[发明专利]一种色选机的物料增强特征识别剔选方法

说明书

本发明公开了一种色选机的物料增强特征识别剔选方法。本发明方法使用色选机获取物料图像，去掉图像中的背景，并从物料图像中逐一提取单个物料的整体灰度特征和局部灰度特征；将物料的内圆的各个区域转换为加权无向图节点和边，构建物料局部区域灰度特征加权无向图，获得每个物料的图特征分量以及特征向量；利用特征向量计算出物料的整体HSI分量和图特征分量的分布区间；色选机工作时采集到待选物料的图像数据经处理后与确定的物料整体HSI分量和局部图特征分量分布区间相比较，把超出对应分量的该分布区间的待选物料标记为不合格物料，启动喷气阀实现物料分离。本发明将单个物料的整体和局部特征相结合，更好地描述了物料属性，提高色选精度。

技术领域

本发明涉及到色选机的技术领域的一种物料图像处理筛选方法，特别是一种色选机的物料增强特征识别剔选方法。

背景技术

色选机是一种结合了机械、软件开发、图像采集和处理等领域的产品。因为其具有分类精度高、剔选速度快和分选算法适应性强等特点，色选机被广泛应用于谷物、茶叶、矿石等物料的分选处理。为了提高谷物、茶叶等产品的质量，传统的方法是通过人工肉眼鉴别待选物料的好坏，不仅耗费较大的人力，而且分类精度较差、效率低。色选机使用传送机构将大量待选物料送至图像采集和剔选装置，通过图像采集装置如CCD获取物料的实时传送信息，经图像处理和剔选规则分类后把不合格物料位置输出到剔选装置如喷气阀，开启气阀实现物料分离。

RGB颜色空间通常用于显示器系统，它利用物理学中的三原色叠加原理产生各种颜色。在RGB颜色空间中，R、G、B各颜色分量彼此独立。HSI颜色空间中，H表示Hue(色度)，S表示Saturation(饱和度)，I表示Intensity(强度)。色度用来区分某一种颜色，如白、黄、青、绿、品红、红、黑等；饱和度指的是颜色的纯度，颜色越鲜艳，饱和度越高，反之饱和度越低；亮度指的是颜色的明暗程度，亮度越高，颜色越亮。RGB颜色空间的缺点在于不符合人眼的视觉特性，HSI颜色空间不适合显示器系统，但是更符合人眼的视觉特性，因此在色选时可以转换为HSI颜色空间。

当前色选机技术仍然为提高色选精度、减少带出比而不断改进，待选物料的图像处理和剔选算法在色选过程中发挥重要作用。现有的色选算法如人工提取待选物料整体特征作出划分，以及与神经网络相结合进行分类等，前者受限于提取特征的好坏而后者耗时和成本开销较大，均不能很好地满足物料分选质量提高的需求。

发明内容

为了解决背景技术所述问题，本发明提出了一种色选机的物料增强特征识别剔选方法。

本发明的技术方案如下：

步骤一：使用色选机获取N个物料在实时运动的图像作为物料图像，使用运动糢糊图像复原、中值滤波去噪和阈值法去除物料图像中的背景；

步骤二：从物料图像中逐一提取单个物料的整体灰度特征和局部灰度特征，整体灰度特征即为物料的整体HSI分量，局部灰度特征即为物料内圆的各个区域的R、G、B通道的灰度平均值；

所述步骤二具体步骤如下：

S2.1、将去掉背景的每一个第i个物料A_i作为一个样本例，i＝1，2，...，N，i表示物料的序号，置于一个m×m个像素的空白图片中，得到样本例图片；

S2.2、根据样本例图片中物料A_i的外轮廓点e_i，1，e_i，2，...，e_i，n的坐标计算几何中心F_i：

其中，e_i，1，e_i，2，...，e_i，n分别表示物料A_i对应的第1个到第n个外轮廓点；