一种基于BM4D去噪算法和KNN算法的苹果分类方法技术

本发明专利技术公开了自动视觉检测技术领域，具体的说是一种基于BM4D去噪算法和KNN算法的苹果分类方法，该方法包括以下几个步骤：S1：使用双目机器视觉提取固定位置下苹果的空间坐标集；S2：通过摄像头将拍照后图片转化为数字图像，并对图片进行归一化处理；再通过MATLAB软件对数字图像进行一系列操作；S3：对得到的图像进行预处理，采用方法是对图像进行彩色空间选择，之后对得到的图像进行频率增强，并对该图像进行BM3D滤波；基于机器视觉的苹果分类系统能够代替传统的人工目测方法，通过提高苹果分类效率、减少人工分类存在明显的客观和误差问题，提高分级效率和精度，同时来达到减少人力物力的目的。物力的目的。

【技术实现步骤摘要】
一种基于BM4D去噪算法和KNN算法的苹果分类方法


[0001]本专利技术涉及自动视觉检测
，具体为一种基于BM4D去噪算法和KNN算法的苹果分类方法。

技术介绍

[0002]作为世界上最大的水果生产国与加工国，我国的果业已经成为国家第三大农业产业，而水果出口占总产量的比例较低。
[0003]为了提高水果在国际市场上的竞争力，在水果采摘后通常采用人工分级的方法，势必会存在误差问题，所以机器视觉技术将越来越多的运用到在水果加工中，特别是在质量检验和缺陷分类等方面，但目前机器视觉技术在农业水果分类系统的应用还存在或多或少的问题。
[0004]现有技术中采用人工检测的方法存在以下问题：(1)主观意识影响大，分类准则以人为定，易存在明显的客观和误差问题；(2)在大数量集下，受人为视觉疲劳影响，易使分类效率变低，分类耗时变长；(3)在人为移动苹果中，苹果表皮易损坏，轻拿轻放易使得分类效率降低。
[0005]针对上述问题，本专利技术公开一种基于BM4D去噪算法和KNN算法的苹果分类方法。

技术实现思路

[0006]本专利技术的目的在于提供一种基于机器视觉的苹果分类方法，以解决上述
技术介绍
中提出的采用人工检测分类效率变低，分类耗时变长，且人为移动苹果，造成苹果表皮损坏的问题。为实现上述目的，本专利技术提供如下技术方案一种基于机器视觉的苹果分类方法，该方法包括以下几个步骤：
[0007]S1：使用双目机器视觉提取固定位置下苹果的空间坐标集；
[0008]S2：通过摄像头将拍照后图片转化为数字图像，并对图片进行归一化处理；再通过MATLAB软件对数字图像进行一系列操作；
[0009]S3：对得到的图像进行预处理，采用方法是对图像进行彩色空间选择，之后对得到的图像进行频率增强，并对该图像进行BM3D滤波；
[0010]S4：进行分割处理，寻找合适的灰度值使物体和背景准确的分开，采用了不同方法对得到的图像进行了分割；
[0011]S5：提取苹果图像颜色、高度和缺陷等特征值；
[0012]S6：对处理完成的图片进行分类，以中国水果行业标准为标签对苹果等级进行划分；
[0013]S7：输出分类结果。
[0014]优选的，所述S1中，利用两个固定摄像机(一台黑白摄像机，一台RGB摄像机)协同拍摄同一物体；所述计算世界坐标系中的一点在两幅图片中之差来得到该点的三维坐标，从而形成整体坐标集。
[0015]优选的，所述S3中，为了增强与背景的区分度，采用拉普拉斯算子进行锐化处理，再对其进行平滑处理。
[0016]优选的，所述S4中，所述彩色分割选择8*8像素块匹配聚类的方法；所述灰度分割选择Ostu图像分割方法。
[0017]优选的，所述S5中，所述颜色特征提取对彩色摄像头拍摄的图片，以苹果R、G、B三者均值和对应偏差作为颜色分量来反映水果表面色彩信息；所述高度特征提取，实验所用摄像头与平台处于同一水平放置，所以得到的深度信息即为苹果高度信息；所述缺陷表面特征提取，分为完整表面和缺陷表面苹果样本，并按国家水果行业对水果缺陷分类，提取苹果表面常见缺陷，计算缺陷表面积所占百分比，完成缺陷实际面积标定。
[0018]优选的，所述S5中，所述苹果缺陷分类名称包括：虫眼、划痕、腐烂和挤压。
[0019]优选的，所述S6中，利用PCA进行样本特征数据进行降维处理，对苹果等级进行划分。
[0020]优选的，所述S6中，采取改进KNN算法对水果特征进行分类，其中在KNN中增加值预选算法，在使用KNN算法时，是以测试苹果某一特征与样本苹果同一特征的欧式距离来作为分类依据，因此在计算距离前剔除特征值超过一定值的特征值，减少计算量。
[0021]与现有技术相比，本专利技术的有益效果是：
[0022]本专利技术提供的一种基于BM4D去噪算法和KNN算法的苹果分类方法，该方法能够替代耗时且效率低的人工分类方法，达到节约成本、提高生产效率的目的。
附图说明
[0023]下面结合附图对本专利技术作进一步说明。
[0024]图1是本专利技术的方法流程图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0026]请参阅图1，本专利技术所述的一种基于BM4D去噪算法和KNN算法的苹果分类方法，该方法包括以下几个步骤：
[0027]S1：使用双目机器视觉提取固定位置下苹果的空间坐标集；
[0028]S2：通过摄像头将拍照后图片转化为数字图像，并对图片进行归一化处理；再通过MATLAB软件对数字图像进行一系列操作；
[0029]S3：对得到的图像进行预处理，采用方法是对图像进行彩色空间选择，之后对得到的图像进行频率增强，并对该图像进行BM3D滤波；
[0030]S4：进行分割处理，寻找合适的灰度值使物体和背景准确的分开，采用了不同方法对得到的图像进行了分割；
[0031]S5：提取苹果图像颜色、高度和缺陷等特征值；
[0032]S6：对处理完成的图片进行分类，以中国水果行业标准为标签对苹果等级进行划
分；
[0033]S7：输出分类结果。
[0034]作为本专利技术的一种实施方式，所述S1中，利用两个固定摄像机(一台黑白摄像机，一台RGB摄像机)协同拍摄同一物体；所述计算世界坐标系中的一点在两幅图片中之差来得到该点的三维坐标，从而形成整体坐标集；使用时，为了得到完整的苹果的表面信息，将待拍摄苹果沿同一方向旋转两次，保证旋转角度在100度，确定世界坐标系，图像坐标系以及两摄像机坐标系，和相关坐标轴的方向和原点位置，按照针孔成像模型，进行几何模型坐标变换，此时设原点O的位置在摄像头轴上距离焦距平面距离值为Zc＝1处，所以图像坐标(i，j)和空间世界坐标系(Xw，Yw，Zw)之间的关系：
[0035][0036]其中为3阶正交旋转矩阵，表示世界坐标系和摄像机坐标系之间
[0037]旋转方式，其中为平移向量：表示两坐标轴的平移转换关系，(Cx,Cy)为光心，F为摄像机有效焦距，Fx,Fy为逻辑焦距。
[0038]作为本专利技术的一种实施方式，所述S3中，为了增强与背景的区分度，采用拉普拉斯算子进行锐化处理，再对其进行平滑处理；使用时，将采集到的RGB颜色模型转化成HSV模型，再对图片进行亮度、均衡化等处理，再将HSV模型转成RGB模型实现图像增强，将得到的彩色图片和灰度图像进行频率增强，通过傅里叶变换，将时域信号转成频率信号，同时对进行信号稀疏处理；再通过块分组，匹配，在kaiser窗下以不同权重聚合后得到的点的灰度值代替图像点的像素值。
[0039]傅里叶变换公式：
[0040][0041]其中(w代表本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BM4D去噪算法和KNN算法的苹果分类方法，其特征在于，该方法包括以下几个步骤：S1：使用双目机器视觉提取固定位置下苹果的空间坐标集；S2：通过摄像头将拍照后图片转化为数字图像，并对图片进行归一化处理；再通过MATLAB软件对数字图像进行一系列操作；S3：对得到的图像进行预处理，采用方法是对图像进行彩色空间选择，之后对得到的图像进行频率增强，并对该图像进行BM3D滤波；S4：进行分割处理，寻找合适的灰度值使物体和背景准确的分开，采用了不同方法对得到的图像进行了分割；S5：提取苹果图像颜色，高度，缺陷等特征值；S6：对处理完成的图片进行分类，以中国水果行业标准为标签对苹果等级进行划分；S7：输出分类结果。2.根据权利要求1所述的一种基于BM4D去噪算法和KNN算法的苹果分类方法，其特征在于：所述S1中，利用两个固定摄像机(一台黑白摄像机，一台RGB摄像机)协同拍摄同一物体；所述计算世界坐标系中的一点在两幅图片中之差来得到该点的三维坐标，从而形成整体坐标集。3.根据权利要求1所述的一种基于BM4D去噪算法和KNN算法的苹果分类方法，其特征在于：所述S3中，为了增强与背景的区分度，采用拉普拉斯算子进行锐化处理，再对其进行平滑处理。4.根据权利要求3所述的一种基于BM4D去噪算法和KNN算法的苹果分类方法，其特征在于：所述S4中，所述彩色分...

【专利技术属性】
技术研发人员：王华龙，刘云，李泽辉，杨海东，
申请(专利权)人：佛山市广工大数控装备技术发展有限公司，
类型：发明
国别省市：