一种基于机器视觉的燕窝杂质识别与检测方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106651882A(43)申请公布日2017.05.10(21)申请号201611247459.7(22)申请日2016.12.29(71)申请人广东工业大学地址510062广东省广州市越秀区东风东路729号大院(72)发明人梁永坚许亮何小敏(74)专利代理机构北京集佳知识产权代理有限公司11227代理人张春水唐京桥(51)Int.Cl.G06T7/11(2017.01)G06T7/136(2017.01)权利要求书3页说明书11页附图1页(54)发明名称一种基于机器视觉的燕窝杂质识别与检测方法及装置(57)摘要本发明实施例公开了一种基于机器视觉的燕窝杂质识别与检测方法及装置，用于解决使用单目相机进行检测只能得到杂质区域轮廓信息而无法获取到杂质区域高度信息，这样在后续杂质剔除操作中，在剔除杂质同时也会夹带着一些燕窝，从而造成原料产品浪费并降低经济效益；使用双目视觉检测得到三维信息精度低，误差大，满足不了燕窝杂质检测要求的技术问题。CN106651882ACN106651882A权利要求书1/3页1.一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，包括：S1：通过图像预处理方法和基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域；S2：通过羽毛杂质特征选取和特征匹配方法剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域，并将燕窝二维图像中的羽毛杂质区域再次分拣得到燕窝二维图像中的目标羽毛杂质区域；S3：通过点定位方法将燕窝二维图像中的目标羽毛杂质区域质心坐标进行燕窝三维图像的质心坐标转换，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值，使得根据羽毛杂质区域二维坐标的高度值获取燕窝二维图像中目标羽毛杂质区域三维信息。2.根据权利要求1所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S1之前还包括：S0：通过颜色均匀、形状规则圆形或者矩形具有预置高度的物体的Mark点进行二维图像和三维图像的映射并标定相机坐标，对燕窝图像进行采集。3.根据权利要求2所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S1具体包括：对采集的燕窝二维图像依次进行中值滤波、分段线性变换、基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域。4.根据权利要求3所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S2具体包括：S21：对燕窝二维图像初步分割后的羽毛杂质区域进行羽毛杂质区域和特征提取，剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域；S22：通过预置质心公式计算剔除误检区域的羽毛杂质区域质心坐标(icn,jcn)，修正羽毛杂质区域质心坐标(icn,jcn)，通过欧式距离判断剔除误检区域的羽毛杂质区域质心到自身区域最小距离点间值d是否等于0，若是，则质心坐标不变，若否，则计算羽毛杂质区域最小外接椭圆长半轴a，获得起点为质心(icn,jcn)，终点为质心到区域最小距离点(xi,yi)的线段L，获得最小外接椭圆长半轴a的直线M与羽毛杂质区域交点(m,n)，计算交点(m,n)和质心到羽毛杂质区域最小距离点(xi,yi)中心点(p,q)即新的质心坐标(icm,jcm)。5.根据权利要求4所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S3具体包括：计算燕窝二维图像中Mark点质心坐标(ic1,jc1)和修正后羽毛杂质区域质心坐标(icm,jcm)距离关系：再通过燕窝三维图像中Mark点质心坐标(ic2,jc2)、获得一个新的距离关系：2CN106651882A权利要求书2/3页即燕窝三维图像中羽毛杂质区域二维坐标(row3m,col3m)，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值z3m，使得根据羽毛杂质区域二维坐标的高度值z3m获取羽毛杂质区域三维坐标(row3m,col3m,z3m)。6.一种基于机器视觉的燕窝杂质识别与检测装置，其特征在于，包括：初步分割单元，用于通过图像预处理方法和基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域；提取单元，用于通过羽毛杂质特征选取和特征匹配方法剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域，并将燕窝二维图像中的羽毛杂质区域再次分拣得到燕窝二维图像中的目标羽毛杂质区域；定位单元，用于通过点定位方法将燕窝二维图像中的目标羽毛杂质区域质心坐标进行燕窝三维图像的质心坐标转换，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值，使得根据羽毛杂质区域二维坐标的高度值获取燕窝二维图像中目标羽毛杂质区域三维信息。7.根据权利要求6所述的一种