[發明專利]一種基于輪廓質心距離與神經網絡的玉米破碎粒檢測方法

有效

• 申請號: 201711479933.3
• 申請日: 2017-12-29
• 公開（公告）號: CN108230307B
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 饒秀勤;王怡田;應義斌;張小敏
• 申請（專利權）人: 浙江大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/12;G06T7/90;G06T7/66;G06N3/08
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

1.一種基于輪廓質心距離與神經網絡的玉米破碎粒檢測方法，其特征在于該方法的步驟如下：

1)獲取玉米籽粒圖像，以圖像的左上角點為原點，以圖像水平向右方向為x軸正方向，以圖像豎直向下方向為y軸正方向，建立直角坐標系；

2)對玉米籽粒圖像依次進行分段灰度變換、濾波、圖像分割和輪廓提取，繪制輪廓圖像E；

所述步驟2)具體是：

2.1)利用大津法對玉米籽粒圖像處理獲得初始閾值T；

2.2)構建以T/2為區間中心的感興趣灰度區間[T/6，5T/6]；

2.3)將玉米籽粒圖像的像素灰度值f(x_i，y_i)按以下公式進行分段灰度變換，得到變換后圖像的像素灰度值為g(x_i，y_i)：

其中，f(x_i，y_i)表示玉米籽粒圖像中像素點(x_i，y_i)的灰度值，g(x_i，y_i)表示分段灰度變換后的玉米籽粒圖像中像素點(x_i，y_i)的灰度值，γ表示曲線形狀參數，γ指定f(x_i，y_i)和g(x_i，y_i)關系的曲線形狀；

2.4)然后依次進行濾波、圖像分割處理獲得二值圖像I，對二值圖像I進行輪廓提取并繪制獲得輪廓圖像E；

3)掃描輪廓圖像E，構建直角坐標系下長度為n_s的玉米籽粒輪廓信息序列S；

4)計算輪廓質心O的坐標(x_o，y_o)；

5)建立極坐標系，將直角坐標系下的玉米籽粒輪廓信息序列S轉換為極坐標系下的玉米籽粒輪廓信息序列S_p；

6)根據極坐標系下的玉米籽粒輪廓信息序列S_p構建長度為360/Δθ的輪廓質心距離序列R，對輪廓質心距離序列R進行歸一化處理得到輪廓特征向量F；

所述步驟6)具體是：

6.1)極坐標系下的玉米籽粒輪廓信息序列S_p中，以任意一個極角作為起始角度θ₀，并將其存為輪廓質心距離序列R的第一個元素；

6.2)搜索極角和起始角度θ₀之間的差值|θ_j-θ₀|最小的輪廓點，將該輪廓點的極徑r_j存入輪廓質心距離序列R的末尾；

6.3)然后依次增加極角的角度Δθ；

6.4)重復上述步驟6.2)～6.3)不斷處理直至搜索完整一圈圓周，則完成輪廓質心距離序列R的構建；

6.5)然后按以下公式對輪廓質心距離序列R中每個輪廓點的極徑進行歸一化處理，得到輪廓特征向量F：

r_j′＝(l_max-l_min)×(r_j-r_min)/(r_max-r_min)+l_min

其中，r_max和r_min分別是輪廓質心距離序列R中所有輪廓點極徑的最大值和最小值，[l_min，l_max]是極徑映射范圍，l_max＝1，l_min＝-1，r_j′是歸一化后的輪廓點的極徑；

7)采集已知是否為玉米破碎粒的樣本玉米籽粒圖像，重復步驟1)至步驟6)獲得輪廓特征向量F，然后將N個樣本玉米籽粒圖像的輪廓特征向量F與圖像是否為玉米破碎粒的標簽一起輸入到BP神經網絡中進行訓練；

然后采集待測玉米籽粒圖像，重復步驟1)至步驟6)獲得輪廓特征向量F，將輪廓特征向量F輸入到訓練好的BP神經網絡中獲得是否為玉米破碎粒的檢測結果。

2.根據權利要求1所述的一種基于輪廓質心距離與神經網絡的玉米破碎粒檢測方法，其特征在于：所述的玉米籽粒圖像為玉米籽粒的胚面或胚乳面的正面拍攝圖像。