一種基于Android手機的蔬菜葉片新鮮度檢測裝置及方法
【專利摘要】本發(fā)明公開了一種基于Android手機的蔬菜葉片新鮮度檢測裝置及方法，包括不透光的外殼，外殼內(nèi)部設有透明的載物臺和LED燈，載物臺邊緣固定在所述外殼內(nèi)壁上，所述LED燈對稱地設置在所述載物臺的上方和下方、且固定在所述外殼內(nèi)壁上；外殼的頂面能夠打開；所述外殼頂面上設有拍攝孔和固定裝置；所述固定裝置能夠固定手機，所述手機攝像頭與所述拍攝孔對準；手機通過安裝APP實現(xiàn)蔬菜葉片新鮮度檢測。將蔬菜放到載物臺上，通過手機APP采集到蔬菜圖像后進行灰度化、去噪和分割處理，然后提取特征并代入水分預測模型，進而得出蔬菜含水率，判斷新鮮度。本發(fā)明可以使用戶隨時隨地對蔬菜葉片新鮮度進行判斷，操作簡單，方便快捷，實時性強,可以普及到每一位Android用戶。
【專利說明】
一種基于And ro i d手機的蔬菜葉片新鮮度檢測裝置及方法
技術領域
[0001]本發(fā)明涉及的是一種圖像處理領域的技術，具體是一種基于Android手機的蔬菜 葉片新鮮度檢測裝置及方法。
【背景技術】
[0002] 新鮮蔬菜葉片含有大量葉綠素和水分，能夠進行正常的新陳代謝。但隨著葉片水 分的缺失，細胞各項生命活動停滯，葉片就會變黃，萎蔫，干枯。因而水分含量是判別蔬菜新 鮮度的重要標志，為了較準確地判斷采摘后的蔬菜葉片是否新鮮。目前，已有大量國內(nèi)外學 者利用圖像處理技術對葉片水分開展了深入研究，但采集與處理設備大多基于數(shù)碼相機和 計算機，缺乏便攜性和實時性，難于實際推廣。近幾年來智能手機已經(jīng)普及至千家萬戶，采 用Android手機進行蔬菜葉片新鮮度檢測，方便快捷，實時性強，為蔬菜新鮮度的高效診斷 提供了新的解決方法和途徑。
[0003] 現(xiàn)有的檢測植物葉片水分的方法主要集中在光譜法和圖像法，孫俊等利用高光譜 圖像技術對生菜葉片水分含量進行預測研究；毛罕平等利用偏最小二乘-人工神經(jīng)網(wǎng)絡回 歸分析法建立了葉片干基含水率的定量分析模型;戴之祥利用水稻植株可見光圖像顏色的 差異性檢測水稻植株的含水率;高洪燕利用偏最小二乘-神經(jīng)網(wǎng)絡回歸建立了番茄冠氣溫 差模型和水分脅迫指數(shù)模型。然而這些方法在采集圖像時基本采用光譜儀或數(shù)碼相機，最 終需要在PC平臺上進行圖像處理，缺乏便攜性，實時性較差，很難實際推廣。
[0004] 隨著社會和科學技術的不斷發(fā)展，科學技術各領域都朝著智能、便攜、良好用戶交 互、快速響應能力的方向發(fā)展。移動智能設備具有更好的便攜性和更廣泛的普及性，不但完 全具備運行植物葉片含水率檢測系統(tǒng)所需的軟硬件條件，而且可以隨時隨地進行檢測。自 2007年Google宣布基于Linux平臺的開源移動手機平臺--Android誕生以來，Android系 統(tǒng)迅猛發(fā)展，2013年5月16日，在1/0大會上，谷歌推出了新的Android開發(fā)環(huán)境--Android studio，取代傳統(tǒng)的Eclipse用于Android開發(fā)，這就意味著Android studio將成為一種趨 勢。截止2015年，Android系統(tǒng)用戶總數(shù)已達到14億。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明針對上述現(xiàn)有技術存在的不足，提出一種基于Android手機的蔬菜葉片新 鮮度檢測系統(tǒng)及檢測方法。采用如下技術方案：
[0006] 一種基于Android手機的蔬菜葉片新鮮度檢測裝置，包括不透光的外殼;所述外殼 內(nèi)部設有透明的載物臺和LED燈，所述載物臺邊緣固定在所述外殼內(nèi)壁上，所述LED燈設置 在所述載物臺的上方和下方、且固定在所述外殼內(nèi)壁上;所述外殼的頂面能夠打開;所述外 殼頂面上設有拍攝孔和固定裝置;所述固定裝置能夠固定手機，所述手機攝像頭與所述拍 攝孔對準;所述手機通過安裝APP實現(xiàn)蔬菜葉片新鮮度檢測。
[0007] 進一步優(yōu)選，所述載物臺中心位置上設有葉片擺放框;在所述外殼頂面閉合時，所 述拍攝孔正對所述葉片擺放框。
[0008] 進一步優(yōu)選，所述載物臺平面與所述外殼的頂面和底面平行。
[0009] 進一步優(yōu)選，所述LED燈的個數(shù)為4個、并且關于所述葉片擺放框呈中心對稱布置。
[0010] 進一步優(yōu)選，所述固定裝置包括固定在所述外殼頂面的長方塊以及通過推動桿與 所述長方塊兩側(cè)相連的夾塊;所述推動桿一端與所述夾塊固定，所述推動桿另一端能夠在 所述長方塊內(nèi)部做伸縮運動。
[0011] 進一步優(yōu)選，所述外殼上還設有開關和把手，所述開關用于控制所述LED燈，所述 把手位于外殼頂面。
[0012] 基于上述檢測裝置，本發(fā)明還提出了一種基于Android手機的蔬菜葉片新鮮度檢 測方法，在Android手機安裝APP，通過APP實現(xiàn)蔬菜葉片新鮮度的自動檢測，具體包括如下 步驟：
[0013] 步驟1，圖像獲取:利用所述檢測裝置獲取蔬菜葉片圖像；
[0014] 步驟2,圖像處理:利用APP的圖像處理程序?qū)κ卟巳~片圖像進行灰度化、去噪、分 割處理；
[0015] 步驟3,特征提取:采用灰度共生矩陣對處理后的蔬菜圖像提取特征，所述特征包 括能量、灰度均值、相關性、慣性、灰度熵、逆差距、灰度均方差；
[0016] 步驟4，數(shù)據(jù)分析:采用多元線性回歸方法建立含水率與所述特征之間的預測模型 y = C+aixi+a2X2+a3X3+."+anXn，其中n = 7，xi，X2，."Xn表不特征值，ai，a2，."an表不系數(shù)，C表不 常數(shù)項;利用所述預測模型計算出蔬菜葉片含水率，進而判斷蔬菜的新鮮度。
[0017] 進一步，所述步驟1的具體實現(xiàn)包括如下：
[0018] 步驟1.1，打開外殼的頂面蓋子，將待測蔬菜葉片放在葉片擺放框上，將手機固定 在固定裝置上并且使手機攝像頭對準外殼頂面的拍攝孔，蓋好頂面蓋子使整個外殼密閉；
[0019] 步驟1.2，打開開關，點亮LED燈;操作手機APP，自動調(diào)用手機攝像頭拍照，并將圖 像顯示在手機屏幕上。
[0020] 進一步，所述步驟2中所述灰度化采用加權(quán)平均值法，Gray = R*0.30+G*0.59+B* 〇. 11;所述去噪采用領域均值濾波法，創(chuàng)建imageSmooth()方法、利用濾波窗口 SmoothTemp ={{0，1，0}，{1，0，1}，{0，1，0}}取圖像中每個像素的鄰域，以鄰域中所有像素的灰度均值 作為該點的灰度，實現(xiàn)圖像平滑去噪；所述分割采用快速迭代的二維OTSU方法，在 thr esho I d_type 中使用參數(shù) CV_THRESH_0TSU 〇
[0021] 進一步，所述步驟4還包括:將所述預測模型的系數(shù)ai，a2,~an事先通過實驗標定 出來，進行建模，具體包括：
[0022]步驟4.1，將新鮮剛采摘下來的若干蔬菜葉片放入保鮮袋中，每一個葉片單獨使用 一個保鮮袋存放，帶回實驗室；
[0023]步驟4.2,利用高精度天平稱出每一個葉片的鮮重，并一一記錄下來，利用所述檢 測裝置獲取葉片圖像并對圖像處理、提取特征信息；
[0024]步驟4.3,每隔6個小時稱一次葉片的重量、拍照獲取圖像，對圖像處理并提取特征 信息，其他時間，葉片在常溫室內(nèi)環(huán)境下蒸發(fā)；
[0025]步驟4.4,重復上述步驟4.3,直到葉片明顯枯黃不能食用時，將葉片放入烘箱中烘 干，直至葉片水分不再減少，稱取葉片干重；
[0026] 步驟4.5,利用葉片濕基含水率計算公式得到葉片含水率值，結(jié)合步驟4.2至步驟 4.3提取的圖像特征信息，代入預測模型求出系數(shù) [0027]本發(fā)明的有益效果：
[0028] 1、本發(fā)明可以使用戶隨時隨地對蔬菜葉片新鮮度進行判斷，使用時只需將待測葉 片放在葉片擺放框上，蓋上蓋子，然后通過手機APP的按鈕就能獲得葉片含水率信息。操作 簡單，方便快捷，實時性強，可以普及到每一位Andro i d用戶。
[0029] 2、裝置的外殼采用不透光的封閉式結(jié)構(gòu)，能夠完全屏蔽外界光源的干擾。
[0030] 3、通過對稱布置的四個LED和透明的載物臺，為圖像拍攝提供穩(wěn)定均勻的光源環(huán) 境。
【附圖說明】
[0031 ]圖1為本發(fā)明的拍攝裝置示意圖；
[0032]圖2為本發(fā)明的拍攝裝置翻蓋后示意圖；
[0033]圖3為本發(fā)明的拍攝裝置俯視圖；
[0034]圖4為本發(fā)明的手機固定架示意圖；
[0035]圖5為本發(fā)明的軟件框架示意圖；
[0036]圖6為本發(fā)明的系統(tǒng)流程圖；
[0037]圖7為本發(fā)明的建模流程圖；
[0038]圖8是拍攝孔的結(jié)構(gòu)圖。
[0039] 圖中標記：
[0040] 1-外殼，2-把手，3-LED，4-拍攝孔，5-夾塊，6-長方塊，7-推動桿，8-載物臺，9-葉片 擺放框，10-開關。
【具體實施方式】
[0041 ]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進行進一步詳細說明，但本發(fā)明的實施方式并不局限于此。
[0042]如圖1、圖2所示，本發(fā)明的基于Android手機的蔬菜葉片新鮮度檢測裝置，該裝置 主要由以下部件組成，下面對這些部件詳細說明：
[0043] 長方體外殼1:所述外殼1采用不透光的封閉式結(jié)構(gòu)，能夠完全屏蔽外界光源的干 擾，嚴格控制拍攝出來的圖像，起到統(tǒng)一光源環(huán)境的作用。
[0044] 外殼的頂面上蓋是可以打開的，頂面上設有把手2、拍攝孔4和固定裝置，拉動把手 2可以很方便的打開頂面上蓋;如圖4所示，所述固定裝置包括:長方塊6以及通過推動桿7與 所述長方塊6兩側(cè)相連的夾塊5;所述推動桿7-端與所述夾塊5固定，所述推動桿7另一端能 夠在所述長方塊6內(nèi)部做伸縮運動;長方塊6采用超薄材質(zhì)做成，這樣可以忽略厚度對手機 拍攝時的影響，所述長方塊6、所述夾塊5以及所述推動桿7是一體化裝置，將長方塊6固定在 外殼1頂面上;手機被固定在所述固定裝置時，保證手機攝像頭對準所述拍攝孔4;拍攝孔4 是用來固定手機攝像頭位置的，為了使手機拍攝時不受材質(zhì)厚度的影響，拍攝孔4的內(nèi)孔略 大于外孔(所述內(nèi)孔是對準載物臺的，所述外孔是對準手機攝像頭的，如圖8所示），由于不 同手機攝像頭位置一般不同，在拍攝前需要先將手機攝像頭對準拍攝孔4,這樣才能保證拍 攝出來的圖像角度一致。
[0045]外殼內(nèi)部設有載物臺8,所述載物臺8邊緣固定在所述外殼內(nèi)壁上，所述載物臺平 面與所述外殼1的頂面和底面平行，所述載物臺8中心位置上設有葉片擺放框9，在所述外殼 頂面閉合時，所述拍攝孔4正對所述葉片擺放框9的中心；如圖3所示。設計葉片擺放框能夠 保證拍攝圖像時攝像頭正對葉片圖像，放置葉片樣本時只需打開外殼的頂面上蓋，將樣本 平整地放置在葉片擺放框13中，操作簡單方便。
[0046]外殼內(nèi)部還設有LED發(fā)光二極管，共四個，四個LED發(fā)光二極管兩兩相互對齊，成立 方形擺放，并且關于所述葉片擺放框呈中心對稱布置;所述LED3為圖像拍攝提供穩(wěn)定均勻 的光源環(huán)境。LED發(fā)光二極管具有體積小、工作電壓低、工作電流小、發(fā)光均勻穩(wěn)定、響應速 度快、壽命長等優(yōu)點，而且可采用蓄電池供電，因而本發(fā)明采用LED發(fā)光二極管作為圖像拍 攝光源。
[0047]所述載物臺8為透明的，這樣可以不影響LED光源的照射。
[0048]外殼的外部殼體上設有開關10,所述開關10是用來控制LED發(fā)光二極管的。
[0049]本發(fā)明的檢測裝置還包括安裝有APP程序的Android手機，通過APP程序來實現(xiàn)蔬 菜葉片新鮮度的自動檢測。通用An droid開發(fā)環(huán)境的搭建:在Windows操作系統(tǒng)下建立Java JDK+Android SDK+Android studio的通用開發(fā)環(huán)境，取代傳統(tǒng)的Eclipse，米用Android Studio用于Android開發(fā)。在VC++環(huán)境中建立OpenCV項目，采用C/C++語言編寫圖像處理程 序，通過Android studio中的JNI接口調(diào)用本地已經(jīng)編譯好的圖像處理程序，和Java程序一 起打包成apk文件，最終在Android手機安裝apk文件實現(xiàn)。
[0050] 如圖5、圖6和如圖7所示，所示，安裝在Android手機上的APP程序包括四個模塊：圖 像獲取模塊、圖像處理模塊、特征提取模塊、數(shù)據(jù)分析模塊;其中圖像處理模塊和特征提取 模塊主要是采用C/C++語言編寫程序，在VC++環(huán)境中建立OpenCV項目，并將運行好的圖像處 理程序運用到Android studio中；數(shù)據(jù)分析模塊主要將圖像處理后提取出來的特征參數(shù)帶 入到水分預測模型中，得出不同葉片的含水率值，進而判斷葉片是否新鮮。下面分別詳細介 紹：
[0051] 圖像獲取模塊:點擊獲取圖像按鈕，圖像獲取模塊會自動調(diào)用手機攝像頭拍照，并 添加自動對焦功能，對焦成功后拍下的圖像會顯示在手機屏幕上。
[0052] 圖像處理模塊：圖像處理模塊主要包括圖像的灰度化、去噪、分割等操作。灰度化 是將彩色圖像轉(zhuǎn)化成灰度圖像，灰度化可以增大圖像的動態(tài)范圍，使對比度擴展，圖像清晰 度增強，特征更加明顯，更加有利于圖像的后期操作;灰度化采用加權(quán)平均值法，加權(quán)平均 值法是根據(jù)人眼對綠色敏感度最高，紅色次之，藍色最低得到的最合理的灰度圖像。利用數(shù) 字圖像處理中的RGB圖像的R、G、B各個通道的像素值與灰度圖像像素值的轉(zhuǎn)換關系將彩色 圖像轉(zhuǎn)化成灰度圖像，公式為:Gray = R*0.30+G*0.59+B*0.11。去噪和分割是圖像處理的主 要組成部分，圖像在采集拍攝過程中會受到環(huán)境噪聲等因素的影響，導致圖像質(zhì)量下降，對 圖像進行去噪處理可以降低噪聲對識別結(jié)果的影響，去噪采用領域均值濾波法，創(chuàng)建 imageSmooth()方法、利用濾波窗口 SmoothTemp = {{0,1,0}，{1,0,1}，{0,1，0}}取圖像中每 個像素的鄰域，以鄰域中所有像素的灰度均值作為該點的灰度，從而實現(xiàn)圖像平滑去噪。圖 像分割是成功進行圖像分析和理解的關鍵，分割的目的是將圖像中的目標分為各個感興趣 的區(qū)域，與圖像中各種物體目標相對應，通過對分割結(jié)果的描述，可以理解圖像中包含的信 息，分割采用快速迭代的二維OTSU算法，在threshold_type中使用參數(shù)CV_THRESH_0TSU。尋 找最優(yōu)閾值向量(tO，可以大大節(jié)省計算時間，降低計算復雜度，并大幅減少了計算所需 要的存儲空間。
[0053]特征提取模塊:紋理特征是一種不依賴于顏色或亮度的物體表面所共有的內(nèi)在特 性，采用灰度共生矩陣提取圖像的紋理特征，主要通過計算能量、灰度均值、相關性、慣性、 灰度熵、逆差距、灰度均方差七個值來體現(xiàn)。灰度共生矩陣具有較好的鑒別和適應能力，能 夠較好地描述亮度分布的統(tǒng)計特征和像素位置的分布特征，對于描述葉片失水過程中葉片 粗糙、皺縮程度、溝紋明顯程度等方面的變化具有較強的適用性。
[0054]數(shù)據(jù)分析模塊:采用多元線性回歸方法建立含水率與特征值之間的預測模型，不 同種類的蔬菜需要建立不同的預測模型；多元線性回歸(MLR)是以若干變量的觀測數(shù)據(jù)為 出發(fā)點，通過對這種數(shù)據(jù)結(jié)構(gòu)的分析研究，尋找變量間存在的依賴關系，這種方法比單一自 變量預測或估計更加有效。用戶拍攝好葉片圖像后，系統(tǒng)經(jīng)過上述一系列圖像處理操作，最 終將提取出來的特征值帶入到水分預測模型中得出含水率值，選擇蔬菜名稱類別，系統(tǒng)會 自動調(diào)用該類蔬菜水分預測模型進行數(shù)據(jù)分析，進而實現(xiàn)判斷蔬菜的新鮮度，并將結(jié)果顯 示在手機屏幕上;本發(fā)明主要用于分析生活中一些常見的蔬菜，如生菜、菠菜、青菜、白菜 等，為了使分析結(jié)果更加準確，不同的蔬菜需要建立不同的水分預測模型。
[0055] 基于上述檢測裝置，本發(fā)明提出了針對蔬菜葉片新鮮度的檢測方法，包括如下步 驟：
[0056] 步驟1，獲取蔬菜葉片圖像:利用所述檢測裝置獲取蔬菜葉片圖像;具體實現(xiàn)如下：
[0057] 步驟1.1，拉動把手打開外殼的頂面蓋子，將待測蔬菜葉片放在葉片擺放框上，將 手機攝像頭與拍攝孔對準后，翻開蓋子從另一面再次檢查手機攝像頭是否與拍攝孔對準， 確認無誤后，推動夾塊以固定手機位置，蓋好頂面蓋子使整個外殼密閉；
[0058]步驟1.2，打開開關，點亮LED燈;操作手機APP，點擊獲取圖像按鈕，自動調(diào)用手機 攝像頭拍照，并將拍攝的圖像顯示在手機屏幕上。
[0059]步驟2,對拍攝的圖像處理:利用APP的圖像處理程序?qū)κ卟巳~片圖像進行灰度化、 去噪、分割處理；
[0060] 步驟3,特征提取:采用灰度共生矩陣對處理后的蔬菜圖像提取特征，所述特征包 括能量、灰度均值、相關性、慣性、灰度熵、逆差距、灰度均方差；
[0061] 步驟4,數(shù)據(jù)分析:采用多元線性回歸方法建立含水率與所述特征之間的預測模型 y = C+aixi+a2X2+a3X3+- · -+anXn
[0062 ] 其中11 = 7，1102,111表示圖像特征，&1，&2，，"&11表示系數(shù)，〇表示常數(shù)項；
[0063] 利用所述預測模型計算出蔬菜葉片含水率，進而判斷蔬菜的新鮮度，并將結(jié)果顯 示在手機屏幕上。
[0064] 上述預測模型的系數(shù)&1，&2，一&"需要事先通過實驗標定出來，進行建模。以生菜為 例進行說明（其他蔬菜操作相同），材料:新鮮剛采摘下來的生菜葉片若干，設備：智能手機 (像素在500萬以上），操作系統(tǒng)Android4.0以上，高精度天平(分辨率為0.0 Olg的微量天平 測量儀），烘箱(電熱風機恒溫干燥箱），64位臺式機。具體包括如下步驟：
[0065] 步驟4.1，將新鮮剛采摘下來的若干生菜葉片放入保鮮袋中，每一個葉片單獨使用 一個保鮮袋存放，帶回實驗室；
[0066] 步驟4.2,利用高精度天平稱出每一個葉片的鮮重，并一一記錄下來，利用所述檢 測裝置獲取葉片圖像并對圖像處理、提取特征信息；
[0067]步驟4.3，拍攝時間分別為早上9點，下午3點，晚上9點，每隔6個小時稱一次葉片的 重量、拍照獲取圖像，對圖像處理并提取特征信息，其他時間，葉片在常溫室內(nèi)環(huán)境下蒸發(fā)； [0068]步驟4.4,重復上述步驟4.3,直到葉片明顯枯黃不能食用時，將葉片放入烘箱中烘 干，直至葉片水分不再減少，稱取葉片干重；
[0069] 步驟4.5,利用葉片濕基含水率計算公式得到葉片含水率值，結(jié)合步驟4.2至步驟 4.3提取的圖像特征信息，代入預測模型求出系數(shù)。含水率公式為：
[0070] 濕基含水率=鮮^ ^葉重Χ1ΘΟ% 鮮葉重
[0071] 上述實施例僅僅是本發(fā)明較佳的實施方式，本發(fā)明實施方式并不限于此，在不違 背實質(zhì)內(nèi)容和精神的前提下，本領域技術人員所作任何顯而易見的修改、改進或等同替換 等都將落入本發(fā)明的保護范圍。
【主權(quán)項】
1. 一種基于Android手機的蔬菜葉片新鮮度檢測裝置，其特征在于，包括不透光的外殼 (1);所述外殼（1)內(nèi)部設有透明的載物臺（8)和LED(3)，所述載物臺（8)邊緣固定在所述外 殼內(nèi)壁上，所述LED燈(3)設置在所述載物臺（8)的上方和下方、且固定在所述外殼內(nèi)壁上； 所述外殼（1)的頂面能夠打開;所述外殼頂面上設有拍攝孔(4)和固定裝置;所述固定裝置 能夠固定手機，所述手機攝像頭與所述拍攝孔(4)對準;所述手機通過安裝APP實現(xiàn)蔬菜葉 片新鮮度檢測。2. 根據(jù)權(quán)利要求1所述的一種基于Android手機的蔬菜葉片新鮮度檢測裝置，其特征在 于，所述載物臺（8)中心位置上設有葉片擺放框(9);在所述外殼頂面閉合時，所述拍攝孔 (4)正對所述葉片擺放框(9)。3. 根據(jù)權(quán)利要求2所述的一種基于Android手機的蔬菜葉片新鮮度檢測裝置，其特征在 于，所述載物臺平面與所述外殼的頂面和底面平行。4. 根據(jù)權(quán)利要求3所述的一種基于Android手機的蔬菜葉片新鮮度檢測裝置，其特征在 于，所述LED(3)的個數(shù)為4個、并且關于所述葉片擺放框(9)呈中心對稱布置。5. 根據(jù)權(quán)利要求1所述的一種基于Android手機的蔬菜葉片新鮮度檢測裝置，其特征在 于，所述固定裝置包括固定在所述外殼頂面的長方塊(6)以及通過推動桿(7)與所述長方塊 (6)兩側(cè)相連的夾塊(5);所述推動桿(7)-端與所述夾塊(5)固定，所述推動桿(7)另一端能 夠在所述長方塊(6)內(nèi)部做伸縮運動。6. 根據(jù)權(quán)利要求1所述的一種基于Android手機的蔬菜葉片新鮮度檢測裝置，其特征在 于，所述外殼（1)上還設有開關（10)和把手(2)，所述開關（10)用于控制所述LED(3)，所述把 手(2)位于外殼頂面。7. -種基于Android手機的蔬菜葉片新鮮度檢測方法，其特征在于，在Android手機安 裝APP，通過APP實現(xiàn)蔬菜葉片新鮮度的自動檢測，具體包括如下步驟： 步驟1，圖像獲取:利用所述檢測裝置獲取蔬菜葉片圖像； 步驟2,圖像處理:利用APP的圖像處理程序?qū)κ卟巳~片圖像進行灰度化、去噪、分割處 理； 步驟3,特征提取:采用灰度共生矩陣對處理后的蔬菜圖像提取特征，所述特征包括能 量、灰度均值、相關性、慣性、灰度熵、逆差距、灰度均方差； 步驟4,數(shù)據(jù)分析:采用多元線性回歸方法建立含水率與所述特征之間的預測模型y = C +aixi+a2X2+a3X3+...+anXn，其中η = 7，χι，Χ2, ·，·Χη表不特征值，ai，a2，...an表不系數(shù)，C表不常數(shù) 項;利用所述預測模型計算出蔬菜葉片含水率，進而判斷蔬菜的新鮮度。8. 根據(jù)權(quán)利要求7所述的一種基于Android手機的蔬菜葉片新鮮度檢測方法，其特征在 于，所述步驟1的具體實現(xiàn)包括如下： 步驟1.1，打開外殼（1)的頂面蓋子，將待測蔬菜葉片放在葉片擺放框(9)上，將手機固 定在固定裝置上并且使手機攝像頭對準外殼頂面的拍攝孔(4)，蓋好頂面蓋子使整個外殼 密閉； 步驟1.2,打開開關，點亮LED(3);操作手機APP，自動調(diào)用手機攝像頭拍照，并將圖像顯 示在手機屏幕上。9. 根據(jù)權(quán)利要求7所述的一種基于Android手機的蔬菜葉片新鮮度檢測方法，其特征在 于，所述步驟2中所述灰度化采用加權(quán)平均值法，Gray = R*0.30+G*0.59+B*0.11;所述去噪 采用領域均值濾波法，創(chuàng)建丨11^631]1〇〇1:11()方法、利用濾波窗口31]1〇〇1:1^11^1={{0，1，0}，{1， 0，1}，{0，1，0}}取圖像中每個像素的鄰域，以鄰域中所有像素的灰度均值作為該點的灰度， 實現(xiàn)圖像平滑去噪；所述分割采用快速迭代的二維OTSU方法，在threshold_type中使用參 數(shù)CV_THRESH_0TSU。10.根據(jù)權(quán)利要求7所述的一種基于Android手機的蔬菜葉片新鮮度檢測方法，其特征 在于，所述步驟4還包括:將所述預測模型的系數(shù)&1，&2，一&"事先通過實驗標定出來，進行建 模，具體包括： 步驟4.1，將新鮮剛采摘下來的若干蔬菜葉片放入保鮮袋中，每一個葉片單獨使用一個 保鮮袋存放，帶回實驗室； 步驟4.2,利用高精度天平稱出每一個葉片的鮮重，并一一記錄下來，利用所述檢測裝 置獲取葉片圖像并對圖像處理、提取特征信息； 步驟4.3,每隔6個小時稱一次葉片的重量、拍照獲取圖像，對圖像處理并提取特征信 息，其他時間，葉片在常溫室內(nèi)環(huán)境下蒸發(fā)； 步驟4.4,重復上述步驟4.3,直到葉片明顯枯黃不能食用時，將葉片放入烘箱中烘干， 直至葉片水分不再減少，稱取葉片干重； 步驟4.5，利用葉片濕基含水率計算公式得到葉片含水率值，結(jié)合步驟4.2至步驟4.3提 取的圖像特征信息，代入預測模型求出系數(shù)。
【文檔編號】G01N5/04GK105891112SQ201610194284
【公開日】2016年8月24日
【申請日】2016年3月31日
【發(fā)明人】孫俊, 宋佳, 楊寧, 武小紅, 毛罕平, 張曉東, 朱文靜, 馬長華
【申請人】江蘇大學