[发明专利]一种刮板式输粮的谷物流量监测方法及监测系统在审

专利信息
申请号: 201910299714.X 申请日: 2019-04-15
公开(公告)号: CN110089260A 公开(公告)日: 2019-08-06
发明(设计)人: 陈进;韩帅军;莫云浪 申请(专利权)人: 江苏大学
主分类号: A01D41/12 分类号: A01D41/12
代理公司: 暂无信息 代理人: 暂无信息
地址: 212013 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 谷物 分层 谷物流量 轮廓边缘 轮廓图像 刮板槽 非均匀分布 单元截面 监测系统 刮板式 非接触式测量 光圈 调整控制器 二值化处理 补偿参数 采样频率 方法测量 机器视觉 轮廓提取 图像处理 二值化 灰度化 监测 覆盖 图像
【权利要求书】:

1.一种刮板式输粮的谷物流量监测方法,其特征在于,包括如下步骤:

获取刮板槽(6)上谷物分层单元截面的光圈轮廓图像;

对所述谷物分层单元截面的轮廓图像通过图像处理的方法,提取所述谷物分层单元截面的轮廓边缘曲线,计算所述谷物分层单元截面轮廓边缘曲线所覆盖面积;

根据所述谷物分层单元截面轮廓边缘曲线所覆盖面积,计算刮板槽(6)上谷物分层单元体积,从而计算单个刮板槽(6)上谷物总体积和谷物流量。

2.根据权利要求1所述的刮板式输粮的谷物流量监测方法,其特征在于,通过图像处理的方法提取所述谷物分层单元截面的轮廓边缘曲线,具体为:

对所述谷物分层单元截面的轮廓图像进行二值化处理;

对二值化后的图像进行轮廓提取。

3.根据权利要求2所述的刮板式输粮的谷物流量监测方法,其特征在于,在二值化处理前,先对所述谷物分层单元截面的轮廓图像进行灰度化处理。

4.根据权利要求3所述的刮板式输粮的谷物流量监测方法,其特征在于,通过加权平均法对获取的所述谷物分层单元截面的轮廓图像进行灰度化处理,加权平均法计算具体如下:

f(x,y)=0.30R(x,y)+0.59G(x,y)+0.11B(x,y),

其中:f(x,y)为所述谷物分层单元截面的轮廓彩色图像在点(x,y)处的灰度值;

R(x,y)为所述谷物分层单元截面的轮廓彩色图像在点(x,y)处的红色分量;

G(x,y)为所述谷物分层单元截面的轮廓彩色图像在点(x,y)处的绿色分量;

B(x,y)为所述谷物分层单元截面的轮廓彩色图像在点(x,y)处的蓝色分量。

5.根据权利要求3所述的刮板式输粮的谷物流量监测方法,其特征在于,通过迭代法对灰度化后的所述谷物分层单元截面的轮廓图像进行二值化处理,具体为:

将f(x,y)min和f(x,y)max的均值作为灰度阈值的初始估计值TK,初始值k=0,其中,f(x,y)min为所述谷物分层单元截面的轮廓彩色图像在点(x,y)处的最小灰度值;f(x,y)max为所述谷物分层单元截面的轮廓彩色图像在点(x,y)处的最大灰度值;

用灰度阈值TK分割图像,将图像分割成C1和C2,其中C1为由f(x,y)>TK的所有像素组成的图像;C2为由f(x,y)≤TK的所有像素组成的图像;

计算新的灰度阈值TK+1,其中,μ1为C1内图像的平均灰度值,μ2为C2内图像的平均灰度值;

重复用新的灰度阈值TK+1分割图像,当TK+1-TK≤设定值时,则最佳灰度阈值为TK+1

其中g(x,y)是分割后的图像的像素值。

6.根据权利要求1所述的刮板式输粮的谷物流量监测方法,其特征在于,通过像素计数法计算所述谷物分层单元截面轮廓边缘曲线所覆盖面积,具体为:

统计参考单位圆的像素数Nc和第i层谷物分层单元截面区域的像素数Ni

所述谷物分层单元截面面积计算公式:

式中:Si为第i层谷物分层单元截面的实际面积;

Sc为所述参考单位圆的实际面积;

Nc为参考单位圆的像素数;

Ni为第i层谷物分层单元截面区域的像素数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏大学,未经江苏大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910299714.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top