專利名稱:水果表面缺陷檢測方法
技術(shù)領(lǐng)域:
本發(fā)明涉及的是一種圖像處理技術(shù)領(lǐng)域的方法,具體是一種利用圖像處理實現(xiàn)水果表面缺陷檢測的方法。
背景技術(shù):
水果是深受人民熱愛的大眾農(nóng)產(chǎn)品之一,有報告稱,自1990年以來,全世界主要水果產(chǎn)量產(chǎn)值均呈現(xiàn)增長趨勢。水果的表面缺陷是其品質(zhì)的最直接的反映,故表面缺陷是決定水果價格的重要因素。對水果表面缺陷進行檢測和分選,是水果銷售、加工和貯藏之前的必要環(huán)節(jié)。目前機器視覺廣泛應(yīng)用于水果的外部品質(zhì)的檢測中,相機采集水果表面圖像,然后傳輸至計算機,通過圖像處理技術(shù)對水果的尺寸、顏色、缺陷等品質(zhì)特征進行提取,進而依據(jù)國家水果分級標(biāo)準(zhǔn)對水果的品質(zhì)進行分選。為了提取水果表面的缺陷,有些學(xué)者把圖像處理和模式識別技術(shù)結(jié)合起來,通過對水果表面圖像的缺陷部分和正常表面進行特征提取,然后訓(xùn)練分類器,在測試階段,計算水果圖像的特征,然后輸入訓(xùn)練好的分類器,對水果表面進行分類。研究結(jié)果表明這種方法具有較高的缺陷識別率,然而由于算法較為復(fù)雜,不利于水果外部品質(zhì)的在線檢測。同時水果屬于類球形生物體,故水果可以看成一個朗伯體,根據(jù)朗伯反射原理,球面上任意一點的亮度是與該點的法向量和該點與光源連線之間的夾角的余弦成正比,即I11=Lxcose,其中Id是反射光強度,込是入射光強度,因此在采集圖像時為了提高成像質(zhì)量,一般需要增加額外的光源,故水果表面會產(chǎn)生朗伯現(xiàn)象,因此所采集圖像形成中間亮邊緣暗的分布,水果邊緣的正常區(qū)域容易誤識別為缺陷區(qū)域。經(jīng)過對現(xiàn)有技術(shù)的檢索發(fā)現(xiàn),中國專利文獻號CN102788806A,
公開日2012-11-21,記載了一種基于類球形亮度變換的水果表面缺陷檢測方法,利用水果RGB圖像和NIR圖像,對比、計算出水果的缺陷的形狀、大小,但該技術(shù)的缺陷在于水果并不是嚴(yán)格球形,該專利利用所求二值圖像的外接矩形最大寬度Y來代替水果直徑,最大寬度的一半,即Y/2作為迭代次數(shù)的終止條件,因此對于圓形度較小的橢圓形水果,這種方法具有一定局限性;同時橢圓形水果長軸和短軸附近朗伯現(xiàn)象的程度差別很大,該專利根據(jù)二值圖像的邊緣像素的像素點個數(shù)M,將R分量圖像的邊緣的所有點的亮度之和除以像素點個數(shù)M獲得亮度平均值,然而對于橢圓狀水果長軸和短軸附近同一迭代次數(shù)而受不同光照影響的像素點進行亮度平均不是很合理,對缺陷識別也會有一定的影響。
發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足,提供一種水果表面缺陷檢測方法,相比現(xiàn)有技術(shù)在檢測水果,尤其是體積較小的旮旯果時具有較高的穩(wěn)定性和準(zhǔn)確性。本發(fā)明是通過以下技術(shù)方案實現(xiàn)的,本發(fā)明包括以下步驟:I)獲取水果的RGB圖像和NIR圖像;2)去除RGB圖像和NIR圖像的背景分別獲得只含有水果圖像的RGB前景圖像和NIR前景圖像;
3)將RGB前景圖像從RGB顏色空間圖像轉(zhuǎn)換為YCrCb顏色空間圖像,得到Y(jié)CrCb前景圖像;4)將YCrCb前景圖像中的Y分量圖像與NIR前景圖像進行比值計算,作為比值圖像;5)從比值圖像提取水果缺陷圖像。所述的步驟2)中使用掩膜圖像去除RGB圖像和NIR圖像的背景,掩膜圖像是指:選取NIR圖像的灰度直方圖中“兩峰一谷”的谷底灰度值作為分割閾值,使用該分隔閾值對NIR圖像進行二值化分割,所得出的掩模圖像。所述的步驟3)的轉(zhuǎn)換公式為:Y=0.299*R+0.587*G+0.114*B,Cr= (R-Y) *0.713+128,Cb= (B-Y) *0.564+128,其中:Y、Cr、Cb 分別為 YCrCb 顏色空間的三個分量,R、G、B分別為RGB顏色空間的三個分量。所述的步驟4)的比值計算的公式是:比值圖像=255*(NIR前景圖像/Y分量圖像)。所述的步驟5)的提取水果缺陷圖像的方法具體是指:單閾值分割比值圖像獲得缺陷圖像。
技術(shù)效果本發(fā)明對于檢測水果的表面缺陷具有很好的穩(wěn)定性、準(zhǔn)確性和快速性,有效避免了水果形狀、大小的影響;人臉識別中通過顏色空間轉(zhuǎn)換主要排除亮度的影響,把三維顏色空間轉(zhuǎn)換成二維CrCb空間,從而有效避免亮度對膚色檢測的影響,膚色會較好的類聚,但不能排除手臂等裸露膚色對人臉識別的影響,不通過不同顏色空間分量比算法處理而直接應(yīng)用于水果缺陷的識別效果也是較差的,本文所提算法有效克服了這個影響;相對于人工檢測而言,通過計算機算法自動識別水果缺陷,排除了人因疲勞和負面情緒帶來的精度、效率降低等問題,同時自動識別可以連續(xù)穩(wěn)定的工作,大大提高了工作效率,縮短檢測周期;通過對248個樣本進行缺陷檢測實驗,正確識別率為97%,并且該方法簡單,易于程序?qū)崿F(xiàn),在水果品質(zhì)在線檢測方面具有較大的應(yīng)用潛力。
圖1為本發(fā)明實施例1的方法流程圖;圖2為本發(fā)明實施例1的圖像處理過程圖;圖3為本發(fā)明實施例1的NIR圖像;圖4為本發(fā)明實施例1的RGB圖像;圖5為本發(fā)明實施例1的YCrCb圖像;圖6為圖5的Y分量圖像;圖7為本發(fā)明實施例1的比值圖像;圖8為本發(fā)明實施例1的缺陷圖像。
具體實施方式
下面對本發(fā)明的實施例作詳細說明,本實施例在以本發(fā)明技術(shù)方案為前提下進行實施,給出了詳細的實施方式和具體的操作過程,但本發(fā)明的保護范圍不限于下述的實施例。
實施例1本實施例包括以下步驟:I)以黑色、藍色或淡藍色的載物臺作為背景獲得RGB圖像和NIR圖像;2)使用掩膜圖像去除RGB圖像和NIR圖像的背景分別獲得只含有水果圖像的RGB前景圖像和NIR前景圖像:由于缺陷部分和正常水果表面的灰度值不同,因此所采集的NIR圖像的灰度直方圖呈現(xiàn)“兩峰一谷”的分布,正常表面灰度值較大,而水果缺陷部分灰度值較小,選取直方圖谷底的灰度值作為分割閾值,使用該分隔閾值對NIR圖像進行二值化分害IJ,得出的掩模圖像;3)將RGB前景圖像從RGB顏色空間圖像轉(zhuǎn)換為YCrCb顏色空間圖像,新圖像記為YCrCb前景圖像,具體轉(zhuǎn)換公式為:Y=0.299*R+0.587*G+0.114*B,Cr= (R-Y) *0.713+128,Cb= (B-Y) *0.564+128,其中:Y、Cr、Cb 分別為 YCrCb 顏色空間的三個分量,R、G、B分別為RGB顏色空間的三個分量;4)將YCrCb前景圖像的Y分量圖像與NIR前景圖像進行比值計算,得到比值圖像,比值計算的公式是:比值圖像=255* (NIR前景圖像/Y分量圖像);5)從比值圖像提取水果缺陷圖像,具體是指:單閾值分割比值圖像獲得缺陷圖像,單閾值設(shè)定為230。根據(jù)上述方法對水果進行缺陷檢測,與現(xiàn)有技術(shù)相比,不需要反復(fù)的訓(xùn)練實驗,大大縮短處理識別時間,且具有較高的穩(wěn)定性,通過對248個樣本進行缺陷檢測實驗,正確識別率為97%,算法較為簡單實用,易于程序?qū)崿F(xiàn),在水果外部品質(zhì)在線檢測中具有較強的應(yīng)用潛力。
權(quán)利要求
1.一種利用圖像處理實現(xiàn)水果表面缺陷檢測的方法,其特征在于,包括以下步驟: 1)獲取水果的RGB圖像和NIR圖像; 2)去除RGB圖像和NIR圖像的背景分別獲得只含有水果圖像的RGB前景圖像和NIR前景圖像; 3)將RGB前景圖像從RGB顏色空間圖像轉(zhuǎn)換為YCrCb顏色空間圖像,得到Y(jié)CrCb前景圖像; 4)將YCrCb前景圖像中的Y分量圖像與NIR前景圖像進行比值計算,作為比值圖像; 5)從比值圖像提取水果缺陷圖像。
2.根據(jù)權(quán)利要求1所述的方法,其特征是,所述的步驟2)中使用掩膜圖像去除RGB圖像和NIR圖像的背景,掩膜圖像是指:選取NIR圖像的灰度直方圖中“兩峰一谷”的谷底灰度值作為分割閾值,使用該分隔閾值對NIR圖像進行二值化分割,所得出的掩模圖像。
3.根據(jù)權(quán)利要求1所述的方法,其特征是,所述的步驟3)的轉(zhuǎn)換公式為:Y=0.299*R+0.587*G+0.114*B,Cr= (R-Y) *0.713+128,Cb= (B-Y) *0.564+128,其中:Y、Cr、Cb分別為YCrCb顏色空間的三個分量,R、G、B分別為RGB顏色空間的三個分量。
4.根據(jù)權(quán)利要求1所述的方法,其特征是,所述的步驟4)的比值計算的公式是:比值圖像=255* (NIR前景圖像/Y分量圖像)。
5.根據(jù)權(quán)利要求1所述的方法,其特征是,所述的步驟5)的提取水果缺陷圖像的方法具體是指:單閾值分割比值圖像獲得缺陷圖像。
6.根據(jù)權(quán)利要求5所述的方法,其特征是,所述的單閾值為230。
全文摘要
一種圖像處理技術(shù)領(lǐng)域的利用圖像處理實現(xiàn)水果表面缺陷檢測的方法,1)獲取RGB圖像和NIR圖像;2)去除RGB圖像和NIR圖像的背景分別獲得只含有水果圖像的RGB前景圖像和NIR前景圖像;3)將RGB前景圖像從RGB顏色空間圖像轉(zhuǎn)換為YCrCb顏色空間圖像,新圖像記為新空間圖像;4)將新空間圖像的Y分量圖像與NIR前景圖像進行比值計算,得到比值圖像;5)從比值圖像提取水果缺陷圖像。本發(fā)明對于檢測水果的表面缺陷具有很好的穩(wěn)定性、準(zhǔn)確性和快速性,有效避免了水果形狀、大小的影響。
文檔編號G01N21/88GK103149214SQ20131006131
公開日2013年6月12日 申請日期2013年2月27日 優(yōu)先權(quán)日2013年2月27日
發(fā)明者張保華, 劉成良, 趙春江, 貢亮, 李彥明, 黃丹楓 申請人:上海交通大學(xué)