專(zhuān)利名稱(chēng)：一種果蔬識(shí)別的方法及系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)圖像識(shí)別技術(shù)領(lǐng)域，尤其涉及一種果蔬識(shí)別的方法及系統(tǒng)。
背景技術(shù)：
圖像識(shí)別技術(shù)的研究目標(biāo)是對(duì)觀測(cè)到的圖像中的物體類(lèi)別并做出有意義的判斷。即利用現(xiàn)代信息處理與計(jì)算技術(shù)來(lái)模擬和完成人類(lèi)的認(rèn)識(shí)和理解過(guò)程。圖像識(shí)別的方法很多，可概括為三種:統(tǒng)計(jì)(或決策理論)法，結(jié)構(gòu)(或句法)方法和神經(jīng)網(wǎng)絡(luò)法。統(tǒng)計(jì)法以數(shù)學(xué)上的決策理論為基礎(chǔ)，根據(jù)這種理論建立統(tǒng)計(jì)學(xué)識(shí)別模型。結(jié)構(gòu)識(shí)別是對(duì)統(tǒng)計(jì)識(shí)別方法的補(bǔ)充，統(tǒng)計(jì)方法用數(shù)值來(lái)描述圖像的特征，結(jié)構(gòu)哦方法則是用符號(hào)來(lái)描述圖像特征的。神經(jīng)網(wǎng)絡(luò)方法是指用神經(jīng)網(wǎng)絡(luò)的算法對(duì)圖像進(jìn)行識(shí)別的方法，神經(jīng)網(wǎng)絡(luò)系統(tǒng)是由大量簡(jiǎn)單的處理單元(神經(jīng)元)廣泛地互相連接而形成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，它反映了人腦功能的許多基本特性，是人腦神經(jīng)網(wǎng)絡(luò)系統(tǒng)的簡(jiǎn)化，抽象和模擬。圖像識(shí)別技術(shù)在果蔬識(shí)別的應(yīng)用上有著很好的前景。我國(guó)是一個(gè)水果和蔬菜生產(chǎn)大國(guó)，水果和蔬菜的總產(chǎn)量均居世界之首，近些年來(lái)我國(guó)的果蔬商品化處理發(fā)展比較迅速，特別是計(jì)算機(jī)視覺(jué)技術(shù)在果蔬識(shí)別分類(lèi)和品質(zhì)檢測(cè)領(lǐng)域中應(yīng)用越來(lái)越廣泛。但由于果蔬的種類(lèi)頻多，而且不同的果蔬其形狀、顏色和紋理等特征千差萬(wàn)別，如何用較少的特征量來(lái)表示果蔬的特征，能否用統(tǒng)一的方法來(lái)對(duì)不同果蔬進(jìn)行識(shí)別分類(lèi)，是目前研究的重要課題之一。當(dāng)前圖像識(shí)別所面臨者許多問(wèn)題:首先，完成一幅圖像的識(shí)別要經(jīng)過(guò)許多不同的處理過(guò)程，識(shí)別步驟較為繁瑣；另外，現(xiàn)在的各種圖像識(shí)別算法都有一定的局限性，且計(jì)算量較大，難以實(shí)時(shí)應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種果蔬識(shí)別的方法及系統(tǒng)，可方便快捷的進(jìn)行果蔬的識(shí)另Ij，提高了工作效率，節(jié)約了成本。一種果蔬識(shí)別的方法，該方法包括:對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理；從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)并與數(shù)據(jù)庫(kù)中果蔬圖像對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行差異度檢測(cè)，獲得差異度評(píng)分；選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終端。一種果蔬識(shí)別的系統(tǒng)，該系統(tǒng)包括:預(yù)處理模塊，用于對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理；差異度評(píng)分計(jì)算模塊，用于從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)并與數(shù)據(jù)庫(kù)中果蔬圖像對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行差異度檢測(cè)，獲得差異度評(píng)分；識(shí)別結(jié)果輸出模塊，用于選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終端。
由上述本發(fā)明提供的技術(shù)方案可以看出，通過(guò)終端對(duì)需要識(shí)別的果蔬進(jìn)行拍攝，并利用蔬菜本身的特征進(jìn)行識(shí)別并返回，可以非常方便快捷地得出果蔬的種類(lèi)，提高了工作效率，節(jié)約了成本。


為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案，下面將對(duì)實(shí)施例描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他附圖。圖1為本發(fā)明實(shí)施例一提供的一種果蔬識(shí)別的方法的流程圖；圖2為本發(fā)明實(shí)施例二提供的又一種果蔬識(shí)別的方法的流程圖；圖3為本發(fā)明實(shí)施例三提供的一種果蔬識(shí)別的系統(tǒng)的示意圖。
具體實(shí)施例方式下面結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明的保護(hù)范圍。實(shí)施例一圖1為本發(fā)明實(shí)施例一提供的一種果蔬識(shí)別的方法的流程圖，主要包括如下步驟:步驟101、對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理。終端(例如，手機(jī))采集到的果蔬圖像后，通過(guò)網(wǎng)絡(luò)發(fā)送至服務(wù)器端進(jìn)行識(shí)別，或在終端上加載識(shí)別所需的數(shù)據(jù)庫(kù)后直接在終端進(jìn)行識(shí)別。由于終端種類(lèi)繁多，且用戶的拍攝角度、距離等因素的影響，若直接對(duì)該圖像進(jìn)行識(shí)別，則存在較大的誤差。因此，服務(wù)器端收到圖像后需要進(jìn)行標(biāo)準(zhǔn)化預(yù)處理，例如，提取邊緣閉合的果蔬圖形，并將該圖形進(jìn)行校正及尺寸統(tǒng)一化。步驟102、從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)并與數(shù)據(jù)庫(kù)中果蔬圖像對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行差異度檢測(cè)，獲得差異度評(píng)分。對(duì)終端采集到的果蔬圖像進(jìn)行標(biāo)準(zhǔn)化預(yù)處理后，可方便的提取各種特征數(shù)據(jù)，例如，果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值等。數(shù)據(jù)庫(kù)中的果蔬圖像均為標(biāo)準(zhǔn)化預(yù)處理后的圖像，可使用同樣的方法提取上述特征數(shù)據(jù)；將終端采集到的果蔬圖像與數(shù)據(jù)庫(kù)中的果蔬圖像的特征數(shù)據(jù)一對(duì)一的進(jìn)行差異度檢測(cè)，例如，分別進(jìn)行果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值的差異度檢測(cè)，則可獲得四個(gè)差異度分?jǐn)?shù)，將這四個(gè)分?jǐn)?shù)相加則獲得最終的差異度評(píng)分。另外，可以通過(guò)人工的方式對(duì)數(shù)據(jù)庫(kù)中的果蔬圖像進(jìn)行標(biāo)準(zhǔn)化預(yù)處理，以減少機(jī)器的系統(tǒng)誤差。并且，可對(duì)每一種類(lèi)的果蔬設(shè)置多張標(biāo)準(zhǔn)圖像(例如，5張)，并分別與終端采集到的果蔬圖像進(jìn)行差異度檢測(cè)，以減少檢測(cè)結(jié)果的偶然性。步驟103、選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終端。
圖像差異度的評(píng)分可表示圖像的相似程度，差異度評(píng)分越高，則說(shuō)明相似度越低；反之說(shuō)明兩張圖像相似度越高。步驟102中介紹了數(shù)據(jù)庫(kù)中每一種類(lèi)的果蔬可以設(shè)置多張標(biāo)準(zhǔn)圖像，因此，差異度評(píng)分最低的若干果蔬圖像可能對(duì)應(yīng)于同一種類(lèi)的果蔬。此時(shí)，為了提高識(shí)別的準(zhǔn)確率，當(dāng)查找到差異度評(píng)分最低的果蔬圖像后，則對(duì)該果蔬種類(lèi)對(duì)應(yīng)的其他果蔬圖像的差異度評(píng)分進(jìn)行標(biāo)記，以確保下次搜索能找出不同種類(lèi)的果蔬圖像。當(dāng)查找到若干不同結(jié)果后(例如，3種)，輸出至終端。本發(fā)明實(shí)施例通過(guò)終端對(duì)需要識(shí)別的果蔬進(jìn)行拍攝，并利用蔬菜本身的特征進(jìn)行識(shí)別并返回，可以非常方便快捷地得出果蔬的種類(lèi)，提高了工作效率，節(jié)約了成本。需要說(shuō)明的是，本實(shí)施例的技術(shù)方案可應(yīng)用于超市或菜市場(chǎng)進(jìn)行果蔬識(shí)別，也可應(yīng)用于果蔬識(shí)別分類(lèi)和品質(zhì)檢測(cè)。實(shí)施例二為了便于理解本發(fā)明，現(xiàn)結(jié)合附圖2對(duì)本發(fā)明做進(jìn)一步介紹，如圖2所示，主要包括如下步驟:步驟201、接收終端采集到的果蔬圖像。終端可以是手機(jī)或帶有網(wǎng)絡(luò)功能的相機(jī)等，以便隨時(shí)隨地進(jìn)行拍攝，方便了用戶的使用；并且識(shí)別的過(guò)程及所需要的數(shù)據(jù)存放在服務(wù)器端，可減少終端計(jì)算量及存儲(chǔ)空間。步驟202、預(yù)處理所述果蔬圖像。由于終端種類(lèi)繁多，且用戶的拍攝角度、距離等因素的影響，若直接對(duì)該圖像進(jìn)行識(shí)別，則存在較大的誤差。因此，服務(wù)器端收到圖像后需要進(jìn)行標(biāo)準(zhǔn)化預(yù)處理。首先，通過(guò)邊緣檢測(cè)算子canny算子找出所述果蔬圖像的邊緣，再進(jìn)行膨脹處理(例如，使用cvDilate函數(shù))，獲得使邊緣閉合的圖形。閉合的圖形可能存在多個(gè)，可以通過(guò)設(shè)定圖形面積的閾值來(lái)進(jìn)行過(guò)濾處理(例如，過(guò)濾面積小于300像素的圖形)，來(lái)獲得邊緣閉合的果蔬圖形。然后對(duì)果蔬圖像中的果蔬圖形的方位進(jìn)行校正，例如，通過(guò)旋轉(zhuǎn)的方式對(duì)果蔬圖形進(jìn)行校正；最后，將校正后的果蔬圖像的尺寸統(tǒng)一化(例如，長(zhǎng)寬均設(shè)為200像素)。步驟203、調(diào)用數(shù)據(jù)庫(kù)果蔬圖像。數(shù)據(jù)庫(kù)中包含多種蔬菜及水果，每種蔬菜與水果均有多張圖像(例如，5張)；且每一張圖像均通過(guò)人工的方式對(duì)數(shù)據(jù)庫(kù)中的果蔬圖像進(jìn)行標(biāo)準(zhǔn)化預(yù)處理(預(yù)處理的方式與步驟202的方式類(lèi)似)，以減少機(jī)器的系統(tǒng)誤差。為便于讀取圖像，可將圖像的命名格式設(shè)為“果蔬(i).jpg”，每一種類(lèi)的果蔬對(duì)應(yīng)不同的i值，通過(guò)改變i的值，再調(diào)用圖像讀取函數(shù)cvLoadlmage則可方便的讀取庫(kù)中的圖像。步驟204、對(duì)預(yù)處理后的果蔬圖像及數(shù)據(jù)庫(kù)中的果蔬圖像進(jìn)行差異度檢測(cè)。本實(shí)施例的差異度檢測(cè)是基于圖像的特征數(shù)據(jù)進(jìn)行的。示例性的，所提取的特征數(shù)據(jù)主要包括果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值。由前述可知，數(shù)據(jù)庫(kù)中果蔬圖像命名格式設(shè)為“果蔬(i).jpg，通過(guò)改變i的值，則可方便的調(diào)用數(shù)據(jù)庫(kù)中的圖像用于進(jìn)行差異度的檢測(cè)。具體的:檢測(cè)時(shí)，分別計(jì)算每一特征數(shù)據(jù)的差異度分?jǐn)?shù)，再將得到的四組特征數(shù)據(jù)的差異度分?jǐn)?shù)相加，獲得最終的差異度評(píng)分；數(shù)據(jù)庫(kù)中每一果蔬種類(lèi)的差異度評(píng)分均存放在對(duì)應(yīng)的數(shù)組allveg[i]中,直到讀完庫(kù)中所有圖片為止。其中，每一 allveg[i]中可以存在多組差異度評(píng)分(例如，每一種類(lèi)果蔬的包含5張圖像時(shí)，則對(duì)應(yīng)的數(shù)組中存在5組差異度評(píng)分)。下面，對(duì)每一特征數(shù)據(jù)的差異度檢測(cè)所使用的公式及方法做舉例說(shuō)明。I)終端采集到的果蔬圖形的邊緣與數(shù)據(jù)庫(kù)中第i張圖像果蔬圖形邊緣的形狀差異通過(guò)下述公式進(jìn)行檢測(cè):cannyre[i]=cvMatchShapes (cannyre, cannyi, 3)；其中，cvMatchShapes為邊緣匹配函數(shù)，cannyre為終端采集到的果蔬圖形的邊緣，cannyi為數(shù)據(jù)庫(kù)中第i張圖像果蔬圖形的邊緣。2)計(jì)算兩者直方圖差異度時(shí),可以先通過(guò)CvSetImageROI (基于給定的矩形設(shè)置圖像的感興趣區(qū)域)函數(shù)找出感興趣的矩形區(qū)域，再計(jì)算兩者的直方圖差異度:histre[i]=CvCompareHist(histi, hist, CV_COMP_BHATTACHARYYA)；其中，cvCompareHist為直方圖對(duì)比函數(shù)，histi為數(shù)據(jù)庫(kù)中第i張圖像果蔬圖形所提取出的直方圖，hist為終端采集到的果蔬圖形所提取出的直方圖，CV_C0MP_BHATTACHARYYA為比較兩個(gè)直方圖巴氏距離的參數(shù)。3)當(dāng)通過(guò)所述cvSetlmageROI函數(shù)找出感興趣的矩形區(qū)域后，可以直接將該矩形的長(zhǎng)寬比作為對(duì)應(yīng)果蔬圖形的長(zhǎng)寬比；再通過(guò)下述公式進(jìn)行長(zhǎng)寬比差異度的計(jì)算:changkuanre[i]=fabs (changkuan[i]-changkuanep)；其中，fabs為絕對(duì)值函數(shù)，changkuan[i]為數(shù)據(jù)庫(kù)中第i張圖像果蔬圖形的長(zhǎng)寬It, changkuanep為終端采集到的果蔬圖形的長(zhǎng)寬比。4)分別計(jì)算終端采集到的果蔬圖形與數(shù)據(jù)庫(kù)第i張圖像果蔬圖形的顏色均值，再通過(guò)下述公式計(jì)算兩者的差異度:bgrcolor [i] =sqrt (double ((b~bi)2+ (g-gi)2+ (r~ri)2) )/255 ；其中，sqrt為計(jì)算平方根函數(shù)，r、g、b為終端采集到的果蔬圖形中的紅色、綠色、藍(lán)色的均值，r1、g1、bi為數(shù)據(jù)庫(kù)中第i張圖像果蔬圖形中的紅色、綠色、藍(lán)色的均值。5)將步驟1-4所計(jì)算的結(jié)果相加，獲得終端采集到的果蔬圖形與數(shù)據(jù)庫(kù)第i張圖像果蔬圖形的差異度評(píng)分:alIveg[i]=cannyre[i]+histre[i]+changkuanre[i]+bgrcolor[i]。步驟205、選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終端。圖像差異度的評(píng)分可表示圖像的相似程度，差異度評(píng)分越高，則說(shuō)明相似度越低；反之說(shuō)明兩張圖像相似度越高。在選擇差異度評(píng)分最低的結(jié)果時(shí)，可以直接搜索allveg數(shù)組中的最小值，并通過(guò)allveg數(shù)組對(duì)應(yīng)i的數(shù)值確定果蔬種類(lèi)。由于本實(shí)施例需要返回的若干種(例如，3種)果蔬圖像為不同的種類(lèi)，因此在找出一種結(jié)果后就對(duì)這種果蔬的所有圖像對(duì)應(yīng)的allveg值進(jìn)行標(biāo)記，標(biāo)記過(guò)的值跳過(guò)下次搜索，以確保下次搜索能找出不同的結(jié)果，當(dāng)找出若干種結(jié)果后便將蔬菜名稱(chēng)輸出到手機(jī)終端進(jìn)行顯示。
本發(fā)明實(shí)施例通過(guò)終端對(duì)需要識(shí)別的果蔬進(jìn)行拍攝，并利用蔬菜本身的特征進(jìn)行識(shí)別并返回，可以非常方便快捷地得出果蔬的種類(lèi)，提高了工作效率，節(jié)約了成本。需要說(shuō)明的是，本實(shí)施例的技術(shù)方案可應(yīng)用于超市或菜市場(chǎng)進(jìn)行果蔬識(shí)別，也可應(yīng)用于果蔬識(shí)別分類(lèi)和品質(zhì)檢測(cè)。通過(guò)以上的實(shí)施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到上述實(shí)施例可以通過(guò)軟件實(shí)現(xiàn)，也可以借助軟件加必要的通用硬件平臺(tái)的方式來(lái)實(shí)現(xiàn)?；谶@樣的理解，上述實(shí)施例的技術(shù)方案可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該軟件產(chǎn)品可以存儲(chǔ)在一個(gè)非易失性存儲(chǔ)介質(zhì)(可以是⑶-R0M，U盤(pán)，移動(dòng)硬盤(pán)等)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述的方法。實(shí)施例三圖3為本發(fā)明實(shí)施例三提供的一種果蔬識(shí)別的系統(tǒng)的示意圖，該系統(tǒng)主要包括:預(yù)處理模塊31，用于對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理；差異度評(píng)分計(jì)算模塊32，用于從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)并與數(shù)據(jù)庫(kù)中果蔬圖像對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行差異度檢測(cè)，獲得差異度評(píng)分；識(shí)別結(jié)果輸出模塊33，用于選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終端。所述預(yù)處理模塊31包括:閉合圖形獲取模塊311，用于通過(guò)邊緣檢測(cè)算子canny算子找出所述果蔬圖像的邊緣，并進(jìn)行膨脹處理，獲得N個(gè)邊緣閉合圖形；果蔬圖形獲取模塊312，用于通過(guò)設(shè)定閉合圖形面積的閾值對(duì)所述N個(gè)閉合圖形進(jìn)行過(guò)濾，獲得邊緣閉合的果蔬圖形；圖形尺寸轉(zhuǎn)換模塊313，用于對(duì)果蔬圖像中所述邊緣閉合的果蔬圖形的方位進(jìn)行校正，并將校正后果蔬圖像的尺寸轉(zhuǎn)換為預(yù)設(shè)大小。 所述差異度評(píng)分計(jì)算模塊32包括:特征數(shù)據(jù)提取模塊321，用于從預(yù)處理后的果蔬圖像中提取果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值作為該果蔬圖像的特征數(shù)據(jù)。所述差異度評(píng)分計(jì)算32模塊還包括:差異度分?jǐn)?shù)獲取模塊322，用于分別計(jì)算終端采集到的果蔬圖像與數(shù)據(jù)庫(kù)中果蔬圖像中果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值的差異度，獲得四個(gè)差異度分?jǐn)?shù)；差異度評(píng)分獲取模塊323，用于將所述四個(gè)差異度分?jǐn)?shù)相加，得到終端采集到的果蔬圖像與數(shù)據(jù)庫(kù)中果蔬圖像的差異度評(píng)分。需要說(shuō)明的是，上述裝置中包含的各個(gè)處理單元所實(shí)現(xiàn)的功能的具體實(shí)現(xiàn)方式在前面的各個(gè)實(shí)施例中已經(jīng)有詳細(xì)描述，故在這里不再贅述。所屬領(lǐng)域的技術(shù)人員可以清楚地了解到，為描述的方便和簡(jiǎn)潔，僅以上述各功能模塊的劃分進(jìn)行舉例說(shuō)明，實(shí)際應(yīng)用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將裝置的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功倉(cāng)泛。以上所述，僅為本發(fā)明較佳的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求書(shū)的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
1.一種果蔬識(shí)別的方法，其特征在于，該方法包括: 對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理； 從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)并與數(shù)據(jù)庫(kù)中果蔬圖像對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行差異度檢測(cè)，獲得差異度評(píng)分； 選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終端。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理的步驟包括: 通過(guò)邊緣檢測(cè)算子canny算子找出所述果蔬圖像的邊緣，再進(jìn)行膨脹處理，獲得N個(gè)邊緣閉合圖形； 通過(guò)設(shè)定閉合圖形面積的閾值對(duì)所述N個(gè)閉合圖形進(jìn)行過(guò)濾，獲得邊緣閉合的果蔬圖形； 對(duì)果蔬圖像中所述邊緣閉合的果蔬圖形的方位進(jìn)行校正，并將校正后果蔬圖像的尺寸轉(zhuǎn)換為預(yù)設(shè)大小。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)包括: 從預(yù)處理后的果蔬圖像中提取果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值作為該果蔬圖像的特征數(shù)據(jù)。
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，獲得所述差異度評(píng)分的步驟包括: 分別計(jì)算終端采集到的果蔬圖像與數(shù)據(jù)庫(kù)中果蔬圖像中果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值的差異度，獲得四個(gè)差異度分?jǐn)?shù)； 將所述四個(gè)差異度分?jǐn)?shù)相加，得到終端采集到的果蔬圖像與數(shù)據(jù)庫(kù)中果蔬圖像的差異度評(píng)分。
5.一種果蔬識(shí)別的系統(tǒng)，其特征在于，該系統(tǒng)包括: 預(yù)處理模塊，用于對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理； 差異度評(píng)分計(jì)算模塊，用于從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)并與數(shù)據(jù)庫(kù)中果蔬圖像對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行差異度檢測(cè)，獲得差異度評(píng)分； 識(shí)別結(jié)果輸出模塊，用于選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終。
6.根據(jù)權(quán)利要求5所述的系統(tǒng)，其特征在于，所述預(yù)處理模塊包括: 閉合圖形獲取模塊，用于通過(guò)邊緣檢測(cè)算子canny算子找出所述果蔬圖像的邊緣，并進(jìn)行膨脹處理，獲得N個(gè)邊緣閉合圖形； 果蔬圖形獲取模塊，用于通過(guò)設(shè)定閉合圖形面積的閾值對(duì)所述N個(gè)閉合圖形進(jìn)行過(guò)濾，獲得邊緣閉合的果蔬圖形； 圖形尺寸轉(zhuǎn)換模塊，用于對(duì)果蔬圖像中所述邊緣閉合的果蔬圖形的方位進(jìn)行校正，并將校正后果蔬圖像的尺寸轉(zhuǎn)換為預(yù)設(shè)大小。
7.根據(jù)權(quán)利要求6所述的系統(tǒng)，其特征在于，所述差異度評(píng)分計(jì)算模塊包括: 特征數(shù)據(jù)提取模塊，用于從預(yù)處理后的果蔬圖像中提取果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值作為該果蔬圖像的特征數(shù)據(jù)。
8.根據(jù)權(quán)利要求7所述的系統(tǒng)，其特征在于，所述差異度評(píng)分計(jì)算模塊還包括:差異度分?jǐn)?shù)獲取模塊，用于分別計(jì)算終端采集到的果蔬圖像與數(shù)據(jù)庫(kù)中果蔬圖像中果蔬圖形的邊緣、直方圖、長(zhǎng)寬比與顏色均值的差異度，獲得四個(gè)差異度分?jǐn)?shù)； 差異度評(píng)分獲取模塊，用于將所述四個(gè)差異度分?jǐn)?shù)相加，得到終端采集到的果蔬圖像與數(shù)據(jù)庫(kù)中果蔬圖像的 差異度評(píng)分。
全文摘要
本發(fā)明公開(kāi)了一種果蔬識(shí)別的方法及系統(tǒng)，其中，該方法包括對(duì)終端采集到的果蔬圖像進(jìn)行預(yù)處理；從預(yù)處理后的果蔬圖像中提取特征數(shù)據(jù)并與數(shù)據(jù)庫(kù)中果蔬圖像對(duì)應(yīng)的特征數(shù)據(jù)進(jìn)行差異度檢測(cè)，獲得差異度評(píng)分；選擇差異度評(píng)分最低的若干果蔬圖像作為識(shí)別結(jié)果輸出至所述終端。通過(guò)采用本發(fā)明公開(kāi)的方法可方便快捷的進(jìn)行果蔬的識(shí)別，提高了工作效率，節(jié)約了成本。
文檔編號(hào)G06K9/00GK103093208SQ20131002518
公開(kāi)日2013年5月8日 申請(qǐng)日期2013年1月23日 優(yōu)先權(quán)日2013年1月23日
發(fā)明者朱明 , 鮑天龍, 孫永錄 申請(qǐng)人:中國(guó)科學(xué)技術(shù)大學(xué)