[发明专利]基于机器视觉的食品品种检测方法及系统

权利要求书

1.一种基于机器视觉的食品品种检测方法，其特征在于，包括以下步骤： 

S1，通过CCD图像采集模块采集被测食品图像信息； 

S2，对被测食品图像信息进行预处理； 

S3，提取被测食品的图像特征； 

S4，将提取的被测食品图像特征与数据库中存储的标准图像特征进行对比，确定被测食品品种。 

2.根据权利要求1所述的基于机器视觉的食品品种检测方法，其特征在于，步骤S2包括： 

S21，进行形态学运算，通过一定形态结构元素度量和提取图像中对应形状来简化图像数据，除去不相干元素，保持被测食品图像的基本形状与特征； 

S22，选择线性锐化滤波运算对被测食品图像进行去噪，删除来自外部和内部干扰的噪音点； 

S23，对图像独立的像素点进行处理，使每个灰度对象对应一个灰度级，并通过改变原始数据灰度范围使被测食品图像实现白平衡校正。 

3.根据权利要求1所述的基于机器视觉的食品品种检测方法，其特征在于，步骤S3包括： 

S31，根据被测食品图像与背景的差异，采用最大类间方差法对图像进行阈值分割，提取被测食品图像轮廓，获取被测食品的尺寸信息； 

S32，提取被测食品RGB各层灰度直方图，统计提取的被测食品轮廓图像的RGB各层中每一个灰度级像素比例，即轮廓图像中各级灰度出现的频率； 

S33，将RGB图像转换为HSV图像， 

式中，R、G、B分别表示RGB图像各层灰度值； 

提取被测食品HSV图像的色相、饱和度和亮度信息，量化这些参数信息，并计算量化参数的比例。 

4.根据权利要求3所述的基于机器视觉的食品品种检测方法，其特征在于，步骤S33中的量化色相、饱和度和亮度参数具体为： 

（1）将色相划分为红、橙、黄、绿、青、蓝、紫、品红8个等级，具体为： 

（2）将饱和度划分为欠饱和、中饱和、饱和、较高饱和4个等级，具体为： 

（3）将亮度划分为黑色、深灰色、浅灰色、白色4个等级，具体为： 

。

5.根据权利要求1或4所述的基于机器视觉的食品品种检测方法，其特征在于，步骤S4包括： 

S41，将被测食品图像灰度直方图与数据库中的标准图像灰度直方图进行比较，计算灰度直方图差值h，式中，p_i是被测图像灰度值i的概率，q_i是数据库标准图像灰度值i的概率，L为灰度级总数，并对灰度直方图差值进行排序，差值越小，其优先级越 高； 

S42，将被测食品图像特征的各色相值与数据库中的标准图像色相值进行比较，计算色相差值R，式中，r_i是测试图像色相值i的概率，s_i是数据库标准图像色相值i的概率，S为色相值级数，并对色相差值进行排序，差值越小，其优先级越高； 

S43，比较最小灰度直方图差值对应的索引值与最小HSV图像色相差值对应的索引值是否相同；若相同则该标准图像为被测食品图像所对应的标准图像，输出该标准图像在数据库中的索引并结束比较；若不相同则继续比较； 

S44，按照优先级顺序，比较下一个优先级的被测食品图像灰度直方图差值对应的索引值与HSV图像色相差值对应的索引值是否相同； 

若相同，则该标准图像为被测食品图像所对应的标准图像，输出该标准图像在数据库中的索引并结束比较； 

若不相同，则比较两个索引值对应的HSV图像特征差值大小，较小值对应的索引为被测食品的标准图像，输出该较小值对应的索引并结束比较； 

若不能找出被测食品图像灰度直方图差值对应的索引值和HSV图像色相差值对应的索引值或者任意一个对应的索引值，则提高被测食品图像灰度直方图差值或HSV图像色相差值的比较范围大小，重复步骤S44，直至结束比较。