CN115496756B - 基于三维图像处理的大米质量检测方法、装置和电子设备 - Google Patents
基于三维图像处理的大米质量检测方法、装置和电子设备 Download PDFInfo
- Publication number
- CN115496756B CN115496756B CN202211433453.4A CN202211433453A CN115496756B CN 115496756 B CN115496756 B CN 115496756B CN 202211433453 A CN202211433453 A CN 202211433453A CN 115496756 B CN115496756 B CN 115496756B
- Authority
- CN
- China
- Prior art keywords
- rice
- grain
- calculating
- dimensional
- grains
- 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
- 235000007164 Oryza sativa Nutrition 0.000 title claims abstract description 378
- 235000009566 rice Nutrition 0.000 title claims abstract description 378
- 238000012545 processing Methods 0.000 title claims abstract description 30
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 240000007594 Oryza sativa Species 0.000 title 1
- 241000209094 Oryza Species 0.000 claims abstract description 377
- 235000013339 cereals Nutrition 0.000 claims abstract description 286
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 239000013598 vector Substances 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 239000010903 husk Substances 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 5
- 238000002591 computed tomography Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 3
- 235000013305 food Nutrition 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- FBOUIAKEJMZPQG-AWNIVKPZSA-N (1E)-1-(2,4-dichlorophenyl)-4,4-dimethyl-2-(1,2,4-triazol-1-yl)pent-1-en-3-ol Chemical compound C1=NC=NN1/C(C(O)C(C)(C)C)=C/C1=CC=C(Cl)C=C1Cl FBOUIAKEJMZPQG-AWNIVKPZSA-N 0.000 description 1
- 241000282414 Homo sapiens Species 0.000 description 1
- 101100313471 Streptomyces sp getA gene Proteins 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Images
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
- G01N23/046—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material using tomography, e.g. computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Quality & Reliability (AREA)
- Dispersion Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pulmonology (AREA)
- Radiology & Medical Imaging (AREA)
- Image Processing (AREA)
Abstract
本申请涉及数据处理技术领域的一种基于三维图像处理的大米质量检测方法、装置和电子设备。所述方法包括:采用CT扫描仪获取大米的横截面图像,随大米的横截面图像进行预处理,根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像;根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率;根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。采用本方法可以高效准确的实现大米质量检测,可应用与大米生产领域的人工智能***中提高大米质量检测的自动化和智能化水平。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种基于三维图像处理的大米质量检测方法、装置和电子设备。
背景技术
大米是人类主食之一,全球半数以上人口以大米为主食。大米的质量检测对于选购优质稻品种具有重要意义,垩白检测和长宽检测是两项重要的质量检测指标,大米的垩白度、垩白粒率低、长宽大则米质优良。常规的人工检测大米质量的方法费时耗力、效率低且成本高。
发明内容
基于此,有必要针对上述技术问题,提供一种基于三维图像处理的大米质量检测方法、装置和电子设备。
一种基于三维图像处理的大米质量检测方法,所述方法包括:
采用CT扫描仪获取大米横截面图像。
对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分。
根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像。
根据米粒的三维点云图像和预设米粒数,采用聚类算法将米粒分离成单粒米,得到每个米粒的三维点云数据。
根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据。
根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率。
根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。
在其中一个实施例中,对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分,包括:
对所述大米横截面图像采用高斯滤波滤除噪声,调整滤波后的图像的对比度,并进行二值化处理,寻找轮廓后去除谷壳,分离出米粒。
将分离出的米粒采用掩模与大米横截面图像进行与运算,分离出米粒的垩白和非垩白部分。
在其中一个实施例中,根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像,包括:
从预处理后的大米横截面图像中提取等值面。
通过拉普拉斯去噪平滑网格,并计算所述等值面的单位法向量。
从所述等值面上获取纹理后映射几何数据,得到每个米粒的三维点云图像。
在其中一个实施例中,从预处理后的大米横截面图像中提取等值面,包括:
将预处理后的大米横截面图像看成是空间中连续的立方体。
按照顺序遍历空间中所有的立方体,根据立方体中每一个顶点的顶点坐标和顶点处的值,提取出立方体内的等值面。
将所有立方体内的等值面组合起来,得到完整连续的等值面轮廓。
在其中一个实施例中,根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据,包括:
根据每个米粒的三维点云数据构建初始凸包,在点I、点J以及点K之间进行参数循环计算,得到可以形成三角面片的点集合;点I、点J以及点K是三维点云数据中的任意三点。
对生成的凸包做三角剖分,得到以凸包中点为顶点的凸三角形。
根据凸三角形采用离散点内插算法,形成三角面片,完成三角网格的构建。
在其中一个实施例中,根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率;包括,
根据每个米粒三角网格化数据,计算垩白部分和米粒整体上的每个三角形的三条边的边长,利用海伦公式计算每个三角形的面积。
将每个米粒三角网格化数据中垩白部分的所有三角形的面积进行求和,得到垩白部分的表面积,将米粒三角网格化数据中的所有三角形的面积进行求和,得到米粒整体的表面积。
根据垩白部分的表面积和米粒整体的表面积,计算米粒的二维垩白率,所述二维垩白率的计算表达式为:
根据米粒三角网格化数据,计算垩白部分的体积和米粒整体的体积。
根据垩白部分的体积和米粒整体的体积,计算米粒的三维垩白率,所述三维垩白率的计算表达式为:
在其中一个实施例中,根据米粒三角网格化数据,计算垩白部分的体积和米粒整体的体积,包括:
根据米粒三角网格化数据采用四面体法计算体积,计算垩白部分的体积和米粒整体的体积;其中,采用四面体法计算垩白部分的体积和米粒整体的体积具体包括步骤:
在确保每个米粒网格面片为凸三角形的前提下,确定米粒的一个顶点坐标,计算由顶点坐标与米粒网格面片确定的四面体的体积,将所有四面体的体积累加,得到米粒整体的体积。
确保每个垩白网格面片为凸三角形的前提下,确定垩白部分的一个顶点坐标,将顶点与垩白部分网格面片确定的四面体计算体积,将所有四面体的体积累加,得到垩白部分的体积。
在其中一个实施例中,根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高,包括:
根据米粒的三角网格化数据上所有凸壳的顶点坐标向量获取平均向量,将平均向量作为包围盒的中心位置,包围盒的中心位置为:
根据所述平均向量计算出协方差矩阵及协方差矩阵的特征向量。
将三个特征向量进行单位简化后的结构设定为凸壳最小有向包围盒的局部坐标的三个轴向。
将凸壳的所有顶点分别在三个轴向上投影,找到三个轴向上的最大投影距离和最小投影距离。
根据三个轴向上的最大投影距离和最小投影距离,确定最小有向包围盒的中心。
将要包围的几何体的顶点向三个轴向上投影,找出各轴向的投影区。
根据各轴向的投影区的长度确定最小有向包围盒的尺寸,并根据最小有向包围盒的尺寸,得到米粒的长、宽、高。
一种基于三维图像处理的大米质量检测装置,所述装置包括:
CT扫描图像获取模块,用于采用CT扫描仪获取大米横截面图像。
图像预处理模块,用于对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分。
米粒的三维建模模块,用于根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像;根据米粒的三维点云图像和预设米粒数,采用聚类算法将米粒分离成单粒米,得到每个米粒的三维点云数据;根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据。
垩白率确定模块,用于根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率。
米粒长宽计算模块,用于根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。
一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任意方法的步骤。
上述基于三维图像处理的大米质量检测方法、装置和电子设备,所述方法包括:采用CT扫描仪获取大米的横截面图像,随大米的横截面图像进行预处理,根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像;根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率;根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。采用本方法可以高效准确的实现大米质量检测,可应用与大米生产领域的人工智能***中提高大米质量检测的自动化和智能化水平。
附图说明
图1为一个实施例中基于三维图像处理的大米质量检测方法的流程示意图;
图2为一个实施例中CT横截面图像预处理步骤的流程图示意图;
图3为一个实施例中生成三维点云步骤的流程图示意图;
图4为另一个实施例中三角网格化步骤的流程示意图;
图5为一个实施例中基于三维图像处理的大米质量检测装置的结构框图;
图6为一个实施例中电子设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种基于三维图像处理的大米质量检测方法,该方法应包括以下步骤:
步骤100:采用CT扫描仪获取大米横截面图像。
具体的,通过CT扫描仪采集大米横截面图像,并得到对应的灰度图像。
步骤102:对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分。
具体的,预处理包括:高斯滤波、调整对比度、二值化、寻找轮廓以及掩模与运算。
步骤104:根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像。
具体的,移动立方体方式的本质是将三维数据看成是空间中连续的立方体,之后按照顺序遍历空间中所有的立方体,根据立方体中每一个顶点的顶点坐标和顶点处的值,提取出立方体内的等值面,组合起来就形成一个完整连续的等值面轮廓。
步骤106:根据米粒的三维点云图像和预设米粒数,采用聚类算法将米粒分离成单粒米,得到每个米粒的三维点云数据。
步骤108:根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据。
具体的,因为一系列三维点云,无法定义物体的边界,计算物体的表面积和体积比较困难。因此采用三角剖分法,对每一粒米的三维点云数据进行三角网格化,计算米粒的表面积和体积,从而计算米粒的二维垩白率和三维垩白率。
步骤110:根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率。
步骤112:根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。
具体的,根据每一粒米的三角网格化数据计算它们的最小有向包围盒,即最小外接立方体,凸壳的顶点坐标向量获取平均向量,由平均向量计算出协方差矩阵,将凸壳的所有顶点分别向三个轴向投影。利用三个轴向上的最大最小投影距离差定位最小有向包围盒的大小,即得到米粒的长、宽、高。
上述基于三维图像处理的大米质量检测方法中,所述方法包括:采用CT扫描仪获取大米的横截面图像,随大米的横截面图像进行预处理,根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像;根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率;根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。采用本方法可以高效准确的实现大米质量检测,可应用与大米生产领域的人工智能***中提高大米质量检测的自动化和智能化水平。
在其中一个实施例中,步骤102包括:对所述大米横截面图像采用高斯滤波滤除噪声,调整滤波后的图像的对比度,并进行二值化处理,寻找轮廓后去除谷壳,分离出米粒;将分离出的米粒采用掩模与大米横截面图像进行与运算,分离出米粒的垩白和非垩白部分。CT横截面图像预处理的流程图如图2所示。
具体的,首先采用高斯滤波滤除噪声,对矩形窗口内所有像素点的像素值加权求和,越靠近窗口中心点则权重越大。高斯滤波的权重公式为,表示取大小的窗口,其中为标准差,越大,权重分布越均匀,滤波效果越好,但图像也会越模糊。然后调整图像对比度:,其中表示各自重新计算后的值,是平均亮度,由于计算图像的平均亮度比较耗时,计算时取127,与实际相近,取值范围为。二值化处理、寻找轮廓后去除谷壳、分离出大米,最后用掩膜与图像进行与运算区分米粒的垩白和非垩白部分。
在其中一个实施例中,步骤104包括:从预处理后的大米横截面图像中提取等值面;通过拉普拉斯去噪平滑网格,并计算等值面的单位法向量;从所述等值面上获取纹理后映射几何数据,得到每个米粒的三维点云图像。
具体的,首先从预处理后的大米横截面图像中提取等值面,移动立方体算法的本质是将体素数据看成是空间中连续的立方体,之后按照顺序遍历空间中所有的立方体,根据立方体中每一个顶点的顶点坐标和顶点处的值,提取出立方体内的等值面,组合起来就形成一个完整连续的等值面轮廓。
具体定位由8个像素组成的逻辑立方体中的表面,每四个像素分别来自相邻的切片。算法确定表面如何与某个立方体相交,然后移动到下一个立方体。如果某立方体顶点处的值大于等于正在构造的等值面阈值,就将该立方体顶点标记为内,这些顶点在表面内或表面上。比等值面阈值小的立方体顶点标记为外,表示它们在表面外。当立方体的某条边,其中一个顶点在表面外,另外一个在表面内,则表面与这条边相交。
基于这个前提,首先确定一个立方体中表面的拓扑结构,然后找到交点的具体坐标。由于每个立方体有8个顶点,每个顶点有两个状态:内、外,所以一个表面与立方体相交的配置只有28种。
在程序实现过程中,将这256种情况存储在一张等值面查找表中。对于256种配置,许多配置可以通过由其它配置进行旋转和反射得到,由于这种对称性的存在,配置的种类可以由256种减少到22种。基于此,对于每一个立方体,从查找表中去获取该立方体对应的一系列等值面三角形,这些三角形的顶点构成了等值面的顶点。
然后通过拉普拉斯去噪平滑网格,并计算等值面的单位法向量。由于表面的法向量也是梯度向量的方向,而梯度向量是密度函数的导数:。为了得到等值面的梯度向量,需要先计算立方体顶点的梯度向量,然后在相交点处利用线性插值计算梯度。立方体顶点的梯度可以通过对三个坐标轴方向进行中心差分得到:
从等值面上获取纹理后映射几何数据,最后输出三维点云,根据用户输入的米粒数用聚类算法将米粒分离成单粒米,用户可以根据这些三维点云数据看到立体的三维大米图像。
在其中一个实施例中,从预处理后的大米横截面图像中提取等值面,包括:将预处理后的大米横截面图像看成是空间中连续的立方体;按照顺序遍历空间中所有的立方体,根据立方体中每一个顶点的顶点坐标和顶点处的值,提取出立方体内的等值面;将所有立方体内的等值面组合起来,得到完整连续的等值面轮廓。
在其中一个实施例中,步骤108包括:根据每个米粒的三维点云数据构建初始凸包,在点I、点J以及点K之间进行参数循环计算,得到可以形成三角面片的点集合;点I、点J以及点K是三维点云数据中的任意三点;对生成的凸包做三角剖分,得到以凸包中点为顶点的凸三角形;根据凸三角形采用离散点内插算法,形成三角面片,完成三角网格的构建。三角网格化步骤的流程如图4所示。
在其中一个实施例中,步骤110包括:根据每个米粒三角网格化数据,计算垩白部分和米粒整体上的每个三角形的三条边的边长,利用海伦公式计算每个三角形的面积;将每个米粒三角网格化数据中垩白部分的所有三角形的面积进行求和,得到垩白部分的表面积,将米粒三角网格化数据中的所有三角形的面积进行求和,得到米粒整体的表面积;根据垩白部分的表面积和米粒整体的表面积,计算米粒的二维垩白率,所述二维垩白率的计算表达式为:
根据米粒三角网格化数据,计算垩白部分的体积和米粒整体的体积;根据垩白部分的体积和米粒整体的体积,计算米粒的三维垩白率,所述三维垩白率的计算表达式为:
具体的,对点云数据进行三角网格化后,通过计算三条边的边长,利用海伦公式求得面积。设第个三角形的三条边为,,,第个三角形的周长一半为。设为第个三角形的面积:。再求和得到米粒的最终表面积:,累加和即米粒的表面积。
求得米粒的表面积后,继续对米粒的三角网格化数据采用四面体法计算体积。在确保每个网格面片为凸三角形的前提下,确定米粒的一个顶点坐标,将顶点与网格面片确定的四面体计算体积,最后累加所有四面体的体积,即得到米粒的体积。设米粒的三维网格模型中的三角面片顶点为,,,则以为底,以坐标原点为顶点的四面体体积为:。
计算出垩白部分的表面积和米粒整体的表面积后,可以计算出二维垩白率;计算出垩白部分的体积和米粒整体的体积后,计算出三维垩白率。
在其中一个实施例中,根据米粒三角网格化数据,计算垩白部分的体积和米粒整体的体积,包括:根据米粒三角网格化数据采用四面体法计算体积,计算垩白部分的体积和米粒整体的体积;其中,采用四面体法计算垩白部分的体积和米粒整体的体积具体包括步骤:在确保每个米粒网格面片为凸三角形的前提下,确定米粒的一个顶点坐标,计算由顶点坐标与米粒网格面片确定的四面体的体积,将所有四面体的体积累加,得到米粒整体的体积;确保每个垩白网格面片为凸三角形的前提下,确定垩白部分的一个顶点坐标,将顶点与垩白部分网格面片确定的四面体计算体积,将所有四面体的体积累加,得到垩白部分的体积。
在其中一个实施例中,步骤112包括:根据米粒的三角网格化数据上所有凸壳的顶点坐标向量获取平均向量,将平均向量作为包围盒的中心位置,包围盒的中心位置为:
根据平均向量计算出协方差矩阵及协方差矩阵的特征向量;将三个特征向量进行单位简化后的结构设定为凸壳最小有向包围盒的局部坐标的三个轴向;将凸壳的所有顶点分别在三个轴向上投影,找到三个轴向上的最大投影距离和最小投影距离;根据三个轴向上的最大投影距离和最小投影距离,确定最小有向包围盒的中心;将要包围的几何体的顶点向三个轴向上投影,找出各轴向的投影区;根据各轴向的投影区的长度确定最小有向包围盒的尺寸,并根据最小有向包围盒的尺寸,得到米粒的长、宽、高。
基于协方差矩阵是对称矩阵,其三个特征向量相互正交。将这三个特征向量单位简化后,设定它们为凸快最小有向包围盒的局部坐标的三个轴向。将凸壳的所有顶点分别向三个轴向投影。利用三个轴向上的最大最小投影距离差定位最小有向包围盒的大小。找到方向上的最大值;找到方向上的最大值;找到方向上的最大值;找到方向上的最小值;找到方向上的最小值;找到方向上的最小值。
应该理解的是,虽然图1-4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-4中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种基于三维图像处理的大米质量检测装置,包括:CT扫描图像获取模块、图像预处理模块、米粒的三维建模模块、垩白率确定模块和米粒长宽计算模块,其中:
CT扫描图像获取模块,用于采用CT扫描仪获取大米横截面图像。
图像预处理模块,用于对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分。
米粒的三维建模模块,用于根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像;根据米粒的三维点云图像和预设米粒数,采用聚类算法将米粒分离成单粒米,得到每个米粒的三维点云数据;根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据。
垩白率确定模块,用于根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率。
米粒长宽计算模块,用于根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。
在其中一个实施例中,米粒的三维建模模块,还用于从预处理后的大米横截面图像中提取等值面;通过拉普拉斯去噪平滑网格,并计算等值面的单位法向量;从所述等值面上获取纹理后映射几何数据,得到每个米粒的三维点云图像。
在其中一个实施例中,米粒的三维建模模块,还用于将预处理后的大米横截面图像看成是空间中连续的立方体;按照顺序遍历空间中所有的立方体,根据立方体中每一个顶点的顶点坐标和顶点处的值,提取出立方体内的等值面;将所有立方体内的等值面组合起来,得到完整连续的等值面轮廓。
在其中一个实施例中,米粒的三维建模模块,还用于根据每个米粒的三维点云数据构建初始凸包,在点I、点J以及点K之间进行参数循环计算,得到可以形成三角面片的点集合;点I、点J以及点K是三维点云数据中的任意三点;对生成的凸包做三角剖分,得到以凸包中点为顶点的凸三角形;根据凸三角形采用离散点内插算法,形成三角面片,完成三角网格的构建。
在其中一个实施例中,垩白率确定模块,还用于根据每个米粒三角网格化数据,计算垩白部分和米粒整体上的每个三角形的三条边的边长,利用海伦公式计算每个三角形的面积;将每个米粒三角网格化数据中垩白部分的所有三角形的面积进行求和,得到垩白部分的表面积,将米粒三角网格化数据中的所有三角形的面积进行求和,得到米粒整体的表面积;根据垩白部分的表面积和米粒整体的表面积,计算米粒的二维垩白率,所述二维垩白率的计算表达式为:
根据米粒三角网格化数据,计算垩白部分的体积和米粒整体的体积;根据垩白部分的体积和米粒整体的体积,计算米粒的三维垩白率,所述三维垩白率的计算表达式为:
在其中一个实施例中,垩白率确定模块,还用于根据米粒三角网格化数据采用四面体法计算体积,计算垩白部分的体积和米粒整体的体积;其中,采用四面体法计算垩白部分的体积和米粒整体的体积具体包括步骤:在确保每个米粒网格面片为凸三角形的前提下,确定米粒的一个顶点坐标,计算由顶点坐标与米粒网格面片确定的四面体的体积,将所有四面体的体积累加,得到米粒整体的体积;确保每个垩白网格面片为凸三角形的前提下,确定垩白部分的一个顶点坐标,将顶点与垩白部分网格面片确定的四面体计算体积,将所有四面体的体积累加,得到垩白部分的体积。
在其中一个实施例中,米粒长宽计算模块,还用于根据米粒的三角网格化数据上所有凸壳的顶点坐标向量获取平均向量,将平均向量作为包围盒的中心位置,包围盒的中心位置为:
根据所述平均向量计算出协方差矩阵及协方差矩阵的特征向量;将三个特征向量进行单位简化后的结构设定为凸壳最小有向包围盒的局部坐标的三个轴向;将凸壳的所有顶点分别在三个轴向上投影,找到三个轴向上的最大投影距离和最小投影距离;根据三个轴向上的最大投影距离和最小投影距离,确定最小有向包围盒的中心;将要包围的几何体的顶点向三个轴向上投影,找出各轴向的投影区;根据各轴向的投影区的长度确定最小有向包围盒的尺寸,并根据最小有向包围盒的尺寸,得到米粒的长、宽、高。
关于基于三维图像处理的大米质量检测装置的具体限定可以参见上文中对于基于三维图像处理的大米质量检测方法的限定,在此不再赘述。上述基于三维图像处理的大米质量检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种电子设备,该电子设备可以是终端,其内部结构图可以如图6所示。该电子设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于三维图像处理的大米质量检测方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种电子设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于三维图像处理的大米质量检测方法,其特征在于,所述方法包括:
采用CT扫描仪获取大米横截面图像;
对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分;
根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像;
根据米粒的三维点云图像和预设米粒数,采用聚类算法将米粒分离成单粒米,得到每个米粒的三维点云数据;
根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据;
根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率;
根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。
2.根据权利要求1所述的方法,其特征在于,对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分,包括:
对所述大米横截面图像采用高斯滤波滤除噪声,调整滤波后的图像的对比度,并进行二值化处理,寻找轮廓后去除谷壳,分离出米粒;
将分离出的米粒采用掩模与大米横截面图像进行与运算,分离出米粒的垩白和非垩白部分。
3.根据权利要求1所述的方法,其特征在于,根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像,包括:
从预处理后的大米横截面图像中提取等值面;
通过拉普拉斯去噪平滑网格,并计算等值面的单位法向量;
从等值面上获取纹理后映射几何数据,得到每个米粒的三维点云图像。
4.根据权利要求3所述的方法,其特征在于,从预处理后的大米横截面图像中提取等值面,包括:
将预处理后的大米横截面图像看成是空间中连续的立方体;
按照顺序遍历空间中所有的立方体,根据立方体中每一个顶点的顶点坐标和顶点处的值,提取出立方体内的等值面;
将所有立方体内的等值面组合起来,得到完整连续的等值面轮廓。
5.根据权利要求1所述的方法,其特征在于,根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据,包括:
根据每个米粒的三维点云数据构建初始凸包,在点I、点J以及点K之间进行参数循环计算,得到形成三角面片的点集合;点I、点J以及点K是三维点云数据中的任意三点;
对生成的凸包做三角剖分,得到以凸包中点为顶点的凸三角形;
根据凸三角形采用离散点内插算法,形成三角面片,完成三角网格的构建。
6.根据权利要求1所述的方法,其特征在于,根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率,包括,
根据每个米粒三角网格化数据,计算垩白部分和米粒整体上的每个三角形的三条边的边长,利用海伦公式计算每个三角形的面积;
将每个米粒三角网格化数据中垩白部分的所有三角形的面积进行求和,得到垩白部分的表面积,将米粒三角网格化数据中的所有三角形的面积进行求和,得到米粒整体的表面积;
根据垩白部分的表面积和米粒整体的表面积,计算米粒的二维垩白率,所述二维垩白率的计算表达式为:
根据米粒三角网格化数据,计算垩白部分的体积和米粒整体的体积;
根据垩白部分的体积和米粒整体的体积,计算米粒的三维垩白率,所述三维垩白率的计算表达式为:
7.根据权利要求6所述的方法,其特征在于,根据米粒三角网格化数据,计算垩白部分的体积和米粒整体的体积,包括:
根据米粒三角网格化数据采用四面体法计算体积,计算垩白部分的体积和米粒整体的体积;其中,采用四面体法计算垩白部分的体积和米粒整体的体积具体包括步骤:
在确保每个米粒网格面片为凸三角形的前提下,确定米粒的一个顶点坐标,计算由顶点坐标与米粒网格面片确定的四面体的体积,将所有四面体的体积累加,得到米粒整体的体积;
确保每个垩白网格面片为凸三角形的前提下,确定垩白部分的一个顶点坐标,将顶点与垩白部分网格面片确定的四面体计算体积,将所有四面体的体积累加,得到垩白部分的体积。
8.根据权利要求1所述的方法,其特征在于,根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高,包括:
根据米粒的三角网格化数据上所有凸壳的顶点坐标向量获取平均向量,将平均向量作为包围盒的中心位置,包围盒的中心位置为:
根据所述平均向量计算出协方差矩阵及协方差矩阵的特征向量;
将三个特征向量进行单位简化后的结构设定为凸壳最小有向包围盒的局部坐标的三个轴向;
将凸壳的所有顶点分别在三个轴向上投影,找到三个轴向上的最大投影距离和最小投影距离;
根据三个轴向上的最大投影距离和最小投影距离,确定最小有向包围盒的中心;
将要包围的几何体的顶点向三个轴向上投影,找出各轴向的投影区;
根据各轴向的投影区的长度确定最小有向包围盒的尺寸,并根据最小有向包围盒的尺寸,得到米粒的长、宽、高。
9.一种基于三维图像处理的大米质量检测装置,其特征在于,所述装置包括:
CT扫描图像获取模块,用于采用CT扫描仪获取大米横截面图像;
图像预处理模块,用于对所述大米横截面图像进行预处理,将谷壳和米粒分离,并根据大米横截面图像、分离出的米粒进行处理,分离出米粒的垩白和非垩白部分;
米粒的三维建模模块,用于根据预处理后的大米横截面图像采用移动立方体方式重建出米粒的三维点云图像;根据米粒的三维点云图像和预设米粒数,采用聚类算法将米粒分离成单粒米,得到每个米粒的三维点云数据;根据每个米粒的三维点云数据采用三角剖分法进行三角网格化,得到每个米粒三角网格化数据;
垩白率确定模块,用于根据每个米粒三角网格化数据,计算每个米粒的表面积和体积,然后计算米粒的二维垩白率和三维垩白率;
米粒长宽计算模块,用于根据每一粒米的三角网格化数据计算最小有向包围盒,并根据最小有向包围盒计算米粒的长、宽、高。
10.一种电子设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433453.4A CN115496756B (zh) | 2022-11-16 | 2022-11-16 | 基于三维图像处理的大米质量检测方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211433453.4A CN115496756B (zh) | 2022-11-16 | 2022-11-16 | 基于三维图像处理的大米质量检测方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115496756A CN115496756A (zh) | 2022-12-20 |
CN115496756B true CN115496756B (zh) | 2023-01-17 |
Family
ID=84881090
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211433453.4A Active CN115496756B (zh) | 2022-11-16 | 2022-11-16 | 基于三维图像处理的大米质量检测方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115496756B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093456A (zh) * | 2012-12-25 | 2013-05-08 | 北京农业信息技术研究中心 | 基于图像的玉米果穗性状指标计算方法 |
CN106872471A (zh) * | 2017-03-27 | 2017-06-20 | 中国水稻研究所 | 稻米垩白检测方法 |
CN109781730A (zh) * | 2019-01-28 | 2019-05-21 | 江南大学 | 一种快速识别垩白米的方法 |
CN110926341A (zh) * | 2019-11-26 | 2020-03-27 | 湖南农业大学 | 一种利用三维扫描点云测度谷粒长宽厚形态参数的新方法 |
CN114295617A (zh) * | 2021-12-31 | 2022-04-08 | 黑龙江省农业科学院农产品质量安全研究所 | 一种检测用稻米垩白及垩白度智能化检测仪 |
-
2022
- 2022-11-16 CN CN202211433453.4A patent/CN115496756B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093456A (zh) * | 2012-12-25 | 2013-05-08 | 北京农业信息技术研究中心 | 基于图像的玉米果穗性状指标计算方法 |
CN106872471A (zh) * | 2017-03-27 | 2017-06-20 | 中国水稻研究所 | 稻米垩白检测方法 |
CN109781730A (zh) * | 2019-01-28 | 2019-05-21 | 江南大学 | 一种快速识别垩白米的方法 |
CN110926341A (zh) * | 2019-11-26 | 2020-03-27 | 湖南农业大学 | 一种利用三维扫描点云测度谷粒长宽厚形态参数的新方法 |
CN114295617A (zh) * | 2021-12-31 | 2022-04-08 | 黑龙江省农业科学院农产品质量安全研究所 | 一种检测用稻米垩白及垩白度智能化检测仪 |
Also Published As
Publication number | Publication date |
---|---|
CN115496756A (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9972128B2 (en) | Methods and systems for generating polycubes and all-hexahedral meshes of an object | |
US8384716B2 (en) | Image processing method | |
Long et al. | Neuraludf: Learning unsigned distance fields for multi-view reconstruction of surfaces with arbitrary topologies | |
Yoon et al. | Surface and normal ensembles for surface reconstruction | |
Liang et al. | Robust and efficient implicit surface reconstruction for point clouds based on convexified image segmentation | |
Bangaru et al. | Differentiable rendering of neural sdfs through reparameterization | |
Trinh et al. | Hole boundary detection of a surface of 3D point clouds | |
CN113538264B (zh) | 一种点云数据的去噪方法、装置及存储介质 | |
CN115100383B (zh) | 基于普通光源的镜面物体三维重建方法、装置和设备 | |
Yoo | Rapid surface reconstruction from a point cloud using the least-squares projection | |
CN114494641B (zh) | 一种三维模型轻量化方法及装置 | |
Jalba et al. | Efficient surface reconstruction from noisy data using regularized membrane potentials | |
WO2002080110A1 (en) | Image processing method for fitness estimation of a 3d mesh model mapped onto a 3d surface of an object | |
El Sayed et al. | An efficient simplification method for point cloud based on salient regions detection | |
Xu et al. | Segmentation of 3D outdoor scenes using hierarchical clustering structure and perceptual grouping laws | |
Zhao et al. | Extended non-local means filter for surface saliency detection | |
CN115496756B (zh) | 基于三维图像处理的大米质量检测方法、装置和电子设备 | |
Huang | Detecting color boundaries on 3D surfaces by applying edge‐detection image filters on a quad‐remeshing | |
US10861174B2 (en) | Selective 3D registration | |
Klein et al. | Proximity Graphs for Defining Surfaces over Point Clouds. | |
CN106652048B (zh) | 基于3d-susan算子的三维模型感兴趣点提取方法 | |
Akdim et al. | A Study and Comparison of Different 3D Reconstruction Methods Following Quality Criteria. | |
Zhang et al. | FastMESH: Fast Surface Reconstruction by Hexagonal Mesh-based Neural Rendering | |
CN116977592B (zh) | 基于卷绕数的三维结构化重建方法、装置和计算机介质 | |
CN115861520B (zh) | 高光检测方法、装置、计算机设备和存储介质 |
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 |