[发明专利]一种基于机器视觉的变形物资的品质检测方法和装置

说明书

本发明涉及物资检测技术，揭露了一种基于机器视觉的变形物资的品质检测方法，包括：对目标物资图片分别进行图片灰度化以及图片去噪操作，得到目标初级图片；对目标初级图片进行畸变矫正以及图像分割，得到目标标准图片；并将目标标准图片的颜色特征、纹理特征以及形状特征汇集成待检测物资的品质特征集；对品质特征集进行特征识别，得到物资种类，在预设的品质系数库中选取出与物资种类对应的品质系数集，利用品质系数集以及品质特征集计算出目标物资对应的品质分值；选取品质分值对应的品质标注作为待检测物资的物资品质。本发明还提出一种基于机器视觉的变形物资的品质检测装置。本发明可以提高物资品质检测的效率。

技术领域

本发明涉及物资检测技术领域，尤其涉及一种基于机器视觉的变形物资的品质检测方法和装置。

背景技术

随着人们生活水平的提高，物资供应商开始在市面上提供越来越多的物资，这也进一步增加了物资管理人员的工作量，为了方便物资管理，需要对于物资进行分类与品质检测。

现有的物资品质检测技术多为基于人工的品质检测，例如，通过统计供应商的个人信息数据，并由专业人员通过对过去的数据、资料的总结，结合自身经验进行分析和判断，为每份物资进行品质标注和分类，实际应用中，基于人工的品质检测耗时耗力，很难及时实现物资的分配关系，且人工检测难免会有疏漏，可能导致对物资进行品质检测的效率较低。

发明内容

本发明提供一种基于机器视觉的变形物资的品质检测方法和装置，其主要目的在于解决对物资进行品质检测的效率较低的问题。

为实现上述目的，本发明提供的一种基于机器视觉的变形物资的品质检测方法，包括：

获取待检测物资的目标物资图片，对所述目标物资图片分别进行图片灰度化以及图片去噪操作，得到目标初级图片；

对所述目标初级图片进行畸变矫正，得到目标次级图片，利用预设的分水岭算法对所述目标次级图片进行图像分割，得到目标标准图片；

分别提取出所述目标标准图片的颜色特征、纹理特征以及形状特征，并将所述颜色特征、所述纹理特征以及所述形状特征汇集成所述待检测物资的品质特征集；

利用预先训练的物资识别模型对所述品质特征集进行特征识别，得到物资种类，在预设的品质系数库中选取出与所述物资种类对应的品质系数集，利用所述品质系数集以及所述品质特征集计算出所述目标物资对应的品质分值，其中，所述利用所述品质系数集以及所述品质特征集计算出所述目标物资对应的品质分值，包括：

利用如下的品质分值算法根据所述品质系数集以及所述品质特征集计算出所述目标物资对应的品质分值：

其中，是指所述品质分值，是向上取整符号，是所述品质系数集中的颜色阶数，是所述品质系数集中的纹理阶数，是所述品质系数集中的形状阶数，是所述品质系数集中的色彩分值系数，是所述品质系数集中的色度分值系数，是所述品质系数集中的亮度分值系数，是所述品质系数集中的纹理分值系数，是所述品质系数集中的平滑分值系数，是所述品质系数集中的三阶分值系数，是所述品质系数集中的周长分值系数，是所述品质系数集中的面积分值系数，是所述品质系数集中的圆形分值系数，是所述品质系数集中的椭圆分值系数，是所述品质系数集中的矩形分值系数，是指所述品质特征集中的色彩系数，是指所述品质特征集中的色度系数，是指所述品质特征集中的亮度系数，是指所述品质特征集中的纹理度，是指所述品质特征集中的平滑度，是指所述品质特征集中的三阶矩，是指所述品质特征集中的周长，是指所述品质特征集中的面积，是指所述品质特征集中的圆形度，是指所述品质特征集中的椭圆度，是指所述品质特征集中的矩形度；

选取所述品质分值对应的分值区间作为目标分值区间，将所述目标分值区间对应的品质标注作为所述待检测物资的物资品质。

可选地，所述获取待检测物资的目标物资图片，包括：

利用预设的测距组件获取摄像组件与待检测物资之间的摄像距离；

根据所述摄像距离计算出误差距离，并按照所述误差距离调节所述摄像组件的高度；