【技术实现步骤摘要】
本专利技术涉及光学测量，具体涉及一种基于2d和3d的谷物分选方法。
技术介绍
1、谷物分选机作为粮食加工行业中的关键设备，对提高粮食质量、安全性和加工效率起着重要作用：(1)提高谷物质量与安全性：谷物分选机能够通过光学、电子等技术手段对谷物进行分选和筛选，可以有效去除杂质、异物和不符合质量标准的谷物。这有利于提高粮食的质量和安全性。(2)推动智能制造：谷物分选机可以通过与人工智能、物联网等技术的结合，实现分选过程的智能化和自动化。通过采集、处理和分析大量的数据，可以对谷物进行更精准地分类和分选，提高生产效率和产品品质。(3)优化农产品供应链：谷物分选机可以在农产品供应链中发挥作用，加强对谷物的分类和分级。这有助于提高供应链的透明度和效率，优化农产品的流通和市场竞争力。(4)市场需求与政策支持：粮食作为人们生活必不可少的食物，人们对粮食质量和安全性要求越来越高。谷物分选机作为提高粮食质量和安全性的关键设备，将受到市场需求的推动，市场前景广阔。
技术实现思路
1、本专利技术的目的在于提供一种基于2d和3d的谷物分选方法，解决如何实现谷物分选量测功能和缺陷检测功能集合的技术问题。
2、本专利技术的目的可以通过以下技术方案实现：
3、一种基于2d和3d的谷物分选方法，包括以下步骤：
4、使用相机拍摄待测谷物的白光条纹窄带，获取白光条纹窄带图像；
5、以亚像素精度提取窄带图像的条纹中心特征，获得单条2d彩色图像数据与图像3d数据；
7、根据2d/3d形貌分类谷物杂质，计算谷物缺陷与饱满度，并根据计算结果对谷物进行缺陷区分和饱满度分选。
8、作为本专利技术进一步的方案：所述相机采用工业彩色相机，且相机与激光夹角成5°和10°。
9、作为本专利技术进一步的方案：所述根据谷物的2d成像特征进行自适应分隔具体为：根据最大类间方差原理将待测谷物与背景区分割出来，得到各个谷物目标的连通区域，然后采用重心法原理，计算实时图上每个谷物的位置信息。
10、作为本专利技术进一步的方案：所述待测谷物包括但不限于杂质、缺陷谷物和正常谷物。
11、作为本专利技术进一步的方案：所述以亚像素精度提取窄带图像的条纹中心特征，获得单条2d彩色数据与3d数据的具体方法如下：
12、1.1)以工业彩色相机获取机台固定位置的谷物白光窄带图像，首先将彩色图像转成灰度图像，然后进行均值滤波处理，均值滤波模板为7*5模板，以灰度图像列方向作为图像像素坐标系x轴，灰度图像行方向作为图像像素坐标系y轴；
13、1.2)将均值滤波处理后的图像进行条纹整像素中心提取，首先将图像做转置处理，采用行指针的方法提取列图像灰度值最大值所在的位置，即可得到白光窄条的整像素中心；
14、1.3)均值滤波处理后的图像，结合1.2)步骤的整像素中心位置，进行亚像素条纹中心特征提取：在条纹线的整像素中心处，做沿着线条法线方向做泰勒展开；
15、1.4)对于二维图像f(x,y)，线条边缘中心点处的一阶导数为0，且二阶方向导数取极小值的点即为线条中心点；
16、通过hessian矩阵法求得边缘法线方向和在该方向的二阶导数；
17、1.5)通过判别准则提取中心点，若一阶导数为零的点位于当前像素内，且该方向上二阶导数的极小值小于一定阈值，则通过两层判断，得到满足光强中心特性亚像素中心像素坐标；
18、1.6)将所有整像素中心坐标集合分别进行步骤1.4)和步骤1.5)，得到亚像素中心像素坐标集合，通过标定文件转换为世界坐标系下的轮廓集合；再通过一维运动平台运动，得到全幅面的3d形貌数据。
19、作为本专利技术进一步的方案：所述世界坐标系的x轴为白光窄带切向，世界坐标系的y轴为白光窄带垂向即运动扫描方向，世界坐标系的z轴为高度方向。
20、作为本专利技术进一步的方案：所述根据谷物的2d成像特征进行自适应分隔的具体方法如下：
21、2.1)将2d彩色图像数据通过一维运动平台，实现窄条2d图像的等间隔拼接，最终得到待测谷物的全幅面2d彩色图像；
22、2.2)将全幅面2d彩色图像经过一维运动平台运动，将图像从rgb色彩空间转换到hsi色彩空间，hsi的各分量变化域：色调h为[0,360]，饱和度s为[0,1]，强度i为[0,255]；
23、2.3)在强度i图像上进行基于最大方差原理的自适应阈值分割，将待测谷物与背景分割出来；
24、2.4)根据2.3)计算的自适应分割阈值，将待测谷物目标与背景平面分割出来，记录连通域最小正外界矩形最大长边，最后通过灰度重心公式
25、计算待测谷物的重心位置，得到每个待测谷物的重心位置集合与连通域长边集合；上式中：∑grayi为连通域灰度值之和；
26、∑grayix为连通域的“灰度值乘以对应坐标的x值”之和；
27、∑grayiy为连通域的“灰度值乘以对应坐标的y值”之和。
28、作为本专利技术进一步的方案：所述对谷物进行缺陷区分的具体方法为：
29、3.1)将所有待测谷物对应到2d实时图上，得到实时图上所有待测谷物的中心位置和连通域长边半径，获取待测谷物的中心位置和连通域长边半径的roi区域，roi区域为待测谷物重心位置的两倍连通域长边半径；
30、3.2)由3.1)步骤得到的每个待测谷物的roi图像，分别在roi区域内进行基于最大类间方差原理的自适应分割方法，得到每个待测谷物的连通域；
31、3.3)统计步骤3.2)连通域的颜色信息，根据谷物和杂质在转换后的hsi颜色空间中的特点，设定对应的颜色差异允许数值，将待测谷物分为谷物和杂质，杂质在后续分选环节剔除到指定位置一。
32、3.4)将步骤3.3)中的谷物目标，在连通域内部内再进行阈值分割，判断当前谷物是否存在缺陷，将缺陷谷物与正常谷物区分，缺陷谷物在后续分选环节剔除到指定位置二。
33、作为本专利技术进一步的方案：所述对谷物进行饱满度分选的具体方法为：
34、4.1)根据步骤3.1)截取的roi区域位置信息，在3d实际高度图上统计roi区域除连通域以内的谷物周边平面高度数据，计算正常谷物周边平均高度；
35、4.2)根据步骤3.2)中计算的连通域，在3d实际高度图像上计算区域内部的最大高度与平均高度，根据已计算的平均高度，统计连通域内部大于平均高度的凸起高度集合的凸起均值高度；
36、4.3)将步骤4.2)中计算的区域最大高度、平均高度和凸起均值高度，减去谷物周边平均高度，得到谷物的最大真实高度、平均真实高度和凸起均值真实高度；
37、4.4)根据产线生产标准，对最大真实高度本文档来自技高网...
【技术保护点】
1.一种基于2D和3D的谷物分选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于2D和3D的谷物分选方法，其特征在于，所述相机采用工业彩色相机，且相机与激光夹角成5°和10°。
3.根据权利要求1所述的一种基于2D和3D的谷物分选方法，其特征在于，所述根据谷物的2D成像特征进行自适应分隔具体为：根据最大类间方差原理将待测谷物与背景区分割出来，得到各个谷物目标的连通区域，然后采用重心法原理，计算实时图上每个谷物的位置信息。
4.根据权利要求2所述的一种基于2D和3D的谷物分选方法，其特征在于，所述待测谷物包括但不限于杂质、缺陷谷物和正常谷物。
5.根据权利要求1所述的一种基于2D和3D的谷物分选方法，其特征在于，所述以亚像素精度提取窄带图像的条纹中心特征，获得单条2D彩色数据与3D数据的具体方法如下：
6.根据权利要求5所述的一种基于2D和3D的谷物分选方法，其特征在于，所述世界坐标系的X轴为白光窄带切向，世界坐标系的Y轴为白光窄带垂向即运动扫描方向，世界坐标系的Z轴为高度方向。
7.根据权利
8.根据权利要求1所述的一种基于2D和3D的谷物分选方法，其特征在于，所述对谷物进行缺陷区分的具体方法为：
9.根据权利要求8所述的一种基于2D和3D的谷物分选方法，其特征在于，所述对谷物进行饱满度分选的具体方法为：
...【技术特征摘要】
1.一种基于2d和3d的谷物分选方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于2d和3d的谷物分选方法，其特征在于，所述相机采用工业彩色相机，且相机与激光夹角成5°和10°。
3.根据权利要求1所述的一种基于2d和3d的谷物分选方法，其特征在于，所述根据谷物的2d成像特征进行自适应分隔具体为：根据最大类间方差原理将待测谷物与背景区分割出来，得到各个谷物目标的连通区域，然后采用重心法原理，计算实时图上每个谷物的位置信息。
4.根据权利要求2所述的一种基于2d和3d的谷物分选方法，其特征在于，所述待测谷物包括但不限于杂质、缺陷谷物和正常谷物。
5.根据权利要求1所述的一种基于2d和3d的谷物分选方法，其特...
【专利技术属性】
技术研发人员：肖飒，陈状，
申请(专利权)人：安徽名德智能科技有限公司，
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。