果品畸形检测方法、装置、装备及存储介质制造方法及图纸

本申请公开了一种果品畸形检测方法、装置、装备及存储介质，其中，方法包括：从采集的多张果品图像中识别出果品处于预设姿态的预设姿态图像；对预设姿态图像进行图像分割处理以获得具有果品在预设姿态图像中的轮廓线的轮廓图片；当果品轮廓图片所对应的预设姿态为第一预设姿态时，根据果品轮廓图片提取特征值输入至针对该预设姿态的一个畸形检测模型以使畸形检测模型输出畸形检测的检测结果；当果品轮廓图片所对应的预设姿态为第二预设姿态时，根据果品轮廓图片中果品的轮廓线的直线拟合的结果输出畸形检测的检测结果。本申请的有益之处在于提供了一种能够应用于果品产线以进行高效且智能的果品畸形检测方法、装置、装备及存储介质。备及存储介质。备及存储介质。

【技术实现步骤摘要】
果品畸形检测方法、装置、装备及存储介质


[0001]本申请涉及果品检测方法，具体而言，涉及一种果品畸形检测方法、装置、装备及存储介质。

技术介绍

[0002]近年来，我国的柑桔产量总体呈上升趋势，2020年产量达到了5121.87万吨，位居世界第一，而沃柑作为柑桔中主要品类之一有着很大的市场。畸形沃柑影响商品沃柑品质，需要检出畸形沃柑并予以剔除。
[0003]目前的水果形状描述方法主要有基于几何图形形状特征的描述方法、基于频率域的形状描述方法和基于矩的形状描述方法。
[0004]静态下的水果形状检测可以根据特定视角下的图像进行描述，可以根据具体情况选用上述的形状描述指标，Haruka Maeda（2018）在横向视图和纵向视图下提取柿子的椭圆傅里叶描述子系数进行主成分分析，再通过聚类方法进行形状分级（Maeda H , Akagi T , Tao R . Quantitative characterization of fruit shape and its differentiation pattern in diverse persimmon ( Diospyros kaki ) cultivars[J]. Scientia Horticulturae, 2018, 228:41
‑
48.）。
[0005]而动态的水果形状检测主要关注于为高速分级过程中的水果构建相应的形状描述子，使其适用于水果姿态多变情况下的果型描述。应义斌等（2016）（应义斌，王福杰，饶秀勤. 一种水果形状检测方法及装置[P].CN 103514452 B2016.09.28.）公开了一种水果形状检测方法，以形状端正的水果对称指数离散度设定阈值比较判断水果形状是否端正。
[0006]但是沃柑的规整形状多呈“冰壶形”，在不同视角下具有不同的形状特征，使用单一的检测指标难以进行有效可靠的描述。且目前的形状检测指标多关注于水果的整体形状描述，缺少对具体畸形的细分方法。
[0007]针对其他类似沃柑的果品也存在以上类似的问题。

技术实现思路

[0008]本申请的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0009]本申请的一些实施例提出了一种果品畸形检测方法、装置、装备及存储介质，来解决以上
技术介绍
部分提到的技术问题。
[0010]作为本申请的第一方面，本申请的一些实施例提供了一种果品畸形检测方法，包括：从采集的多张果品图像中识别出果品处于预设姿态的预设姿态图像；对所述预设姿态图像进行图像分割处理以获得具有果品在所述预设姿态图像中的轮廓线的轮廓图片；当所述果品轮廓图片所对应的预设姿态为第一预设姿态时，根据所述果品轮廓图片提取特征值输入至针对该预设姿态的一个畸形检测模型以使所述畸形检测模型输出畸形检测的检测
结果；或/和当所述果品轮廓图片所对应的预设姿态为第二预设姿态时，根据所述果品轮廓图片中果品的轮廓线的直线拟合的结果输出畸形检测的检测结果。
[0011]进一步的，其中，所述从采集的多张果品图像中识别出果品处于预设姿态的预设姿态图像，包括：将所述果品图像输入至一个姿态识别模型以使所述姿态识别模型输出姿态识别结果。
[0012]进一步的，所述姿态识别模型被构造为MobileNetv3_small网络模型。
[0013]进一步的，其中，所述对所述预设姿态图像进行图像分割处理以获得具有果品在所述预设姿态图像中的轮廓线的轮廓图片，包括：对所述预设姿态图像进行色彩空间选择；对所述预设姿态图像进行色彩空间选择后的图像进行边缘检测以获得果品轮廓图像；对所述果品轮廓图像进行轮廓提取已获得果品轮廓掩膜图像；对所述果品掩膜图像进行二次边缘检测已获得所述轮廓图片。
[0014]进一步的，其中，所述预设姿态包括果品仰卧姿态并将其定义为第一预设姿态。
[0015]进一步的，其中，所述预设姿态包括果品侧卧姿态并将其定义为第二预设姿态。
[0016]进一步的，所述畸形检测模型被构造为一个LightGBM网络模型。
[0017]作为本申请的第二方面，本申请的一些实施例提供了一种果品畸形检测装置，包括：识别模块，用于从采集的多张果品图像中识别出果品处于预设姿态的预设姿态图像；轮廓模块，用于对所述预设姿态图像进行图像分割处理以获得具有果品在所述预设姿态图像中的轮廓线的轮廓图片；检畸模块，用于当所述果品轮廓图片所对应的预设姿态为第一预设姿态时，根据所述果品轮廓图片提取特征值输入至针对该预设姿态的一个畸形检测模型以使所述畸形检测模型输出畸形检测的检测结果；或/和当所述果品轮廓图片所对应的预设姿态为第二预设姿态时，根据所述果品轮廓图片中果品的轮廓线的直线拟合的结果输出畸形检测的检测结果。
[0018]作为本申请的第三方面，本申请的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
[0019]作为本申请的第四方面，本申请的一些实施例提供了一种计算机存储介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
[0020]本申请的有益效果在于：提供了一种能够应用于果品产线以进行高效且智能的果品畸形检测方法、装置、装备及存储介质。
附图说明
[0021]构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。
[0022]另外，贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0023]在附图中：
图1是根据本申请一种实施例的果品畸形检测方法的主要步骤示意图；图2是根据本申请一种实施例的果品畸形检测方法的主要流程示意图；图3是根据本申请一种实施例的果品畸形检测方法的实例流程示意图；图4是根据本申请一种实施例的仰卧姿态的果品的轮廓图片的示意图；图5是根据本申请一种实施例的侧卧姿态的果品的轮廓图片的示意图；图6是根据本申请一种实施例的对预设姿态图像进行处理获得轮廓图片的流程示意图；图7是根据本申请一种实施例的轮廓图片中轮廓线的最大内切圆的示意图；图8是根据本申请一种实施例的轮廓图片中轮廓线的最小外接矩形的示意图；图9是根据本申请一种实施例的轮廓图片中轮廓线的斜率的示意图；图10是根据本申请一种实施例的轮廓图片中轮廓线直接直线拟合结果的示意图；图11是根据本申请一种实施例的轮廓图片中轮廓线进行算法约束后的直线拟合结果的示意图；图12是根据本申请一种实施例的果品畸形检测装置的结构示意图；图13是根据本申请一种实施例的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种果品畸形检测方法，包括：从采集的多张果品图像中识别出果品处于预设姿态的预设姿态图像；对所述预设姿态图像进行图像分割处理以获得具有果品在所述预设姿态图像中的轮廓线的轮廓图片；当所述果品轮廓图片所对应的预设姿态为第一预设姿态时，根据所述果品轮廓图片提取特征值输入至针对该预设姿态的一个畸形检测模型以使所述畸形检测模型输出畸形检测的检测结果；或/和当所述果品轮廓图片所对应的预设姿态为第二预设姿态时，根据所述果品轮廓图片中果品的轮廓线的直线拟合的结果输出畸形检测的检测结果。2.根据权利要求1所述的果品畸形检测方法，其特征在于：其中，所述从采集的多张果品图像中识别出果品处于预设姿态的预设姿态图像，包括：将所述果品图像输入至一个姿态识别模型以使所述姿态识别模型输出姿态识别结果。3.根据权利要求1所述的果品畸形检测方法，其特征在于：所述姿态识别模型被构造为MobileNetv3_small网络模型。4.根据权利要求1所述的果品畸形检测方法，其特征在于：其中，所述对所述预设姿态图像进行图像分割处理以获得具有果品在所述预设姿态图像中的轮廓线的轮廓图片，包括：对所述预设姿态图像进行色彩空间选择；对所述预设姿态图像进行色彩空间选择后的图像进行边缘检测以获得果品轮廓图像；对所述果品轮廓图像进行轮廓提取已获得果品轮廓掩膜图像；对所述果品掩膜图像进行二次边缘检测已获得所述轮廓图片。5...

【专利技术属性】
技术研发人员：应义斌，高源，饶秀勤，朱逸航，黄心瑶，徐惠荣，李麟，
申请(专利权)人：浙江开浦科技有限公司，
类型：发明
国别省市：