本申请实施例涉及图像处理技术领域，且涉及一种植物果实的损伤检测方法、装置、设备和介质。其中方法的方案为：采集待检测的植物果实的高光谱图像，并从所述高光谱图像中提取ROI光谱信息；利用连续投影算法从所述ROI光谱信息中筛选特征波段；根据所述特征波段，利用波段比值法得到比值图像；采用动态阈值分割法，从所述比值图像中提取损伤区域；根据所述损伤区域，得到所述高光谱图像的检测结果。本申请实施例可以实现植物果实的实时、大规模的损伤检测，可在一定程度上消除光源、颜色、形状、果梗等引起的亮度不均对损伤识别的影响，并且可以以较低的代价获取优选波段，使损伤检测更加快捷、高效与准确，提升了损伤检测的稳定性。
【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及植物果实的损伤检测方法、装置、设备和介质。
技术介绍
1、植物果实的损伤是降低果实品质的一个重要的因素。果实品质参差不齐也是影响农产品贸易的一个重要的原因。在受到物理损伤后，果实表面会产生肉眼不易观察到的损伤区域。如果不及时处理这些损伤区域，会导致果实腐烂，进而降低水果的经济价值。传统的人工分拣果实的方法费时费力，且容易产生误判与二次损伤。如何实现高效快捷地进行果实的损伤检测是目前亟待解决的问题。
技术实现思路
1、鉴于现有技术的以上问题，本申请实施例提供一种植物果实的损伤检测方法、装置、设备和介质，可以实现植物果实的实时、大规模的损伤检测，可在一定程度上消除光源、颜色、形状、果梗等引起的亮度不均对损伤识别的影响，并且可以以较低的代价获取优选波段，使损伤检测更加快捷、高效与准确，提升了损伤检测的稳定性。
2、达到上述目的，本申请第一方面提供了一种植物果实的损伤检测方法，包括：
3、采集待检测的植物果实的高光谱图像，并从所述高光谱图像中提取roi光谱信息；
4、利用连续投影算法从所述roi光谱信息中筛选特征波段；
5、根据所述特征波段，利用波段比值法得到比值图像；
6、采用动态阈值分割法，从所述比值图像中提取损伤区域；
7、根据所述损伤区域，得到所述高光谱图像的检测结果。
8、作为第一方面的一种可能的实现方式，所述从所述高光谱图像中提取roi光谱信息，还包括：
<
p>9、从所述高光谱图像中提取roi光谱数据；10、对所述roi光谱数据进行黑白帧校正；
11、对所述校正后的roi光谱数据进行平滑处理；
12、将所述平滑处理后的roi光谱数据作为所述roi光谱信息。
13、作为第一方面的一种可能的实现方式，所述利用连续投影算法从所述roi光谱信息中筛选特征波段，包括：
14、利用所述连续投影算法中内嵌的多元线性回归模型，从所述roi光谱信息中筛选出预设个数的特征波段。
15、作为第一方面的一种可能的实现方式，所述采用动态阈值分割法，从所述比值图像中提取损伤区域，包括：
16、获取所述比值图像中每个像素点的邻域窗口，利用所述邻域窗口将所述比值图像分割成每个像素点对应的子图像；
17、获取所述每个像素点对应的子图像的灰度直方图；
18、根据所述灰度直方图，采用大津法获取所有所述子图像的第一阈值和整个所述比值图像的第二阈值；
19、根据所述第一阈值和所述第二阈值，从所述比值图像中提取损伤区域。
20、作为第一方面的一种可能的实现方式，所述根据所述第一阈值和所述第二阈值，从所述比值图像中提取损伤区域，包括：
21、在所述第一阈值和所述第二阈值的差值大于等于预设掩膜大小的情况下，将所述第一阈值对应的像素点划分到所述损伤区域中。
22、作为第一方面的一种可能的实现方式，所述根据所述灰度直方图，采用大津法获取所有所述子图像的第一阈值，包括：
23、在检测到所述像素点对应的子图像的灰度直方图为双峰图的情况下，获取所述像素点对应的子图像的第一阈值。
24、作为第一方面的一种可能的实现方式，所述根据所述损伤区域，得到所述高光谱图像的检测结果，包括：
25、对所述损伤区域进行开运算，得到所述高光谱图像的检测结果。
26、本申请第二方面提供了一种植物果实的损伤检测装置，包括：
27、采集单元，用于采集待检测的植物果实的高光谱图像，并从所述高光谱图像中提取roi光谱信息；
28、筛选单元，用于利用连续投影算法从所述roi光谱信息中筛选特征波段；
29、第一处理单元，用于根据所述特征波段，利用波段比值法得到比值图像；
30、提取单元，用于采用动态阈值分割法，从所述比值图像中提取损伤区域；
31、第二处理单元，用于根据所述损伤区域，得到所述高光谱图像的检测结果。
32、作为第二方面的一种可能的实现方式，所述采集单元还用于：
33、从所述高光谱图像中提取roi光谱数据；
34、对所述roi光谱数据进行黑白帧校正；
35、对所述校正后的roi光谱数据进行平滑处理；
36、将所述平滑处理后的roi光谱数据作为所述roi光谱信息。
37、作为第二方面的一种可能的实现方式，所述筛选单元用于：
38、利用所述连续投影算法中内嵌的多元线性回归模型，从所述roi光谱信息中筛选出预设个数的特征波段。
39、作为第二方面的一种可能的实现方式，所述提取单元包括：
40、分割子单元，用于获取所述比值图像中每个像素点的邻域窗口，利用所述邻域窗口将所述比值图像分割成每个像素点对应的子图像；
41、第一获取子单元，用于获取所述每个像素点对应的子图像的灰度直方图；
42、第二获取子单元，用于根据所述灰度直方图，采用大津法获取所有所述子图像的第一阈值和整个所述比值图像的第二阈值；
43、提取子单元，用于根据所述第一阈值和所述第二阈值，从所述比值图像中提取损伤区域。
44、作为第二方面的一种可能的实现方式，所述提取子单元用于：
45、在所述第一阈值和所述第二阈值的差值大于等于预设掩膜大小的情况下，将所述第一阈值对应的像素点划分到所述损伤区域中。
46、作为第二方面的一种可能的实现方式，所述第二获取子单元用于：
47、在检测到所述像素点对应的子图像的灰度直方图为双峰图的情况下，获取所述像素点对应的子图像的第一阈值。
48、作为第二方面的一种可能的实现方式，所述第二处理单元用于：
49、对所述损伤区域进行开运算，得到所述高光谱图像的检测结果。
50、本申请第三方面提供了一种计算设备，包括：
51、通信接口；
52、至少一个处理器，其与所述通信接口连接；以及
53、至少一个存储器，其与所述处理器连接并存储有程序指令，所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执行上述第一方面任一所述的方法。
54、本申请第四方面提供了一种计算机可读存储介质，其上存储有程序指令，所述程序指令当被计算机执行时使得所述计算机执行上述第一方面任一所述的方法。
55、本专利技术的这些和其它方面在以下(多个)实施例的描述中会更加简明易懂。
本文档来自技高网...
【技术保护点】
1.一种植物果实的损伤检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述从所述高光谱图像中提取ROI光谱信息，还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述利用连续投影算法从所述ROI光谱信息中筛选特征波段，包括：
4.根据权利要求1或2所述的方法，其特征在于，所述采用动态阈值分割法，从所述比值图像中提取损伤区域，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一阈值和所述第二阈值，从所述比值图像中提取损伤区域，包括：
6.根据权利要求4所述的方法，其特征在于，所述根据所述灰度直方图，采用大津法获取所有所述子图像的第一阈值，包括：
7.根据权利要求1或2所述的方法，其特征在于，所述根据所述损伤区域，得到所述高光谱图像的检测结果，包括：
8.一种植物果实的损伤检测装置，其特征在于，包括：
9.一种计算设备，其特征在于，包括：
10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令当被计算机执行时使得所述计算机执行权利要求1-7任一所述的方法。
...
【技术特征摘要】
1.一种植物果实的损伤检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述从所述高光谱图像中提取roi光谱信息，还包括：
3.根据权利要求1或2所述的方法，其特征在于，所述利用连续投影算法从所述roi光谱信息中筛选特征波段，包括：
4.根据权利要求1或2所述的方法，其特征在于，所述采用动态阈值分割法，从所述比值图像中提取损伤区域，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一阈值和所述第二阈值，从所述比值图像中提取损伤区域...
【专利技术属性】
技术研发人员：林能涛，梅杰，李小宇，
申请(专利权)人：南京智谱科技有限公司，
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。