可以实时地采集草莓的图像,以用于对苹果或草莓的生长状态进行判断。
102、提取所述果实图像的颜色特征;
颜色作为一种重要的视觉信息属性,是图像内容组成的基本要素,是人识别图像的主要感知特性之一,也是图像识别的一种很有用的特征。相对于其他特征,颜色特征非常稳定,对于旋转、平移、尺度变化,甚至各种变形都不敏感,表现出相当强的鲁棒性,因此成为图像识别***中应用最广泛的特征。故果实成熟度判断装置获取到果实图像后,可以通过果实图像中的颜色特征对果实图像进行判断识别。
具体的,颜色特征的描述方法主要有颜色直方图、颜色相关图、颜色矩、颜色一致性矢量等。其中,颜色直方图是最简单也是最常用的颜色特征。
103、根据颜色特征绘制果实图像HSV空间的颜色直方图;
由于目前常用的颜色空间模型种类很多,而对于不同的具体应用,采用不同的颜色空间模型描述颜色特征可能存在很大的差异,故需要选择一个合适的颜色空间模型来描述图像颜色特征。目前常用的颜色空间模型有RGB模型,HSV模型及L*a*b模型。
所谓HSV模型,就是色调-饱和度-亮度颜色模型,其中色调H标识从一个物体反射过来的或透过物体的光的波长,或者说色调是由颜色名称类辨别的,如红、橙、黄、绿、青、蓝、紫等,色调是彩色最重要的属性,是决定颜色本质的属性;饱和度S指的是颜色的深浅程度,即在纯色中包含的白色光的成分,如同样是红色,也会因颜色浓度的不同而分为深红、粉红和浅红。饱和度S也用百分比来度量,从浓度最小的0%到浓度完全饱和的100%,色调H和饱和度S分量合起来定义了颜色的色度特性,V是明度值,它是光波作用于感受器所发生的效应,其大小由物体反射系数决定,反射***越大,则物体亮度越大,而反射***越小,物体的亮度越小。
由于HSV模型的两个重要特征:首先是亮度分量和色度分量是分开的,即V分量与图像的彩色信息无关,其次是H及S分量与人感受彩色的方式紧密相连,使得HSV颜色空间模型能够较好地符合人眼的感知特征。本发明实施例采用HSV颜色空间来描述果实图像的颜色特征可以获得更加精准的对于果实成熟度的判断结果。
对于该步骤中根据颜色特征来绘制果实图像HSV空间的颜色直方图的具体过程,在下面的实施例中详细描述。
104、将所述颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
在得到果实图像HSV空间的颜色直方图后,为了根据果实的颜色对过时的成熟度进行判断,故在获取到果实图像的颜色直方图后,将该颜色直方图与目标颜色直方图进行比较,并根据比较结果对果实的成熟度进行识别。
在本发明的实施例中,果实成熟度判断装置采集果实图像,提取果实图像的颜色特征值,并根据颜色特征值绘制果实图像HSV空间的颜色直方图,将该颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度,因本发明实施例中,是在获取到果实图像后,通过算法提取果实图像的颜色特征值并绘制颜色直方图,最终根据果实图像的颜色直方图与目标颜色直方图的比较结果对果实成熟度进行判断,故该判断结果较人工判断更为客观、准确,且果实成熟度判断装置可以根据需求,实时或定时地采集果实图像对果实成熟度进行判断,提高了果实成熟度的判断效率,使得果实成熟度的判断更加自动化。
基于图1所述的实施例,下面详细描述根据颜色特征来绘制果实图像HSV空间的颜色直方图的具体过程,请参阅图2,本发明实施例中根据颜色特征来绘制果实图像HSV空间的颜色直方图的一个实施例,包括:
201、获取颜色特征中的RGB像素值;
RGB色彩模式是一种颜色标准,是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的,RGB即是代表红、绿、蓝三个通道的颜色,是目前运用最广的颜色***之一。
果实成熟度判断装置在获取到果实图像后,可以通过调用mablab程序或OpenVC程序先读取存储于预定位置的果实图像,再通过像素读取函数读取出果实图像中每个像素点的RGB值,具体的读取图像每个像素点的程序代码在现有技术中都有详细描述,此处不再赘述。
202、将RGB像素值转化为HSV空间中的H值、S值以及V值;
读取到果实图像的RGB值以后,根据RGB颜色空间中R、G、B与H、S、V之间的转换公式,即可获取到每个像素点的H、S、V值。
具体的,R、G、B与H、S、V之间的转换公式如下所示:
在式(1)中,R、G、B的取值范围是[0,255],H的取值范围是[0,360°],S的取值范围是[0,1],V的取值范围是[0,255]。
203、对H值、S值以及V值进行非等间隔量化,得到果实图像的颜色特征向量;
在得到果实图像中每个像素点的H、S、V值后,要获取HSV空间的颜色直方图需要对空间的三个颜色通道进行量化,量化的方法主要分为等间隔量化和非等间隔量化。
具体的,非等间隔量化的步骤为:
(1)、确定H值的权重aH、S值的权重bS以及V值的权重cV;
因为在HSV颜色空间模型中,由于人类视觉对饱和度和亮度值偏差有较大的容忍度,图像重新量化时色调的量化级数一般多于其他两个分量。所以对于量化后的各分量,可以通过公式(2)将它们合成为矢量L,并以此作为图像的颜色特征。
L=DH×QS×QV+DS×QV+DV (2)
其中,DH、DS、DV分别为分量H、S、V量化后的数值,QS、QV分别是分量S、V的量化级数,实际上,公式(2)中是将色调的权重取为QS×QV,饱和度S的权重取为QV,亮度的权值取为1,即aH、bS、cV的分别为:
aH=QS×QV,bS=QV,cV=1
通常,取QS=4,QV=4,则H、S、V的权重分别为16、4、1。
(2)根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L;
得到H、S、V的权重aH=16,bS=4,cV=1后,根据公式
L=aHH+bSS+cVV (3)
即可生成果实图像的颜色特征向量L,即
L=16H+4S+V (4)
204、根据颜色特征向量的取值范围绘制所述果实图像的HSV空间的颜色直方图;
在公式(4)中,相当于取色调H的权重为16,饱和度S的权重为4,取亮度V的取值为1,这样就大大削弱了图像亮度V和饱和度S对图像特征的影响,突出了色调的影响,从而对色调不同的图像能够进行有效的区分。
由公式(4)可知,L的取值范围为[0,1,…255],即可获得果实图像的一个256维的基于HSV空间的颜色直方图,并且以此为该图像的颜色特征向量。
由此可知,本实施例是通过算法将果实的图像颜色特征进行量化,并根据量化后得到的颜色特征向量的取值范围绘制果实图像的HSV空间的颜色直方图,故该量化方法比人工的经验识别更客观、准确,从而提高了果实成熟度判断的准确率。
基于图1、图2所述的实施例,下面来详细描述本发明实施例中的果实成熟度的判断方法,请参阅图3,本发明实施例中果实成熟度的判断方法的另一个实施例,包括:
301、采集果实图像;
302、提取果实图像的颜色特征;
需要说明的是,本实施例中的步骤301至302与图1所述实施例中的步骤101至102类似,此处不再赘述。
303、根据颜色特征绘制果实图像HSV空间的颜色直方图;
需要说明的是,步骤303的实施方式与图2所述的实施例的实现方式相同,此处不再赘述。
304、将所述颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度;
果实成熟判断装置获取到果实图像的HSV空间的颜色直方图后,将该颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
具体的,颜色直方图作为一种表达颜色特征的常用手段,所描述的是不同色彩在整幅图像中所占的比例,而并不关心每种色彩在空间的位置。
直方图特征可以通过一个一维的离散函数来表示,即
公式(5)中k=1,2,…L是图像的特征取值,L是特征可以取值的个数,nk是图像中具有特征值为k的像素的个数,N是图像像素总数。
本实施例中,将果实图像的颜色直方图与目标颜色直方图进行比较的具体方式,包括:
判断果实图像的颜色直方图是否存在与目标颜色直方图相同的预置参数;
或者,
判断果实图像的颜色直方图是否与目标颜色直方图处于相同的等级范围。
故果实成熟度判断装置在获取到果实图像的颜色特征值后,可以是判断果实图像的颜色直方图中具有特征值为k的像素的个数是否大于或等于目标颜色直方图中具有特征值为k的像素的个数,如:果实图像中红色的像素个数为是否大于或等于目标颜色直方图中红色像素的个数,或者果实图像中绿色像素的个数是否小于或等于目标颜色直方图中绿色像素的个数。需要说明的是,上述说明只是对预置参数比较的一个示例性说明,并不对具体的预置参数内容构成限制,如预置参数也可以是红色、绿色在整个图像中所占的比例,此处对于预置参数的内容不做具体限制。
除此以外,果实成熟度判断装置也可以判断果实图像的颜色直方图是否与目标颜色直方图处于相同的等级范围,等级范围的内容可以如下表所示:
表1
成熟度等级 | 标准 |
A | R≥80%,G≤10%,B≤10% |
B | R≥70%,G≤15%,B≤15% |
C | R≥60%,G≤25%,B≤15% |
其中,R≥80%表示红色在整个图像中所占的比例大于等于80%,G≤10%表示绿色在整个图像中所占的比例小于等于10%,B≤10%表示蓝色在整个图像中所占的比例小于等于10%。
若果实图像的颜色直方图与目标颜色直方图具有相同的预置参数,或处于相同的等级范围,则说明该果实的成熟度与目标颜色直方图所代表的成熟度相同,如若果实图像颜色直方图与目标颜色直返图都属于表1中的A级,则表明该果实非常成熟,属于B级,则表明果实一般成熟,属于C级,则表明果实不成熟。
305、读取预置的果实成熟度级别信息表,根据级别信息表及果实图像对应果实的成熟度对果实进行评级。
果实成熟度判断装置获取果实的成熟度后,根据果实成熟度级别信息表和果实的成熟度对果实进行评级,其中,果实成熟度级别信息表是果实成熟度与果实级别之间的对应关系,如对应关系的内容可以如表2所示。
表2
果实级别 | 成熟度等级 |
Ⅰ级 | A |
Ⅱ级 | B |
Ⅲ级 | C |
果实成熟度判断装置获取到该级别信息表及果实成熟度后,即可根据表2中的对应关系,对果实进行评级。需要说明的是,表2只是对应关系的一个示例性说明,具体的,对应关系还可以是将成熟度等级和果实的形状大小,与果实级别进行对应,此处对应关系的内容不做具体限制。
在本发明的实施例中,果实成熟度判断装置采集果实图像,提取果实图像的颜色特征,并根据颜色特征绘制果实图像HSV空间的颜色直方图,将该颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度,因本发明实施例中,是在获取到果实图像后,通过算法提取果实图像的颜色特征值并绘制颜色直方图,最终根据果实图像的颜色直方图与目标颜色直方图的比较结果对果实成熟度进行判断,故该判断结果较人工判断更为客观、准确,且果实成熟度判断装置可以根据需求,实时或定时地采集果实图像对果实成熟度进行判断,提高了果实成熟度的判断效率,使得果实成熟度的判断更加自动化。
上面描述了本发明实施例中果实成熟度判断方法,下面来描述本发明实施例中的果实成熟度判断装置,请参阅图4,本发明实施例中果实成熟度判断装置的一个实施例,包括:
采集单元401,用于采集果实图像;
提取单元402,用于提取果实图像的颜色特征;
绘制单元403,用于根据颜色特征绘制果实图像HSV空间的颜色直方图;
比较单元404,用于将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
需要说明的是,本实施例中各单元的作用与图1所述实施例中果实成熟度判断装置的作用类似,此处不再赘述。
在本发明的实施例中,通过采集单元401采集果实图像,提取单元402提取果实图像的颜色特征,并根据颜色特征绘制果实图像HSV空间的颜色直方图,将该颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度,因本发明实施例中,是在获取到果实图像后,通过算法提取果实图像的颜色特征值并绘制颜色直方图,最终根据果实图像的颜色直方图与目标颜色直方图的比较结果对果实成熟度进行判断,故该判断结果较人工判断更为客观、准确,且果实成熟度判断装置可以根据需求,实时或定时地采集果实图像对果实成熟度进行判断,提高了果实成熟度的判断效率,使得果实成熟度的判断更加自动化。
基于图4所述的实施例,下面详细描述本发明实施例中的果实成熟度判断装置,请参阅图5,本发明实施例中果实成熟度判断装置的另一个实施例,包括:
采集单元501,用于采集果实图像;
提取单元502,用于提取果实图像的颜色特征;
绘制单元503,用于根据颜色特征绘制果实图像HSV空间的颜色直方图;
比较单元504,用于将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
优选的,绘制单元503,包括:
获取模块5031,用于获取颜色特征中的RGB像素值;
转化模块5032,用于将RGB像素值转化为HSV空间中的H值、S值以及V值;
量化模块5033,用于对H值、S值以及V值进行非等间隔量化,得到果实图像的颜色特征向量;
绘制模块5034,用于根据颜色特征向量的取值范围绘制果实图像的HSV空间的颜色直方图。
优选的,量化模块5032,包括:
设置子模块50321,用于设置H值的权重aH、S值的权重bS以及V值的权重cV;
生成子模块50322,用于根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L。
优选的,比较单元504,包括:
第一比较模块5041,用于比较判断颜色直方图是否存在与目标颜色直方图相同的预置参数,并根据比较结果判断果实的成熟度。
或者,
第二比较模块5042,用于比较判断颜色直方图是否与目标颜色直方图处于相同的等级范围,并根据比较结果判断果实的成熟度。
优选的,该装置还包括:
读取单元505,用于读取预置的果实成熟度级别信息表;
评级单元506,用于根据级别信息表及果实图像对应果实的成熟度对果实进行评级。
需要说明的是,本实施例中各单元及各模块的作用与图2及图3所述实施例中的果实成熟度判断装置的作用类似,此处不再赘述。
在本发明的实施例中,通过采集单元501采集果实图像,提取单元502提取果实图像的颜色特征,并根据颜色特征绘制果实图像HSV空间的颜色直方图,将该颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度,因本发明实施例中,是在获取到果实图像后,通过算法提取果实图像的颜色特征值并绘制颜色直方图,最终根据果实图像的颜色直方图与目标颜色直方图的比较结果对果实成熟度进行判断,故该判断结果较人工判断更为客观、准确,且果实成熟度判断装置可以根据需求,实时或定时地采集果实图像对果实成熟度进行判断,提高了果实成熟度的判断效率,使得果实成熟度的判断更加自动化。
上面从模块化功能实体的角度对本发明实施例中的果实成熟度判断装置进行了描述,下面从硬件处理的角度对本发明实施例中的计算机装置进行描述:
该计算机装置用于实现果实成熟度判断装置的功能,本发明实施例中计算机装置一个实施例包括:
处理器以及存储器;
存储器用于存储计算机程序,处理器用于执行存储器中存储的计算机程序时,可以实现如下步骤:
采集果实图像;
提取果实图像的颜色特征;
根据颜色特征绘制果实图像HSV空间的颜色直方图;
将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
在本发明的一些实施例中,处理器,还可以具体用于实现如下步骤:
获取颜色特征中的RGB像素值;
将RGB像素值转化为HSV空间中的H值、S值以及V值;
对H值、S值以及V值进行非等间隔量化,得到果实图像的颜色特征向量;
根据颜色特征向量的取值范围绘制果实图像的HSV空间的颜色直方图。
在本发明的一些实施例中,处理器,还可以具体用于实现如下步骤:
设置H值的权重aH、S值的权重bS以及V值的权重cV;
根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L。
在本发明的一些实施例中,处理器,还可以具体用于实现如下步骤:
比较判断颜色直方图是否存在与目标颜色直方图相同的预置参数;
或者,
比较判断颜色直方图是否与目标颜色直方图处于相同的等级范围。
在本发明的一些实施例中,处理器,还可以用于实现如下步骤:
读取预置的果实成熟度级别信息表;
根据级别信息表及果实图像对应果实的成熟度对果实进行评级。
可以理解的是,上述说明的计算机装置中的处理器执行所述计算机程序时,也可以实现上述对应的各装置实施例中各单元的功能,此处不再赘述。示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述果实成熟度判断装置的执行过程。例如,所述计算机程序可以被分割成上述果实成熟度判断装置中的各单元,各单元可以实现如上述相应果实成熟度判断装置说明的具体功能。
所述计算机装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机装置可包括但不仅限于处理器、存储器。本领域技术人员可以理解,处理器、存储器仅仅是计算机装置的示例,并不构成对计算机装置的限定,可以包括更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述计算机装置还可以包括输入输出设备、网络接入设备、总线等。
所述处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序等;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供了一种计算机可读存储介质,该计算机可读存储介质用于实现果实成熟度判断装置的功能,其上存储有计算机程序,计算机程序被处理器执行时,处理器,可以用于执行如下步骤:
采集果实图像;
提取果实图像的颜色特征;
根据颜色特征绘制果实图像HSV空间的颜色直方图;
将颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以具体用于执行如下步骤:
获取颜色特征中的RGB像素值;
将RGB像素值转化为HSV空间中的H值、S值以及V值;
对H值、S值以及V值进行非等间隔量化,得到果实图像的颜色特征向量;
根据颜色特征向量的取值范围绘制果实图像的HSV空间的颜色直方图。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以具体用于执行如下步骤:
设置H值的权重aH、S值的权重bS以及V值的权重cV;
根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以具体用于执行如下步骤:
比较判断颜色直方图是否存在与目标颜色直方图相同的预置参数;
或者,
比较判断颜色直方图是否与目标颜色直方图处于相同的等级范围。
在本发明的一些实施例中,计算机可读存储介质存储的计算机程序被处理器执行时,处理器,可以用于执行如下步骤:
读取预置的果实成熟度级别信息表;
根据级别信息表及果实图像对应果实的成熟度对果实进行评级。
可以理解的是,所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在相应的一个计算机可读取存储介质中。基于这样的理解,本发明实现上述相应的实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的***,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的***,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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,本领域的普通技术人员应当理解: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)
1.一种果实成熟度判断方法,其特征在于,包括:
采集果实图像;
提取所述果实图像的颜色特征;
根据所述颜色特征绘制所述果实图像HSV空间的颜色直方图;
将所述颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
2.根据权利要求1所述的方法,其特征在于,所述根据所述颜色特征绘制所述果实图像HSV空间的颜色直方图,包括:
获取所述颜色特征中的RGB像素值;
将所述RGB像素值转化为HSV空间中的H值、S值以及V值;
对所述H值、S值以及V值进行非等间隔量化,得到所述果实图像的颜色特征向量;
根据所述颜色特征向量的取值范围绘制所述果实图像的HSV空间的颜色直方图。
3.根据权利要求2所述的方法,其特征在于,所述对所述H值、S值以及V值进行非等间隔量化,得到所述果实图像的颜色特征向量,包括:
设置所述H值的权重aH、S值的权重bS以及V值的权重cV;
根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L。
4.根据权利要求1所述的方法,其特征在于,所述将所述颜色直方图与目标颜色直方图进行比较,包括:
比较判断所述颜色直方图是否存在与目标颜色直方图相同的预置参数;
或者,
比较判断所述颜色直方图是否与所述目标颜色直方图处于相同的等级范围。
5.根据权利要求1至4任一项所述的方法,其特征在于,所述方法还包括:
读取预置的果实成熟度级别信息表;
根据所述级别信息表及所述果实图像对应果实的成熟度对果实进行评级。
6.一种果实成熟度判断装置,其特征在于,包括:
采集单元,用于采集果实图像;
提取单元,用于提取所述果实图像的颜色特征;
绘制单元,用于根据所述颜色特征绘制所述果实图像HSV空间的颜色直方图;
比较单元,用于将所述颜色直方图与目标颜色直方图进行比较,并根据比较结果判断果实的成熟度。
7.根据权利要求6所述的装置,其特征在于,所述绘制单元,包括:
获取模块,用于获取所述颜色特征中的RGB像素值;
转化模块,用于将所述RGB像素值转化为HSV空间中的H值、S值以及V值;
量化模块,用于对所述H值、S值以及V值进行非等间隔量化,得到所述果实图像的颜色特征向量;
绘制模块,用于根据所述颜色特征向量的取值范围绘制所述果实图像的HSV空间的颜色直方图。
8.根据权利要求7所述的装置,其特征在于,所述量化模块,包括:
设置子模块,用于设置所述H值的权重aH、S值的权重bS以及V值的权重cV;
生成子模块,用于根据公式L=aHH+bSS+cVV,生成果实图像的颜色特征向量L。
9.一种计算机装置,包括处理器,其特征在于,所述处理器在执行存储于存储器上的计算机程序时,用于实现如权利要求1至5中任一项所述的果实成熟度判断方法。
10.一种可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,用于实现如权利要求1至5中任一项所述的果实成熟度判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091288.6A CN108279238A (zh) | 2018-01-30 | 2018-01-30 | 一种果实成熟度判断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810091288.6A CN108279238A (zh) | 2018-01-30 | 2018-01-30 | 一种果实成熟度判断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108279238A true CN108279238A (zh) | 2018-07-13 |
Family
ID=62805785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810091288.6A Pending CN108279238A (zh) | 2018-01-30 | 2018-01-30 | 一种果实成熟度判断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108279238A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805872A (zh) * | 2018-07-23 | 2018-11-13 | 珠海格力智能装备有限公司 | 产品的检测方法和装置 |
CN109115775A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种基于机器视觉的槟榔等级检测方法 |
CN109374538A (zh) * | 2018-11-12 | 2019-02-22 | 沈阳农业大学 | 一种判定蓝莓果实成熟等级的比色卡 |
CN109781729A (zh) * | 2019-01-17 | 2019-05-21 | 广西慧云信息技术有限公司 | 一种葡萄生理情况在线监控*** |
CN110455824A (zh) * | 2019-08-14 | 2019-11-15 | 重庆科正花果苗木有限责任公司 | 一种基于大数据分析的大棚柑橘上市时间调控*** |
CN111476153A (zh) * | 2020-04-07 | 2020-07-31 | 中科汇智(重庆)信息技术合伙企业(有限合伙) | 一种水果成熟度计算方法 |
WO2020168264A1 (en) * | 2019-02-15 | 2020-08-20 | Root Ai, Inc. | Ripeness detection system using hue color space and peak finding |
CN111860125A (zh) * | 2020-06-04 | 2020-10-30 | 南通科技职业学院 | 基于机器视觉识别水果成熟度的方法 |
CN113073039A (zh) * | 2021-03-23 | 2021-07-06 | 重庆民朗科技有限公司 | 一种比色法血培养判读方法及装置 |
CN109738438B (zh) * | 2018-12-29 | 2021-07-23 | 扬州大学 | 一种小麦叶片衰老程度快速测量方法 |
CN113191295A (zh) * | 2021-05-12 | 2021-07-30 | 捷佳润科技集团股份有限公司 | 一种基于图像识别的火龙果成熟度识别的方法 |
CN114910147A (zh) * | 2021-12-14 | 2022-08-16 | 成都农业科技职业学院 | 一种基于物联网的成熟度和产量估计方法及装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860306B2 (en) * | 2005-06-17 | 2010-12-28 | The Regents Of The University Of California | Method for editing multi-channel images |
CN202110131U (zh) * | 2011-05-31 | 2012-01-11 | 河南农业大学 | 烟叶成熟度检测装置 |
JP2012150552A (ja) * | 2011-01-17 | 2012-08-09 | Horiuchi Denki Seisakusho:Kk | 物体認識処理装置及び物体認識処理方法 |
CN102831166A (zh) * | 2012-07-24 | 2012-12-19 | 武汉大千信息技术有限公司 | 一种基于色彩特征检测的刑侦视频预处理方法 |
CN103699532A (zh) * | 2012-09-27 | 2014-04-02 | 中国电信股份有限公司 | 图像颜色检索方法和*** |
CN104697996A (zh) * | 2013-12-06 | 2015-06-10 | 刘扬 | 自然环境中荔枝成熟果实自动识别与采摘*** |
CN205146729U (zh) * | 2015-11-19 | 2016-04-13 | 北京市农业技术推广站 | 一种番茄分级专用模板 |
CN106248591A (zh) * | 2016-08-10 | 2016-12-21 | 中国农业科学院烟草研究所 | 一种烟叶成熟度区分用器具及其区分方法 |
CN106454302A (zh) * | 2016-10-12 | 2017-02-22 | 中国农业大学 | 一种果蔬成熟度检测方法及装置 |
CN106525852A (zh) * | 2016-10-28 | 2017-03-22 | 深圳前海弘稼科技有限公司 | 果实生长时期的检测方法和检测装置 |
CN107014814A (zh) * | 2017-05-25 | 2017-08-04 | 河南嘉禾智慧农业科技有限公司 | 一种果实成熟度自动识别*** |
CN107622229A (zh) * | 2017-08-29 | 2018-01-23 | 中山大学 | 一种基于融合特征的视频车辆重识别方法与*** |
-
2018
- 2018-01-30 CN CN201810091288.6A patent/CN108279238A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860306B2 (en) * | 2005-06-17 | 2010-12-28 | The Regents Of The University Of California | Method for editing multi-channel images |
JP2012150552A (ja) * | 2011-01-17 | 2012-08-09 | Horiuchi Denki Seisakusho:Kk | 物体認識処理装置及び物体認識処理方法 |
CN202110131U (zh) * | 2011-05-31 | 2012-01-11 | 河南农业大学 | 烟叶成熟度检测装置 |
CN102831166A (zh) * | 2012-07-24 | 2012-12-19 | 武汉大千信息技术有限公司 | 一种基于色彩特征检测的刑侦视频预处理方法 |
CN103699532A (zh) * | 2012-09-27 | 2014-04-02 | 中国电信股份有限公司 | 图像颜色检索方法和*** |
CN104697996A (zh) * | 2013-12-06 | 2015-06-10 | 刘扬 | 自然环境中荔枝成熟果实自动识别与采摘*** |
CN205146729U (zh) * | 2015-11-19 | 2016-04-13 | 北京市农业技术推广站 | 一种番茄分级专用模板 |
CN106248591A (zh) * | 2016-08-10 | 2016-12-21 | 中国农业科学院烟草研究所 | 一种烟叶成熟度区分用器具及其区分方法 |
CN106454302A (zh) * | 2016-10-12 | 2017-02-22 | 中国农业大学 | 一种果蔬成熟度检测方法及装置 |
CN106525852A (zh) * | 2016-10-28 | 2017-03-22 | 深圳前海弘稼科技有限公司 | 果实生长时期的检测方法和检测装置 |
CN107014814A (zh) * | 2017-05-25 | 2017-08-04 | 河南嘉禾智慧农业科技有限公司 | 一种果实成熟度自动识别*** |
CN107622229A (zh) * | 2017-08-29 | 2018-01-23 | 中山大学 | 一种基于融合特征的视频车辆重识别方法与*** |
Non-Patent Citations (3)
Title |
---|
方如明: "《计算机图像处理技术及其在农业工程中的应用》", 31 July 1999 * |
解洪胜: "《基于支持向量机的图像检索若干问题》", 31 October 2013, 山东人民出版社 * |
贺良华: "《现代检测技术》", 30 September 2008, 华中科技大学出版社 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805872A (zh) * | 2018-07-23 | 2018-11-13 | 珠海格力智能装备有限公司 | 产品的检测方法和装置 |
CN109115775A (zh) * | 2018-08-08 | 2019-01-01 | 长沙理工大学 | 一种基于机器视觉的槟榔等级检测方法 |
CN109374538A (zh) * | 2018-11-12 | 2019-02-22 | 沈阳农业大学 | 一种判定蓝莓果实成熟等级的比色卡 |
CN109738438B (zh) * | 2018-12-29 | 2021-07-23 | 扬州大学 | 一种小麦叶片衰老程度快速测量方法 |
CN109781729A (zh) * | 2019-01-17 | 2019-05-21 | 广西慧云信息技术有限公司 | 一种葡萄生理情况在线监控*** |
US20220164989A1 (en) * | 2019-02-15 | 2022-05-26 | Appharvest Technology, Inc. | Ripeness detection system using hue color space and peak finding |
WO2020168264A1 (en) * | 2019-02-15 | 2020-08-20 | Root Ai, Inc. | Ripeness detection system using hue color space and peak finding |
CN113692222A (zh) * | 2019-02-15 | 2021-11-23 | 阿普哈维斯特技术股份有限公司 | 使用色调色彩空间和峰值查找的成熟度检测*** |
CN110455824A (zh) * | 2019-08-14 | 2019-11-15 | 重庆科正花果苗木有限责任公司 | 一种基于大数据分析的大棚柑橘上市时间调控*** |
CN111476153A (zh) * | 2020-04-07 | 2020-07-31 | 中科汇智(重庆)信息技术合伙企业(有限合伙) | 一种水果成熟度计算方法 |
CN111860125A (zh) * | 2020-06-04 | 2020-10-30 | 南通科技职业学院 | 基于机器视觉识别水果成熟度的方法 |
CN113073039A (zh) * | 2021-03-23 | 2021-07-06 | 重庆民朗科技有限公司 | 一种比色法血培养判读方法及装置 |
CN113073039B (zh) * | 2021-03-23 | 2022-09-06 | 重庆民朗科技有限公司 | 一种比色法血培养判读方法及装置 |
CN113191295A (zh) * | 2021-05-12 | 2021-07-30 | 捷佳润科技集团股份有限公司 | 一种基于图像识别的火龙果成熟度识别的方法 |
CN114910147A (zh) * | 2021-12-14 | 2022-08-16 | 成都农业科技职业学院 | 一种基于物联网的成熟度和产量估计方法及装置 |
CN114910147B (zh) * | 2021-12-14 | 2023-10-24 | 成都农业科技职业学院 | 一种基于物联网的成熟度和产量估计方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108279238A (zh) | 一种果实成熟度判断方法及装置 | |
US8675960B2 (en) | Detecting skin tone in images | |
CN106469302A (zh) | 一种基于人工神经网络的人脸肤质检测方法 | |
CN106778506A (zh) | 一种融合深度图像和多通道特征的表情识别方法 | |
CN108388905B (zh) | 一种基于卷积神经网络和邻域上下文的光源估计方法 | |
CN104636759B (zh) | 一种获取图片推荐滤镜信息的方法及图片滤镜信息推荐*** | |
CN109101934A (zh) | 车型识别方法、装置与计算机可读存储介质 | |
CN111476849B (zh) | 对象颜色识别方法、装置、电子设备以及存储介质 | |
CN108961157A (zh) | 图片处理方法、图片处理装置及终端设备 | |
CN111062260B (zh) | 一种面部整容推荐方案自动生成方法 | |
CN110335666A (zh) | 医学影像评估方法、装置、计算机设备及存储介质 | |
CN110232326A (zh) | 一种三维物体识别方法、装置及存储介质 | |
CN109784394A (zh) | 一种翻拍图像的识别方法、***及终端设备 | |
CN107506738A (zh) | 特征提取方法、图像识别方法、装置及电子设备 | |
CN114445664A (zh) | 基于自适应动态卷积网络的图像分类识别方法、装置和计算机设备 | |
CN109978074A (zh) | 基于深度多任务学习的图像美感和情感联合分类方法及*** | |
CN110889718A (zh) | 方案筛选方法、方案筛选装置、介质以及电子设备 | |
CN112767038B (zh) | 基于美学特征的海报ctr预测方法及装置 | |
CN108805095A (zh) | 图片处理方法、装置、移动终端及计算机可读存储介质 | |
CN104376523B (zh) | 一种面向谷歌眼镜的图像代码防伪***构成方法 | |
CN104376280B (zh) | 一种面向谷歌眼镜的图像代码生成方法 | |
CN115713634B (zh) | 一种联合相似性度量与视觉感知的色彩搭配评价方法 | |
CN116778223A (zh) | 一种基于零标注的多类别目标域数据集标注方法及*** | |
CN110399887A (zh) | 基于视觉显著性和直方图统计技术的代表色彩提取方法 | |
CN115496418A (zh) | 一种基于frid技术的智能化农产品交易*** |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180713 |
|
RJ01 | Rejection of invention patent application after publication |