CN108288275A - 一种基于移动智能终端的机采籽棉杂质检测方法 - Google Patents

一种基于移动智能终端的机采籽棉杂质检测方法 Download PDF

Info

Publication number
CN108288275A
CN108288275A CN201810185220.4A CN201810185220A CN108288275A CN 108288275 A CN108288275 A CN 108288275A CN 201810185220 A CN201810185220 A CN 201810185220A CN 108288275 A CN108288275 A CN 108288275A
Authority
CN
China
Prior art keywords
image
unginned cotton
cotton sample
intelligent terminal
impurity
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
Application number
CN201810185220.4A
Other languages
English (en)
Inventor
周万怀
张小敏
徐守东
梁后军
李�浩
刘从九
王小丫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui University of Finance and Economics
Original Assignee
Anhui University of Finance and Economics
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui University of Finance and Economics filed Critical Anhui University of Finance and Economics
Priority to CN201810185220.4A priority Critical patent/CN108288275A/zh
Publication of CN108288275A publication Critical patent/CN108288275A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T2207/20024—Filtering details
    • G06T2207/20032—Median filtering
    • 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
    • G06T2207/20036—Morphological image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Testing Or Measuring Of Semiconductors Or The Like (AREA)

Abstract

本发明公开一种基于移动智能终端的机采籽棉杂质检测方法，包括以下步骤：对籽棉样品选择一组杂质检测区域窗口；通过移动智能终端采集杂质检测区域窗口内的籽棉样品，得到原始籽棉样品图像；对原始籽棉样品图像进行预处理；对预处理后的图像进行分割，得到完整杂质区域分割图像；计算单位面积内籽棉样品杂质颗粒数；计算籽棉样品杂质面积百分比；计算籽棉样品杂质占籽棉样品的质量百分比，得到籽棉样品杂质含量；本发明利用移动智能终端对机采籽棉图像进行采集，通过图像处理相关算法检测出籽棉杂质的含量，降低了籽棉杂质检测环境的要求，可达到体积小、成本低、易操作、处理过程较为快速等检测效果，有助于提高清杂效率、减少棉纤维损伤。

Description

一种基于移动智能终端的机采籽棉杂质检测方法
技术领域
本发明涉及棉花检测技术领域，具体是一种基于移动智能终端的机采籽棉杂质检测方法。
背景技术
机采籽棉中含有大量的棉花植株茎秆、棉铃壳、叶屑、僵瓣等杂质，且籽棉含杂率是籽棉收购时定级定价的重要依据，与籽棉贸易双方利益攸关，尤其是棉农利益(贸易过程中往往棉农利益受损)；此外，若能在清杂前检测出籽棉杂质，不仅能在清杂时调节设备参数，从而提高清杂效率并减少棉纤维损伤，能够最大程度保持棉花原有品质。因此，研究机采籽棉杂质的快速检测方法有着非常重要的意义。
现有棉花杂质含量检测技术主要用于皮棉杂质含量检测，而关于籽棉杂含量的质检测方法则非常少见。可检索到的文献中，采用图像处理策略达到了一定的分类识别效果，但是存在检测精确度不高、效率低的缺陷。
发明内容
本发明的目的在于提供一种基于移动智能终端的机采籽棉杂质检测方法，该方法用移动智能终端对籽棉杂质含量进行方便快捷的分析，为后续提高清杂效率、减少棉纤维损伤提供先决条件。
本发明解决其技术问题所采用的技术方案是：
一种基于移动智能终端的机采籽棉杂质检测方法，包括以下步骤：
S1、对籽棉样品选择一组杂质检测区域窗口；
S2、通过移动智能终端采集杂质检测区域窗口内的籽棉样品，得到原始籽棉样品图像；
S3、对原始籽棉样品图像进行预处理，预处理时先对原始籽棉样品图像进行中值滤波，得到彩色梯度图像；接着对彩色梯度图像进行扩展极小值变换H-minima运算，得到梯度标记图像；然后对梯度标记图像进行形态学强制最小运算，得到修正梯度图像；
S4、对预处理后的图像进行分割，得到完整杂质区域分割图像；
S5、根据杂质区域分割图像，计算单位面积内籽棉样品杂质颗粒数；
S6、根据杂质区域分割图像，计算籽棉样品杂质面积百分比；
S7、根据单位面积内籽棉样品杂质颗粒数与籽棉样品杂质面积百分比，计算籽棉样品杂质占籽棉样品的质量百分比，得到籽棉样品杂质含量。
进一步的，步骤S1的杂质检测区域窗口的数量≥7。
进一步的，步骤S2在采集时，移动智能终端的摄像头与籽棉样品之间的夹角为90±5°，摄像头与籽棉样品的垂直距离为20～30cm。
进一步的，步骤S3扩展极小值变换H-minima运算采用公式进行计算，公式(1)中为中值滤波后的彩色梯度图像、为梯度标记图像、Hmin表示形态学H-minima变换，h为深度阈值；
形态学强制最小运算采用公式进行计算，公式(2)中为修正梯度图像，IMmin表示形态学极小值标定操作。
进一步的，步骤S4图像分割时，先用分水岭算法对预处理后的图像在空间位置上相近且灰度值相近的像素点连接起来构成一个封闭的轮廓，得到初始分割图像；然后在初始分割图像的基础上，进行两次区域合并操作，得到最终的杂质区域分割图像。
进一步的，步骤S5先在HIS色彩空间中利用棉花和杂质的先验知识进行杂质识别，然后计算单位面积内籽棉样品杂质颗粒数。
进一步的，步骤S6计算籽棉样品杂质面积百分比时，统计杂质区域内的杂质像素点，杂质像素点总和即代表了籽棉样品杂质面积。
本发明的有益效果是，利用移动智能终端对机采籽棉图像进行采集，通过图像处理相关算法检测出籽棉杂质的含量，降低了籽棉杂质检测环境的要求，可达到体积小、成本低、易操作、处理过程较为快速等检测效果，有助于提高清杂效率、减少棉纤维损伤。
附图说明
下面结合附图和实施例对本发明进一步说明：
图1是本发明的流程图；
图2是本发明图像处理流程示意图；
图3是本发明选择杂质检测区域窗口的示意图；
图4是本发明原始籽棉样品图像的放大示意图；
图5是本发明杂质颗粒数、杂质面积与杂质含量的回归函数图。
具体实施方式
结合图1与图2所示，本发明提供一种基于移动智能终端的机采籽棉杂质检测方法，包括以下步骤：
S1、对籽棉样品选择一组杂质检测区域窗口；作为优选的，步骤S1的杂质检测区域窗口的数量≥7；结合图3所示，本实施例选择九个杂质检测区域窗口；
S2、结合图4所示，通过移动智能终端采集杂质检测区域窗口内的籽棉样品，采集时，移动智能终端的摄像头与籽棉样品之间的夹角为90±5°，摄像头与籽棉样品的垂直距离为20～30cm，得到原始籽棉样品图像，即Img1、Img2、Img3……Img8、Img9；
S3、对原始籽棉样品图像Img1、Img2、Img3……Img8、Img9进行预处理，预处理时先对原始籽棉样品图像进行中值滤波，得到彩色梯度图像 接着对彩色梯度图像进行扩展极小值变换H-minima运算，得到梯度标记图像然后对梯度标记图像进行形态学强制最小运算，得到修正梯度图像使图像的局部极小区域仅出现在被标记位置；
所述扩展极小值变换H-minima运算采用公式进行计算，公式(1)中为中值滤波后的彩色梯度图像、为梯度标记图像、Hmin表示形态学H-minima变换，h为深度阈值；
所述形态学强制最小运算采用公式进行计算，公式(2)中为修正梯度图像、IMmin表示形态学极小值标定操作；i＝1、2、3……8、9；
S4、对预处理后的图像进行分割，得到完整杂质区域分割图像；分割时，先用分水岭算法对预处理后的图像在空间位置上相近且灰度值相近的像素点连接起来构成一个封闭的轮廓，得到初始分割图像fi ws；然后在初始分割图像的基础上，进行两次区域合并操作，得到最终的杂质区域分割图像；
所述分水岭算法采用公式进行计算，公式(3)中WST表示分水岭分割操作；
两次区域合并操作时，首先对初始分割图像进行区域标记，建立区域邻接关系表表示各区域间的相邻关系，根据分水岭脊线上像素八邻域的标记数统计情况，完成两个区域标记数字的统一及分水岭脊线的消除操作，得到初始合并图像fi Img，再利用颜色信息特征进一步判定区域间的相似性，采用HSI颜色空间的饱和度S阈值和色度H阈值判别完成颜色相近的相邻区域间的合并，得到最终的杂质区域分割图像；
S5、结合图5所示，根据杂质区域分割图像，首先在HIS色彩空间中利用棉花和杂质的先验知识进行杂质识别，然后计算单位面积内籽棉样品杂质颗粒数，可取九个检测区域内杂质颗粒数结果的平均值；
S6、根据杂质区域分割图像，统计杂质区域内的杂质像素点，杂质像素点总和即代表了籽棉样品杂质面积，然后计算籽棉样品杂质面积百分比；
S7、根据单位面积内籽棉样品杂质颗粒数与籽棉样品杂质面积百分比，计算籽棉样品杂质占籽棉样品的质量百分比，得到籽棉样品杂质含量。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同替换、等效变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (7)

1.一种基于移动智能终端的机采籽棉杂质检测方法，其特征在于，包括以下步骤：
S1、对籽棉样品选择一组杂质检测区域窗口；
S2、通过移动智能终端采集杂质检测区域窗口内的籽棉样品，得到原始籽棉样品图像；
S3、对原始籽棉样品图像进行预处理，预处理时先对原始籽棉样品图像进行中值滤波，得到彩色梯度图像；接着对彩色梯度图像进行扩展极小值变换H-minima运算，得到梯度标记图像；然后对梯度标记图像进行形态学强制最小运算，得到修正梯度图像；
S4、对预处理后的图像进行分割，得到完整杂质区域分割图像；
S5、根据杂质区域分割图像，计算单位面积内籽棉样品杂质颗粒数；
S6、根据杂质区域分割图像，计算籽棉样品杂质面积百分比；
S7、根据单位面积内籽棉样品杂质颗粒数与籽棉样品杂质面积百分比，计算籽棉样品杂质占籽棉样品的质量百分比，得到籽棉样品杂质含量。
2.根据权利要求1所述的一种基于移动智能终端的机采籽棉杂质检测方法，其特征在于，步骤S1的杂质检测区域窗口的数量≥7。
3.根据权利要求1所述的一种基于移动智能终端的机采籽棉杂质检测方法，其特征在于，步骤S2在采集时，移动智能终端的摄像头与籽棉样品之间的夹角为90±5°，摄像头与籽棉样品的垂直距离为20～30cm。
4.根据权利要求1所述的一种基于移动智能终端的机采籽棉杂质检测方法，其特征在于，步骤S3扩展极小值变换H-minima运算采用公式(1)进行计算，公式(1)中为中值滤波后的彩色梯度图像、为梯度标记图像、Hmin表示形态学H-minima变换，h为深度阈值；
形态学强制最小运算采用公式(2)进行计算，公式(2)中为修正梯度图像，IMmin表示形态学极小值标定操作。
5.根据权利要求1所述的一种基于移动智能终端的机采籽棉杂质检测方法，其特征在于，步骤S4图像分割时，先用分水岭算法对预处理后的图像在空间位置上相近且灰度值相近的像素点连接起来构成一个封闭的轮廓，得到初始分割图像；然后在初始分割图像的基础上，进行两次区域合并操作，得到最终的杂质区域分割图像。
6.根据权利要求1所述的一种基于移动智能终端的机采籽棉杂质检测方法，其特征在于，步骤S5先在HIS色彩空间中利用棉花和杂质的先验知识进行杂质识别，然后计算单位面积内籽棉样品杂质颗粒数。
7.根据权利要求1所述的一种基于移动智能终端的机采籽棉杂质检测方法，其特征在于，步骤S6计算籽棉样品杂质面积百分比时，统计杂质区域内的杂质像素点，杂质像素点总和即代表了籽棉样品杂质面积。
CN201810185220.4A 2018-03-07 2018-03-07 一种基于移动智能终端的机采籽棉杂质检测方法 Pending CN108288275A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810185220.4A CN108288275A (zh) 2018-03-07 2018-03-07 一种基于移动智能终端的机采籽棉杂质检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810185220.4A CN108288275A (zh) 2018-03-07 2018-03-07 一种基于移动智能终端的机采籽棉杂质检测方法

Publications (1)

Publication Number Publication Date
CN108288275A true CN108288275A (zh) 2018-07-17

Family

ID=62833046

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810185220.4A Pending CN108288275A (zh) 2018-03-07 2018-03-07 一种基于移动智能终端的机采籽棉杂质检测方法

Country Status (1)

Country Link
CN (1) CN108288275A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108392170A (zh) * 2018-02-09 2018-08-14 中北大学 一种用于验光仪的人眼追踪装置及识别定位方法
CN109738436A (zh) * 2018-12-28 2019-05-10 安徽财经大学 一种籽棉杂质定量快速检测***及方法
CN110404688A (zh) * 2019-07-12 2019-11-05 塔里木大学 一种融合静电与风力的机采棉清杂信息处理方法和装置
CN110472598A (zh) * 2019-08-20 2019-11-19 齐鲁工业大学 基于区域特征的svm机采棉花含杂图像分割方法及***
CN110765905A (zh) * 2019-10-11 2020-02-07 南京大学 一种联合收割机收获谷物包含杂质比重的测量方法及其装置
CN112461848A (zh) * 2020-12-16 2021-03-09 石河子大学 一种激光增强的籽棉残膜在线检测***
CN112767367A (zh) * 2021-01-25 2021-05-07 济南大学 一种机采籽棉的棉花杂质检测方法及***
CN112858097A (zh) * 2019-11-26 2021-05-28 隆基绿能科技股份有限公司 石英砂包裹体含量的检测方法、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408473A (zh) * 2014-12-08 2015-03-11 中华人民共和国山东出入境检验检疫局 基于距离度量学习的棉花品级分类方法及装置
CN105652796A (zh) * 2016-03-29 2016-06-08 山东天鹅棉业机械股份有限公司 一种棉花加工质量在线智能检测及控制方法
CN106918594A (zh) * 2015-12-25 2017-07-04 济南大学 一种在线分析籽棉色特征和杂质的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104408473A (zh) * 2014-12-08 2015-03-11 中华人民共和国山东出入境检验检疫局 基于距离度量学习的棉花品级分类方法及装置
CN106918594A (zh) * 2015-12-25 2017-07-04 济南大学 一种在线分析籽棉色特征和杂质的方法
CN105652796A (zh) * 2016-03-29 2016-06-08 山东天鹅棉业机械股份有限公司 一种棉花加工质量在线智能检测及控制方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108392170A (zh) * 2018-02-09 2018-08-14 中北大学 一种用于验光仪的人眼追踪装置及识别定位方法
CN109738436A (zh) * 2018-12-28 2019-05-10 安徽财经大学 一种籽棉杂质定量快速检测***及方法
CN110404688A (zh) * 2019-07-12 2019-11-05 塔里木大学 一种融合静电与风力的机采棉清杂信息处理方法和装置
CN110472598A (zh) * 2019-08-20 2019-11-19 齐鲁工业大学 基于区域特征的svm机采棉花含杂图像分割方法及***
CN110765905A (zh) * 2019-10-11 2020-02-07 南京大学 一种联合收割机收获谷物包含杂质比重的测量方法及其装置
CN112858097A (zh) * 2019-11-26 2021-05-28 隆基绿能科技股份有限公司 石英砂包裹体含量的检测方法、设备及存储介质
CN112858097B (zh) * 2019-11-26 2023-08-29 隆基绿能科技股份有限公司 石英砂包裹体含量的检测方法、设备及存储介质
CN112461848A (zh) * 2020-12-16 2021-03-09 石河子大学 一种激光增强的籽棉残膜在线检测***
CN112767367A (zh) * 2021-01-25 2021-05-07 济南大学 一种机采籽棉的棉花杂质检测方法及***
CN112767367B (zh) * 2021-01-25 2022-11-25 济南大学 一种机采籽棉的棉花杂质检测方法及***

Similar Documents

Publication Publication Date Title
CN108288275A (zh) 一种基于移动智能终端的机采籽棉杂质检测方法
CN107578035B (zh) 基于超像素-多色彩空间的人体轮廓提取方法
CN106651872B (zh) 基于Prewitt算子的路面裂缝识别方法及***
CN110490914B (zh) 一种基于亮度自适应和显著性检测的图像融合方法
CN108133216B (zh) 基于机器视觉的可实现小数点读取的数码管读数识别方法
CN107341790B (zh) 一种环境洁净度检测的图像处理方法
CN106780537B (zh) 一种基于图像处理的方格蔟蚕茧筛选装置及方法
CN115797798B (zh) 基于废弃矿山遥感图像的生态修复效果评估方法
CN111027446B (zh) 一种高分辨率影像的海岸线自动提取方法
CN112149543B (zh) 一种基于计算机视觉的建筑扬尘识别***与方法
Fabijańska et al. Towards automatic tree rings detection in images of scanned wood samples
CN111060442B (zh) 一种基于图像处理的油液颗粒检测方法
CN105424709A (zh) 一种基于图像标记的水果表面缺陷检测方法
CN105139391B (zh) 一种雾霾天气交通图像边缘检测方法
CN106483129B (zh) 一种基于运动目标识别的白带滴虫自动检测的方法
CN101826209A (zh) 一种基于Canny模型的三维医学图像分割方法
CN110175556B (zh) 基于Sobel算子的遥感图像云检测方法
CN107545572A (zh) 图像中目标的处理方法和装置
Raut et al. Review on leaf disease detection using image processing techniques
CN112861654A (zh) 一种基于机器视觉的名优茶采摘点位置信息获取方法
CN111768455A (zh) 一种基于图像的木材区域和主色提取方法
Shah et al. Automatic detection and classification of tuberculosis bacilli from ZN-stained sputum smear images using watershed segmentation
Wang et al. A fast image segmentation algorithm for detection of pseudo-foreign fibers in lint cotton
CN109472779A (zh) 一种基于形态结构的纱线外观特征参数提取与分析方法
CN108734050A (zh) 一种监控视频中运动目标检测及有效帧提取方法

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: 20180717

RJ01 Rejection of invention patent application after publication