一種基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法
【專利摘要】本發(fā)明公開了一種基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法。以三個(gè)品種的梨為對(duì)象，采取合適的檢測(cè)手段，完成梨表面缺陷的檢測(cè)任務(wù)。包括將采集到的梨圖像進(jìn)行各種預(yù)處理操作，本方法是在二值化后采用形態(tài)學(xué)的濾波方法；首次將基于模板的去背景方法運(yùn)用在了梨上；利用去背景的梨I分量圖和采用簡(jiǎn)單的形態(tài)學(xué)相加方法進(jìn)行缺陷提取，過(guò)程中選用了Otsu分割閾值的方法進(jìn)行了二值化，但為了滿足自動(dòng)化包裝線的要求，本方法對(duì)其一次性進(jìn)行了調(diào)整。本方法適用在多種梨的缺陷提取上，具有通用性，并在自動(dòng)化生產(chǎn)包裝線上起到了“眼睛”的關(guān)鍵作用。
【專利說(shuō)明】一種基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種檢測(cè)水果品質(zhì)的方法，尤其涉及一種基于機(jī)器視覺(jué)的水果表面缺 陷的檢測(cè)方法。

【背景技術(shù)】
[0002] 中國(guó)是一個(gè)農(nóng)業(yè)大國(guó)，水果產(chǎn)量居世界之首，出口量所占的比例卻較少。其中一個(gè) 重要原因就是水果的采后檢測(cè)、分級(jí)技術(shù)落后，先進(jìn)有效分級(jí)系統(tǒng)沒(méi)有建立起來(lái)，使外銷水 果良蕎不齊。選不出規(guī)格一致的高品質(zhì)水果，在國(guó)際市場(chǎng)上缺乏競(jìng)爭(zhēng)力，上不了高檔貨架。
[0003] 造成這種局面的主要原因就是由于我國(guó)農(nóng)產(chǎn)品產(chǎn)后處理的水平太低。先進(jìn)國(guó)家 100%的水果均需經(jīng)過(guò)采后商品化處理（清洗、打蠟、分級(jí)、包裝）后投放市場(chǎng)，而我國(guó)僅 1%，嚴(yán)重影響了水果的外觀品質(zhì)。使得難以適應(yīng)市場(chǎng)競(jìng)爭(zhēng)的銷售形勢(shì)。加之分級(jí)不嚴(yán)格， 質(zhì)量無(wú)規(guī)格，包裝顯粗糙，使它的價(jià)值和競(jìng)爭(zhēng)力大為降低。應(yīng)用機(jī)器視覺(jué)代替人的視覺(jué)進(jìn)行 水果檢測(cè)的優(yōu)越性在于：首先它將人從繁重單調(diào)的勞動(dòng)中解放出來(lái)；其次能排除人的主觀 因素的干擾，并有足夠的應(yīng)變能力適應(yīng)水果品質(zhì)的變化；另外用機(jī)器視覺(jué)技術(shù)可一次性地 自動(dòng)完成水果形狀、尺寸、顏色、表面缺陷的檢測(cè)與判定。
[0004] 其次，水果品質(zhì)的檢測(cè)是水果流通和加工過(guò)程中的一個(gè)非常重要的環(huán)節(jié)，本課題 做的基于機(jī)器視覺(jué)的梨表面檢測(cè)，可以是自動(dòng)化包裝線的一個(gè)檢測(cè)環(huán)節(jié)，當(dāng)大量的梨從輸 送帶上運(yùn)過(guò)來(lái)時(shí)，通過(guò)攝像機(jī)拍攝梨的圖像，通過(guò)計(jì)算機(jī)進(jìn)行處理，分析，最后控制機(jī)械手 進(jìn)行操作，將不合格的梨去除掉，這樣保證了包裝線上梨的質(zhì)量；同樣這也適用于果園檢測(cè) 環(huán)節(jié)，我們用機(jī)械手進(jìn)行檢測(cè)水果時(shí)，機(jī)械手上的攝像機(jī)就可以拍攝水果的圖像，并且進(jìn)行 處理、分析，如果是壞梨，發(fā)出指令，讓機(jī)械手及時(shí)地將水果采摘掉，使得我們收獲到的梨幾 乎都是符合要求的水果，減輕了自動(dòng)化包裝線上的工作。所以本文研究基于機(jī)器視覺(jué)的梨 表面檢測(cè)是十分迫切的，其成果具有廣泛的應(yīng)用前景。
[0005] 梨的視覺(jué)缺陷檢測(cè)主要是針對(duì)梨圖像的I分量進(jìn)行處理，本發(fā)明的關(guān)鍵性技術(shù)是 自動(dòng)化實(shí)現(xiàn)三種梨的去背景和缺陷提取工作，二值化閾值的確定直接關(guān)系到本發(fā)明的可行 性和正確性。


【發(fā)明內(nèi)容】

[0006] (一）要解決的技術(shù)問(wèn)題
[0007] 本發(fā)明的目的是為了克服現(xiàn)有技術(shù)的不足，提供一種基于機(jī)器視覺(jué)的梨缺陷檢測(cè) 方法，該方法采用簡(jiǎn)單的形態(tài)學(xué)相加將缺陷進(jìn)行了正確地提取。
[0008] (二）技術(shù)方案
[0009] 針對(duì)以上問(wèn)題，本發(fā)明提出的基于機(jī)器視覺(jué)的梨缺陷檢測(cè)方法，包括以下步驟：
[0010] 1)設(shè)計(jì)選擇系統(tǒng)硬件，采集三種缺陷梨圖像；
[0011] 2)將步驟1)中取得的梨圖像進(jìn)行各種預(yù)處理操作，通過(guò)實(shí)驗(yàn)比較分析選擇適當(dāng) 的預(yù)處理方法，為后期圖像的處理做好準(zhǔn)備；
[0012] 3)將步驟2)所得圖像進(jìn)行去背景操作，通過(guò)生成一個(gè)二值化模板，與原圖像進(jìn)行 形態(tài)學(xué)相加即可得一個(gè)去背景的梨圖；
[0013] 4)將步驟3)所得圖像提取I分量，利用otsu分割閾值的方法生成一個(gè)二值圖像， 然后去邊緣生成缺陷（帶斑點(diǎn)）圖，緊接著利用形態(tài)學(xué)閉運(yùn)算進(jìn)行去噪處理，即將缺陷檢測(cè) 出來(lái)。
[0014] 優(yōu)選地，上述方案步驟2)預(yù)處理操作中對(duì)梨圖像進(jìn)行了加干擾操作，并用各個(gè)濾 波器分為各個(gè)濾波窗口進(jìn)行濾波實(shí)驗(yàn)研究，對(duì)比結(jié)果分析濾波器的濾波好壞，并做出選擇。
[0015] (三）有益效果
[0016] 本發(fā)明的基于機(jī)器視覺(jué)的梨表面缺陷的檢測(cè)方法能很好地運(yùn)用在三種梨上，實(shí)驗(yàn) 針對(duì)梨的各種缺陷進(jìn)行了提取，均取得了比較好的實(shí)驗(yàn)效果，具有通用性。對(duì)梨圖像采集的 光照、品種、縮放尺寸等因素都做了分析。將手動(dòng)閾值與otsu分割閾值進(jìn)行比較分析，對(duì)自 動(dòng)選取的閾值進(jìn)行適當(dāng)?shù)匚⒄{(diào)整后，能夠自動(dòng)地實(shí)現(xiàn)對(duì)梨缺陷的提取，滿足自動(dòng)化包裝檢 測(cè)線上的要求。進(jìn)行去背景和缺陷提取的方法也比較簡(jiǎn)單易實(shí)現(xiàn)。

【專利附圖】

【附圖說(shuō)明】
[0017] 圖1為本發(fā)明實(shí)施例1的三種（分別為碭山梨、皇冠梨、水晶梨）梨的灰度化處理 效果圖；
[0018] 圖2為對(duì)圖1中皇冠梨的彩色圖像的HSI各分量進(jìn)行直方圖的示意圖；
[0019] 圖3為本發(fā)明實(shí)施例1的對(duì)三種梨的灰度圖進(jìn)行線性變換的效果圖；
[0020] 圖4為本發(fā)明實(shí)施例1的對(duì)三種梨的灰度圖進(jìn)行直方圖均衡化的效果圖；
[0021] 圖5為本發(fā)明實(shí)施例1的對(duì)皇冠梨帶有椒鹽噪聲和帶有隨機(jī)噪聲的效果圖；
[0022] 圖6為本發(fā)明實(shí)施例2的基于模板法的去背景分割流程圖；
[0023] 圖7為本發(fā)明實(shí)施例2的對(duì)三種梨利用Canny算子進(jìn)行邊緣提取的效果圖；
[0024] 圖8為本發(fā)明實(shí)施例3的提取梨缺陷的流程圖；
[0025] 圖9為本發(fā)明實(shí)施例3的對(duì)三種梨進(jìn)行二值化后的效果圖；
[0026] 圖10為本發(fā)明實(shí)施例3的去邊緣缺陷圖；
[0027] 圖11為本發(fā)明實(shí)施例3的提取缺陷圖效果圖。

【具體實(shí)施方式】
[0028] 本發(fā)明提出的基于機(jī)器視覺(jué)的梨缺陷檢測(cè)方法結(jié)合附圖和實(shí)施例說(shuō)明如下，以下 實(shí)施方式僅用于說(shuō)明本發(fā)展，而并非對(duì)本發(fā)明的限制，本發(fā)明的專利保護(hù)范圍應(yīng)由各權(quán)利 要求限制。
[0029] 水果外部品質(zhì)檢測(cè)包括水果的大小、顏色、形狀和表面缺陷，國(guó)外從20世紀(jì)90年 代已經(jīng)開始研究基于機(jī)器視覺(jué)的水果分級(jí)系統(tǒng)，目前對(duì)于水果大小、顏色和形狀的檢測(cè)技 術(shù)已比較成熟，但對(duì)于果面缺陷的檢測(cè)和分級(jí)卻一直成為水果實(shí)時(shí)分級(jí)的最大障礙；國(guó)內(nèi) 對(duì)水果尺寸、形狀和顏色分級(jí)技術(shù)也已比較成熟，尤其是針對(duì)蘋果的研究比較多，但是對(duì)于 梨的檢測(cè)研究不足。梨是斑點(diǎn)果，對(duì)其表面缺陷的檢測(cè)帶來(lái)了一定的復(fù)雜性，許多針對(duì)蘋果 等無(wú)斑點(diǎn)的水果的研究方法不一定適合于梨的檢測(cè)。例如用于蘋果缺陷檢測(cè)的分水嶺分割 方法，這個(gè)只是針對(duì)蘋果的簡(jiǎn)單缺陷，對(duì)于斑點(diǎn)果的梨就不適用了，斑點(diǎn)在提取邊緣時(shí)會(huì)進(jìn) 行干擾，并且對(duì)于復(fù)雜的缺陷該方法也不適用。
[0030] 本發(fā)明以梨（皇冠梨、水晶梨、碭山梨）為研究對(duì)象，研究用何種算法能更加精確 地檢測(cè)出梨的表面缺陷，這一研究有利于提高我國(guó)的果品質(zhì)量，提高我國(guó)水果在國(guó)際市場(chǎng) 的競(jìng)爭(zhēng)力。
[0031] 在利用機(jī)器視覺(jué)提取梨的缺陷過(guò)程中，由于可能采集時(shí)的黑色背景不純，在進(jìn)行 閾值分割時(shí)背景會(huì)起到一定的干擾作用等情況，本發(fā)明首先對(duì)梨進(jìn)行了去背景操作，然后 在其基礎(chǔ)上再進(jìn)行缺陷的提取。
[0032] 對(duì)梨缺陷的正確提取主要分為3個(gè)實(shí)施例，如下：
[0033] 實(shí)施例1
[0034] 采集到的圖像首先要進(jìn)行一定的預(yù)處理操作，包括圖像的轉(zhuǎn)換和圖像增強(qiáng)。
[0035] 采集到的彩色梨圖像進(jìn)行圖像的轉(zhuǎn)換包括：灰度化和RGB-HSI顏色空間轉(zhuǎn)換。彩 色圖像，它包含的信息量大，可以提取本課題所需的大量圖像信息，從而達(dá)到缺陷識(shí)別的目 的。而灰度圖像包含的信息量少，不能夠真實(shí)的反映和描繪客觀現(xiàn)實(shí)，但正是由于這一特 點(diǎn)，使得灰度圖像占用存儲(chǔ)空間少，數(shù)字處理的計(jì)算量小，因此，在圖像處理的過(guò)程中，需要 將彩色圖像轉(zhuǎn)化為灰度圖以方便處理和提高檢測(cè)效率，如圖1所示，即為將三種梨分別進(jìn) 行灰度化后的效果圖。
[0036] 如圖2所示為對(duì)圖1中皇冠梨的彩色梨圖像的HSI各分量做直方圖，圖中a)代表 Η分量直方圖、b)代表S分量直方圖、c)代表I分量直方圖，從圖中可以發(fā)現(xiàn)I分量最能夠 體現(xiàn)采集到圖像的所有信息，且能很好地區(qū)分背景和缺陷。這就為后面提取缺陷提供了理 論基礎(chǔ)。I分量表示亮度，它由公式（1)給出
[0037]

【權(quán)利要求】
1. 一種基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法，包括三個(gè)品種的梨圖像的預(yù)處理分析方 法，梨的去背景和缺陷提取方法，缺陷、花萼、果梗的區(qū)分方法。
2. 根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法，其特征是預(yù)處理階段 將實(shí)域上的平滑方法進(jìn)行詳細(xì)的分析和實(shí)驗(yàn)，并對(duì)中值濾波進(jìn)行改進(jìn)，采用自適應(yīng)中值濾 波，在對(duì)比未進(jìn)行的灰度梨圖像后，由于差別不大在節(jié)約包裝線等檢測(cè)線上的時(shí)間即未運(yùn) 用濾波方法，而是在二值化后采用形態(tài)學(xué)的濾波方法。
3. 根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法，其特征是在去背景時(shí) 首次將基于模板法的分割方法應(yīng)用于梨的表面檢測(cè)。
4. 根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法，其特征是利用一種缺 陷提取方法實(shí)現(xiàn)三個(gè)品梨的表面缺陷提取，具有通用性。
5. 基于機(jī)器視覺(jué)的梨表面缺陷檢測(cè)方法，利用去背景的梨I分量圖進(jìn)行缺陷提取。其 特征是： 1) 將otsu分割方法與手動(dòng)選取閾值方法進(jìn)行實(shí)驗(yàn)比較，選定otsu分割的閾值，使其滿 足在線實(shí)時(shí)分割； 2) 缺陷提取時(shí)將I分量圖進(jìn)行otsu閾值分割，生成一幅二值圖像，將此圖像進(jìn)行形態(tài) 學(xué)閉運(yùn)算，可獲得一幅帶缺陷、斑點(diǎn)和邊緣的二值圖像，再將此圖像與邊緣膨脹圖（在獲得 模板前的二值圖基礎(chǔ)上利用canny算子提取邊緣并膨脹）形態(tài)學(xué)相加即獲得缺陷二值圖 像，最后將此圖像與原圖形態(tài)學(xué)相加即得彩色缺陷圖。
【文檔編號(hào)】G01N21/88GK104215639SQ201310219149
【公開日】2014年12月17日 申請(qǐng)日期:2013年6月5日 優(yōu)先權(quán)日:2013年6月5日
【發(fā)明者】化春鍵, 周海英, 方程駿 申請(qǐng)人:江南大學(xué)