基于机器视觉的菌包生产质量检测方法技术

本发明专利技术涉及图像数据处理技术领域，提出了基于机器视觉的菌包生产质量检测方法，包括：获取菌包表面灰度图像和标准菌包表面灰度图像，根据菌包表面灰度图像获取每个蘑菇孢头轮廓线、蘑菇孢头角点和每个像素点的差异系数，根据蘑菇孢头轮廓线、蘑菇孢头角点和每个像素点的差异系数计算得到每个像素点的生长相似性度量阈值，根据每个像素点的生长相似性度量阈值对传统区域生长算法进行优化，根据优化后的区域生长算法准确获取蘑菇孢头的像素点区域并计算菌包生产质量因子，根据菌包生产质量因子完成对菌包生产质量的检测。本发明专利技术有效的提高了对菌包生产质量检测过程中的精度。提高了对菌包生产质量检测过程中的精度。提高了对菌包生产质量检测过程中的精度。

【技术实现步骤摘要】
基于机器视觉的菌包生产质量检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及基于机器视觉的菌包生产质量检测方法。

技术介绍

[0002]蘑菇是一种常见的农业产品，由于蘑菇具有口感特殊，风味独特，营养价值极高的优良特点备受青睐，蘑菇菌包在生长培育过程中对环境要求较高，在菌包培育过程中极易出现不出菇或出菇不整齐，导致菌包实际产量较低，影响菌包生产的经济效益。
[0003]针对传统视觉手段对菌包进行生产质量检测，在质量检测过程中由于蘑菇之间生长状态差别较大，不同蘑菇孢头之间相互重叠遮挡，无法准取获取菌包中不同蘑菇的准确边界位置，极大的影响了菌包质量的视觉检测的精确度。

技术实现思路

[0004]本专利技术提供基于机器视觉的菌包生产质量检测方法，以解决传统视觉算法中由于菌包中不同蘑菇相互遮挡导致视觉检测结果精度较低的问题，所采用的技术方案具体如下：本专利技术一个实施例提供了基于机器视觉的菌包生产质量检测方法，该方法包括以下步骤：获取菌包表面灰度图像，根据菌包表面灰度图像获取每个蘑菇孢头轮廓线、蘑菇孢头角点和每个像素点的差异系数；根据每个蘑菇孢头轮廓线和蘑菇孢头角点分别获取每一个异常拐点，根据每一个异常拐点计算每个像素点的修正梯度，根据每个像素点的修正梯度计算每个像素点的修正梯度同质性指数，根据每个像素点的修正梯度和修正梯度同质性指数计算每个像素点的潜在边缘系数；根据每个像素点的差异系数和潜在边缘系数计算每个像素点的生长相似性度量阈值；根据每个像素点的生长相似性度量阈值获取蘑菇孢头像素点区域并计算菌包生产质量因子，利用所述菌包生产质量因子对菌包生产质量进行检验。
[0005]优选的，所述根据菌包表面灰度图像获取每个蘑菇孢头轮廓线、蘑菇孢头角点和每个像素点的差异系数的方法为：对菌包表面灰度图像使用边缘检测算法获取蘑菇孢头轮廓线，对菌包表面灰度图像使用角点检测算法获取蘑菇孢头角点，以菌包表面灰度图像中每个像素点为中心可以获取预设大小的窗口区域，将所述窗口区域的中心像素点灰度值与其余像素点灰度值差的平方记为第一平方，将第一平方的累加的均值记为差异系数。
[0006]优选的，所述异常拐点的获取方法为：获取蘑菇孢头角点坐标，获取所有穿过所述蘑菇孢头角点坐标的蘑菇孢头轮廓线记为第一轮廓线，分别获取任意两条第一轮廓线之间的夹角，将所述任意两条第一轮廓线
之间的夹角最小的夹角记为第一夹角，将所述第一夹角大于等于预设阈值的蘑菇孢头角点作为异常拐点。
[0007]优选的，所述根据每一个异常拐点计算每个像素点的修正梯度的方法为：根据所述异常拐点获取潜在边界直线和潜在边界特征区域，分别获取所述潜在边界特征区域每个像素点的灰度数值、水平梯度数值和垂直梯度数值，将所述灰度数值与水平梯度数值乘积的归一化结果记为修正水平梯度，将所述灰度数值与垂直梯度数值乘积的归一化结果记为修正垂直梯度，将修正水平梯度和修正垂直梯度平方和的开方结果记为修正梯度。
[0008]优选的，所述根据所述异常拐点获取潜在边界直线和潜在边界特征区域的方法为：分别获取任意两蘑菇孢头角点坐标，利用所述任意两蘑菇孢头角点坐标处理得到潜在边界直线，以所述潜在边界直线为轴获取符合预设规则的潜在边界特征区域。
[0009]优选的，所述根据每个像素点的修正梯度计算每个像素点的修正梯度同质性指数的具体方法为：式中，表示了像素点所在的潜在边界特征区域中所有像素点的总数量，表示了潜在边界特征区域中像素点的修正梯度波动特征的数值，表示了所述潜在边界特征区域中所有像素点的修正梯度波动特征数值的均值，表示了所述潜在边界特征区域中所有像素点修正梯度波动特征数值的最大值，表示了所述潜在边界特征区域中所有像素点修正梯度波动特征数值的最小值，表示了像素点位置处的修正梯度同质性指数。
[0010]优选的，所述修正梯度波动特征具体计算方法为：式中，表示在潜在边界特征区域中以像素点为中心的预设局部窗口区域大小，表示了预设局部窗口区域中像素点的修正梯度数值大小，表示像素点为中心的预设局部窗口区域中修正梯度均值，表示了以像素点为中心的局部窗口区域中修正梯度方差数值，表示了潜在边界特征区域中像素点的修正梯度波动特征的数值。
[0011]优选的，所述根据每个像素点的修正梯度和修正梯度同质性指数计算每个像素点的潜在边缘系数方法为：将所述潜在边界特征区域中像素点的修正梯度和修正梯度同质性指数的差值记为第一差值，获取潜在边界直线每个像素点垂直方向上第一差值最大的像素点，并记为特
征像素点，利用曲线拟合算法获取所有特征像素点的特征曲线，将所述特征曲线上所有像素点与异常拐点的欧式距离记为第一距离，将所述第一距离的平方与预设常量的和记为第一和值，将所述第一和值的倒数记为潜在边缘系数。
[0012]优选的，所述生长相似性度量阈值计算方法为：将每个像素点差异系数与潜在边缘系数乘积的归一化倒数记为第一系数，将第一系数与预设阈值的乘积记为生长相似性度量阈值。
[0013]优选的，所述根据每个像素点的生长相似性度量阈值获取蘑菇孢头像素点区域并计算菌包生产质量因子，利用所述菌包生产质量因子对菌包生产质量进行检验的具体方法为：基于生长相似性度量阈值优化区域生长算法并分割得到菌包灰度图像中不同蘑菇孢头的像素点区域，将菌包表面灰度图像中蘑菇孢头像素点区域的像素点数量和标准菌包表面灰度图像中蘑菇孢头像素点区域的像素点数量的比值记为菌包生产质量因子，将所述菌包生产质量因子大于预设阈值的菌包记为合格品。
[0014]本专利技术的有益效果是：本专利技术实施例通过对蘑菇菌包灰度图像中角点和边缘轮廓的分布情况筛选得到蘑菇菌包异常拐点，有效地表征了蘑菇菌包灰度图像中重叠蘑菇孢头像素点特征。同时，本专利技术实施例结合蘑菇菌包异常拐点获取得到蘑菇菌包灰度图像中的潜在边界直线，计算获取得到了蘑菇孢头重叠像素点之间的变化特点，为后续对不同蘑菇孢头之间的划分提供较为科学可靠的计算依据。进一步地，本专利技术实施例结合潜在边界直线区域中像素点数值变化特点计算得到潜在边界系数和稳定系数，对传统区域生长过程的阈值进行优化调整，有效地规避了传统区域生长算法中由于不同蘑菇孢头之间交叠重复导致对不同蘑菇孢头划分精确程度较低的缺点，提高了对菌包生产质量检测的精确性。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术一个实施例所提供的基于机器视觉的菌包生产质量检测方法的流程示意图；图2为本专利技术一个实施例中的真实潜在边缘曲线拟合示意图。
具体实施方式
[0017]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，本领域普通技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的菌包生产质量检测方法，其特征在于，该方法包括以下步骤：获取菌包表面灰度图像和标准菌包表面灰度图像，根据菌包表面灰度图像获取每个蘑菇孢头轮廓线、蘑菇孢头角点和每个像素点的差异系数；根据每个蘑菇孢头轮廓线和蘑菇孢头角点分别获取每一个异常拐点，根据每一个异常拐点计算每个像素点的修正梯度，根据每个像素点的修正梯度计算每个像素点的修正梯度同质性指数，根据每个像素点的修正梯度和修正梯度同质性指数计算每个像素点的潜在边缘系数；根据每个像素点的差异系数和潜在边缘系数计算每个像素点的生长相似性度量阈值；根据每个像素点的生长相似性度量阈值获取蘑菇孢头像素点区域并计算菌包生产质量因子，利用所述菌包生产质量因子对菌包生产质量进行检验。2.根据权利要求1所述的基于机器视觉的菌包生产质量检测方法，其特征在于，所述根据菌包表面灰度图像获取每个蘑菇孢头轮廓线、蘑菇孢头角点和每个像素点的差异系数的方法为：对菌包表面灰度图像使用边缘检测算法获取蘑菇孢头轮廓线，对菌包表面灰度图像使用角点检测算法获取蘑菇孢头角点，以菌包表面灰度图像中每个像素点为中心可以获取预设大小的窗口区域，将所述窗口区域的中心像素点灰度值与其余像素点灰度值差的平方记为第一平方，将第一平方的累加的均值记为差异系数。3.根据权利要求2所述的基于机器视觉的菌包生产质量检测方法，其特征在于，所述异常拐点的获取方法为：获取蘑菇孢头角点坐标，获取所有穿过所述蘑菇孢头角点坐标的蘑菇孢头轮廓线记为第一轮廓线，分别获取任意两条第一轮廓线之间的夹角，将所述任意两条第一轮廓线之间的夹角最小的夹角记为第一夹角，将所述第一夹角大于等于预设阈值的蘑菇孢头角点作为异常拐点。4.根据权利要求3所述的基于机器视觉的菌包生产质量检测方法，其特征在于，所述根据每一个异常拐点计算每个像素点的修正梯度的方法为：根据所述异常拐点获取潜在边界直线和潜在边界特征区域，分别获取所述潜在边界特征区域每个像素点的灰度数值、水平梯度数值和垂直梯度数值，将所述灰度数值与水平梯度数值乘积的归一化结果记为修正水平梯度，将所述灰度数值与垂直梯度数值乘积的归一化结果记为修正垂直梯度，将修正水平梯度和修正垂直梯度平方和的开方结果记为修正梯度。5.根据权利要求4所述的基于机器视觉的菌包生产质量检测方法，其特征在于，所述根据所述异常拐点获取潜在边界直线和潜在边界特征区域的方法为：分别获取任意两蘑菇孢头角点坐标，利用所述任意两蘑菇孢头角点坐标处理得到潜在边界直线，以所述潜在边界直线为轴获取符合预设规则的潜在边界特征区域。6...

【专利技术属性】
技术研发人员：杨夫英，徐西峰，刘新保，王目珍，
申请(专利权)人：山东众成菌业股份有限公司，
类型：发明
国别省市：