[发明专利]冬枣果实的全方位品质检测方法

摘要

一种冬枣果实的全方位品质检测方法，首先通过Kinect V2相机获取冬枣的RGB图像（分辨率为1920×1080）和点云信息（分辨率为512×424），在RGB图像中提取冬枣果实的图像区域。再对冬枣果实的RGB图像进行正常枣和病害枣判别，对正常枣进行成熟度判别。然后提取冬枣果实的点云信息区域计算冬枣尺寸（长、宽、高、体积）。之后通过高光谱成像系统采集脆熟冬枣的高光谱图像数据，采用试验研究建立的糖度和硬度模型分别预测果实的糖度和硬度。最终实现冬枣果实的分类，并获得脆熟冬枣的尺寸和内部糖度与硬度，可用于其分级等。

主权项

一种冬枣果实的全方位品质检测方法，包括如下步骤：S0：通过Kinect V2相机每次获取一个冬枣的RGB图像（分辨率为1920×1080）和点云信息（分辨率为512×424）；S1：在S0获取的RGB图像中提取冬枣果实的图像区域；S11：提取RGB图像中心的360像素×360像素区域壹Ic；S12：对Ic提取1.02×R‑G的灰度图像Ig；S13：对Ig计算Otsu阈值，并用该阈值进行二值化，形态学运算后，获取果实区域图像If；S14：以If为掩膜，与Ic做与运算，获得果实的RGB图像Ifc；S2：对冬枣果实的RGB图像Ifc进行正常枣和病害枣判别；S21：根据每个果实像素的R、G、B值，计算相应的HSV和L*a*b*颜色空间的各个分量；S22：试验研究表明R、S、b*颜色分量可以显著区分正常枣和病害枣，提取每个像素的R、S、b*颜色分量；S23：采用试验研究获得的两个线性分类函数计算每个像素的得分；BHZ=0.182×R+14.132×S‑0.531×b*‑4.743ZCZ=0.217×R+32.284×S‑0.424×b*‑15.673式中：BHZ 表示病害枣判别得分；ZCZ 表示正常枣判别得分；S24：若BHZ>ZCZ，则该像素属于病害枣，反之属于正常枣；S25：若该枣有5%以上的像素属于病害枣，则该枣为病害枣；否则，为正常枣；S3：对正常枣进行成熟度判别；S31：试验研究表明每个像素的H和a*颜色分量可以显著区分果实成熟度，提取每个像素的H和a*颜色分量；S32：采用试验研究获得的三个线性分类函数计算每个像素的得分；WSZ=2.555×H+2.306×a*‑82.984BSZ=1.966×H+1.965×a*‑47.555CSZ=1.815×H+3.077×a*‑51.130式中：WSZ表示未熟枣判别得分；BSZ表示白熟枣判别得分；CSZ表示脆熟枣判别得分；S33：根据每个像素在每个类型上的得分，得分最高属于该类型；S34：结合试验研究结果，当该果实有30%以上的像素属于脆熟枣类型，则为脆熟枣；当该果实有72%以上的像素属于白熟枣类型，则为白熟枣；当该果实有50%以上的像素属于未熟枣类型，则为未熟枣；各类型像素比例不满足上述，根据未熟枣像素、白熟枣像素和脆熟枣像素的比例大小，取最高者确定果实的成熟度类型；S4：提取冬枣果实的点云信息区域计算冬枣尺寸；S41：根据Kinect V2的RGB图像和点云信息的坐标对应关系，提取RGB图像中冬枣果实区域Ifc对应的点云信息区域，并确定像素的实际尺寸，即n mm/像素；S42：用5×5的中值滤波法遍历 S41提取的点云信息，并去除噪声；S43：计算RGB图像中冬枣果实区域的最小外接矩形，提取长轴和短轴的像素数，再乘以n，即可确定果实的长a（mm）和宽b（mm）；S44：寻找冬枣果实点云区域的深度最大值和最小值，两者之差即为果实的高度c（mm）；S45：对排水法测得的实际体积与a、b、c进行回归分析，研究获得体积V（mm3）的预测模型；V=0.53×a×b×c+1.27S5：通过高光谱成像系统采集S3中脆熟冬枣的高光谱图像数据；S51：提取波段75（1353mm）处的光谱图像HI75；S52：对图像HI75进行5×5中值滤波；S53：计算Otsu阈值后进行二值化；S54：进行开、闭运算，获取二值图像，即为高光谱图像中的果实区域HI；S55：以HI为掩膜，提取果实的高光谱数据，并对每个像素的高光谱数据进行预处理；S56：对预处理后的数据进行平均，获得每个果实的平均光谱数据；S6：预测冬枣果实的糖度；S61：提取每个果实在波段43（1005 nm）、波段75（1111 nm）、波段79（1124 nm）、波段134（1307 nm）、波段208（1552 nm）处的平均光谱值；S62：采用试验研究建立的冬枣果实糖度预测模型计算其糖度值TD（%）；TD = 4.06x43+5.85x75‑0.63x79‑9.86x134+1.23x208+15.88S7：预测冬枣果实的硬度；S71：提取每个果实在波段40（995 nm）、波段73（1104 nm）、波段132（1300 nm）、波段177（1449 nm）、波段179（1456 nm）处的平均光谱值；S72：采用试验研究建立的冬枣果实硬度预测模型计算其硬度值YD（N/mm）；YD = ‑18.40x40‑174.45x73‑30.51x132+43.72x177+7.21x179+369.41其中，所述步骤S0， Kinect V2相机的视野为80°（H）× 50°（V），RGB的分辨率为1920×1080，点云信息的分辨率为512×424；其中，所述步骤S5，高光谱成像系统由一台近红外光谱仪（ImSpector N17E 型, Spectral Imaging Ltd.，芬兰），一台像素为 320×256的面阵 CCD 相机（XEVA2616 型，XenICs Ltd.，比利时），一套高稳定性的卤钨灯白光光源，一台高精度的电控平移台装置和计算机等组成，其采集光谱范围为 900～1700 nm，光谱分辨率 2.8 nm，入射光狭缝宽度为 30 μm。