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 PDF

Info

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
Application number
CN202211433453.4A
Other languages
English (en)
Other versions
CN115496756A (zh
Inventor
李东晖
肖浪涛
王若仲
苏益
刘清
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.)
Hunan Agricultural University
Original Assignee
Hunan Agricultural University
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 Hunan Agricultural University filed Critical Hunan Agricultural University
Priority to CN202211433453.4A priority Critical patent/CN115496756B/zh
Publication of CN115496756A publication Critical patent/CN115496756A/zh
Application granted granted Critical
Publication of CN115496756B publication Critical patent/CN115496756B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

基于三维图像处理的大米质量检测方法、装置和电子设备
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：
Figure 713898DEST_PATH_IMAGE001
其中，
Figure 768442DEST_PATH_IMAGE002
表示米粒的二维垩白率，
Figure 371855DEST_PATH_IMAGE003
表示垩白部分的表面积，
Figure 144639DEST_PATH_IMAGE004
表示米粒整体的表面积。
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：
Figure 826287DEST_PATH_IMAGE005
其中，
Figure 917DEST_PATH_IMAGE006
表示三维垩白率，
Figure 742608DEST_PATH_IMAGE007
表示垩白部分的体积，
Figure 2688DEST_PATH_IMAGE008
表示米粒整体的体积。
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：
Figure 488027DEST_PATH_IMAGE009
其中，
Figure 517163DEST_PATH_IMAGE010
为包围盒的中心位置，
Figure 928290DEST_PATH_IMAGE011
为第i个三角形的顶点， n为三角形面的个数。
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
Figure 410087DEST_PATH_IMAGE012
，表示取
Figure 699117DEST_PATH_IMAGE013
大小的窗口，其中
Figure 582760DEST_PATH_IMAGE014
为标准差，
Figure 931832DEST_PATH_IMAGE015
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：
Figure 900925DEST_PATH_IMAGE016
，其中
Figure 587122DEST_PATH_IMAGE017
表示
Figure 466216DEST_PATH_IMAGE018
各自重新计算后的值，
Figure 110824DEST_PATH_IMAGE019
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，
Figure 955763DEST_PATH_IMAGE020
取值范围为
Figure 445650DEST_PATH_IMAGE021
。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。
根据立方体边的顶点的值，利用线性插值计算出等值面顶点的实际坐标。对于落在网格边
Figure 913672DEST_PATH_IMAGE022
上的等值面顶点，假设
Figure 729181DEST_PATH_IMAGE023
和
Figure 407287DEST_PATH_IMAGE024
分别是顶点
Figure 841810DEST_PATH_IMAGE025
和
Figure 288972DEST_PATH_IMAGE026
上的值，threshold是等值面阈值，则顶点
Figure 885170DEST_PATH_IMAGE027
的坐标为
Figure 316151DEST_PATH_IMAGE028
，其中
Figure 147841DEST_PATH_IMAGE029
。
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：
Figure 88990DEST_PATH_IMAGE030
。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
Figure 980723DEST_PATH_IMAGE031
的梯度可以通过对三个坐标轴方向进行中心差分得到：
Figure 633421DEST_PATH_IMAGE032
Figure 409747DEST_PATH_IMAGE033
Figure 831501DEST_PATH_IMAGE034
其中
Figure 35080DEST_PATH_IMAGE035
是像素
Figure 175075DEST_PATH_IMAGE036
在切片
Figure 755092DEST_PATH_IMAGE037
处的密度，
Figure 31352DEST_PATH_IMAGE038
、
Figure 907298DEST_PATH_IMAGE039
、
Figure 534588DEST_PATH_IMAGE040
是立方体边的长度。得到了顶点的单位法线后，再利用线性插值计算出每个交点上的法线。
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：
Figure 652717DEST_PATH_IMAGE041
其中，
Figure 49063DEST_PATH_IMAGE042
表示米粒的二维垩白率，
Figure 453500DEST_PATH_IMAGE043
表示垩白部分的表面积，
Figure 443452DEST_PATH_IMAGE044
表示米粒整体的表面积。
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：
Figure 224327DEST_PATH_IMAGE045
其中，
Figure 616125DEST_PATH_IMAGE046
表示三维垩白率，
Figure 457042DEST_PATH_IMAGE047
表示垩白部分的体积，
Figure 839351DEST_PATH_IMAGE048
表示米粒整体的体积。
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
Figure 299282DEST_PATH_IMAGE049
个三角形的三条边为
Figure 312631DEST_PATH_IMAGE050
，
Figure 324449DEST_PATH_IMAGE051
，
Figure 23415DEST_PATH_IMAGE052
，第
Figure 146091DEST_PATH_IMAGE053
个三角形的周长一半为
Figure 371536DEST_PATH_IMAGE054
。设
Figure 164043DEST_PATH_IMAGE055
为第
Figure 740518DEST_PATH_IMAGE056
个三角形的面积：
Figure 401306DEST_PATH_IMAGE057
。再求和得到米粒的最终表面积
Figure 356624DEST_PATH_IMAGE058
：
Figure 975824DEST_PATH_IMAGE059
，累加和
Figure 147917DEST_PATH_IMAGE060
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
Figure 612397DEST_PATH_IMAGE061
，
Figure 422221DEST_PATH_IMAGE062
，
Figure 212322DEST_PATH_IMAGE063
，则以
Figure 373176DEST_PATH_IMAGE064
为底，以坐标原点
Figure 375767DEST_PATH_IMAGE065
为顶点的四面体体积为：
Figure 430311DEST_PATH_IMAGE066
。
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：
Figure 1101DEST_PATH_IMAGE067
其中，
Figure 508306DEST_PATH_IMAGE068
为包围盒的中心位置，
Figure 314588DEST_PATH_IMAGE069
为第i个三角形的顶点， n为三角形面的个数。
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。
具体的，根据平均向量计算出协方差矩阵
Figure 866048DEST_PATH_IMAGE070
，协方差矩阵
Figure 732373DEST_PATH_IMAGE071
中的元素为：
Figure 602240DEST_PATH_IMAGE072
其中，
Figure 212213DEST_PATH_IMAGE073
，
Figure 116715DEST_PATH_IMAGE074
，
Figure 888362DEST_PATH_IMAGE075
，
Figure 635738DEST_PATH_IMAGE076
均为三维向量；
Figure 924768DEST_PATH_IMAGE077
为
Figure 808410DEST_PATH_IMAGE078
的协方差矩阵中的元素。
基于协方差矩阵
Figure 390439DEST_PATH_IMAGE079
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
Figure 359532DEST_PATH_IMAGE080
。将凸壳的所有顶点分别向三个轴向
Figure 45728DEST_PATH_IMAGE081
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
Figure 924823DEST_PATH_IMAGE082
方向上的最大值
Figure 303851DEST_PATH_IMAGE083
；找到
Figure 370028DEST_PATH_IMAGE084
方向上的最大值
Figure 125494DEST_PATH_IMAGE085
；找到
Figure 718149DEST_PATH_IMAGE086
方向上的最大值
Figure 409025DEST_PATH_IMAGE087
；找到
Figure 87131DEST_PATH_IMAGE088
方向上的最小值
Figure 115130DEST_PATH_IMAGE089
；找到
Figure 192983DEST_PATH_IMAGE090
方向上的最小值
Figure 179394DEST_PATH_IMAGE091
；找到
Figure 220162DEST_PATH_IMAGE092
方向上的最小值
Figure 317431DEST_PATH_IMAGE093
。
再计算最小有向包围盒的中心为
Figure 619099DEST_PATH_IMAGE094
。将要包围的几何体的顶点向方向轴上投影，找出各方向轴的投影区，各投影区的长度就是所要求的包围盒相应的尺寸。由此得到米粒的长宽高。
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：
Figure 651777DEST_PATH_IMAGE095
其中，
Figure 304476DEST_PATH_IMAGE096
表示米粒的二维垩白率，
Figure 815223DEST_PATH_IMAGE097
表示垩白部分的表面积，
Figure 502556DEST_PATH_IMAGE098
表示米粒整体的表面积。
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：
Figure 204670DEST_PATH_IMAGE099
其中，
Figure 79085DEST_PATH_IMAGE100
表示三维垩白率，
Figure 783736DEST_PATH_IMAGE101
表示垩白部分的体积，
Figure 935363DEST_PATH_IMAGE102
表示米粒整体的体积。
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：
Figure 434477DEST_PATH_IMAGE103
其中，
Figure 796189DEST_PATH_IMAGE104
为包围盒的中心位置，
Figure 648738DEST_PATH_IMAGE105
为第i个三角形的顶点， n为三角形面的个数。
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：
Figure 451168DEST_PATH_IMAGE001
其中，
Figure 633888DEST_PATH_IMAGE002
表示米粒的二维垩白率，
Figure 820150DEST_PATH_IMAGE003
表示垩白部分的表面积，
Figure 480938DEST_PATH_IMAGE004
表示米粒整体的表面积；
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：
Figure 826469DEST_PATH_IMAGE005
其中，
Figure 556921DEST_PATH_IMAGE006
表示三维垩白率，
Figure 355113DEST_PATH_IMAGE007
表示垩白部分的体积，
Figure 960537DEST_PATH_IMAGE008
表示米粒整体的体积。
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：
Figure 894995DEST_PATH_IMAGE009
其中，
Figure 294884DEST_PATH_IMAGE010
为包围盒的中心位置，
Figure 580372DEST_PATH_IMAGE011
为第i个三角形的顶点， n为三角形面的个数；
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。
CN202211433453.4A 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 Active CN115496756B (zh)

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)

* Cited by examiner, † Cited by third party
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
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