[发明专利]混合豆类自动分类识别方法

说明书

技术领域

本发明涉及豆类识别领域，特别涉及一种采用机器视觉技术进行混合豆类自动分类识别的技术。

背景技术

豆制品营养丰富，深受人们喜爱。在豆制品生产过程，有时需要将不同种类的豆类先进行混合，然后再进行生产，各种豆类的混合比例、均匀度影响后续豆制品生产的质量。以豆浆为例，市场上销售的豆浆豆通常由黄豆、红豆、芸豆、黑豆、青豆组成，各种豆类的比例和质量决定了豆浆豆的品质和价格，也影响豆浆的质量。

实现豆制品精细生产需要检测混合豆类的品质，人工检测方式无疑繁琐、低效，可以研发基于机器视觉的自动检测技术，然后开发相关检测装置和设备。

目前机器视觉在农产品品质检测中的应用研究非常多，涉及的豆类包括大豆、芸豆、青豆等。这些研究基本上都是针对单一种类的农产品，很少涉及混合种类。

混合豆类品质自动检测首先需要从混合豆类中识别出各种豆类，然后分别检测各种豆类的数量、品质，最后形成关于混合豆类的品质检测结果。

本发明是采用机器视觉技术进行混合豆类自动分类识别的技术，该技术可用于开发豆制品生产在线检测装置，辅助豆制品精细加工及检测；也可以用于开发专用手持检测设备，供相关检验人员进行市场检测。

刘光蓉等(刘光蓉，周红，管庶安.颗粒形混合农产品的图像检测与分类[J].农业工程学报，2011，27(11)：344-348)进行了混合颗粒型农产品自动分类识别研究。其研究中使用大米、黄豆、绿豆作为研究对象，识别过程首先对采集到的图像进行二值化处理，然后提取各农产品颗粒的形状、颜色特征识别其种类。其研究存在以下问题：

(1)研究对象种类较少，代表性不足。假如图像中有黑豆或红豆，其二值化处理结果会受影响，识别结果会出现错误。

(2)图像采集时使用了固定的蓝色背景，没有对其它颜色背景进行验证，假如检测对象变化或图像采集背景变化，其技术的可行性未知。

发明内容

本发明提供了一种混合豆类自动分类识别方法，包括以下步骤：

进行图像采集，将一定数量的豆浆豆平铺于扫描仪扫描版上，使用一个较大的盖子遮住扫描版进行图像采集，得到灰色背景的混合豆类图像；

通过图像分割的方法对采集到的原始图像进行分类识别；

对得到的识别图像进行细化处理。

其中分类识别包括以下步骤：

将原始图像颜色数据从RGB颜色空间转换到HSV颜色空间，将饱和度S、明度V两个颜色分量均置为1，然后再转换到RGB颜色空间，识别出红豆和青豆；

将原始图像颜色数据从RGB颜色空间转换到HSV颜色空间，将明度V分量均置为1，然后再转换到RGB颜色空间，识别出芸豆和黄豆；

将原始图像颜色数据从RGB颜色空间转换到HSV颜色空间，得到V分量图像，识别出黑豆。

附图说明

图1是本发明的混合豆类自动分类识别方法的流程图；

图2是本发明的原始图像与颜色空间转换结果；

图3是本发明的红豆和青豆分割与细化处理；

图4是本发明的芸豆与黄豆B分量直方图；

图5是本发明的芸豆和黄豆分割与细化处理；

图6是本发明的黑豆与背景V分量直方图；

图7是本发明的黑豆分割与细化处理。

具体实施方式

如图1所示，本发明的混合豆类自动分类方法包括以下步骤：

1图像采集

将一定数量的豆浆豆平铺于扫描仪扫描版上，使用一个较大的盖子遮住扫描版进行图像采集，得到灰色背景的混合豆类图像，如图2(a)所示。

2分类识别

从原始图像中识别各种豆类可看做多目标图像分割问题。图像分割方法有多种，如基于阈值的方法、基于区域的方法、基于边缘的方法等。从图2(a)可以看到，原始图像中各种豆类的颜色差异较为明显，因此可选用阈值分割方法。

图2(a)中存在多类目标，通过对各类目标的颜色数据采样分析，发现无法一次确定多个阈值完成整幅图像分割，只能分步骤进行。

(1)识别红豆与青豆

将原始图像颜色数据从RGB颜色空间转换到HSV颜色空间，将S(饱和度)、V(明度)两个颜色分量均置为1，然后再转换到RGB颜色空间，得到如图2(b)所示结果。

图2(b)中各种豆类及背景的颜色发生了变化，通过对各种豆类进行颜色采样分析，发现了一些规律，具体如表1所示，其中R、G、B各颜色分量值为归一化数值，“→”表示接近。

表1豆类颜色数据分析