[发明专利]一种基于机器视觉的胡萝卜表面缺陷识别量化方法

摘要

本发明涉及一种基于机器视觉的胡萝卜表面缺陷识别量化方法，包括：胡萝卜图像的预处理；胡萝卜断裂缺陷识别量化方法、胡萝卜弯曲缺陷识别量化方法、胡萝卜开裂缺陷识别量化方法、胡萝卜须根缺陷识别量化方法和胡萝卜虫眼缺陷识别量化方法；本发明所公开的胡萝卜断裂、弯曲、开裂、须根和虫眼等缺陷识别量化检测方法利用CCD相机获得胡萝卜实时图像，基于图像处理技术对获得的实时图像进行缺陷识别量化，克服了人工检测的主观性，提高了缺陷识别量化的客观性和准确性。应用于农业生产加工和分级，能够提高生产效率，降低生产成本。

主权项

1.一种基于机器视觉的胡萝卜表面缺陷识别量化方法，其特征在于，包括：胡萝卜图像的预处理；胡萝卜断裂缺陷识别量化方法、胡萝卜弯曲缺陷识别量化方法、胡萝卜开裂缺陷识别量化方法、胡萝卜须根缺陷识别量化方法和胡萝卜虫眼缺陷识别量化方法；所述胡萝卜图像的预处理包括以下步骤：(1)将胡萝卜的RGB图像转换为HSV图像，提取出H、S、V三个分量图像，对H、S、V三个分量图像分别选取阈值使背景变为黑色，得到消除背景的二值图像；(2)从胡萝卜源图像中获取R、G、B三个分量图像，并根据公式①、②对R、G、B三个分量图像进行处理，得到灰度图像Gray和灰度图像gray，再利用全局阈值对灰度图像Gray和灰度图像gray分别进行二值化，消除复杂背景影响，得到灰度图像Gray、灰度图像gray对应的二值图像；Gray＝G‑B    ①gray＝2*R‑G‑B     ②；所述胡萝卜断裂缺陷识别量化方法，包括如下步骤：(1)根据胡萝卜的H分量图像得到二值图像；(2)获得二值图像的边缘；(3)根据二值图像的边缘，获取二值图像的最小外接矩形，得到最小外接矩形的长L和宽W；(4)计算胡萝卜的纵横比ZR＝W/L；(5)提取出二值图像两端的边缘点坐标，保存在矩阵Q₁和矩阵Q₂中；(6)分别对矩阵Q₁、矩阵Q₂求斜率，得到斜率k₁和斜率k₂；(7)根据ZR、k₁和k₂，确定胡萝卜是否是真的断裂，并判断出断裂曲面的形状；当ZR大于阈值0.25时且k₁或k₂中出现多于5个无穷大时，胡萝卜为断裂，且ZR越大断裂越严重，当k₁或k₂中出现无穷大次数越多时，表示断面越陡峭；所述胡萝卜弯曲缺陷识别量化方法，包括如下步骤：(1)根据胡萝卜的H分量图像得到二值图像；(2)对得到的二值图像进行面积去噪，去掉小的斑点；(3)用圆形腐蚀单元对二值图像进行腐蚀，消除边缘毛刺；(4)在二值图像中提取出连通像素面积在某一范围内的区域，即为胡萝卜主体区域；(5)抽取胡萝卜主体区域的骨架，获得骨架图像；(6)对骨架图像进行hough变换，得到骨架图像的两条拟合直线，两条拟合直线的夹角分别为θ₁，θ₂；(7)根据θ₁，θ₂计算得到弯曲度BR，BR＝180/π*|θ₁‑θ₂|；当弯曲度BR大于阈值5时，表示胡萝卜弯曲，且弯曲度BR越大，表示胡萝卜弯曲程度越大；所述胡萝卜开裂缺陷识别量化方法，包括如下步骤：(1)根据胡萝卜的R、G、B三个分量图像，通过式①得到灰度图像Gray，对灰度图像Gray进行二值化，得到二值图像；(2)在二值图像中提取出连通像素面积在某一范围内的区域；(3)获得该区域的等价椭圆，得到等价椭圆的长半轴a和短半轴b以及区域面积A₂；(4)根据椭圆面积公式S＝π*a*b计算出等价椭圆的面积；(5)计算区域面积和等价椭圆面积之比i＝A₂/S，长半轴和短半轴之比a/b；(6)开裂度用长半轴与短半轴构成三角形的夹角表示，KR＝2*180/π*arctan(b/a)；当a/b大于5时且i＝A₂/S大于阈值0.8时，判断其为开裂区域，开裂度KR越大说明开裂越严重。