一种基于机器视觉的燕窝杂质识别与检测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种基于机器视觉的燕窝杂质识别与检测方法及装置，用于解决使用单目相机进行检测只能得到杂质区域轮廓信息而无法获取到杂质区域高度信息，这样在后续杂质剔除操作中，在剔除杂质同时也会夹带着一些燕窝，从而造成原料产品浪费并降低经济效益；使用双目视觉检测得到三维信息精度低，误差大，满足不了燕窝杂质检测要求的技术问题。

Bird's nest impurity recognition and detection method and device based on machine vision

The embodiment of the invention discloses a machine vision recognition and detection of bird's nest impurity based method and device, used to solve using single camera detection can only get the impurity region contour information and can not get to the impurity region height information, so in the subsequent operation to remove impurities, removing impurities and also with some of the bird's nest, so the raw material products and reduce the waste of economic benefits; the use of binocular vision detection to get three-dimensional information of low precision, big error, can not meet the technical requirements of the bird's nest impurity detection problem.

【技术实现步骤摘要】
一种基于机器视觉的燕窝杂质识别与检测方法及装置
本专利技术涉及机器视觉、杂质分拣工程交叉领域，尤其涉及一种基于机器视觉的燕窝杂质识别与检测方法及装置。
技术介绍
杂质分拣，例如：燕窝、茶叶等，它们的杂质具有不规则形状，目前大部分仍采用人工分拣杂质方式。这种方式存在以下问题：1)人工检测，难以提供一个可靠、稳定而且准确的检测结果；2)检测工作需要大量劳动力，容易出现人工分拣效率低下，增加生产成本；3)人工分拣没有统一标准，误检率和漏检率高，导致分拣的产品参差不齐有损企业利益；4)长期人工作业，对工人眼和身心有较大伤害。为此，利用机器视觉技术，开发杂质自动分拣设备可以减少劳动成本，提高产品检测质量也是发展的必然趋势。燕窝形状不规则，厚度不一，燕窝与羽毛灰度对比度大等特点，经过反复实验证明，使用单目相机对其进行检测可以识别出燕窝羽毛杂质，但是只能得到杂质区域轮廓信息而无法获取到杂质区域高度信息，这样在后续杂质剔除操作中，在剔除杂质同时也会夹带着一些燕窝，从而造成原料产品浪费并降低经济效益；使用双目视觉检测也同样可以检测出羽毛杂质，但是燕窝羽毛杂质比较细小，要求检测精度以及误差都比较高，而双目视觉得到三维信息精度低，误差大，因此满足不了燕窝杂质检测要求。
技术实现思路
本专利技术实施例提供了一种基于机器视觉的燕窝杂质识别与检测方法及装置，解决了使用单目相机进行检测只能得到杂质区域轮廓信息而无法获取到杂质区域高度信息，这样在后续杂质剔除操作中，在剔除杂质同时也会夹带着一些燕窝，从而造成原料产品浪费并降低经济效益；使用双目视觉检测得到三维信息精度低，误差大，满足不了燕窝杂质检测要求的技术问题。本专利技术实施例提供的一种基于机器视觉的燕窝杂质识别与检测方法，包括：S1：通过图像预处理方法和基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域；S2：通过羽毛杂质特征选取和特征匹配方法剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域，并将燕窝二维图像中的羽毛杂质区域再次分拣得到燕窝二维图像中的目标羽毛杂质区域；S3：通过点定位方法将燕窝二维图像中的目标羽毛杂质区域质心坐标进行燕窝三维图像的质心坐标转换，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值，使得根据羽毛杂质区域二维坐标的高度值获取燕窝二维图像中目标羽毛杂质区域三维信息。优选地，所述步骤S1之前还包括：S0：通过颜色均匀、形状规则圆形或者矩形具有预置高度的物体的Mark点进行二维图像和三维图像的映射并标定相机坐标，对燕窝图像进行采集。优选地，所述步骤S1具体包括：对采集的燕窝二维图像依次进行中值滤波、分段线性变换、基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域；优选地，所述步骤S2具体包括：S21：对燕窝二维图像初步分割后的羽毛杂质区域进行羽毛杂质区域和特征提取，剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域；S22：通过预置质心公式计算剔除误检区域的羽毛杂质区域质心坐标(icn,jcn)，修正羽毛杂质区域质心坐标(icn,jcn)，通过欧式距离判断剔除误检区域的羽毛杂质区域质心到自身区域最小距离点间值d是否等于0，若是，则质心坐标不变，若否，则计算羽毛杂质区域最小外接椭圆长半轴a，获得起点为质心(icn,jcn)，终点为质心到区域最小距离点(xi,yi)的线段L，获得最小外接椭圆长半轴a的直线M与羽毛杂质区域交点(m,n)，计算交点(m,n)和质心到羽毛杂质区域最小距离点(xi,yi)中心点(p,q)即新的质心坐标(icm,jcm)。优选地，所述步骤S3具体包括：计算燕窝二维图像中Mark点质心坐标(ic1,jc1)和修正后羽毛杂质区域质心坐标(icm,jcm)距离关系：再通过燕窝三维图像中Mark点质心坐标(ic2,jc2)、获得一个新的距离关系：即燕窝三维图像中羽毛杂质区域二维坐标(row3m,col3m)，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值z3m，使得根据羽毛杂质区域二维坐标的高度值z3m获取羽毛杂质区域三维坐标(row3m,col3m,z3m)。本专利技术实施例中提供的一种基于机器视觉的燕窝杂质识别与检测装置包括：初步分割单元，用于通过图像预处理方法和基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域；提取单元，用于通过羽毛杂质特征选取和特征匹配方法剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域，并将燕窝二维图像中的羽毛杂质区域再次分拣得到燕窝二维图像中的目标羽毛杂质区域；定位单元，用于通过点定位方法将燕窝二维图像中的目标羽毛杂质区域质心坐标进行燕窝三维图像的质心坐标转换，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值，使得根据羽毛杂质区域二维坐标的高度值获取燕窝二维图像中目标羽毛杂质区域三维信息。优选地，还包括：标定单元，用于通过颜色均匀、形状规则圆形或者矩形具有预置高度的物体的Mark点进行二维图像和三维图像的映射并标定相机坐标，对燕窝图像进行采集。优选地，所述初步分割单元具体包括：中值滤波子单元，具体用于对采集的燕窝二维图像进行中值滤波；分段线性变换子单元，具体用于对采集的燕窝二维图像进行分段线性变换；迭代子单元，具体用于对采集的燕窝二维图像进行基于灰度级二次迭代选择阈值方法进行羽毛杂质区域初步分割。优选地，所述提取单元具体包括：剔除子单元，具体用于对燕窝二维图像初步分割后的羽毛杂质区域进行羽毛杂质区域和特征提取，剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域；修正子单元，具体用于通过预置的质心公式计算剔除误检区域的羽毛杂质区域质心坐标(icn,jcn)，修正羽毛杂质区域质心坐标(icn,jcn)；判断子单元，具体用于通过欧式距离判断剔除误检区域的羽毛杂质区域质心到自身区域最小距离点间值d是否等于0；不变子单元，具体用于若剔除误检区域的羽毛杂质区域质心到自身区域最小距离点间值d等于0，则质心坐标不变；更新子单元，具体用于若剔除误检区域的羽毛杂质区域质心到自身区域最小距离点间值d不等于0，则计算羽毛杂质区域最小外接椭圆长半轴a，获得起点为质心(icn,jcn)，终点为质心到区域最小距离点(xi,yi)的线段L，获得最小外接椭圆长半轴a的直线M与各羽毛杂质区域交点(m,n)，计算交点(m,n)和质心到各羽毛杂质区域最小距离点(xi,yi)中心点(p,q)即新的质心坐标(icm,jcm)。优选地，所述定位单元具体包括：计算子单元，具体用于计算燕窝二维图像中Mark点质心坐标(ic1,jc1)和修正后羽毛杂质区域质心坐标(icm,jcm)距离关系：第一获取子单元，通过燕窝三维图像中Mark点质心坐标(ic2,jc2)、获得一个新的距离关系：即燕窝三维图像中羽毛杂质区域二维坐标(row3m,col3m)；第二获取子单元，具体用于获取燕窝三维图像中羽毛杂质区域二维坐标的高度值z3m；第三获取子单元，具体用于获取羽毛杂质区域三维坐标(row3m,col3m,z3m)。从以上技术方案可以看出，本专利技术实施例具有以下优点：本专利技术实施例提供的一种基于机器视觉的燕窝杂质识别与检测方法及装置，其中一种基于机器视觉的燕窝杂本文档来自技高网...

【技术保护点】
一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，包括：S1：通过图像预处理方法和基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域；S2：通过羽毛杂质特征选取和特征匹配方法剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域，并将燕窝二维图像中的羽毛杂质区域再次分拣得到燕窝二维图像中的目标羽毛杂质区域；S3：通过点定位方法将燕窝二维图像中的目标羽毛杂质区域质心坐标进行燕窝三维图像的质心坐标转换，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值，使得根据羽毛杂质区域二维坐标的高度值获取燕窝二维图像中目标羽毛杂质区域三维信息。

【技术特征摘要】
1.一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，包括：S1：通过图像预处理方法和基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域；S2：通过羽毛杂质特征选取和特征匹配方法剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域，并将燕窝二维图像中的羽毛杂质区域再次分拣得到燕窝二维图像中的目标羽毛杂质区域；S3：通过点定位方法将燕窝二维图像中的目标羽毛杂质区域质心坐标进行燕窝三维图像的质心坐标转换，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值，使得根据羽毛杂质区域二维坐标的高度值获取燕窝二维图像中目标羽毛杂质区域三维信息。2.根据权利要求1所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S1之前还包括：S0：通过颜色均匀、形状规则圆形或者矩形具有预置高度的物体的Mark点进行二维图像和三维图像的映射并标定相机坐标，对燕窝图像进行采集。3.根据权利要求2所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S1具体包括：对采集的燕窝二维图像依次进行中值滤波、分段线性变换、基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步分割得到羽毛杂质区域。4.根据权利要求3所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S2具体包括：S21：对燕窝二维图像初步分割后的羽毛杂质区域进行羽毛杂质区域和特征提取，剔除燕窝二维图像初步分割后的羽毛杂质区域的误检区域；S22：通过预置质心公式计算剔除误检区域的羽毛杂质区域质心坐标(icn,jcn)，修正羽毛杂质区域质心坐标(icn,jcn)，通过欧式距离判断剔除误检区域的羽毛杂质区域质心到自身区域最小距离点间值d是否等于0，若是，则质心坐标不变，若否，则计算羽毛杂质区域最小外接椭圆长半轴a，获得起点为质心(icn,jcn)，终点为质心到区域最小距离点(xi,yi)的线段L，获得最小外接椭圆长半轴a的直线M与羽毛杂质区域交点(m,n)，计算交点(m,n)和质心到羽毛杂质区域最小距离点(xi,yi)中心点(p,q)即新的质心坐标(icm,jcm)。5.根据权利要求4所述的一种基于机器视觉的燕窝杂质识别与检测方法，其特征在于，所述步骤S3具体包括：计算燕窝二维图像中Mark点质心坐标(ic1,jc1)和修正后羽毛杂质区域质心坐标(icm,jcm)距离关系：再通过燕窝三维图像中Mark点质心坐标(ic2,jc2)、获得一个新的距离关系：即燕窝三维图像中羽毛杂质区域二维坐标(row3m,col3m)，获取燕窝三维图像中羽毛杂质区域二维坐标的高度值z3m，使得根据羽毛杂质区域二维坐标的高度值z3m获取羽毛杂质区域三维坐标(row3m,col3m,z3m)。6.一种基于机器视觉的燕窝杂质识别与检测装置，其特征在于，包括：初步分割单元，用于通过图像预处理方法和基于灰度级二次迭代选择阈值方法对采集的燕窝二维图像中的羽毛杂质区域进行初步...

【专利技术属性】
技术研发人员：梁永坚，许亮，何小敏，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44