The invention relates to an intelligent fruit recognition method which can be applied to supermarket self-checkout system. In the present invention, fruit image recognition is carried out by K-nearest neighbor classification method based on HSV information co-occurrence matrix, and the accuracy of the recognition result is as high as 98.1%. The method does not need training time, has simple and fast process, low operation difficulty, high recognition accuracy and strong popularization. The invention is applied to the self-checkout system of various supermarkets, which can automatically identify different kinds of fruits, and then automatically calculate prices, thus speeding up the checkout efficiency of supermarkets and saving human investment.
【技术实现步骤摘要】
一种可应用于超市自助结账系统的水果智能识别方法
本专利技术涉及图像识别
,具体涉及一种可应用于超市自助结账系统的水果智能识别方法。
技术介绍
超市中现有的水果称重设备主要包括传统的称重打码秤和称重结账一体化设备,称重打码秤通过人工输入水果产品对应货号,利用溯源码收款,需要工作人员配合才能完成称重打码,浪费人力和时间成本。称重结账一体化设备,如SelfCheckout/Scanasyoushop,称重时自主选择水果种类,感应机称重,可在中间屏幕扫描水果条形码,再进行自助结账,但不能满足大规模、高效率的水果称重需求,导致称重缓慢,实用度不高的问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种可应用于超市自助结账系统的水果智能识别方法,解决现有水果称重机无法实现智能化识别的问题。本专利技术解决上述技术问题的技术方案如下:一种可应用于超市自助结账系统的水果智能识别方法,包括以下步骤:S1、通过数码相机为A种水果的B个个体分别拍摄不同角度下的C张水果图像;S2、对水果图像进行预处理;S3、将预处理后的A*B*C张水果图像建立图像数据库;S4、提取水果图像数据库中水果图像的HSV信息生成灰度共生矩阵,将灰度共生矩阵作为训练集特征库,计算训练集特征库中灰度共生矩阵的均值向量;S5、通过数码相机拍摄待称重水果的待识别图像,提取待识别图像HSV信息生成灰度共生矩阵作为匹配向量;S6、计算匹配向量与均值向量间的欧氏距离,通过K近邻分类器选取距离匹配向量最近的K个均值向量,将K个均值向量对应最多的水果类别作为待识别图像的识别结果。在上述技术方案的基础上,本专利技术还 ...
【技术保护点】
1.一种可应用于超市自助结账系统的水果智能识别方法,其特征在于,包括以下步骤:S1、通过数码相机为A种水果的B个个体分别拍摄不同角度下的C张水果图像;S2、对水果图像进行预处理;S3、将预处理后的A*B*C张水果图像建立图像数据库;S4、提取水果图像数据库中水果图像的HSV信息生成灰度共生矩阵,将灰度共生矩阵作为训练集特征库,计算训练集特征库中灰度共生矩阵的均值向量;S5、通过数码相机拍摄待称重水果的待识别图像,提取待识别图像HSV信息生成灰度共生矩阵作为匹配向量;S6、计算匹配向量与均值向量间的欧氏距离,通过K近邻分类器选取距离匹配向量最近的K个均值向量,将K个均值向量对应最多的水果类别作为待识别图像的识别结果。
【技术特征摘要】
1.一种可应用于超市自助结账系统的水果智能识别方法,其特征在于,包括以下步骤:S1、通过数码相机为A种水果的B个个体分别拍摄不同角度下的C张水果图像;S2、对水果图像进行预处理;S3、将预处理后的A*B*C张水果图像建立图像数据库;S4、提取水果图像数据库中水果图像的HSV信息生成灰度共生矩阵,将灰度共生矩阵作为训练集特征库,计算训练集特征库中灰度共生矩阵的均值向量;S5、通过数码相机拍摄待称重水果的待识别图像,提取待识别图像HSV信息生成灰度共生矩阵作为匹配向量;S6、计算匹配向量与均值向量间的欧氏距离,通过K近邻分类器选取距离匹配向量最近的K个均值向量,将K个均值向量对应最多的水果类别作为待识别图像的识别结果。2.根据权利要求1所述的可应用于超市自助结账系统的水果智能识别方法,其特征在于,所述步骤S2的具体步骤为:S21、对水果图像进行灰度变换得到灰度图像;S22、通过二值化操作确定灰度图像中水果的边缘位置,通过分割阈值迭代算法对灰度图像进行图像分隔,得到去背景图像;S23、对去背景图像进行去燥处理,得到去燥图像;S24、通过直方图均衡化算法对去燥图像进行图像增强。3.根据权利要求2所述的可应用于超市自助结账系统的水果智能识别方法,其特征在于,所述步骤S22中的分割阈值迭代算法的具体步骤为:S221、确定初始分隔阈值T0;S222、利用分隔阈值TK把图像分成R1区域和R2区域,计算公式为:在公式(1)中,f(x,y)为像素点(x,y)的灰...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。