一种基于计算机视觉的播娘蒿籽杂质识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115661667A(43)申请公布日2023.01.31(21)申请号202211592140.3(22)申请日2022.12.13(71)申请人济宁市土哥农业服务有限公司地址272500山东省济宁市汶上县汶上街道办事处八里桥村食坊一条街南门路东第三家(72)发明人崔志旦崔修路(74)专利代理机构青岛致嘉知识产权代理事务所(普通合伙)37236专利代理师韩艳艳(51)Int.Cl.G06V20/10(2022.01)G06V10/26(2022.01)G06V10/762(2022.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于计算机视觉的播娘蒿籽杂质识别方法(57)摘要本发明涉及图像处理技术领域，具体涉及一种基于计算机视觉的播娘蒿籽杂质识别方法，包括：获取播娘蒿籽图像，对播娘蒿籽图像进行K‑means聚类分割得到K类区域；获取播娘蒿籽图像的分割效果值；在播娘蒿籽图像中设置多个矩形框，获取每个矩形框中每类区域下连通域的个数，获取每类区域的分割效果值；对每类区域进行聚类得到正常区域和杂质区域，根据正常区域和杂质区域所对应的每类区域的分割效果的均值及播娘蒿籽图像的分割效果值得到杂质区域的分割效果值；根据杂质区域的分割效果值的最大值得到最佳杂质区域，根据最佳杂质区域对播娘蒿籽进行除杂。本发明提高了播娘蒿籽杂质识别的准确性。CN115661667ACN115661667A权利要求书1/2页1.一种基于计算机视觉的播娘蒿籽杂质识别方法，其特征在于，包括：S1、获取播娘蒿籽图像，设置K‑means聚类分割的初始K值，并利用播娘蒿籽图像中每个像素点的像素值及初始K值对播娘蒿籽图像进行K‑means聚类分割得到所有类区域；S2、根据每类区域下所有连通域像素点的像素值均值得到每类区域之间像素点的像素值均值的标准差，利用每类区域之间像素点的像素值均值的标准差和每类区域下每个连通域中像素点的像素值的标准差的均值得到播娘蒿籽图像的分割效果值；S3、在播娘蒿籽图像中设置多个矩形框，获取每个矩形框中每类区域下连通域的个数，根据每个矩形框中每类区域下连通域的个数得到每类区域的分布的均匀程度，根据每类区域的分布的均匀程度、每类区域下所有连通域像素点中的像素值均值和播娘蒿籽图像的像素值均值得到每类区域的分割效果值；S4、将所有类区域进行聚类得到正常区域和杂质区域，根据正常区域和杂质区域中包含的每类区域的分割效果值的均值及播娘蒿籽图像的分割效果值得到杂质区域的分割效果值；S5、对初始K值进行调整得到调整后的K值，根据调整后的K值重复所述S1‑S4步骤得到杂质区域的分割效果值，依次迭代，直到杂质区域的分割效果值最大时停止，将获取该杂质区域的分割效果值的最大值所对应的杂质区域作为最佳杂质区域，根据最佳杂质区域判断该播娘蒿籽图像所对应的播娘蒿籽是否需要除杂。2.根据权利要求1所述的一种基于计算机视觉的播娘蒿籽杂质识别方法，其特征在于，所述得到播娘蒿籽图像的分割效果值的方法是：以每类区域之间像素点的像素值均值的标准差作为分子，以每类区域下每个连通域中像素点的像素值的标准差的均值作为分母得到比值，将该比值作为播娘蒿籽图像的分割效果值。3.根据权利要求1所述的一种基于计算机视觉的播娘蒿籽杂质识别方法，其特征在于，所述每类区域的分布的均匀程度是按如下方法确定的：根据每个矩形框中每类区域下连通域的个数得到播娘蒿籽图像中每类区域的个数的标准差，将每类区域的个数的标准差作为每类区域的分布的均匀程度。4.根据权利要求1所述的一种基于计算机视觉的播娘蒿籽杂质识别方法，其特征在于，所述每类区域的分割效果值是按如下方法确定的：获取每类区域下所有连通域像素点中的像素值均值和播娘蒿籽图像的像素值均值的差值的绝对值，以该差值的绝对值作为分子，以该类区域的分布的均匀程度为分子得到比值，将该比值得到每类区域的分割效果值。5.根据权利要求1所述的一种基于计算机视觉的播娘蒿籽杂质识别方法，其特征在于，所述得到正常区域和杂质区域的方法是：对播娘蒿籽图像中的每类区域进行K‑means聚类分割，其中，K值设置为2，得到二次分割后的两类区域；分别计算二次分割后的两类区域中的每类区域的分割效果的均值；将两个均值中数值大的均值所对应的二次分割后的区域作为正常区域，将两个均值中数值小的均值所对应的二次分割后的区域作为杂质区域。6.根据权利要求1所述的一种基于计算机视觉的播娘蒿籽杂质识别方法，其特征在于，2CN115661667A权利要求书2/2页所述杂质区域的分割效果值是按如下方法确定的：获取正常区域中每类区域的分割效果值的均值与杂质区域中每类区域的分割效果值的均值的差值的绝对值；将该差值的绝对值作为指数函数的指数得到指数函数，将指数函