[发明专利]一种采用计算机视觉的海参大小筛选方法

说明书

本发明公开了一种采用计算机视觉的海参大小筛选方法，主要通过单目摄像头对海参图像进行采集，通过对海参图像进行二值化、高斯滤波以及形态学处理等得到处理后的图像。通过在边缘图像中提取到海参和参照物的轮廓绘制出海参和参照物的最小外切矩形，根据外切矩的顶点计算出图片中海参和参照物的欧式距离，通过标准参照物欧式距离与实际距离的比例计算出海参的实际距离。本发明解决了人工筛选中工作效率低、筛选不精确等问题，解决了筛网筛选中筛网堵塞和容易导致筛选不精确以及筛网划伤海参等多种问题。

技术领域

本发明涉及一种海参大小筛选方法，特别是一种采用计算机视觉的海参大小筛选方法，属于海参大小筛选技术领域。

背景技术

海参具有极高的营养和药用价值，而海参的个头越大则其的参龄就越长，其积累的营养物质就越丰富。相对于小海参来说，大海参具备更好的品质，其价值也就更高。现阶段针对海参的筛选方法主要有人工筛选和通过倒三角型的筛网进行筛选这两种方式。人工筛选的方法具有劳动力需求量高，工作效率慢，大小筛选不标准等一系列的缺点。而筛网筛选的方法也存在筛选标准选择性少、不精确，且当海参通过筛网时容易造成筛网堵塞或筛网损伤海参导致影响海参品质等一系列缺点。

在传统的海参大小筛选方法中，人工筛选方法的步骤主要是通过人工进行初选，剔除较小的海参，再对剩余的海参进行肥瘦分拣，肥瘦分拣主要借助称重设备进行称重，不仅工作效率低，且增加了海参的加工成本。而通过筛网进行筛选的主要步骤是通过设置三级孔大小依次减小的筛网，由机器带动海参抖动，使得个头大的海参留在上层筛网，小海参则通过筛网到达下层实现海参分级筛选，这种半自动化的方法不仅容易造成筛网堵塞，还容易导致筛选不精确以及筛网划伤海参等多种问题

发明内容

针对上述现有技术，本发明要解决的技术问题是提供一种采用计算机视觉的海参大小筛选方法，实现对海参大小的筛选。本方法主要是通过单目摄像头获取海参的彩色RGB图像，使用opencv对图像进行处理，利用图片中的欧式距离以及标准参照物实际大小实现对海参实际大小的测量。

为解决上述技术问题，本发明的一种采用计算机视觉的海参大小筛选方法，包括以下步骤：

步骤1：利用计算机视觉系统对海参和设置好长和宽的标准参照物进行图像采集，采集到原始的彩色RGB图像；

步骤2：对所得图像进行灰度化和高斯滤波处理，处理完成之后进行边缘检测以及膨胀、腐蚀等形态学处理，然后在边缘图像中提取到海参和参照物的轮廓；

步骤3：对边缘图像中所有轮廓按从左到右的顺序进行排序处理，在排序完成后循环遍历图片中所有物体的每一个轮廓；

步骤4：根据每个物体的轮廓计算出其最小外切矩形框，以左上方的点为起始点按顺时针方向对所有顶点进行排序，绘制出其最小外切矩形框；

步骤5：计算出外切矩形框左上和右上顶点的中点坐标、左下和右下顶点的中点坐标并通过线段将两中点坐标连接，计算出左上和左下顶点的中点坐标以及右上和右下顶点的中点坐标，同样通过线段将两中点坐标连接，计算出每对中心点在图片中的欧式距离；

步骤6：根据已知长和宽的标准参照物，计算出图片中参照物的欧氏距离与标准参照物实际距离的比例，根据这个比例和图片中海参的欧式距离计算出海参的实际长度和宽度，根据海参的实际长度和宽度实现对海参大小的筛选。

本发明还包括：

1.步骤1中，通过计算机视觉系统对图像进行采集时，应确保单目摄像头处于整个图像采集平面的正上方，以防止物体的阴影或拍摄角度差异对后续的处理产生影响。

2.步骤1中采集得到的图像的颜色模型为24位RGB彩色模型，每一幅图像由红、绿、蓝三个基本颜色分量组成，每个颜色分量为8位。

3.步骤2中的加权平均值灰度化方法为：