[发明专利]一种基于机器视觉的胡萝卜表面缺陷识别量化方法

权利要求书

1.一种基于机器视觉的胡萝卜表面缺陷识别量化方法，其特征在于，包括：胡萝卜图像的预处理；胡萝卜断裂缺陷识别量化方法、胡萝卜弯曲缺陷识别量化方法、胡萝卜开裂缺陷识别量化方法、胡萝卜须根缺陷识别量化方法和胡萝卜虫眼缺陷识别量化方法；

所述胡萝卜图像的预处理包括以下步骤：

(1)将胡萝卜的RGB图像转换为HSV图像，提取出H、S、V三个分量图像，对H、S、V三个分量图像分别选取阈值使背景变为黑色，得到消除背景的二值图像；

(2)从胡萝卜源图像中获取R、G、B三个分量图像，并根据第一公式①Gray₁＝G-B、第二公式②gray₂＝2*R-G-B对R、G、B三个分量图像进行处理，得到灰度图像Gray₁和灰度图像gray₂，再利用全局阈值对灰度图像Gray₁和灰度图像gray₂分别进行二值化，消除复杂背景影响，得到灰度图像Gray₁、灰度图像gray₂对应的二值图像；

所述胡萝卜断裂缺陷识别量化方法，包括如下步骤：

(1)根据胡萝卜的H分量图像得到二值图像；

(2)获得二值图像的边缘；

(3)根据二值图像的边缘，获取二值图像的最小外接矩形，得到最小外接矩形的长L和宽W；

(4)计算胡萝卜的纵横比ZR＝W/L；

(5)提取出二值图像两端的边缘点坐标，保存在矩阵Q₁和矩阵Q₂中；

(6)分别对矩阵Q₁、矩阵Q₂求斜率，得到斜率k₁和斜率k₂；

(7)根据ZR、k₁和k₂，确定胡萝卜是否是真的断裂，并判断出断裂曲面的形状；

当ZR大于阈值0.25时且k₁或k₂中出现多于5个无穷大时，胡萝卜为断裂，且ZR越大断裂越严重，当k₁或k₂中出现无穷大次数越多时，表示断面越陡峭；

所述胡萝卜弯曲缺陷识别量化方法，包括如下步骤：

(1)根据胡萝卜的H分量图像得到二值图像；

(2)对得到的二值图像进行面积去噪，去掉小的斑点；

(3)用圆形腐蚀单元对二值图像进行腐蚀，消除边缘毛刺；

(4)在二值图像中提取出连通像素面积在某一范围内的区域，即为胡萝卜主体区域；

(5)抽取胡萝卜主体区域的骨架，获得骨架图像；

(6)对骨架图像进行hough变换，得到骨架图像的两条拟合直线，两条拟合直线与水平线的夹角分别为θ₁，θ₂；

(7)根据θ₁，θ₂计算得到弯曲度BR，BR＝180/π*|θ₁-θ₂|；

当弯曲度BR大于阈值5时，表示胡萝卜弯曲，且弯曲度BR越大，表示胡萝卜弯曲程度越大；

所述胡萝卜开裂缺陷识别量化方法，包括如下步骤：

(1)根据胡萝卜的R、G、B三个分量图像，通过第一公式①得到灰度图像Gray₁，对灰度图像Gray₁进行二值化，得到二值图像；

(2)在二值图像中提取出连通像素面积在某一范围内的区域；

(3)获得该区域的等价椭圆，得到等价椭圆的长半轴a和短半轴b以及区域面积A₂；

(4)根据椭圆面积公式S＝π*a*b计算出等价椭圆的面积；

(5)计算区域面积和等价椭圆面积之比i＝A₂/S，长半轴和短半轴之比a/b；

(6)开裂度用长半轴与短半轴构成三角形的夹角表示，KR＝2*180/π*arctan(b/a)；

当a/b大于5时且i＝A₂/S大于阈值0.8时，判断其为开裂区域，开裂度KR越大说明开裂越严重。

2.如权利要求1所述的基于机器视觉的胡萝卜表面缺陷识别量化方法，其特征在于，所述胡萝卜须根缺陷识别量化方法，包括如下步骤：

(1)根据胡萝卜的S分量图像，得到二值图像；

(2)对二值图像进行内部孔洞的填充；

(3)获取二值图像的边缘点坐标，保存在矩阵P中；

(4)从矩阵P中提取出上边缘的坐标，保存在矩阵P₁中，从矩阵P提取出下边缘坐标，保存在矩阵P₂中；

(5)分别对矩阵P₁和矩阵P₂每隔50个像素进行取样，取样后得到矩阵P₃和矩阵P₄；

(6)分别对矩阵P₃、矩阵P₄求斜率，得到斜率k₃、斜率k₄，求取k₃和k₄的峰值，当有一个峰值大于阈值1.5时，则胡萝卜存在一处须根，当有若干个峰值大于阈值1.5时，则胡萝卜存在若干处须根，找到峰值对应的点，并记录在二值图像中，求取坐标，该坐标对应胡萝卜须根的位置；

所述胡萝卜虫眼缺陷识别量化方法，包括如下步骤：

(1)根据胡萝卜的R、G、B三个分量图像，通过第二公式②得到灰度图像gray₂，对灰度图像gray₂进行二值化，得到二值图像，二值图像的面积为A；

(2)在二值图像中提取出面积在某一范围的连通区域；

(3)获得连通区域的等价椭圆，得到等价椭圆的长半轴a、短半轴b和周长C；

(4)根据椭圆面积公式S＝π*a*b计算出等价椭圆的面积；

(5)获得连通区域的圆形度e＝4*π*S/C²；

(6)计算虫眼比CR＝S/A；

当圆形度e大于阈值0.6时，判断其为虫眼，并计算出虫眼比。