一种基于图像的糖晶体分类识别及结晶质量控制方法技术

本发明专利技术公开了一种基于图像的糖晶体分类识别及结晶质量控制方法，属于图像识别分类技术和工业控制系统领域。步骤：1)在给光装置的协同下，从显微摄像装置中获取糖晶体的原始样本图像，利用图像预处理技术对原始样本图像进行预处理，并对预处理后的图像进行分割，获得糖晶体样本图像的感兴趣区；2)针对感兴趣区，根据给定的识别特征从中提取每幅样本图像的特征参数并利用其对并联多分类器进行训练；3)设定控制周期，以一个控制周期为单位，在周期内获取待分类图像，预处理后利用训练好的并联多分类器进行分类，根据分类结果计算出糖晶体的结晶状态信息；4)根据结晶状态信息控制执行装置动作。该方法可从整体上实现煮糖结晶工序的自动化。

【技术实现步骤摘要】

本专利技术涉及图像识别分类技术和工业控制系统，特别涉及糖晶体图像多分类器、利用多分类器对糖晶体图像进行分类的方法和装置，以及利用识别分类结果进行糖结晶质量控制的控制方法。
技术介绍
工业上，煮糖结晶过程需要操作人员不断地观察罐内晶粒状况，以便采取相应的操作。目前多数糖厂都是抽样探棒取出糖膏样品在灯下观察或手捻凭感觉来判断，不能直接观察到罐内晶粒变化情况，给操作的准确性带来了一定困难。为解决这一问题，人们开发、研制了基于视频技术的煮糖显微观察镜，通过装在罐壁上的显微镜，可以清晰地观察罐内晶体的变化情况，及时发现不正常晶粒生长，以便采取相应的操作。实际上，这还是依赖于人眼工作，只是把劳动力从直接辨别探棒取样的晶体质量状况，转移到人眼观察煮糖显微镜采集的图像上，并未改变人工的传统工作方式。为了实现煮糖过程的自动化，对煮糖显微观察镜采集出来的糖晶体图像自动识别分类具有很重要的意义。然而，一方面由于糖晶体表面较光滑，整体透明，当采集图像时，光线从晶体背部射入，穿过晶体，在晶体较平滑的平面透射出的亮度就很高，其它部分则较暗，采集出来的图像是一个存在严重噪声的图像；另一方面，符合质量要求的晶体中混杂着各种晶体，如聚晶、粘晶、伪晶等，使得样本的种类大大增加。因此，国内外目前对糖晶体的识别分类仍没有行之有效的方法。糖晶体的自动识别分类是煮糖过程的自动化的重要的一环，它所获得的结果是后续控制系统的决策依据，得不到准确的识别分类结果，就无法实现煮糖过程的自动化。
技术实现思路
本专利技术的目的在于解决现有技术中存在的问题，并提供一种基于图像的糖晶体分类识别及结晶质量控制方法。基于图像的糖晶体分类识别及结晶质量控制方法，由以下步骤组成：1)在给光装置的协同下，从显微摄像装置中获取糖晶体的原始样本图像，利用图像预处理技术对原始样本图像进行预处理，并对预处理后的图像进行分割，获得糖晶体样本图像的感兴趣区；2)针对感兴趣区，根据给定的识别特征从中提取每幅样本图像的特征参数并利用其对并联多分类器进行训练；3)设定控制周期，以一个控制周期为单位，在周期内获取待分类图像，预处理后利用训练好的并联多分类器进行分类，根据分类结果计算出糖晶体的结晶状态信息；4)根据结晶状态信息控制执行装置动作，进行加水或加蜜。上述技术方案中，各步骤可采用如下实现方式：步骤2)中并联多分类器的训练由以下步骤组成：2.1)针对糖晶体的特性选择糖晶体图像识别特征并在拟合过程中取舍校正，识别特征包括：单个晶体颗粒面积大小、晶体颗粒数目、晶体面积与图像面积比、透明度和形状；2.2)规定识别分类的结果只有两类，一类是符合质量要求的糖晶体图像，定义为clear，另一类是不符合质量要求的糖晶体图像，定义为unclear；2.3)针对感兴趣区，根据设定的糖晶体识别特征，特征提取出每个样本图像的各种定量描述参数，作为训练决策树分类器使用的样本数据集1；通过随机采样对样本数据集1进行二次采样生成不同的数据样本集合，作为训练SVM分类器使用的样本数据集2；两种分类器基于同一数据的不同视图进行独立训练和测试，将两组不同的样本数据各自分为训练数据和测试数据，训练数据用于训练出分类器，测试数据用于对训练出的模型进行分类器评估即性能检验；2.4)单一循环遍历整个训练数据集，对已知类别的糖晶体数据集进行分类：对决策树分类器而言，在进行最后一个特征的识别分类之前，根据识别特征，不满足当前识别特征时的糖晶体数据被打上unclear的标签，退出本轮的训练过程；否则进入下一轮的分类训练，一直进行到最后一个特征；经过最后一轮的训练，可得最终的结果，所有的糖晶体图像数据都被分配到两个类别，一类是可以判断质量合格的clear类别，一类是可以判断质量不合格的unclear类别；2.5)基于上述两种单一分类器所获得的识别分类结果，通过组合方法整合两种分类结果，获取一个最终分类器；所述的组合方法采用如下算法：定义错误率如下：其中，xj为训练数据集中的第j个样本，Ci(xj)为第i个分类器对样本xj的分类结果，i＝1或2；I为指示器，如果参数A为true，则I(A)＝1，否则为0；wj为训练数据集中的第j个样本的权重；yj为目标分类结果；计算决策树分类器的重要性为SVM分类器的重要性为将参数α1,α2用于更新训练样本权重，权重更新机制为：其中Zj为规范化因子，用于确保w1(j+1)+w2(j+1)＝1；将w1(j+1)和w2(j+1)分别作为下一次分类时决策树分类器和SVM分类器的权重，用于计算当前样本的最终分类结果。步骤3)中计算糖晶体的结晶状态信息由以下步骤组成：3.1)设定控制周期，以一个控制周期为单位，在控制周期内在给光装置的协同下，从显微摄像装置中获取指定数量的原始待分类图像；3.2)对每幅原始待分类图像，进行预处理以及图像分割，根据给定的识别特征从中提取每幅图像的特征参数，输入到已经训练好的并联多分类器进行分类，质量合格的图像打上clear标签，质量不合格图像打上unclear标签；3.3)对已经打上标签的识别分类结果，利用IDL程序自动转换成糖晶体图像文件，该文件是已被识别的图像分类文件；3.4)对图像分类文件进行批处理，分别获取打上clear/unclear标签的糖晶体图像的数量，根据数量得出当前糖晶体所处的结晶状态信息。上述批处理流程为：3.4.1)将分类完毕的图像文件按类别分配在以分类命名即分别名为clear、unclear的文件夹中；3.4.2)统计各文件夹中图像文件的数量；3.4.3)删除本控制周期内的clear、unclear的文件夹中的所有图像文件，以便下一个控制周期的使用；3.4.4)周期性执行该批处理文件，即控制周期长度的定时时间到后，执行一次批处理文件，把统计结果作为本次控制决策的信息来源。步骤4)中根据糖晶体结晶状态信息控制执行装置动作步骤如下：4.1)PLC上位机中的数据块DATABLOCK手动读入此控制周期内的各分类数量，作为后续控制动作的依据，分类数量作为模拟量输入数据；4.2)将PLC定时器清零；4.3)在PLC上位机中将模拟量输入数据与设定阈值进行比较，获得相应的开关信号：如果unclear类别的数量大于某一阈值N1，PLC进料电机得到启动信号，电机带动进料泵开启，物料入罐，用比值控制方法控制煮罐进料，同时开环控制煮罐内物位；如果clear类别的糖晶体图像数量大于某一阈值N2，PLC出料电机启动信号，电机带动出料泵开启，物料出罐，同时开环控制煮罐内物位并使煮罐停止结晶；4.4)PLC等待下一次定时时间到，重复上述4.1)-4.3)步骤。本专利技术有如下的优点：1、对由样本集训练出决策树分类器和SVM支持向量机分类器进行有效的组合，得到识别分类效果更好的并联多分类器，对由煮糖显微观察镜采集到的糖晶体图像进行自动分析和分类。2、基于PLC控制器的控制系统及装置利用分类结果作为结晶质量控制系统的工作依据，从整体上实现煮糖结晶工序的自动化。附图说明图1为糖晶体图像识别分类系统及结晶质量控制方法工作流程图；图2为决策树和SVM分类器的训练流程图；图3为决策树分类器在糖晶体单一特征数据下的分类结果图；图4为决策树和SVM并联多分类器组合示意图；图5为利用并联多分类器对待识别糖晶本文档来自技高网...

【技术保护点】
一种基于图像的糖晶体分类识别及结晶质量控制方法，其特征在于，由以下步骤组成：1)在给光装置的协同下，从显微摄像装置中获取糖晶体的原始样本图像，利用图像预处理技术对原始样本图像进行预处理，并对预处理后的图像进行分割，获得糖晶体样本图像的感兴趣区；2)针对感兴趣区，根据给定的识别特征从中提取每幅样本图像的特征参数并利用其对并联多分类器进行训练；3)设定控制周期，以一个控制周期为单位，在周期内获取待分类图像，预处理后利用训练好的并联多分类器进行分类，根据分类结果计算出糖晶体的结晶状态信息；4)根据结晶状态信息控制执行装置动作，进行加水或加蜜。

【技术特征摘要】
1.一种基于图像的糖晶体分类识别及结晶质量控制方法，其特征在于，由以下步骤组成：1)在给光装置的协同下，从显微摄像装置中获取糖晶体的原始样本图像，利用图像预处理技术对原始样本图像进行预处理，并对预处理后的图像进行分割，获得糖晶体样本图像的感兴趣区；2)针对感兴趣区，根据给定的识别特征从中提取每幅样本图像的特征参数并利用其对并联多分类器进行训练；3)设定控制周期，以一个控制周期为单位，在周期内获取待分类图像，预处理后利用训练好的并联多分类器进行分类，根据分类结果计算出糖晶体的结晶状态信息；4)根据结晶状态信息控制执行装置动作，进行加水或加蜜。2.根据权利要求1所述的基于图像的糖晶体分类识别及结晶质量控制方法，其特征在于，步骤2)中并联多分类器的训练由以下步骤组成：2.1)针对糖晶体的特性选择糖晶体图像识别特征并在拟合过程中取舍校正，识别特征包括：单个晶体颗粒面积大小、晶体颗粒数目、晶体面积与图像面积比、透明度和形状；2.2)规定识别分类的结果只有两类，一类是符合质量要求的糖晶体图像，定义为clear，另一类是不符合质量要求的糖晶体图像，定义为unclear；2.3)针对感兴趣区，根据设定的糖晶体识别特征，特征提取出每个样本图像的各种定量描述参数，作为训练决策树分类器使用的样本数据集1；通过随机采样对样本数据集1进行二次采样生成不同的数据样本集合，作为训练SVM分类器使用的样本数据集2；两种分类器基于同一数据的不同视图进行独立训练和测试，将两组不同的样本数据各自分为训练数据和测试数据，训练数据用于训练出分类器，测试数据用于对训练出的模型进行分类器评估即性能检验；2.4)单一循环遍历整个训练数据集，对已知类别的糖晶体数据集进行分类：对决策树分类器而言，在进行最后一个特征的识别分类之前，根据识别特征，不满足当前识别特征时的糖晶体数据被打上unclear的标签，退出本轮的训练过程；否则进入下一轮的分类训练，一直进行到最后一个特征；经过最后一轮的训练，可得最终的结果，所有的糖晶体图像数据都被分配到两个类别，一类是可以判断质量合格的clear类别，一类是可以判断质量不合格的unclear类别；2.5)基于上述两种单一分类器所获得的识别分类结果，通过组合方法整合两种分类结果，获取一个最终分类器；所述的组合方法采用如下算法：定义错误率如下：ϵi=1N[ΣjwjI(Ci(xj)≠yj)]]]>其中，xj为训练数据集中的第j个样本，Ci(xj)为第i个分类器对样本xj的分类结果，i＝1或2；I为指示器，如果参数A为true，则I(A)＝1，否则为0；wj为训练数据集中的第j个样本的权重；yj为目标分类结果；计算决策树分类器的重要性为SVM分类器的重...

【专利技术属性】
技术研发人员：杨丽明，张攀，董超，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33