一种基于机器视觉的高粱开口率检测方法及系统技术方案

本发明专利技术提供了一种基于机器视觉的高粱开口率检测方法及系统，该方法包括：采集传送带上的运动高粱图像；基于卷积神经网络的方法检测散落的高粱；基于机器视觉方法对检测到的高粱颗粒进行重叠区域去除；基于卷积神经网络方法对去除重叠区域后的高粱颗粒进行开口分类；基于机器视觉方法对高粱颗粒开口大小进行检测。本申请实现了白酒酿造过程中，高粱开口率的检测，而且能够准确评估高粱开口率。而且能够准确评估高粱开口率。而且能够准确评估高粱开口率。

【技术实现步骤摘要】
一种基于机器视觉的高粱开口率检测方法及系统


[0001]本专利技术属于酿酒领域，具体而言，涉及一种基于机器视觉的高粱开口率检测方法及系统。

技术介绍

[0002]目前机器视觉人工智能在白酒酿造行业尤其是在该行业的生产中仍处于起步阶段。当前成熟的工业机器视觉方案并无法直接移植到白酒酿造的生产环节，酿造生产过程中存在着雾气大、待测目标物传送板链湿度高、水气大、待测目标物堆积、粘连严重，并且对于待测目标物体的传统评测方式及依据并非依赖单一的视觉评测，并未有现有的完整的量化的视觉评测标准。

技术实现思路

[0003]本申请实施例提供了一种基于机器视觉的高粱开口率检测方法及系统，实现了白酒酿造过程中，高粱开口率的检测，能够准确评估高粱开口率。
[0004]第一方面，本申请实施例提供了一种基于机器视觉的高粱开口率检测方法，包括：
[0005]步骤S1，采集传送带上的运动高粱图像；
[0006]步骤S2，基于卷积神经网络的方法检测散落的高粱；
[0007]步骤S3，基于机器视觉方法对检测到的高粱颗粒进行重叠区域去除；
[0008]步骤S4，基于卷积神经网络方法对去除重叠区域后的高粱颗粒进行开口分类；
[0009]步骤S5，基于机器视觉方法对高粱颗粒开口大小进行检测。
[0010]其中，所述步骤S1包括：
[0011]通过高速摄像机获取高清图像数据，并将原始数据中的RGB图像进行灰度化，同时保留原始RGB图像，灰度图像用于散落高粱颗粒检测。
[0012]其中，所述步骤S2包括：
[0013]建立高粱散落颗粒数据集，其中包括多颗重叠散落、单颗重叠散落、模糊颗粒散落图像数据，每一张图像都包含场景类别标签；
[0014]设计卷积神经网络模型，使用Resnet
‑
50结构作为骨架模型；
[0015]训练卷积神经网络；
[0016]调用训练后的网络模型对散落颗粒进行检测。
[0017]其中，所述步骤S3包括：
[0018]将包含高粱颗粒的图片进行四等分划分，然后使用半径为5的高斯函数计算每个等分窗口的平均亮度，得到每个窗口的分割阈值，使用该阈值对原图进行分割，得到包含高粱颗粒的二值化图片，以去掉传送带背景干扰以及重叠的高粱颗粒区域。
[0019]其中，所述步骤S4包括：
[0020]使用经典分类网络MobileNet对分割后的高粱颗粒图片进行二分类，输出结果为已开口与未开口。
[0021]其中，所述步骤S5包括：
[0022]使用分水岭算法，利用高粱开口区域与未开口区域存在差异，对每个像素的灰度级进行从低到高排序；
[0023]在从低到高实现淹没过程中，对每一个局部极小值采用先进先出结构进行判断及标注，得到标注梯度图像；
[0024]使用自定义Laplace算子计算得到开口部分；
[0025]使用步骤S3中得到的自适应分割阈值，对开口部分进行去噪处理，得到开口数据。
[0026]其中，所述步骤S5包括：
[0027]假定存在含单颗高粱图像矩阵函数f(x，y)，它在点(x，y)上的梯度为一个具有大小以及方向性的矢量，其中x方向以及y方向上的梯度分别表示为Gx与Gy，定义梯度表达式如下：
[0028][0029]其中，
[0030][0031][0032]由于拉普拉斯是一种微分算子，用于显著表达图像中的突然变化的像素点，根据高粱颗粒开口部分与未开口部分之间的图像特性，定义Laplace算子如下：
[0033][0034]通过Laplace算子计算分水岭算法分割后的梯度信息，只保留开口高粱的开口部分信息，进行最终的统计分析。
[0035]第二方面，本申请提供了一种基于机器视觉的高粱开口率检测系统，包括：
[0036]采集单元，用于采集传送带上的运动高粱图像；
[0037]第一检测单元，用于基于卷积神经网络的方法检测散落的高粱；
[0038]去除单元，用于基于机器视觉方法对检测到的高粱颗粒进行重叠区域去除；
[0039]分类单元，用于基于卷积神经网络方法对去除重叠区域后的高粱颗粒进行开口分类；
[0040]第二检测单元，用于基于机器视觉方法对高粱颗粒开口大小进行检测。
[0041]第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
[0042]第四方面，本申请实施例提供了一种计算机系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0043]本申请实施例基于机器视觉的高粱开口率检测方法及系统具有如下有益效果：
[0044]本申请基于机器视觉的高粱开口率检测方法，包括：采集传送带上的运动高粱图像；基于卷积神经网络的方法检测散落的高粱；基于机器视觉方法对检测到的高粱颗粒进行重叠区域去除；基于卷积神经网络方法对去除重叠区域后的高粱颗粒进行开口分类；基
于机器视觉方法对高粱颗粒开口大小进行检测。本申请实现了白酒酿造过程中，高粱开口率的检测，而且能够准确评估高粱开口率。
附图说明
[0045]图1为本申请实施例基于机器视觉的高粱开口率检测方法流程示意图；
[0046]图2为本申请实施例中用于检测不同尺度的高粱颗粒的金字塔网络结构示意图；
[0047]图3为本申请实施例基于机器视觉的高粱开口率检测系统的结构示意图；
[0048]图4为本申请实施例计算机系统的结构示意图。
具体实施方式
[0049]下面结合附图和实施例对本申请进行进一步的介绍。
[0050]在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本专利技术的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
[0051]下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
[0052]本专利技术的目的在于提供一种基于机器视觉的高粱开口率检测系统，该系统使用四个检测阶段评估高粱开口效果。使用目标检测算法检测散落高粱颗粒，自适应阈值边界分割算法去除重叠颗粒干扰，目标分类算法检测是否为开口高粱，再使用分水岭本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的高粱开口率检测方法，其特征在于，包括：步骤S1，采集传送带上的运动高粱图像；步骤S2，基于卷积神经网络的方法检测散落的高粱；步骤S3，基于机器视觉方法对检测到的高粱颗粒进行重叠区域去除；步骤S4，基于卷积神经网络方法对去除重叠区域后的高粱颗粒进行开口分类；步骤S5，基于机器视觉方法对高粱颗粒开口大小进行检测。2.根据权利要求1所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S1包括：通过高速摄像机获取高清图像数据，并将原始数据中的RGB图像进行灰度化，同时保留原始RGB图像，灰度图像用于散落高粱颗粒检测。3.根据权利要求2所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S2包括：建立高粱散落颗粒数据集，其中包括多颗重叠散落、单颗重叠散落、模糊颗粒散落图像数据，每一张图像都包含场景类别标签；设计卷积神经网络模型，使用Resnet
‑
50结构作为骨架模型；训练卷积神经网络；调用训练后的网络模型对散落颗粒进行检测。4.根据权利要求1
‑
3任一项所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S3包括：将包含高粱颗粒的图片进行四等分划分，然后使用半径为5的高斯函数计算每个等分窗口的平均亮度，得到每个窗口的分割阈值，使用该阈值对原图进行分割，得到包含高粱颗粒的二值化图片，以去掉传送带背景干扰以及重叠的高粱颗粒区域。5.根据权利要求1
‑
3任一项所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S4包括：使用经典分类网络MobileNet对分割后的高粱颗粒图片进行二分类，输出结果为已开口与未开口。6.根据权利要求1
‑
3任一项所述基于机器视觉的高粱开口率检测方法，其特征在于，所述步骤S5包括：使用分水岭算法，利用高粱开口区域与未开口区...

【专利技术属性】
技术研发人员：蔡植，杨生智，章军，吕锋，
申请(专利权)人：劲牌有限公司，
类型：发明
国别省市：