基于轮廓方向特征的柚子果形检测研究

果形是实现柚子质量检测与分级的重要特征,针对柚子果形自动检测的迫切需求,采用图像处理技术,提出了基于轮廓方向特征的柚子果形检测方法。文章首先引入纹理梯度算子,定义方向熵函数获取柚子轮廓点上的方向角度并对柚子的轮廓进行编码;建立轮廓方向角度直方图以反应轮廓像素点在不同角度级的分布情况,并作为描述柚子果形特征的方法;在检测工作中,通过计算柚子图像之间的轮廓方向角度直方图相关系数实现对柚子果形优劣的判别。经实验证明:本文算法不仅具有较高的准确率,达到95.4%,而且具有检测效率高(每幅柚子图像的平均检测时间为100 ms),操作简便,算法通用性强的优点,满足实际的生产检测要求。

基于轮廓方向特征的梅州金柚旋转校正研究

梅州金柚包含了早熟品种蜜柚与晚熟品种沙田柚.在基于图像处理的金柚检测研究工作中,将金柚图像旋转至适宜图像检测的摆放角度,是实现高质量检测的前提.在金柚图像旋转校正工作中,采用Sobel算子提取金柚轮廓,并计算各轮廓点的方向角度;利用金柚纵径与横坐标垂直时底部轮廓呈水平线状的特点,在旋转过程中对金柚底部区域方向角度大于85°的轮廓像素点,并以其最大值所对应的旋转角度作为最佳校正角度.为验证算法的有效性,选取213幅金柚图像样品做旋转校正实验,近90%样品旋转校正角度的绝对误差落入5°范围之内,旋转校正结果令人满意.该方法对于后续的金柚尺寸测量,三维抓取研究具有重大意义.

基于轮廓坐标系转换拟合的柚子果形检测分级方法

针对柚子果形和尺寸分级依赖人工经验判断的现状,本研究提出一种采用轮廓坐标系转换拟合、果形特征提取结合方向角补偿算法检测柚子纵、横径尺寸并基于果形指数对柚子形状缺陷进行判断的方法。以CMOS相机、点阵式LED光源、平面镜、计算机、箱体和支架搭建图像采集装置,获取168个不同尺寸与形状等级的沙田柚样本全表面图像数据。选择G-B分量灰度图像进行去噪与分割,利用Laplacian算子边缘检测算法提取果实的边缘像素,采用多项式拟合方式完成直角坐标向极坐标的转换从而简化果形描述,利用特征点极角值补偿样本纵横径的随机方向,继而区别类球形和类梨形两种类型计算柚子的纵径和横径。以广东梅州沙田柚为对象进行试验,结果表明,利用轮廓坐标系转换拟合、果形特征提取结合方向角补偿算法的方法检测柚子纵径的平均绝对误差、最大绝对误差和平均相对误差分别为2.23 mm、7.39 mm和1.6%,横径的平均绝对误差、最大绝对误差和平均相对误差分别为2.21 mm、7.66 mm和1.4%。从柚子轮廓极坐标的拟合函数中提取3个峰值高度、3个波峰宽度和1个波谷值差值7个特征值,利用BP神经网络算法建立柚子果形判别模型并用独立验证集进行验证,形状判别的总识别率为83.7%。本方法能为柚子尺寸和形状的自动化检测与分级提供快速无损方法。