本发明专利技术公开了一种基于人工智能的梨的品质分类方法及装置，涉及计算机视觉领域；通过图像处理实现对梨的宿萼果及脱萼果的分类，且存在两级分类过程，保证分类准确性的同时提高分类效率。主要包括：获取待分类梨的底部图像；对底部图像进行图像分割得到脐部图像，并对脐部图像灰度化，得到脐部的灰度图像；获得灰度图像的二值图像，并获得二值图像中的第一脐部连通域；计算脐部第一连通域的圆度指标，当圆度指标大于预设圆度阈值时完成对待分类梨的分类；获得灰度图像中脐部区域的最小外接圆以及最小外接圆的圆心；获得灰度图像的特征指标并利用特征指标对待分类梨进行分类。本发明专利技术具体应用场景为：通过图像处理对梨中的宿萼果及脱萼果进行分类。脱萼果进行分类。脱萼果进行分类。
【技术实现步骤摘要】
一种基于人工智能的梨的品质分类方法及装置
[0001]本申请涉及计算机视觉领域，具体涉及一种基于人工智能的梨的品质分类方法及装置。
技术介绍
[0002]梨的果实有宿萼和脱萼之分，在梨的果实发育过程中，萼筒组织通常按果肉的方式发育，其细胞壁薄且含大量的水和糖分；萼片则很早脱落使得成熟果实形成圆而凹入的脐部，形成脱萼果，脱萼果一般果形端正、果面光洁、且口感较佳。然而，部分果实的萼筒组织按照花萼的方式生长，导致果皮变厚，萼片不脱落，成熟后果实则具有不整齐而凸出的脐部，形成宿萼果，宿萼果一般表皮粗糙。
[0003]对于同一品种的梨，宿萼果的味道不如脱萼果，因此需要对同一品种的梨中宿萼果及脱萼果进行识别并分类，以便进行分类包装并销售。针对同一品种的梨中宿萼果及脱萼果进行分类，通常采用肉眼进行分离或者做实验进行识别；利用人眼对梨的脐部特征进行观察，对梨进行分类，该种方法存在较大的主观性且难以保证准确率；做实验对梨进行识别指：对梨的果肉形成的悬浊液中的石细胞数量进行测量，该种方法的操作过程所需时间较大且操作难度较大。
技术实现思路
[0004]针对上述技术问题，本专利技术提供了一种基于人工智能的梨的品质分类方法及装置，主要包括：获取待分类梨的底部图像；对底部图像进行图像分割得到脐部图像，并对脐部图像灰度化，得到脐部的灰度图像；获得灰度图像的二值图像，并获得二值图像中的第一脐部连通域；计算脐部第一连通域的圆度指标，当圆度指标大于或等于预设圆度阈值时待分类梨为脱萼果；当圆度指标小于圆度阈值时，获得灰度图像中脐部区域的最小外接圆以及最小外接圆的圆心；获得灰度图像的特征指标并利用特征指标对待分类梨进行分类。相比于现有技术，通过图像处理实现对梨的宿萼果及脱萼果的分类，且存在两级分类过程，保证分类准确性的同时提高分类效率。
[0005]第一方面，本文提出了一种基于人工智能的梨的品质分类方法，包括：获取待分类梨的底部图像。
[0006]对所述底部图像进行图像分割得到脐部图像，并对所述脐部图像灰度化，得到脐部的灰度图像。
[0007]计算所述脐部第一连通域的圆度指标，并判断计算出的圆度指标是否大于或等于预设圆度阈值，若大于或等于圆度阈值，则待分类梨为脱萼果。
[0008]若判断的结果为圆度指标小于圆度阈值，获得该小于圆度阈值的圆度指标对应灰度图像的脐部区域，并提取该脐部区域的最小外接圆以及最小外接圆的圆心，根据所述灰度图像中各点的灰度值特征，获得所述灰度图像中各点到所述圆心之间的距离特征，并利用所述距离特征得到特征指标，判断所述特征指标是否大于预设特征阈值，若判断结果为
是，则待分类梨为宿萼果，若判断结果为否，则待分类梨为脱萼果。
[0009]进一步的，所述基于人工智能的梨的品质分类方法，根据所述灰度图像中各点的灰度值特征，获得所述灰度图像中各点到所述圆心之间的距离特征，并利用所述距离特征得到特征指标，包括：在所述最小外接圆上等距离选择预设第一数量个第一类点，某一所述第一类点与所述圆心组成的连线为第一类线段。
[0010]将第一类线段上的像素点的灰度值组成灰度值序列，并对所述灰度值序列进行一阶差分得到一阶差分序列，所述一阶差分序列中的最大值在所述灰度图中所对应的像素点为第二类点。
[0011]从所有第二类点中选择其中一个第二类点作为起始点，所述起始点所在的所述第一类线段为起始线段，将所述起始选线段沿着预设旋转方向进行旋转，将在旋转过程中碰到的所述第二类点所在的所述第一类线段，与起始线段沿着预设旋转方向上形成的夹角作为横坐标，将碰到的所述第二类点与所述圆心之间的距离为纵坐标，得到距离曲线。
[0012]将所述距离曲线中所有波谷对应的夹角按照角度组成角度序列，并对所述角度序列进行一阶差分得到角度差值序列，所述角度差值序列的方差的倒数为特征指标。
[0013]进一步的，所述基于人工智能的梨的品质分类方法，所述脐部第一连通域的圆度指标的计算模型为：其中为所述脐部第一连通域的最小外接圆的面积，为所述脐部第一连通域的最大内接圆的面积，为所述第一连通域的圆度指标。
[0014]进一步的，所述基于人工智能的梨的品质分类方法，获得所述灰度图像的二值图像，并获得所述二值图像中的第一脐部连通域，计算所述脐部第一连通域的圆度指标，包括：获得所述灰度图像的灰度直方图，从所述灰度直方图中选择预设灰度值范围内的，预设第二数量个灰度值。
[0015]将所述预设第二数量个灰度值，分别作为对所述灰度图像进行二值化的全局阈值，得到与所述灰度图像对应的多个二值图像。
[0016]获得所述二值图像中的第一脐部连通域，计算每一个所述二值图像对应的第一脐部连通域的圆度指标。
[0017]将多个所述二值图像对应的，多个第一脐部连通域的圆度指标的平均值作为圆度指标。
[0018]进一步的，所述基于人工智能的梨的品质分类方法，对所述底部图像进行图像分割得到脐部图像前，还包括对所述底部图像进行去噪处理。
[0019]进一步的，所述基于人工智能的梨的品质分类方法，对所述底部图像进行图像分割得到脐部图像，是通过DNN语义分割的方式实现的，所述DNN采用的数据集为所述底部图像，经过DNN语义分割后得到的所述脐部图像中非脐部的部分的像素值为0。
[0020]第二方面，本专利技术提出了一种基于人工智能的梨的品质分类装置，包括：图像采集模块，用于获取待分类梨的底部图像。
[0021]灰度化模块，用对所述底部图像进行图像分割得到脐部图像，并对所述脐部图像
灰度化，得到脐部的灰度图像。
[0022]连通域获取模块，用于获得所述灰度图像的二值图像，并获得所述二值图像中的第一脐部连通域。
[0023]圆度指标计算及初次判断模块，用于计算所述脐部第一连通域的圆度指标，并判断计算出的圆度指标是否大于预设圆度阈值，若大于或等于圆度阈值，则待分类梨为脱萼果；特征指标计算及二次判断模块，若判断的结果为圆度指标小于圆度阈值时，用于获得该小于圆度阈值的圆度指标对应灰度图像的脐部区域，并提取该脐部区域的最小外接圆以及最小外接圆的圆心，根据所述灰度图像中各点的灰度值特征，获得所述灰度图像中各点到所述圆心之间的距离特征，并利用所述距离特征得到特征指标，判断所述特征指标是否大于预设特征阈值，若判断结果为是，则待分类梨为宿萼果，若判断结果为否，则待分类梨为脱萼果。
[0024]本专利技术提供了一种基于人工智能的梨的品质分类方法及装置，主要包括：获取待分类梨的底部图像；对底部图像进行图像分割得到脐部图像，并对脐部图像灰度化，得到脐部的灰度图像；获得灰度图像的二值图像，并获得二值图像中的第一脐部连通域；计算脐部第一连通域的圆度指标，当圆度指标大于或等于预设圆度阈值时待分类梨为脱萼果；当圆度指标小于预设圆度阈值时，获得灰度图像中脐部区域的最小外接圆以及最小外接圆的圆心；获得灰度图像的特征指标，判断特征指标是否大于预设特征阈值，若判断结果为是，则待分类梨为宿萼果，若判断结果为否，则待分类梨为脱萼本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的梨的品质分类方法，其特征在于，包括：获取待分类梨的底部图像；对所述底部图像进行图像分割得到脐部图像，并对所述脐部图像灰度化，得到脐部的灰度图像；获得所述灰度图像的二值图像，并获得所述二值图像中的第一脐部连通域；计算所述脐部第一连通域的圆度指标，并判断计算出的圆度指标是否大于预设圆度阈值，若大于或等于圆度阈值时，则待分类梨为脱萼果；若判断的结果为圆度指标小于圆度阈值，获得该小于圆度阈值的圆度指标对应灰度图像的脐部区域，并提取该脐部区域的最小外接圆以及最小外接圆的圆心，根据所述灰度图像中各点的灰度值特征，获得所述灰度图像中各点到所述圆心之间的距离特征，并利用所述距离特征得到特征指标，判断所述特征指标是否大于预设特征阈值，若判断结果为是，则待分类梨为宿萼果，若判断结果为否，则待分类梨为脱萼果。2.根据权利要求1所述的基于人工智能的梨的品质分类方法，其特征在于，根据所述灰度图像中各点的灰度值特征，获得所述灰度图像中各点到所述圆心之间的距离特征，并利用所述距离特征得到特征指标，包括：在所述最小外接圆上等距离选择预设第一数量个第一类点，某一所述第一类点与所述圆心组成的连线为第一类线段；将第一类线段上的像素点的灰度值组成灰度值序列，并对所述灰度值序列进行一阶差分得到一阶差分序列，所述一阶差分序列中的最大值在所述灰度图中所对应的像素点为第二类点；从所有第二类点中选择其中一个第二类点作为起始点，所述起始点所在的所述第一类线段为起始线段，将所述起始选线段沿着预设旋转方向进行旋转，将在旋转过程中碰到的所述第二类点所在的所述第一类线段，与起始线段沿着预设旋转方向上形成的夹角作为横坐标，将碰到的所述第二类点与所述圆心之间的距离为纵坐标，得到距离曲线；将所述距离曲线中所有波谷对应的夹角按照角度组成角度序列，并对所述角度序列进行一阶差分得到角度差值序列，所述角度差值序列的方差的倒数为特征指标。3.根据权利要求2所述的基于人工智能的梨的品质分类方法，其特征在于，所述脐部第一连通域的圆度指标的计算模型为：其中为所述脐部第一连通域的最小外接圆的面积，为所述脐部第一连通域的最大内接圆的面积，为所述第...
【专利技术属性】
技术研发人员：赖欣欣，
申请(专利权)人：南通海扬食品有限公司，
类型：发明
国别省市：
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。