果实缺陷检测方法、装置、设备及介质制造方法及图纸

本申请涉及果实缺陷检测方法、装置、设备及介质，方法包括：获取待检测果实在不同光源方向的多个果实图像，基于全局阈值化算法对果实图像进行分割以确定果实图像中的感兴趣区域；根据特征提取与分类算法提取出感兴趣区域中的纹理特征，将纹理特征输入至朴素贝叶斯分类算法对果实进行初步缺陷检测，确定多个果实图像中的缺陷果实图像；基于聚类算法分割出缺陷果实图像中的缺陷区域图像，采用中值滤波算法对缺陷区域图像进行滤波处理；计算缺陷区域图像的中值滤波图像面积与缺陷果实图像面积之间的权重，检测到权重超过预设阈值，将其相应的果实分拣至第一传送带。本申请能够准确、快速地分拣出符合行业标准的果实、次品果实以及其他果实。及其他果实。及其他果实。

【技术实现步骤摘要】
果实缺陷检测方法、装置、设备及介质


[0001]本申请涉及果实种植生产领域，尤其涉及一种果实缺陷检测方法、相应的装置、电子设备及计算机可读存储介质。

技术介绍

[0002]果实种植产业是我国农业中的重要产业之一，苹果容易受到各种表面缺陷的影响，常见的表面缺陷如虫菌、疾病或采摘运输过程导致的果实表皮虫斑、腐烂、淤伤等。
[0003]目前，对于果实的缺陷检测主要依赖于人工分拣或果实无损检测系统，而人工分拣耗时费力，若依赖于人工作业，劳动强度大，生产效率低下，现有技术中的果实缺陷检测系统对于数据采集处理时间过长，检测效率较低，而且识别精度对于特征的选择和提取不稳定，同时，检测设备繁杂，购买、安装和维护成本高昂，大大影响果实缺陷检测的检测效率以及经济效益。
[0004]综上，适应现有技术中对于果实检测的数据采集处理时间过长，检测效率较低，识别精度对于特征的选择和提取不稳定，检测设备繁杂，购买、安装以及维护成本高昂等问题，本申请人出于解决该问题的考虑做出相应的探索。

技术实现思路

[0005]本申请的目的在于解决上述问题而提供一种果实缺陷检测方法、相应的装置、电子设备及计算机可读存储介质。
[0006]为满足本申请的各个目的，本申请采用如下技术方案：
[0007]适应本申请的目的之一而提出的一种果实缺陷检测方法，包括如下步骤：
[0008]响应果实缺陷检测指令，获取待检测果实在不同光源方向的多个果实图像，基于全局阈值化算法对所述果实图像进行分割以确定所述果实图像中的感兴趣区域；
[0009]根据特征提取与分类算法提取出所述感兴趣区域中的纹理特征，将所述纹理特征输入至朴素贝叶斯分类算法对所述果实进行初步缺陷检测，确定所述多个果实图像中的缺陷果实图像；
[0010]基于聚类算法分割出所述缺陷果实图像中的缺陷区域图像，采用中值滤波算法对所述缺陷区域图像进行滤波处理，确定所述缺陷区域图像的中值滤波图像；
[0011]计算所述缺陷区域图像的中值滤波图像面积与所述缺陷果实图像面积之间的权重，检测到所述权重超过预设阈值时，将所述缺陷果实图像相对应的果实分拣至第一传送带，检测到所述权重小于或等于预设阈值时，将所述缺陷果实图像相对应的果实分拣至第二传送带，以完成所述果实的缺陷检测。
[0012]可选的，基于全局阈值化算法对所述果实图像进行分割以确定所述果实图像中的感兴趣区域的步骤，包括如下步骤：
[0013]将所述果实图像转化为灰度图像数据，获取所述果实图像中的多个颜色通道矩阵；
[0014]根据预设的全局阈值化算法计算出所述果实图像的灰度图像数据中所述多个颜色通道矩阵相对应的全局阈值；
[0015]根据所述全局阈值将所述多个颜色通道矩阵相对应的灰度值进行图像二值化处理，确定所述多个颜色通道矩阵相对应的二值化图像数据，根据所述果实图像的所述二值化图像数据确定所述果实图像中的感兴趣区域。
[0016]可选的，根据特征提取与分类算法提取出所述感兴趣区域中的纹理特征，将所述纹理特征输入至朴素贝叶斯分类算法对所述果实进行初步缺陷检测的步骤,包括如下步骤：
[0017]采用Haar滤波器获取所述果实图像的感兴趣区域中的对角像素值、垂直像素值、水平像素值、均匀性、相关性以及对比度；
[0018]将所述果实图像的感兴趣区域中的对角像素值、垂直像素值、水平像素值、均匀性、相关性以及对比度输入至所述朴素贝叶斯分类算法，以初步检测出所述果实图像中的缺陷果实图像。
[0019]可选的，根据特征提取与分类算法提取出所述感兴趣区域中的纹理特征的步骤，包括如下步骤：
[0020]获取所述果实图像的感兴趣区域的多个像素值，确定处于预设像素值区间内的各个像素值之间的像素组合；
[0021]统计所述像素组合中的像素值所对应的像素在所述果实图像的感兴趣区域出现的频数，确定所述像素的频数集合；
[0022]将所述频数集合中的频数转化为概率，根据所述像素在所述果实图像的感兴趣区域出现的概率以提取出所述感兴趣区域中的纹理特征。
[0023]可选的，统计所述像素组合中的像素值所对应的像素在所述果实图像的感兴趣区域出现的频数，确定所述像素的频数集合的步骤，包括如下步骤：
[0024]确定目标距离和多个统计方向，获取所述果实图像的感兴趣区域中的满足所述目标距离的像素；
[0025]按照各个所述统计方向，分别统计各个所述像素组合中像素值所对应的像素与满足所述目标距离的像素所匹配的数量；
[0026]将所述匹配的数量确定为频数，得到与所述统计方向相对应的所述频数集合。
[0027]可选的，基于聚类算法分割出所述缺陷果实图像中的缺陷区域图像，采用中值滤波算法对所述缺陷区域图像进行滤波处理，确定所述缺陷区域图像的中值滤波图像的步骤，包括如下步骤：
[0028]获取所述多个果实图像中的缺陷果实图像，将所述缺陷果实图像的灰度图像数据转换为彩色图像数据，所述聚类算法包括K
‑
means聚类算法；
[0029]基于K
‑
means聚类算法从所述缺陷果实图像的彩色图像数据中分割出所述缺陷区域图像；
[0030]基于中值滤波算法对所述缺陷区域图像进行滤波处理，提取所述缺陷区域图像的当前像素点以及所述当前像素点的临近像素点的像素值，将所述像素值进行排序，将位于中间位置的像素值作为所述当前像素点的像素值，以确定所述缺陷区域图像的中值滤波图像。
[0031]可选的，计算所述缺陷区域图像的中值滤波图像面积与所述缺陷果实图像面积之间的权重，检测到所述权重超过预设阈值时，将所述缺陷果实图像相对应的果实分拣至第一传送带，检测到所述权重小于或等于预设阈值时，将所述缺陷果实图像相对应的果实分拣至第二传送带，以完成所述果实的缺陷检测的步骤，包括如下步骤：
[0032]将所述缺陷果实图像以及所述缺陷果实图像中的所述缺陷区域图像进行图像二值化处理，确定所述缺陷果实图像以及所述缺陷区域图像相对应的二值化图像数据；
[0033]根据所述二值化图像数据确定所述缺陷果实图像以及所述缺陷区域图像相对应的面积；
[0034]响应定时监控指令，计算所述缺陷区域图像的面积与所述缺陷果实图像面积之间的权重，确定所述权重与所述预设阈值的对比结果，根据所述对比结果将所述缺陷果实图像相对应的果实进行分拣。
[0035]适应本申请的另一目的而提供的一种果实缺陷检测装置，包括：
[0036]感兴趣区域确定模块，设置为响应果实缺陷检测指令，获取待检测果实在不同光源方向的多个果实图像，基于全局阈值化算法对所述果实图像进行分割以确定所述果实图像中的感兴趣区域；
[0037]初步检测模块，设置为根据特征提取与分类算法提取出所述感兴趣区域中的纹理特征，将所述纹理特征输入至朴素贝叶斯分类算法对所述果实进行初步缺陷检测，确定所述多个果实图像中的缺陷果实图像；
[0038]缺陷区域处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种果实缺陷检测方法，其特征在于，包括如下步骤：响应果实缺陷检测指令，获取待检测果实在不同光源方向的多个果实图像，基于全局阈值化算法对所述果实图像进行分割以确定所述果实图像中的感兴趣区域；根据特征提取与分类算法提取出所述感兴趣区域中的纹理特征，将所述纹理特征输入至朴素贝叶斯分类算法对所述果实进行初步缺陷检测，确定所述多个果实图像中的缺陷果实图像；基于聚类算法分割出所述缺陷果实图像中的缺陷区域图像，采用中值滤波算法对所述缺陷区域图像进行滤波处理，确定所述缺陷区域图像的中值滤波图像；计算所述缺陷区域图像的中值滤波图像面积与所述缺陷果实图像面积之间的权重，检测到所述权重超过预设阈值时，将所述缺陷果实图像相对应的果实分拣至第一传送带，检测到所述权重小于或等于预设阈值时，将所述缺陷果实图像相对应的果实分拣至第二传送带，以完成所述果实的缺陷检测。2.根据权利要求1所述的果实缺陷检测方法，其特征在于，基于全局阈值化算法对所述果实图像进行分割以确定所述果实图像中的感兴趣区域的步骤，包括如下步骤：将所述果实图像转化为灰度图像数据，获取所述果实图像中的多个颜色通道矩阵；根据预设的全局阈值化算法计算出所述果实图像的灰度图像数据中所述多个颜色通道矩阵相对应的全局阈值；根据所述全局阈值将所述多个颜色通道矩阵相对应的灰度值进行图像二值化处理，确定所述多个颜色通道矩阵相对应的二值化图像数据，根据所述果实图像的所述二值化图像数据确定所述果实图像中的感兴趣区域。3.根据权利要求2所述的果实缺陷检测方法，其特征在于，根据特征提取与分类算法提取出所述感兴趣区域中的纹理特征，将所述纹理特征输入至朴素贝叶斯分类算法对所述果实进行初步缺陷检测的步骤,包括如下步骤：采用Haar滤波器获取所述果实图像的感兴趣区域中的对角像素值、垂直像素值、水平像素值、均匀性、相关性以及对比度；将所述果实图像的感兴趣区域中的对角像素值、垂直像素值、水平像素值、均匀性、相关性以及对比度输入至所述朴素贝叶斯分类算法，以初步检测出所述果实图像中的缺陷果实图像。4.根据权利要求1所述的果实缺陷检测方法，其特征在于，根据特征提取与分类算法提取出所述感兴趣区域中的纹理特征的步骤，包括如下步骤：获取所述果实图像的感兴趣区域的多个像素值，确定处于预设像素值区间内的各个像素值之间的像素组合；统计所述像素组合中的像素值所对应的像素在所述果实图像的感兴趣区域出现的频数，确定所述像素的频数集合；将所述频数集合中的频数转化为概率，根据所述像素在所述果实图像的感兴趣区域出现的概率以提取出所述感兴趣区域中的纹理特征。5.根据权利要求4所述的果实缺陷检测方法，其特征在于，统计所述像素组合中的像素值所对应的像素在所述果实图像的感兴趣区域出现的频数，确定所述像素的频数集合的步骤，包括如下步骤：
确定目标距离和多个统计方向，获取所述果实图像的感兴趣区域中的满足所述目标距离的像素；按照各个所述统计方向，分别统计各个所述像素组合中像素值所对应的像素与满足所述目标距离的像素所匹配的数量；将所述匹配的数量确定为频数，得到与所述统计方向相对应的所述频数集合。6.根据权利要求1所述...

【专利技术属性】
技术研发人员：王冠，李通，苏泽彬，诸杰煜，陈国华，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：