[發明專利]一種用于梨外觀品質視覺分級方法及分級生產線

在審

• 申請號: 202110525021.5
• 申請日: 2021-05-14
• 公開（公告）號: CN113145492A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 楊澤青;張明軒;張文泊;李志蒙;胡寧;丁湘燕;段書用;薄敬東;劉麗冰;陳英姝
• 申請（專利權）人: 河北工業大學
• 主分類號: B07C5/34
• 分類號: B07C5/34;B07C5/342;B07C5/36
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 付長杰

1.一種用于梨外觀品質視覺分級方法，其特征在于，該方法包括以下內容；

獲取待分級水果梨的彩色圖像，得到樣本梨圖像，大量樣本梨圖像形成樣本梨圖像庫；

對樣本梨圖像進行處理提取梨外表面圖像，大量的梨外表面圖像組成梨外表面圖像數據庫；

獲取梨外表面圖像數據庫中梨外表面圖像的傅里葉描述子，以傅里葉描述子為輸入，以梨表面輪廓的實際評價為輸出，訓練人工神經網絡模型，獲得分類器1；

提取梨外表面圖像數據庫中梨外表面圖像的B、G和R三個分量，計算B、G和R三個分量矩陣的二階矩，得到3×1維的特征矩陣，以特征矩陣為輸入，以梨表面色澤的實際評價為輸出，訓練樸素貝葉斯模型，獲得分類器2；

對梨外表面圖像數據庫中的梨外表面圖像進行亮度校正，獲得樣本梨的亮度校正圖像，大量的亮度校正圖像形成亮度校正圖像庫；

對亮度校正圖像庫中的亮度校正圖像進行分割處理后獲得樣本梨的缺陷圖像，大量的樣本梨的缺陷圖像形成缺陷圖像庫；

提取缺陷圖像庫中缺陷圖像的Hu不變矩、傅里葉描述子、灰度共生矩，將這三種特征作為輸入，以缺陷的實際種類作為輸出，訓練另一個人工神經網絡，獲得分類器3；同時計算每個缺陷圖像中表面缺陷的面積；

將分類器1的結果、分類器2的結果、分類器3所有缺陷種類個數依次形成一個決策向量，設分類器3所有缺陷種類個數為x，則決策向量的長度為x+2；在決策向量中，缺陷種類個數所對應的位置填入的是該樣本確定的缺陷種類所對應的樣本梨的表面缺陷的面積，其余缺陷種類位置填入0；以決策向量為輸入，以按照國家標準對樣本梨的實際級別作為輸出，訓練決策樹，獲得分類器4；

利用訓練好的分類器1、分類器2、分類器3及分類器4實現對梨外觀品質的分級。

2.根據權利要求1所述的分級方法，其特征在于，所述對樣本梨圖像進行處理提取梨外表面圖像的過程是：對樣本梨圖像進行灰度變換得到原圖像的灰度圖，之后使用大津法(OTSU)自動選取合適的閾值對灰度圖進行二值化THRESH_BINARY處理，使圖像中灰度小于閾值部分的像素被置為0，大于的部分像素被置于255，處理后的圖像，背景灰度值為0，前景灰度值為255，得到能分離樣本梨表面的掩膜；之后對掩膜進行腐蝕、膨脹、開運算和閉運算，再之后將掩膜與原圖像相乘，提取梨外表面的圖像。

3.根據權利要求1所述的分級方法，其特征在于，梨外表面圖像的傅里葉描述子的計算過程是：

對梨外表面圖像數據庫中的梨外表面圖像提取輪廓，設梨外表面的輪廓是一個有K個點的數字邊界，則從邊界的任意一點(x₀,y₀)開始，以逆時針方向在該邊界上行進，會遇到坐標對(x₁,y₁),(x₂,y₂),…,(x_K-1,y_K-1)，將這些坐標表示為x(k)＝x_k y(k)＝y_k的形式；在這種表示形式下，邊界表示為坐標序列s(k)＝[x(k),y(k)],k＝0,1,2…,K-1；

之后，將每個坐標對當作一個復數來處理，得：

s(k)＝x(k)+jy(k),k＝0,1,2…,K-1

這樣將x軸作為復數序列的實軸，y軸作為復數序列的虛軸，將二維數據簡化為一維數據；將s(k)進行離散傅里葉變換(DFT)就得到輪廓的傅里葉描述子a(u)：

其中u為傅里葉變換后的各頻率點；

等分梨表面邊界，取其K等分點坐標對應的傅里葉描述子，組成一個K×1的矩陣。

4.根據權利要求1所述的分級方法，其特征在于，分類器1的標簽為梨表面輪廓的實際評價，形狀標準為0、形狀帶有微小缺陷為1和形狀帶有明顯缺陷為2；

分類器2的標簽為梨表面色澤的實際評價，色澤標準為0、色澤帶有微小偏差為1和色澤帶有明顯偏差為2；

分類器3的標簽為缺陷的實際種類，刺刮傷為0、碰壓傷為1、磨傷為2、果銹為3、日灼為4、雹傷為5、蟲傷為6、病害為7和蟲果為8；

分類器4的標簽為樣本梨的實際級別，優等梨為0、一等梨為1、二等梨為2和等級之外的梨為3。