CN109990742A - 基于图像处理技术的板栗检测方法 - Google Patents

基于图像处理技术的板栗检测方法 Download PDF

Info

Publication number
CN109990742A
CN109990742A CN201711494790.3A CN201711494790A CN109990742A CN 109990742 A CN109990742 A CN 109990742A CN 201711494790 A CN201711494790 A CN 201711494790A CN 109990742 A CN109990742 A CN 109990742A
Authority
CN
China
Prior art keywords
image
chinese chestnut
chestnut
calibration plate
detection method
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
CN201711494790.3A
Other languages
English (en)
Inventor
不公告发明人
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.)
Zou Chengjia
Original Assignee
Zou Chengjia
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 Zou Chengjia filed Critical Zou Chengjia
Priority to CN201711494790.3A priority Critical patent/CN109990742A/zh
Publication of CN109990742A publication Critical patent/CN109990742A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • G01B11/285—Measuring arrangements characterised by the use of optical techniques for measuring areas using photoelectric detection means
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10004—Still image; Photographic image
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30188—Vegetation; Agriculture

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像处理技术的板栗检测方法，该检测方法包括获取板栗图像信息和定标板图像信息；对所述板栗图像信息进行图像处理，获取板栗的边缘轮廓图像；根据所述边缘轮廓图像计算出板栗的投影面积和缺陷面积。本发明的有益效果在于：该检测方法能自动检测板栗的外部品质，能检测出板栗的外形大小，缺陷面积大小，检测效率快、准确度高。

Description

基于图像处理技术的板栗检测方法
技术领域
本发明涉及一种板栗品质检测技术领域，特别涉及一种基于图像处理技术的板栗检测方法。
背景技术
我国是农产品出口大国，板栗在我国农产品出口占有很大的比例，对农产品的品质检测至关重要，检测板栗的大小和是否有缺陷是板栗自动分类的基础，如何对板栗进行快速准确地无损检测是研究的重点。
发明内容
有鉴于此，本发明要解决的技术问题在于提供一种基于图像处理技术的板栗检测方法，通过图像处理技术自动检测板栗外部品质，检测效率高、准确度高。
本发明通过以下技术手段解决上述技术问题：
本发明提供了一种基于图像处理技术的板栗检测方法，具体包括以下步骤：
S1：获取板栗图像信息和定标板图像信息；
S2：对所述板栗图像信息进行图像处理，获取板栗的边缘轮廓图像；
S3：根据所述边缘轮廓图像计算出板栗的投影面积和缺陷面积。
进一步，所述步骤S2包括：
S21：将获取的板栗图像转换为灰度图像；
S22：将所述灰度图像转换为二值化图像；
S23：对所述二值化图像进行平滑滤波去除噪声；
S24：将去除噪声的二值化图像采用Canny算子进行边缘提取，获取边缘轮廓图像。
进一步，所述步骤S3的具体步骤包括：根据所述边缘轮廓图像计算板栗的投影面积像素，根据定标板图像计算定标板像素总数，将板栗投影面积像素、定标板像素总数和定标板实际大小的比例计算出板栗的投影面积和缺陷面积。
本发明的有益效果：
本发明的基于图像处理技术的板栗检测方法，能自动检测板栗的外部品质，能检测出板栗的外形大小，缺陷面积大小，检测效率快、准确度高。
附图说明
下面结合附图和实施例对本发明作进一步描述。
图1为本发明的基于图像处理技术的板栗检测***实施例的原理框图。
图2为本发明的基于图像处理技术的板栗检测方法实施例的工作流程图。
图3为图2中步骤S2的具体工作流程图。
具体实施方式
以下将结合附图对本发明进行详细说明。
如图1所示，示出了本发明的提供的一种基于图像处理技术的板栗检测***的实施例，包括图像获取单元、图像处理单元和图像识别单元，所述图像获取单元用于获取板栗图像和定标板图像，并将板栗图像和定标板图像传输到图像处理单元；所述图像处理单元用于将所述板栗图像进行灰度转换、二值化、去除噪声和边缘检测，获取板栗的边缘轮廓图像；所述图像识别单元用于根据所述边缘轮廓图像计算板栗的投影像素，根据定标板图像计算定标板像素总数，将板栗投影像素、定标板像素总数和定标板实际大小的比例计算出板栗的投影面积和缺陷面积。本发明的图像处理技术的板栗品质检测***，通过图像获取单元获取待检测板栗图像和定标板图像，图像获取单元包括光源、CCD相机、镜头和图像采集卡。光源照射范围在CCD相机拍摄范围内，以正面场方式照射，光照均匀，不能产生阴影，防止镜面反射，再者要使板栗绝大部分的光反射到CCD相机中，这样获取的板栗图像清晰度高，提高图像的获取质量直接决定检测结果的好坏。为了提高检测板栗投影面积大小的准确性，采用已知尺寸的定标板作为参考目标，首先将待测板栗和定标板的拍在一张图像中，再进行分割，由于定标板的大小尺寸已知，根据定标板图像计算像素总数，再根据板栗图像的边缘轮廓图像计算板栗投影像素总数，根据公式就可以计算出板栗投影面积和缺陷面积。
图像处理单元包括灰度转换单元，所述灰度转换单元用于将获取的板栗图像转换为灰度图像。图像处理单元还包括二值化转换单元，所述二值化转换单元用于将灰度图像转换为二值化图像。所述图像处理单元还包括噪声去除单元，所述噪声去除单元用于对二值化图像进行平滑滤波去除噪声。所述图像处理单元还包括边缘检测单元，所述边缘检测单元用于将去除噪声的二值化图像采用Canny算子进行边缘提取，获取边缘轮廓图像。采用中值滤波法对采集到的图像进行去噪处理，其优点是抑制噪声的同时不使边缘模糊，并克服线性滤波器所造成的图像细节模糊，它的原理是以某点为中心的小窗口内的所有像素的灰度按大小顺序排列，取中值作为该点的灰度值，以达到滤掉噪声的目的。Canny算子致力于寻找图像梯度局部最大值，采用双阈值方法，解决了噪声问题带来的斑纹现象。
基于图像处理技术的板栗检测***，通过图像获取单元采集板栗图像和定标板图像后，再对板栗图像进行处理，得到板栗的边缘轮廓图像，图像识别单元根据边缘轮廓图像计算板栗的投影像素总数R1，定标板像素总数R2和定标板实际大小C2计算板栗投影面积和缺陷面积大小C1，计算公式为C1＝(R1/R2)C2。
本发明提供的基于图像处理技术的板栗检测***，通过图像获取单元获取清晰度高的板栗图像，将板栗图像进行处理后得到边缘轮廓图像，根据边缘轮廓图像得到板栗投影像素总数，将投影像素总数结合定标板的像素总数和定标板的大小，根据公式计算出板栗投影面积和缺陷面积的大小。该检测***能自动检测板栗的外部品质，能检测出板栗的外形大小，缺陷面积大小，检测效率快、准确度高。
如图2、3所示，示出了本发明提供的一种基于图像处理技术的板栗品质检测方法实施例的流程图，该检测方法适用于上述检测***。该检测方法的包括以下步骤：
S1：获取板栗图像信息和定标板图像信息。
具体地，通过图像获取单元采集板栗图像信息和定标板图像信息。图像获取采集单元包括光源、CCD相机、镜头和图像采集卡。光源照射范围在CCD相机拍摄范围内，以正面场方式照射，光照均匀，不能产生阴影，防止镜面反射，再者要使板栗绝大部分的光反射到CCD相机中，这样获取的板栗图像清晰度高，提高图像的获取质量直接决定检测结果的好坏。为了提高检测板栗投影面积大小的准确性，采用已知尺寸的定标板作为参考目标，首先将待测板栗和定标板的拍在一张图像中，再进行分割，由于定标板的大小尺寸已知，根据定标板图像计算像素总数，再根据板栗图像的边缘轮廓图像计算板栗投影像素总数，根据公式就可以计算出板栗投影面积和缺陷面积。
S2：对所述板栗图像信息进行图像处理，获取板栗的边缘轮廓图像。得到板栗的边缘轮廓图像的具体方法如下：
S21：将获取的板栗图像转换为灰度图像。
S22：将所述灰度图像转换为二值化图像；二值化是一种简单的图像分割方法，对图像进行二值化处理，可以有效将灰度图像中的板栗与背景分割开来，将灰度图像变成一幅黑白图像。
S23：对所述二值化图像进行平滑滤波去除噪声。采用中值滤波法对采集到的图像进行去噪处理，其优点是抑制噪声的同时不使边缘模糊，并克服线性滤波器所造成的图像细节模糊，它的原理是以某点为中心的小窗口内的所有像素的灰度按大小顺序排列，取中值作为该点的灰度值，以达到滤掉噪声的目的。
S24：将去除噪声的二值化图像采用Canny算子进行边缘提取，获取边缘轮廓图像。
S3：根据所述边缘轮廓图像计算出板栗的投影面积和缺陷面积。具体地，根据所述边缘轮廓图像计算板栗的投影面积像素，根据定标板图像计算定标板像素总数，将板栗投影面积像素、定标板像素总数和定标板实际大小的比例计算出板栗的投影面积和缺陷面积。
本发明的基于图像处理技术的板栗检测方法，能自动检测板栗的外部品质，能检测出板栗的外形大小，缺陷面积大小，检测效率快、准确度高。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (3)

1.一种基于图像处理技术的板栗检测方法，其特征在于，具体包括以下步骤：
S1：获取板栗图像信息和定标板图像信息；
S2：对所述板栗图像信息进行图像处理，获取板栗的边缘轮廓图像；
S3：根据所述边缘轮廓图像计算出板栗的投影面积和缺陷面积。
2.如权利要求1所述的基于图像处理技术的板栗检测方法，其特征在于，所述步骤S2包括：
S21：将获取的板栗图像转换为灰度图像；
S22：将所述灰度图像转换为二值化图像；
S23：对所述二值化图像进行平滑滤波去除噪声；
S24：将去除噪声的二值化图像采用Canny算子进行边缘提取，获取边缘轮廓图像。
3.如权利要求2所述的基于图像处理技术的板栗检测方法，其特征在于，所述步骤S3的具体步骤包括：根据所述边缘轮廓图像计算板栗的投影面积像素，根据定标板图像计算定标板像素总数，将板栗投影面积像素、定标板像素总数和定标板实际大小的比例计算出板栗的投影面积和缺陷面积。
CN201711494790.3A 2017-12-31 2017-12-31 基于图像处理技术的板栗检测方法 Pending CN109990742A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711494790.3A CN109990742A (zh) 2017-12-31 2017-12-31 基于图像处理技术的板栗检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711494790.3A CN109990742A (zh) 2017-12-31 2017-12-31 基于图像处理技术的板栗检测方法

Publications (1)

Publication Number Publication Date
CN109990742A true CN109990742A (zh) 2019-07-09

Family

ID=67110838

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711494790.3A Pending CN109990742A (zh) 2017-12-31 2017-12-31 基于图像处理技术的板栗检测方法

Country Status (1)

Country Link
CN (1) CN109990742A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815559A (zh) * 2020-06-08 2020-10-23 广州大气候农业科技有限公司 一种农产品品质检测方法、***、装置及其存储介质
CN112802128A (zh) * 2021-04-08 2021-05-14 中国空气动力研究与发展中心低速空气动力研究所 一种风洞滑雪试验中运动员迎风投影面积测量方法
CN114140383A (zh) * 2021-10-25 2022-03-04 深圳大学 一种轨道角动量模式传感解调方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815559A (zh) * 2020-06-08 2020-10-23 广州大气候农业科技有限公司 一种农产品品质检测方法、***、装置及其存储介质
CN112802128A (zh) * 2021-04-08 2021-05-14 中国空气动力研究与发展中心低速空气动力研究所 一种风洞滑雪试验中运动员迎风投影面积测量方法
CN114140383A (zh) * 2021-10-25 2022-03-04 深圳大学 一种轨道角动量模式传感解调方法

Similar Documents

Publication Publication Date Title
US10453195B2 (en) Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium
JP5443435B2 (ja) タイヤの欠陥検出方法
US20140037159A1 (en) Apparatus and method for analyzing lesions in medical image
CN104075965B (zh) 一种基于分水岭分割的显微图像颗粒粒度测量方法
CN106442556A (zh) 一种板状带孔工件表面缺陷检测装置和方法
CN109990742A (zh) 基于图像处理技术的板栗检测方法
WO2015100777A1 (zh) 显示面板的缺陷检测方法及缺陷检测装置
CN109813727A (zh) 一种基于深度信息的pcb板焊接缺陷检测方法
CN115082451B (zh) 一种基于图像处理的不锈钢汤勺缺陷检测方法
CN112686920A (zh) 一种圆形零件几何尺寸参数视觉测量方法及***
CN110378902B (zh) 一种高噪声背景下的划痕检测方法
US9881367B1 (en) Image processing techniques for plunger depth measurement
JP6598850B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
CN111242888A (zh) 一种基于机器视觉的图像处理方法及***
CN111122590A (zh) 一种陶瓷表面缺陷检测装置及检测方法
CN109658394B (zh) 眼底图像预处理方法及***和微血管瘤检测方法及***
EP3510526A1 (en) Particle boundary identification
CN101915823B (zh) 一种外壳带菌蛋的紫外检测方法及其装置
CN106023223A (zh) 柑橘果实大小描述及分级方法
CN109990741A (zh) 基于图像处理技术的板栗检测***
CN110009597A (zh) 一种李子品质检测方法
CN114688969A (zh) 一种光学镜片尺寸检测装置及方法
CN117036259A (zh) 一种基于深度学习的金属板材表面缺陷检测方法
CN116843640A (zh) 瓷砖表面凹坑缺陷检测方法、***及存储介质
JP2016024100A (ja) 車両用錆検出装置、車両用錆検出システム、及び車両用錆検出方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190709