[发明专利]基于图像处理的红枣缺陷识别分类方法及装置

说明书

本发明提供一种基于图像处理的红枣缺陷识别分类方法及装置，方法通过直方图空间转换和空间重构对红枣图像进行图像增强，得到的间距图像，消除了光照分布不均和噪声对图像处理的不良影响，通过二值化、区域填充、二值翻转和掩膜操作处理，有效地将间距图像从复杂背景中提取出来，且通过对缺陷区域的增强，能够准确的提取出颜色特征值、形状特征值和纹理特征值，最后通过机器学习模型，快速的完成对红枣缺陷的分类，算法运行速度快，且能够实现多种不同的缺陷分类，有效地提高了红枣质量的分类效率。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于图像处理的红枣缺陷识别分类方法及装置。

背景技术

中国是世界上最大的红枣生产国与消费国。据官方数据显示，中国的红枣种植面积和产量占据世界98％，2020年中国红枣产量高达733.2万吨。尽管中国红枣产业规模庞大，但由于品质下降、加工层次低和制干保鲜技术不足等原因，导致整体的经济效益不高。在红枣品质分选方面，90％以上的红枣是通过人工将缺陷枣从好枣中分选出来，劳动强度大，成本较高，并且工人长时间疲劳工作也会导致效率下降等一系列问题。

红枣在种植的过程中，受温差过大、环境污染、滥用农药、肥料不平衡和鸟啄等因素，容易出现黑头、枣锈、破口等缺陷的严重影响，另外在红枣的成熟期内，由于内地雨水较多，裂果也是个普遍的问题。

目前，基于图像处理的红枣品质检测方法仅针对健康红枣和褶皱红枣进行品质分级，对其他缺陷红枣的分类并不完善，导致对红枣质量分类效率相对较低。

发明内容

本发明提供一种基于图像处理的红枣缺陷识别分类方法及装置，用以解决现有技术中红枣质量分类效率低的缺陷，实现快速、高效、准确地完成对红枣质量的分类。

本发明提供一种基于图像处理的红枣缺陷识别分类方法，包括：

获取预设大小的红枣原始图像，将所述红枣原始图像转化为HSI格式图像，并提取所述HSI格式图像的S分量红枣图像；

基于直方图空间转换和空间重构对所述S分量红枣图像进行图像增强，得到间距图像；

对所述间距图像进行二值化、区域填充、二值翻转和掩膜操作处理去除背景，得到红枣S分量图；

对所述红枣S分量图进行阈值分割，并对分割后的图像进行中值滤波处理，得到带红枣边缘的初始缺陷区域二值图像；

去除所述初始缺陷区域二值图像的红枣边缘，得到中间缺陷区域二值图像，并转化所述中间缺陷区域二值图像为R、G、B三通道图像；

根据所述R、G、B三通道图像与所述红枣原始图像，得到缺陷区域彩色图像；

提取所述缺陷区域彩色图像的颜色特征值、形状特征值和纹理特征值；

输入所述颜色特征值、所述形状特征值和所述纹理特征值至机器学习模型，输出红枣缺陷类别。

根据本发明提供的一种基于图像处理的红枣缺陷识别分类方法，所述基于直方图空间转换和空间重构对所述S分量红枣图像进行图像增强，得到间距图像，包括：

确定所述S分量红枣图像每个像素点的灰度值，用加权均值滤波器对所述S分量红枣图像处理，确定每个像素点的加权均值，用自适应滤波器对所述S分量红枣图像进行处理，确定每个像素点的自适应值；

以每个像素点的所述灰度值、加权均值和自适应值为坐标轴，建立初始三维空间直方图；

根据所述每个像素点灰度值、加权均值和自适应值三者的大小关系，得到更新灰度值、更新加权均值和更新自适应值；

以所述更新灰度值、更新加权均值和更新自适应值为坐标轴，建立目标三维空间直方图；