[發(fā)明專利]基于機器視覺識別水果成熟度的方法

在審

• 申請?zhí)枺?/td>: 202010500666.9
• 申請日: 2020-06-04
• 公開（公告）號: CN111860125A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設(shè)計）人: 王麗娟;劉志剛;喜冠南;彭超華;焦玉全;鄒棟林;蔡銀杰;劉勇蘭;王潤宇;湯鈺;張明恩;劉忠飛
• 申請（專利權(quán)）人: 南通科技職業(yè)學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/38;G06K9/46;G06T5/00;G01N3/40;G01N21/27;G01N21/84
• 代理公司: 北京商專潤文專利代理事務(wù)所(普通合伙) 11317
• 代理人: 邢若蘭

1.一種基于機器視覺識別水果成熟度的方法，其特征在于，包括如下步驟：

確定水果的主色；

獲取水果的多張不同角度的照片，獲取每張照片中主色的顏色強度均值，合并計算多張照片的顏色強度均值；

計算水果的平均主色強度占比，并將同一水果的多張照片的顏色強度均值的平均值輸入成熟度預(yù)測模型，

根據(jù)對應(yīng)的成熟度等級規(guī)則，獲取對應(yīng)的成熟度等級。

2.根據(jù)權(quán)利要求1所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述主色的顏色強度均值的獲取方法包括如下步驟：

讀取水果的照片作為實驗圖像；

讀取背景圖像；

刪除實驗圖像中的背景圖像，得到處理圖像；

將處理圖像二值化得到二值化圖像；

填補二值化圖像；

尋找填補后的二值化圖像的圖形邊界；

取出填補后的二值化圖像的內(nèi)部邊界，并保存當前的圖像為內(nèi)部邊界圖像；

將實驗圖像按照RGB模型，提取出所有主顏色通道的顏色信息，保存當前圖像為實驗圖像主顏色通道圖像；

選擇內(nèi)部邊界圖像的所有背景區(qū)域的像素位置，然后將尋得的地址映射到實驗圖像主顏色通道圖像里面，將實驗圖像主顏色通道圖像的背景填充為黑色；

然后重構(gòu)內(nèi)部邊界圖像的顏色信息，提取出主顏色通道的顏色強度序列，并計算均值，即主色的顏色強度均值。

3.根據(jù)權(quán)利要求2所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述二值化處理時二值化閾值范圍為0.04-0.15。

4.根據(jù)權(quán)利要求2所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述二值化圖像與填補二值化圖像之間需要對二值化圖像進行中值濾波。

5.根據(jù)權(quán)利要求1所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述將同一水果的多張照片的顏色強度均值的平均值輸入成熟度預(yù)測模型，包括如下步驟：

提取水果的主色的顏色強度均值，并輸入成熟度預(yù)測模型；

得出蘋果的可溶性固形物含量，并輸出。

6.根據(jù)權(quán)利要求5所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述成熟度預(yù)測模型包括如下設(shè)置：

設(shè)置神經(jīng)元數(shù)目；

設(shè)置歐式距離；

建立前傳神經(jīng)網(wǎng)絡(luò)模型；

設(shè)置網(wǎng)絡(luò)的最大訓練步數(shù)和網(wǎng)絡(luò)訓練的容忍誤差；

執(zhí)行上述步驟，得到智能預(yù)測的神經(jīng)網(wǎng)絡(luò)模型；

將訓練得到的模型封裝。

7.根據(jù)權(quán)利要求1所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述計算水果的平均主色強度占比，包括算法如下：

Ra＝Rm/(Rm+Gm+Bm)。

8.根據(jù)權(quán)利要求7所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述成熟度等級規(guī)則包括如下：

獲取可溶性固形物含量，若可溶性固形物大于某一數(shù)值，則為成熟；

獲取平均主色強度占比Ra；

若0.45≤Ra≤0.5，則為三級成熟；

若0.5＜Ra≤0.55，則為二級成熟；

若0.55＜Ra≤0.6，則為一級成熟。

9.根據(jù)權(quán)利要求1所述的基于機器視覺識別水果成熟度的方法，其特征在于，所述步驟確定水果的主色之前，能用預(yù)篩選過熟水果的方法，包括如下步驟：

固定蘋果，使得相機(305)對準蘋果，蘋果的底部與硬度計(304)接觸；

硬度計(304)測定蘋果底部的硬度，并傳輸至電腦(1)，在電腦(1)中計算硬度均值Hn，能用于對水果成熟度的拍照進行水果的顏色強度檢測之前，對水果進行預(yù)篩選，節(jié)省時間成本和計算機的計算成本。