一种在线识别裂颖稻种的双面分析方法技术

本发明专利技术公开了一种在线识别裂颖稻种的双面分析方法。利用黑白工业相机同步采集运动稻种的正面和背面图像，利用图像处理算法分别对正面图像和背面图像依次进行图像处理和裂颖特征提取，通过对正面图像和背面图像中的特征进行检测识别，最后综合双面图像的分析结果进行筛选剔除，获得裂颖稻种的检测结果。本发明专利技术同步获取稻种的两面图像，并采用多线程进行图像处理和工程实现，能够以更高的精度和效率识别和处理裂颖稻种。

【技术实现步骤摘要】

本专利技术涉及机器视觉
，尤其涉及一种在线识别裂颖稻种的双面分析方法。
技术介绍
杂交水稻稻种中常存在内外颖不完全闭合的裂颖缺陷，造成稻种的活力和发芽率降低，而现有风选处理手段无法自动分选。利用机器视觉技术检测种子质量的研究，包括专利CN200710067204.7、CN201110122572.3、CN200410078033.4、CN200910148225.0、CN201010237646.3等，均采用单面检测或非同步采集双面图像，而稻种姿态无法固定，裂颖可能呈现在不同面，已有技术无法实现同步采集同一稻种的双面图像进行裂颖稻种在线双面分析。
技术实现思路
为解决现有技术存在的上述问题，本专利技术提供了一种在线识别裂颖稻种的双面分析方法。本专利技术采用的技术方案是：1)利用黑白工业相机同步采集运动稻种的正面和背面图像；2)利用图像处理算法分别对正面图像和背面图像依次进行图像处理和裂颖特征提取；3)通过对正面图像和背面图像中的特征进行检测识别，最后综合双面图像的分析结果进行筛选剔除，获得裂颖稻种的检测结果。所述步骤3)具体是：对正面图像和背面图像分别进行霍夫直线检测，结合线的数量判定是裂颖稻种还是正常稻种：如果线的数量小于或者等于1，则为正常稻种；如果线的数量等于2，则再将两条直线中点的y坐标之差在偏差阈值内，则为是正常稻种；如果线的数量大于或者等于3，则为裂颖稻种；双面图像均检测后，正面图像和背面图像的检测结果相同，则保留其检测结果；正面图像和背面图像的检测结果不同，则认为该稻种为裂颖稻种所述的图像处理是包括去除图像背景，再通过旋转和平移将运动稻种置于图像中心。所述的图像处理具体是：使用大津法对图像进行阈值分割，再寻找最大面积连通域，即为稻种区域，用白色来填充最大面积连通域，将其他区域作为背景区域并将其像素值置为0，最后利用中值滤波(3*3)去除图像噪声点；利用cvMinAreaRect2函数来获取白色填充区域的最小外接矩形，根据最小外接矩形中长边和水平坐标轴的夹角α与旋转角度β之间函数关系，将稻种长轴以其外接矩形中心为中心旋转至水平方向，其余部分用像素值为0进行填充，然后采用边缘检测算子进行检测获得轮廓边缘特征，并去除。所述的裂颖特征提取具体包括提取运动稻种的边缘特征，去除运动稻种的轮廓，获得运动稻种的中间边缘特征。所述步骤1)采用双相机对射方式同时获取运动中同一稻种的双面清晰图像。所述步骤2)过程和步骤3)中的检测识别过程采用多线程分别进行图像处理。本专利技术的图像坐标系是以图像竖直向下为y轴正方向，以图像水平向右为x轴正方向。与现有种子质量检测技术相比，本专利技术具有的有益效果为：同步获取稻种的正反两面图像，有效地减少了稻种表面信息的盲区和异步采集的对象误差，识别精度高；多线程图像处理和利用工程代码开发的软件，实现大批量在线识别裂颖稻种，效率高。附图说明图1是本专利技术方法的一种实施例流程图。图2是正常稻种图像。图3是裂颖稻种图像。图4是去除边框后正常稻种图像。图5是去除边框后裂颖稻种图像。图6是正常稻种二值化图像。图7是裂颖稻种二值化图像。图8是去除背景后正常稻种图像。图9是去除背景后裂颖稻种图像。图10是正常稻种外接矩形顶点图。图11是裂颖稻种外接矩形顶点图。图12是旋转后正常稻种二值图。图13是旋转后裂颖稻种二值图。图14是旋转后正常稻种图像。图15是旋转后裂颖稻种图像。图16是正常稻种边缘检测二值图。图17是裂颖稻种边缘检测二值图。图18是去除轮廓后正常稻种边缘二值图。图19是去除轮廓后裂颖稻种边缘二值图。图20是检测为正常稻种图像。图21是检测为裂颖稻种图像。图22是线段数量为1的正常稻种图像。图23是线段数量为2的正常稻种图像。具体实施方式下面结合附图及具体实施例对本专利技术作进一步详细说明。本专利技术的实施例如下，如图1所示包括以下步骤：S1、利用黑白工业相机同步采集运动稻种的正面和背面图像，并分别将其保存至对应的数据缓存区。数据缓存区A和数据缓存区B都是大小与相机相匹配颜色位深为8位的一帧图像数据容量。S2、监听数据缓存区，查看数据缓存区A或B是否被填满，任一缓存区被填满则开启两个线程。数据缓存区A被填满使用一条线程处理稻种正面图像，数据缓存区B被填满使用另一条线程处理稻种背面图像。S3、在各自的线程中，进行图像处理和裂颖特征提取，之后进行霍夫直线检测并结合线的数量判定是裂颖稻种还是正常稻种，分别得到各自的分析结果。具体处理过程如下：采集到的正常稻种图像如图2所示，裂颖稻种如图3所示，首先去除图像上下边框的影响，即将图像纵向坐标方向0～116，605～640行的所有点的像素值都置为0，分别得到图4和图5。使用大津法对图4和图5进行阈值分割，再寻找最大面积连通域，即为稻种区域，用白色来填充最大面积连通域，最后利用中值滤波(3*3)去除图像噪声点，得到图6和图7；分别保留图4和图5中目标区域，图6和图7所对应的白色区域部分，而将其背景区域像素值置为0，分别得到图8和图9。利用cvMinAreaRect2函数来获取图6和图7白色填充区域的最小外接矩形，返回值为CvBox2D结构体，该结构体包括外接矩形中心坐标、矩形长与宽、矩形第一条边与水平坐标轴的夹角α。要将稻种长轴以其外接矩形中心为中心旋转至水平方向，需知α与旋转角度β的函数关系。可利用cvBoxPoints函数来获取矩形四个顶点的坐标，找到第一个点是坐标y(原点在左上角，竖直向下为y，水平向右为x)为四个顶点中y值最大的那个(图10和图11中点1)。然后找到的点按照顺时针方向，依次为2，3，4点代表其余矩形顶点。d1代表第一个顶点与第二个顶点之间的距离，d2代表第二个顶点与第三个顶点之间的距离，对d1、d2大小比较确定α与β之间函数关系： β = α , d 1 < d 2 本文档来自技高网...

【技术保护点】
一种在线识别裂颖稻种的双面分析方法，其特征在于包括以下步骤：1)利用黑白工业相机同步采集运动稻种的正面和背面图像；2)利用图像处理算法分别对正面图像和背面图像依次进行图像处理和裂颖特征提取；3)通过对正面图像和背面图像中的特征进行检测识别，最后综合双面图像的分析结果进行筛选剔除，获得裂颖稻种的检测结果。

【技术特征摘要】
1.一种在线识别裂颖稻种的双面分析方法，其特征在于包括以下步骤：
1)利用黑白工业相机同步采集运动稻种的正面和背面图像；
2)利用图像处理算法分别对正面图像和背面图像依次进行图像处理和裂颖特征提取；
3)通过对正面图像和背面图像中的特征进行检测识别，最后综合双面图像的分析结果进行筛选剔除，获得裂颖稻种的检测结果。
2.根据权利要求1所述的在线识别裂颖稻种的双面分析方法，其特征在于：所述步骤3)具体是：对正面图像和背面图像分别进行霍夫直线检测，结合线的数量判定是裂颖稻种还是正常稻种：如果线的数量小于或者等于1，则为正常稻种；如果线的数量等于2，则再将两条直线中点的y坐标之差在偏差阈值内，则为是正常稻种；如果线的数量大于或者等于3，则为裂颖稻种；
双面图像均检测后，正面图像和背面图像的检测结果相同，则保留其检测结果；正面图像和背面图像的检测结果不同，则认为该稻种为裂颖稻种。
3.根据权利要求1所述的在线识别裂颖稻种的双面分析方法，其特征在于：所述的图像处理是包括去除图像背景，再通过旋转和平移将运动稻种置于图像中心。
4.根据权利要求1所述的...

【专利技术属性】
技术研发人员：成芳，赵志林，龚朝勇，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33