一種在線識別裂穎稻種的雙面分析方法
【專利摘要】本發(fā)明公開了一種在線識別裂穎稻種的雙面分析方法。利用黑白工業(yè)相機同步采集運動稻種的正面和背面圖像，利用圖像處理算法分別對正面圖像和背面圖像依次進行圖像處理和裂穎特征提取，通過對正面圖像和背面圖像中的特征進行檢測識別，最后綜合雙面圖像的分析結(jié)果進行篩選剔除，獲得裂穎稻種的檢測結(jié)果。本發(fā)明同步獲取稻種的兩面圖像，并采用多線程進行圖像處理和工程實現(xiàn)，能夠以更高的精度和效率識別和處理裂穎稻種。
【專利說明】
-種在線識別裂穎稻種的雙面分析方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及機器視覺技術(shù)領(lǐng)域，尤其設(shè)及一種在線識別裂穎稻種的雙面分析方 法。
【背景技術(shù)】
[0002] 雜交水稻稻種中常存在內(nèi)外穎不完全閉合的裂穎缺陷，造成稻種的活力和發(fā)芽率 降低，而現(xiàn)有風(fēng)選處理手段無法自動分選。利用機器視覺技術(shù)檢測種子質(zhì)量的研究，包括專 利CN200710067204.7、CN201110122572.3、CN200410078033.4、CN200910148225.0、 CN201010237646.3等，均采用單面檢測或非同步采集雙面圖像，而稻種姿態(tài)無法固定，裂穎 可能呈現(xiàn)在不同面，已有技術(shù)無法實現(xiàn)同步采集同一稻種的雙面圖像進行裂穎稻種在線雙 面分析。

【發(fā)明內(nèi)容】

[0003] 為解決現(xiàn)有技術(shù)存在的上述問題，本發(fā)明提供了一種在線識別裂穎稻種的雙面分 析方法。
[0004] 本發(fā)明采用的技術(shù)方案是：
[0005] 1)利用黑白工業(yè)相機同步采集運動稻種的正面和背面圖像；
[0006] 2)利用圖像處理算法分別對正面圖像和背面圖像依次進行圖像處理和裂穎特征 提??；
[0007] 3)通過對正面圖像和背面圖像中的特征進行檢測識別，最后綜合雙面圖像的分析 結(jié)果進行篩選剔除，獲得裂穎稻種的檢測結(jié)果。
[0008] 所述步驟3)具體是:對正面圖像和背面圖像分別進行霍夫直線檢測，結(jié)合線的數(shù) 量判定是裂穎稻種還是正常稻種:如果線的數(shù)量小于或者等于1，則為正常稻種;如果線的 數(shù)量等于2，則再將兩條直線中點的y坐標(biāo)之差在偏差闊值內(nèi)，則為是正常稻種;如果線的數(shù) 量大于或者等于3,則為裂穎稻種;雙面圖像均檢測后，正面圖像和背面圖像的檢測結(jié)果相 同，則保留其檢測結(jié)果;正面圖像和背面圖像的檢測結(jié)果不同，則認(rèn)為該稻種為裂穎稻種
[0009] 所述的圖像處理是包括去除圖像背景，再通過旋轉(zhuǎn)和平移將運動稻種置于圖像中 屯、。
[0010] 所述的圖像處理具體是:使用大津法對圖像進行闊值分割，再尋找最大面積連通 域，即為稻種區(qū)域，用白色來填充最大面積連通域，將其他區(qū)域作為背景區(qū)域并將其像素值 置為0,最后利用中值濾波（3*3)去除圖像噪聲點；利用cvMinAreaRect2函數(shù)來獲取白色填 充區(qū)域的最小外接矩形，根據(jù)最小外接矩形中長邊和水平坐標(biāo)軸的夾角α與旋轉(zhuǎn)角度β之間 函數(shù)關(guān)系，將稻種長軸W其外接矩形中屯、為中屯、旋轉(zhuǎn)至水平方向，其余部分用像素值為0進 行填充，然后采用邊緣檢測算子進行檢測獲得輪廓邊緣特征，并去除。
[0011] 所述的裂穎特征提取具體包括提取運動稻種的邊緣特征，去除運動稻種的輪廓， 獲得運動稻種的中間邊緣特征。
[0012] 所述步驟1)采用雙相機對射方式同時獲取運動中同一稻種的雙面清晰圖像。
[0013] 所述步驟2)過程和步驟3)中的檢測識別過程采用多線程分別進行圖像處理。
[0014] 本發(fā)明的圖像坐標(biāo)系是W圖像豎直向下為y軸正方向，W圖像水平向右為X軸正方 向。
[0015] 與現(xiàn)有種子質(zhì)量檢測技術(shù)相比，本發(fā)明具有的有益效果為：
[0016] 同步獲取稻種的正反兩面圖像，有效地減少了稻種表面信息的盲區(qū)和異步采集的 對象誤差，識別精度高;多線程圖像處理和利用工程代碼開發(fā)的軟件，實現(xiàn)大批量在線識別 裂穎稻種，效率高。
【附圖說明】
[0017] 圖1是本發(fā)明方法的一種實施例流程圖。
[001引圖2是正常稻種圖像。
[0019]圖3是裂穎稻種圖像。
[0020] 圖4是去除邊框后正常稻種圖像。
[0021] 圖5是去除邊框后裂穎稻種圖像。
[0022] 圖6是正常稻種二值化圖像。
[0023] 圖7是裂穎稻種二值化圖像。
[0024] 圖8是去除背景后正常稻種圖像。
[0025] 圖9是去除背景后裂穎稻種圖像。
[0026] 圖10是正常稻種外接矩形頂點圖。
[0027] 圖11是裂穎稻種外接矩形頂點圖。
[0028] 圖12是旋轉(zhuǎn)后正常稻種二值圖。
[0029] 圖13是旋轉(zhuǎn)后裂穎稻種二值圖。
[0030] 圖14是旋轉(zhuǎn)后正常稻種圖像。
[0031] 圖15是旋轉(zhuǎn)后裂穎稻種圖像。
[0032] 圖16是正常稻種邊緣檢測二值圖。
[0033] 圖17是裂穎稻種邊緣檢測二值圖。
[0034] 圖18是去除輪廓后正常稻種邊緣二值圖。
[0035] 圖19是去除輪廓后裂穎稻種邊緣二值圖。
[0036] 圖20是檢測為正常稻種圖像。
[0037] 圖21是檢測為裂穎稻種圖像。
[0038] 圖22是線段數(shù)量為1的正常稻種圖像。
[0039] 圖23是線段數(shù)量為2的正常稻種圖像。
【具體實施方式】
[0040] 下面結(jié)合附圖及具體實施例對本發(fā)明作進一步詳細(xì)說明。
[0041] 本發(fā)明的實施例如下，如圖1所示包括W下步驟：
[0042] S1、利用黑白工業(yè)相機同步采集運動稻種的正面和背面圖像，并分別將其保存至 對應(yīng)的數(shù)據(jù)緩存區(qū)。數(shù)據(jù)緩存區(qū)A和數(shù)據(jù)緩存區(qū)B都是大小與相機相匹配顏色位深為8位的 一帖圖像數(shù)據(jù)容量。
[0043] S2、監(jiān)聽數(shù)據(jù)緩存區(qū)，查看數(shù)據(jù)緩存區(qū)A或B是否被填滿，任一緩存區(qū)被填滿則開啟 兩個線程。數(shù)據(jù)緩存區(qū)A被填滿使用一條線程處理稻種正面圖像，數(shù)據(jù)緩存區(qū)B被填滿使用 另一條線程處理稻種背面圖像。
[0044] S3、在各自的線程中，進行圖像處理和裂穎特征提取，之后進行霍夫直線檢測并結(jié) 合線的數(shù)量判定是裂穎稻種還是正常稻種，分別得到各自的分析結(jié)果。具體處理過程如下：
[0045] 采集到的正常稻種圖像如圖2所示，裂穎稻種如圖3所示，首先去除圖像上下邊框 的影響，即將圖像縱向坐標(biāo)方向0~116,605~640行的所有點的像素值都置為0,分別得到 圖4和圖5。
[0046] 使用大津法對圖4和圖5進行闊值分割，再尋找最大面積連通域，即為稻種區(qū)域，用 白色來填充最大面積連通域，最后利用中值濾波(3*3)去除圖像噪聲點，得到圖6和圖7;
[0047] 分別保留圖4和圖5中目標(biāo)區(qū)域，圖6和圖7所對應(yīng)的白色區(qū)域部分，而將其背景區(qū) 域像素值置為0，分別得到圖8和圖9。
[004引利用cvMinAreaRect2函數(shù)來獲取圖6和圖7白色填充區(qū)域的最小外接矩形，返回值 為CvBox2D結(jié)構(gòu)體，該結(jié)構(gòu)體包括外接矩形中屯、坐標(biāo)、矩形長與寬、矩形第一條邊與水平坐 標(biāo)軸的夾角α。要將稻種長軸W其外接矩形中屯、為中屯、旋轉(zhuǎn)至水平方向，需知α與旋轉(zhuǎn)角度0 的函數(shù)關(guān)系。
[0049]可利用cvBoxPoints函數(shù)來獲取矩形四個頂點的坐標(biāo)，找到第一個點是坐標(biāo)y(原 點在左上角，豎直向下為y，水平向右為X)為四個頂點中y值最大的那個（圖10和圖11中點 1)。然后找到的點按照順時針方向，依次為2,3,4點代表其余矩形頂點。dl代表第一個頂點 與第二個頂點之間的距離，d2代表第二個頂點與第Ξ個頂點之間的距離，對dl、d2大小比較 確定α與β之間函數(shù)關(guān)系：
[(Κ)加 ]
[0化1 ] 將β作cvSDro化tionMatrix函數(shù)的輸入?yún)?shù)。結(jié)果如圖12和圖13所示。
[0052] 將圖8和圖9稻種圖像，按照它們最小外接矩形，繞最小外接矩形中屯、進行旋轉(zhuǎn)，將 稻種的長軸旋轉(zhuǎn)至水平位置，其余部分用像素值為0進行填充;然后將最小外接矩形中屯、平 移到整個圖像的中屯、位置，得到圖14和15。
[0053] 裂穎稻種表面成像后裂穎部分區(qū)域圖像的灰度值相對較高，它和周圍正常部分圖 像表現(xiàn)出灰度的突變，故可W采用邊緣檢測算子進行特征提取。常見邊緣檢測算子包括 Sobel、Prewitt、LogXanny，對比運幾種算子，Sobel和Prewitt計算簡單，只能檢測出圖像 的大致輪廓，而對裂紋缺陷檢測效果不佳，Log和化nny能夠檢測出細(xì)的邊緣，但化nny有更 好的檢測效果且不易受噪聲的干擾。使用化nny算子對圖14和圖15進行邊緣檢測，結(jié)果如圖 16和17所示。
[0054] 從圖16和圖17可知，裂穎部分類似直線，但是稻種輪廓對后續(xù)的直線檢測有干擾， 可將圖12和圖13經(jīng)腐蝕后與圖16和圖17分別點乘去除稻種輪廓，結(jié)果如圖18和圖19所示；
[0055] 從圖18和19可知，裂穎近似直線，又考慮到在線檢測的效率。用統(tǒng)計概率霍夫線變 換來檢測裂穎直線(檢測結(jié)果如圖20和圖21所示），過程中遵從一定準(zhǔn)則:一是，裂穎和護穎 線段都是直線，前者水平，后者具有一定傾斜角度，可控制線段傾斜角度，本文設(shè)置線段斜 率所對應(yīng)角度絕對值闊值10度;二是，有較短的線段存在(如圖18所示），顯然運個位置不是 裂穎所在位置，故將較短線段予W剔除，闊值設(shè)置為15;Ξ是，在操作過程，正常的稻種也有 可能存在線段，通過比較線的數(shù)量來確定是正常還是裂穎，當(dāng)線段數(shù)量小于或者等于1時為 正常稻種（圖22)，當(dāng)線段數(shù)量等于2時，可能為正常，可能為裂穎，通過實驗觀察，如果為裂 穎，則運兩條直線中點的y坐標(biāo)應(yīng)該十分接近，而為正常卻相距較遠(yuǎn)（圖23)，通過設(shè)定偏差 闊值來區(qū)分是正常還是裂穎，當(dāng)直線數(shù)量大于或等于3時，為裂穎稻種(圖21)。
[0056] S4、綜合雙面分析結(jié)果，即稻種的雙面信息，進行最終判定。將判定結(jié)果發(fā)送給分 級裝置，分級裝置根據(jù)判定結(jié)果剔除裂穎稻種。同時，返回監(jiān)聽數(shù)據(jù)緩存區(qū)，進行下一顆稻 種的識別。
[0057] 本實施例的最終實驗結(jié)果如下表所示，可見其具有突出顯著的技術(shù)效果，有效地 減少了稚種表面?目息的盲區(qū)和異步義集的對象誤差，識別精度局，效率局： 「00581
~W上所述僅為本發(fā)明的較佳實施例，并不用W限制本發(fā)明，凡在本發(fā)明的精神和~ 原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1. 一種在線識別裂穎稻種的雙面分析方法，其特征在于包括以下步驟： 1) 利用黑白工業(yè)相機同步采集運動稻種的正面和背面圖像； 2) 利用圖像處理算法分別對正面圖像和背面圖像依次進行圖像處理和裂穎特征提?。? 3) 通過對正面圖像和背面圖像中的特征進行檢測識別，最后綜合雙面圖像的分析結(jié)果 進行篩選剔除，獲得裂穎稻種的檢測結(jié)果。2. 根據(jù)權(quán)利要求1所述的在線識別裂穎稻種的雙面分析方法，其特征在于:所述步驟3) 具體是:對正面圖像和背面圖像分別進行霍夫直線檢測，結(jié)合線的數(shù)量判定是裂穎稻種還 是正常稻種：如果線的數(shù)量小于或者等于1，則為正常稻種;如果線的數(shù)量等于2，則再將兩 條直線中點的y坐標(biāo)之差在偏差閾值內(nèi)，則為是正常稻種;如果線的數(shù)量大于或者等于3，則 為裂穎稻種； 雙面圖像均檢測后，正面圖像和背面圖像的檢測結(jié)果相同，則保留其檢測結(jié)果;正面圖 像和背面圖像的檢測結(jié)果不同，則認(rèn)為該稻種為裂穎稻種。3. 根據(jù)權(quán)利要求1所述的在線識別裂穎稻種的雙面分析方法，其特征在于:所述的圖像 處理是包括去除圖像背景，再通過旋轉(zhuǎn)和平移將運動稻種置于圖像中心。4. 根據(jù)權(quán)利要求1所述的在線識別裂穎稻種的雙面分析方法，其特征在于:所述的圖像 處理具體是:使用大津法對圖像進行閾值分割，再尋找最大面積連通域作為稻種區(qū)域，用白 色來填充最大面積連通域，將其他區(qū)域作為背景區(qū)域并將其像素值置為〇,最后利用中值濾 波(3*3)去除圖像噪聲點；利用 CVMinAreaRect2函數(shù)來獲取白色填充區(qū)域的最小外接矩形， 根據(jù)最小外接矩形中長邊和水平坐標(biāo)軸的夾角α與旋轉(zhuǎn)角度β之間函數(shù)關(guān)系，將稻種長軸以 其外接矩形中心為中心旋轉(zhuǎn)至水平方向，其余部分用像素值為〇進行填充，然后采用邊緣檢 測算子進行檢測獲得輪廓邊緣特征，并去除。5. 根據(jù)權(quán)利要求1所述的在線識別裂穎稻種的雙面分析方法，其特征在于:所述的裂穎 特征提取具體包括提取運動稻種的邊緣特征，去除運動稻種的輪廓，獲得運動稻種的中間 邊緣特征。6. 根據(jù)權(quán)利要求1所述的在線識別裂穎稻種的雙面分析方法，其特征在于:所述步驟1) 采用雙相機對射方式同時獲取運動中同一稻種的雙面清晰圖像。7. 根據(jù)權(quán)利要求1所述的在線識別裂穎稻種的雙面分析方法，其特征在于:所述步驟2) 過程和步驟3)中的檢測識別過程采用多線程分別進行圖像處理。
【文檔編號】G06K9/00GK105825182SQ201610146354
【公開日】2016年8月3日
【申請日】2016年3月15日
【發(fā)明人】成芳, 趙志林, 龔朝勇
【申請人】浙江大學(xué)