基于機器視覺的整箱紅提葡萄果粒大小分級裝置及其方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及群體水果分級技術(shù)領(lǐng)域，尤其涉及一種基于機器視覺的整箱紅提葡萄果粒大小自動分級裝置及其方法。本發(fā)明主要是利用工業(yè)相機采集紅提葡萄圖像，通過一系列的圖像處理方法，提取紅提葡萄果粒的大小參數(shù)，根據(jù)果粒的大小建立模型并檢驗進行分級，為紅提葡萄的自動分級提供一種無損快速的方法。
【背景技術(shù)】
[0002]目前，紅提葡萄果粒大小的分級主要是依靠人工來實現(xiàn)的，通過剪切表面的幾顆果粒，用游標卡尺測量其果粒最大軸向直徑作為果粒的直徑，根據(jù)所測的幾顆果粒的直徑來判斷整箱紅提果粒的等級。針對紅提葡萄果粒大小分級時，必須遵循15%的降級原則；換言之，若被檢測紅提葡萄果粒的二級果偏多，但當被檢測紅提葡萄果粒中的三級果占比超過15%，那么被檢測紅提葡萄果粒降為三級果。人工分級時，選取樣本有限，最大軸向直徑不好把握，另外人工分級工作繁瑣、效率低且具有破壞性。
[0003]機器視覺在產(chǎn)品分級領(lǐng)域應用廣泛，比如蘋果、梨、雞蛋等方面的應用。國內(nèi)研究主要是以蘋果、柑橘、雞蛋等形狀規(guī)則且容易分離的單個物體作為研究對象。而對于類似紅提葡萄這種不易分離、形狀大小不一、結(jié)構(gòu)緊湊的對象研究甚少。
[0004]用機器視覺來檢測物體大小的研究眾多。熊利榮等通過對單粒花生的像素點進行提取和計算，實現(xiàn)了單粒花生大小的分類【熊利榮、任奕林、肖任勤，基于機器視覺的花生大小檢驗，湖北農(nóng)業(yè)科學[J]，2007，46(3)】；陳紅等提出了一種曲線結(jié)構(gòu)特征分析的分選方法，設(shè)計了一種基于機器視覺的花菇分選系統(tǒng)【陳紅、夏青、左亭等，基于機器視覺的花菇分選技術(shù)，農(nóng)業(yè)機械學報[J]，2014，45 (I)】；鄧海霞在基于機器視覺的群體禽蛋大小檢測方法研究中先求得禽蛋的質(zhì)心，再求質(zhì)心到邊緣點的最大值作為禽蛋的長軸，最小值作為禽蛋的短軸【鄧海霞，基于機器視覺的群體禽蛋大小檢測方法研究[D]華中農(nóng)業(yè)大學，2006】。雖然機器視覺對物體大小檢測的研究眾多，但主要是針對容易分割或者以單個形體出現(xiàn)的物體進行檢測分級，對于成串狀的紅提葡萄等物體研究極少。
[0005]利用機器視覺對紅提葡萄果粒大小研究主要是針對整串的紅提葡萄。例如，陳英、廖濤等人使用投影面積法和果軸方向投影曲線計算葡萄整串的大小和形狀參數(shù)，進而實現(xiàn)對葡萄的品質(zhì)分級，對顏色分級的準確率高達90%，對大小形狀的分級準確率則達到了88.3%【陳英、廖濤、林初靠等，基于機器視覺的葡萄檢測分級系統(tǒng)，農(nóng)業(yè)機械學報[J].2010，41 (3)】。王巧華等發(fā)明了一種基于機器視覺的紅提葡萄自動分級裝置對整串紅提葡萄進行檢測，通過計算紅提葡萄的曲率角和突變點等方法提取紅提葡萄果粒的大小特征，分級正確率為85%【王巧華、丁幼春、羅俊、許堃瑞、李敏，基于機器視覺的紅提葡萄自動分級裝置及其方法[P]，中國專利:CN102680414A，2012-09-19】。
[0006]經(jīng)檢索，目前國內(nèi)尚未發(fā)現(xiàn)有關(guān)整箱紅提葡萄果粒大小自動分級技術(shù)及分選設(shè)備應用于生產(chǎn)實際。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的就在于克服現(xiàn)有技術(shù)存在的問題，提供一種基于機器視覺的整箱紅提葡萄果粒大小自動分級裝置及其方法。
[0008]本發(fā)明的目的是這樣實現(xiàn)的:
本發(fā)明利用機器視覺，通過特定的處理算法，對整箱紅提葡萄果粒進行分割，再利用橢圓擬合等算法提取紅提葡萄果粒的大小參數(shù)，進而實現(xiàn)了整箱紅提葡萄果粒的大小分級；本發(fā)明從圖像采集到圖像處理再到果粒分級過程中全部是自動化，且分級標準統(tǒng)一，分級速度快，準確率高，具有重要應用意義。
[0009]本發(fā)明主要針對整箱紅提葡萄果粒大小進行分析，與其他現(xiàn)有的研究不同的是，本發(fā)明針對整箱的紅提葡萄進行研究，而并非針對單串紅提葡萄。本發(fā)明中，主要完成以下幾項工作:
1、搭建圖像采集裝置，采集整箱紅提葡萄圖像，主要包括紅提葡萄的選擇，
相機的選擇，光源的選擇，采集圖像等；
2、采用合適的圖像處理方法，對采集的圖像進行處理，提取紅提葡萄果粒的特征參數(shù):
這部分是最為關(guān)鍵的環(huán)節(jié)，主要有三個步驟，第一是圖像預處理，選擇合適的算法去除紅提葡萄果梗；第二是分割葡萄果粒，本發(fā)明采用圖像分割將紅提葡萄果粒分割出來；第三是參數(shù)提取與換算，本發(fā)明利用橢圓擬合對紅提葡萄果粒進行擬合，提取紅提葡萄果粒大小的參數(shù)，同時通過合適的換算算法，得到紅提葡萄果粒的直徑大小。
[0010]3、建立紅提葡萄果粒大小自動分級模型，并加以檢驗。
[0011]本發(fā)明的重點與難點在于如何去除果梗以及如何從整箱紅提葡萄圖像中獲取紅提葡萄果粒大小的參數(shù)。要實現(xiàn)的目的是通過機器視覺及圖像處理技術(shù)提取有效參數(shù)，建立整箱紅提葡萄大小分級分級模型，實現(xiàn)對整箱紅提葡萄的快速無損檢測及分級。
[0012]具體地說，本發(fā)明的技術(shù)方案如下:
一、基于機器視覺的整箱紅提葡萄果粒大小自動分級裝置(簡稱裝置)
本裝置的工作對象是紅提葡萄；
設(shè)置有顯示屏、主機、工業(yè)相機、環(huán)形光源、密封箱、水果箱和傳送帶；
其位置和連接關(guān)系是:
在密封箱底部開設(shè)通道及安裝傳送帶，在傳送帶上擺放水果箱，紅提葡萄放置于水果箱中；
在密封箱的上部中間開設(shè)一個圓孔，在圓孔周圍內(nèi)置有環(huán)形光源，在圓孔處安裝有工業(yè)相機，工業(yè)相機對準紅提匍萄米集?目息；
工業(yè)相機與主機相連，實時更新相機信息。
[0013]二、基于機器視覺的整箱紅提葡萄果粒大小自動分級方法(簡稱方法)
本方法包括下列步驟:
①對待測的整箱紅提葡萄進行編號并放置傳送帶上；
②依次把整箱紅提葡萄送入密封箱中進行圖像采集，同時得到彩色圖像和近紅外圖像；
③對彩色圖像和近紅外圖像進行圖像處理； A、將彩色圖像轉(zhuǎn)為HSV圖像(H代表色調(diào)，S代表飽和度，V代表亮度)，選擇合適的閾值進行處理，得到去除果梗后的圖像，再將其轉(zhuǎn)化為二值化圖像；
B、對近紅外圖像進行增強處理，得到輪廓清晰的灰度圖像；
C、將增強后近紅外圖像與去除果梗的二值化圖像相乘，得到去除果梗后的灰度圖像；
D、對去除果梗后的灰度圖像進行邊緣檢測；
E、分割紅提葡萄果粒的邊緣；
F、對紅提葡萄果粒的邊緣進行去除小面積處理；
G、采用橢圓擬合對去除小面積處理后的紅提葡萄果粒的邊緣進行橢圓擬合；
H、提取參數(shù)，對紅提葡萄果粒進行分級。
[0014]本發(fā)明的工作原理是:
將整箱紅提葡萄放置在傳送帶上，通過傳送帶送入到密封箱底部，接通電源開關(guān)，開啟環(huán)形光源，在顯示屏中打開圖像采集軟件，調(diào)整工業(yè)相機參數(shù)，控制工業(yè)相機采集整箱紅提葡萄的圖像；圖像處理軟件通過上述方法開始處理整箱紅提葡萄圖像，快速判別整箱紅提葡萄的等級，從而實現(xiàn)整箱紅提葡萄果粒大小的自動檢測。
[0015]本發(fā)明具有以下優(yōu)點和積極效果:
①利用機器視覺技術(shù)，能夠完成整箱紅提葡萄的自動分級；
②分級標準統(tǒng)一，分級正確率高；
③利用圖像處理技術(shù)實現(xiàn)了無損檢測，且檢測速度快；
④用機器視覺技術(shù)對群體性物體實現(xiàn)大小無損檢測，具有廣闊的應用前景。
【附圖說明】
[0016]圖1是本裝置的結(jié)構(gòu)示意圖，
圖中:
O一紅提匍萄；
I 一顯不屏；
2一主機；
3—工業(yè)相機；
4一環(huán)形光源；
5—密封箱；
6—水果箱；
7—傳送帶
圖2是圖像處理軟件的工作流程圖。