[发明专利]一种圣女果分类方法、系统及圣女果在线分拣系统

权利要求书

1.一种圣女果分类方法，其特征在于，包括：

采集互不黏连的圣女果的图片；

从所述图片中提取圣女果的特征参数；

利用所述特征参数对圣女果进行分类，得到相应的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述从所述图片中提取圣女果的特征参数的过程，包括：

从所述图片中提取圣女果的数量特征参数和/或大小特征参数和/或形状特征参数和/或颜色特征参数和/或缺陷特征参数。

3.根据权利要求1所述的方法，其特征在于，所述从所述图片中提取圣女果的特征参数的过程，包括：

对所述图片进行预处理，得到圣女果连通域；

对圣女果连通域进行腐蚀处理，得到圣女果腐蚀区域；

计算圣女果腐蚀区域的数量，以得到圣女果的数量特征参数。

4.根据权利要求1所述的方法，其特征在于，所述从所述图片中提取圣女果的特征参数的过程，包括：

对所述图片进行预处理，得到圣女果连通域；

对圣女果连通域进行膨胀处理，得到圣女果膨胀区域；

将圣女果膨胀区域拟合为椭圆，得到圣女果椭圆区域；

计算圣女果椭圆区域的面积和/或周长，以得到圣女果的大小特征参数。

5.根据权利要求1所述的方法，其特征在于，所述从所述图片中提取圣女果的特征参数的过程，包括：

对所述图片进行预处理，得到圣女果连通域；

对圣女果连通域进行膨胀处理，得到圣女果膨胀区域；

将圣女果膨胀区域拟合为椭圆，得到圣女果椭圆区域；

计算圣女果椭圆区域的矩形度和/或圆形度和/或偏心率和/或不变矩，以得到圣女果的形状特征参数。

6.根据权利要求3至5任一项所述的方法，其特征在于，所述对所述图片进行预处理，得到圣女果连通域的过程，包括：

将所述图片由RGB格式转换为HSV格式，得到HSV图片；

对所述HSV图片的S通道上的图片进行阈值分割处理，得到圣女果区域；

对圣女果区域进行开运算处理，得到圣女果开运算区域；

对圣女果开运算区域进行连通处理，得到圣女果连通域。

7.根据权利要求1所述的方法，其特征在于，所述从所述图片中提取圣女果的特征参数的过程，包括：

从所述图片中提取圣女果的颜色特征，得到圣女果的颜色特征参数。

8.根据权利要求7所述的方法，其特征在于，所述利用所述特征参数对圣女果进行分类，得到相应的分类结果的过程，包括：

将所述颜色特征参数输入至第一训练后模型，得到所述第一训练后模型输出的与圣女果对应的颜色分类结果；

其中，所述第一训练后模型为利用第一训练样本对基于高斯混合模型算法构建的待训练模型进行训练后得到的模型，所述第一训练样本包括颜色特征参数以及相应的颜色分类信息。

9.根据权利要求1所述的方法，其特征在于，所述从所述图片中提取圣女果的特征参数的过程，包括：

将所述图片由RGB格式转换为HSV格式，得到HSV图片；

对所述HSV图片的S通道上的图片进行阈值分割处理，得到圣女果区域；

对圣女果区域进行局部阈值处理，得到圣女果缺陷区域；

对圣女果缺陷区域进行连通处理，得到圣女果缺陷连通域；

提取圣女果缺陷连通域的面积和/或周长和/或矩形度和/或圆形度和/或区域质心和/或灰度均值和/或灰度标准差，以得到圣女果的缺陷特征参数。

10.根据权利要求9所述的方法，其特征在于，所述利用所述特征参数对圣女果进行分类，得到相应的分类结果的过程，包括：

将所述缺陷特征参数输入至第二训练后模型，得到所述第二训练后模型输出的与圣女果对应的缺陷分类结果；

其中，所述第二训练后模型为利用第二训练样本对基于神经网络模型算法构建的待训练模型进行训练后得到的模型，所述第二训练样本包括缺陷特征参数以及相应的缺陷分类信息。

11.一种圣女果分类系统，其特征在于，包括：

图片采集模块，用于采集互不黏连的圣女果的图片；

特征提取模块，用于从所述图片中提取圣女果的特征参数；

圣女果分类模块，用于利用所述特征参数对圣女果进行分类，得到相应的分类结果。