一种颗粒物计数方法及其装置制造方法及图纸

本发明专利技术公开了一种颗粒物计数方法及其装置，利用拍照装置进行颗粒物图像采集，使用智能图像处理及机器学习技术实现对颗粒物的识别计数，在照相区域放置一个透明托盘，在透明托盘的上方，左侧，右侧和背面各设置了一组角度和光线强度可调的物料照明光源，照相设备放置于透明托盘上方并与计算机连接，通过接口调用照相设备的设备驱动，使用键盘和鼠标来操纵完成对颗粒物的拍照，通过计数模块在拍照的同时进行图像数据管理及处理，在拍照完成的时候进行快速的图像预识别，筛选出不符合要求的照片，完成准确计数。本发明专利技术充分发挥了现代图像处理的处理速度快、结果一致性强、可批量处理的优点，从而实现对颗粒物高效、快速、准确地计数。

【技术实现步骤摘要】

本专利技术属于信息
，涉及一种颗粒物计数方法及其装置。
技术介绍
所谓千粒重是以克表示的一千粒谷粒(种子)的重量，它是体现谷粒大小与饱满程度的一项指标，是检验谷粒质量和作物考种的内容，也是酿酒过程中的重要评价指标。目前对于千粒重指标的测定主要基于人工计数的方式实现，即数取一千粒谷粒(种子)并通过称量方式获得谷粒重量。采用这种人工计数的方法，由于人眼长时间的高强度工作后容易疲劳，计数准确性难以保证，且计数效率较低。为了提高计数效率，目前出现了各种采用识别技术对谷粒进行计数的方法与技术，例如以下专利就公开了采用识别技术对谷粒(颗粒)进行计数的方法或设备。申请号为“02126213.6”，名称为“采用散射光直方图快速辨别颗粒的方法及设备”的专利技术专利就公开了快速辨别悬浮在液体或气体中的原生物和其他微生物之类的微观颗粒的独特方法和设备，该方法包括采用激光之类的强光源照射要检测的颗粒，通过环绕检测区的一组光传感器检测散射光，将检测到的光线转换成电信号，采用至少一个发生频率/概率直方图比较导出的信号，从而对存在的微观颗粒进行定性和/或定量识别。该专利方法主要应用于识别悬浮在液体或气体中的原生动物和其它微生物之类的微观颗粒，对于立体环境下的悬浮微粒识别具有一定的优势，但是该方法作为平面非悬浮颗粒的识别存在的不足为:(I)利用光传感设备对于设备本身和实验环境有很高要求，设备昂贵不利于工业化应用；(2)利用光散射技术对于立体图像中的颗粒识别一般需要通过多个角度拍摄以达到颗粒物的定位，而对于平面图像的微粒识别，该方法并不适合；(3)该方法仅涉及到微粒(微粒团)的识别，而未对堆叠和粘连情况进行细分考虑。申请号为“2 01110267255.0”的专利技术专利就公布了名称为“一种数字图像中颗粒状对象的自动分割方法”，该方法针对数字图像，尤其是显微图像中颗粒状对象的灰度、结构分布与几何形状等特点，先应用自动阈值法将目标与背景分离；然后计算其梯度向量场，在梯度向量场中搜索关键点，理想的关键点在8邻域均有相应的梯度向量分布，其梯度值为零，获取的关键点作为每一个颗粒状对象的中心；接着定义一个新的基于灰度与空间位置的有效能量函数用以计算方向梯度，将其代替传统的灰度梯度；最后应用主动轮廓模型搜寻颗粒状对象的边界。该专利方法依然对于识别对象的环境和图像拍摄环境提出较高要求，即该方法仅适用于显微镜图像中的颗粒物识别，显微镜图像一般背景单一，且具有荧光标记作为识别靶标，因此与普通拍摄环境下采集得到的非显微镜图像的颗粒物识别有着明显差异，并且是否适用于该应用场景存在一定的疑问。申请号为“95102156.7”的专利技术专利就公开了名称为“谷物颗粒颜色分拣机”，本专利技术通过用一台分拣机既在可见光范围内检测和去除颜色与谷粒不同的异物，也在近红外范围内识别和去除颜色与谷粒相同或透明的异物。该专利仅涉及到物理颜色识别分拣方法，对于谷粒的计数并未提出解决方案，即该方法对于谷粒的品质检测具有一定优势，但是对于谷粒的计数识别并未实际用途。此外，该方法需要适用近红外设备进行检测，该设备的成本使得检测中涉及的设备成本和人力成本大大增加。因此，该方法对于谷粒计数和千粒重的测定并不适用。申请号为“200810052381.2”的专利技术专利就公开了名称为“基于视觉识别的颗粒物料分选分级方法”，它包括获取样品图像、图像特征信息预处理、设计分类器、建立特征信息专家库和待选物料分选与特征信息专家库进行匹配、进行分选分级。该方法适用于颗粒物料的分级筛选，因此对于颗粒物料的计数问题并未给出解决方案。同时，该方法涉及到相对比较繁琐的流程，一定程度上限定了系统的适用范围和应用场景。综上所述，目前已有的技术虽然提高了对颗粒计数的准确性和计数效率，实现了自动化检测，但这些技术通常需要专业和昂贵的设备(比如激光或者近红外)，或者对图像质量要求较高，同时结构比较复杂，对操作人员要求较高。不适合现场作业中轻量化的解决方案。
技术实现思路
本专利技术针对现有颗粒物识别计数方法中存在的不足，提供了一种颗粒物计数方法及其装置。本专利技术是通过如下技术方案予以实现的。一种颗粒物计数方法，利用拍照装置进行颗粒物图像采集，使用智能图像处理及机器学习技术实现对颗粒物的识别计数，通过计数模块在拍照的同时进行图像数据管理及处理，在拍照完成的时候进行快速的图像预识别，筛选出不符合要求的照片，完成准确计数，其主要方法步骤如下:(I)颗粒物图像采集，通过接口调用相机的设备驱动，使用键盘和鼠标来操纵拍昭.>、、、 (2)将采集的颗粒物图像转化为RGB数值矩阵，调节图像的明暗，增强对比度；(3)利用K-Means聚类算法自动筛选有效区域；(4)利用边缘识别技术识别独立的颗粒；(5)对识别出来的独立颗粒进行建模，得到关于颗粒的轮廓形状特征、大小特征的统计模型；(6)预估怀疑的粘连块，根据独立颗粒模型进行模拟填充，估算出包含的数目，并输出粘连规则和切割效果图；(7)对输出的切割效果图进行人工评判，结合人工计数结果算出识别的精度，使用机器学习的方法对存在粘连和堆叠的区域采用人工计数的方式辅助计算机系统学习该情况下的颗粒物的识别和计数，若识别计数的准确率大于95%，完成对颗粒物的计数，并输出计数结果，否则，将人工识别的结果替换预估的粘连块，重新训练模型，直到机器学习系统模型达到稳定。上述步骤(I)中颗粒物图像采集包括如下步骤:a、将颗粒物样品取出放置于透明板或白板上；b、平铺颗粒物，使颗粒物均匀地布满照相设备的取景范围；C、采集图像；d、重复b和c步骤两次以达到取样的随机目的，获得n*3张图像，η为样品数量。作为本专利技术的另一目的，提供了一种颗粒物计数装置，包括透明托盘及置于透明托盘四周的物料照明光源，在透明托盘上方放置有照相设备，照相设备通过数据线与计算机连接，通过接口调用照相设备的设备驱动，使用键盘和鼠标来操纵拍照。所述物料照明光源的角度可以调节。所述物料照明光源为光线强度可调的白色LED光源。所述物料照明光源包括一组置于透明托盘左侧的左侧灯、置于透明托盘右侧的右侧灯及置于透明托盘背面的背灯。本专利技术的有益效果是:与现有技术相比，本专利技术使用智能图像处理和机器学习技术实现对颗粒物的快速准确识别计数，通过以颗粒物图像采集获得的颗粒物(谷粒)图像作为处理对象，首先利用图像识别计数对于颗粒物(谷粒)覆盖区域进行自动选取，并且对于一些非复杂区域(不存在粘连和堆叠的区域)的谷粒进行直接计数。对于存在粘连和堆叠的区域，通过机器学习的方法进行智能识别和计数。本专利技术只需采用一个能简易安装的拍照装置和普通的家用相机对一批颗粒进行拍照，然后将图像文件导入计算机，使用建立模型对图像进行处理。采用图像识别技术精确识别独立的颗粒，利用统计模型针对不同类型的颗粒物(高粱、水稻等)识别并估算粘连的颗粒物，最后得到精确的计数。并使用人工计数的方式对结果进行检测，根据修正的结果重新训练模型，不断提升模型的精度。本专利技术采用的拍照装置安装和部署容易，可以快速安装在多种环境。对场地光源和照相器材的要求也不高，能够快速获取颗粒的照片信息。通过带有人工干预的统计模型 和机器学习方法，可以将检测和训练结合起来，增加了计算机识别的精度。能够很方便地应用到颗粒物计数的生产环境，本文档来自技高网...

【技术保护点】
一种颗粒物计数方法，其特征在于：利用拍照装置进行颗粒物图像采集，使用智能图像处理及机器学习技术实现对颗粒物的识别计数，通过计数模块在拍照的同时进行图像数据管理及处理，在拍照完成的时候进行快速的图像预识别，筛选出不符合要求的照片，完成准确计数，其主要方法步骤如下：（1）颗粒物图像采集，通过接口调用相机的设备驱动，使用键盘和鼠标来操纵拍照；（2）将采集的颗粒物图像转化为RGB数值矩阵，调节图像的明暗，增强对比度；（3）利用K?Means聚类算法自动筛选有效区域；（4）利用边缘识别技术识别独立的颗粒；（5）对识别出来的独立颗粒进行建模，得到关于颗粒的轮廓形状特征、大小特征的统计模型；（6）预估怀疑的粘连块，根据独立颗粒模型进行模拟填充，估算出包含的数目，并输出粘连规则和切割效果图；（7）对输出的切割效果图进行人工评判，结合人工计数结果算出识别的精度，使用机器学习的方法对存在粘连和堆叠的区域采用人工计数的方式辅助计算机系统学习该情况下的颗粒物的识别和计数，若识别计数的准确率大于95%，完成对颗粒物的计数，并输出计数结果，否则，将人工识别的结果替换预估的粘连块，重新训练模型，直到机器学习系统模型达到稳定。...

【技术特征摘要】
1.一种颗粒物计数方法，其特征在于:利用拍照装置进行颗粒物图像采集，使用智能图像处理及机器学习技术实现对颗粒物的识别计数，通过计数模块在拍照的同时进行图像数据管理及处理，在拍照完成的时候进行快速的图像预识别，筛选出不符合要求的照片，完成准确计数，其主要方法步骤如下: (1)颗粒物图像采集，通过接口调用相机的设备驱动，使用键盘和鼠标来操纵拍照； (2)将采集的颗粒物图像转化为RGB数值矩阵，调节图像的明暗，增强对比度； (3)利用K-Means聚类算法自动筛选有效区域； (4)利用边缘识别技术识别独立的颗粒； (5)对识别出来的独立颗粒进行建模，得到关于颗粒的轮廓形状特征、大小特征的统计模型； (6)预估怀疑的粘连块，根据独立颗粒模型进行模拟填充，估算出包含的数目，并输出粘连规则和切割效果图； (7)对输出的切割效果图进行人工评判，结合人工计数结果算出识别的精度，使用机器学习的方法对存在粘连和堆叠的区域采用人工计数的方式辅助计算机系统学习该情况下的颗粒物的识别和计数， 若识别计数的准确率大于95%，完成对颗粒物的计数，并输出计数结果，否则，将人工识别的结果替换预估的粘连块...

【专利技术属性】
技术研发人员：汪地强，余苓，雷良波，杨婧，胡光源，杨浩，王莉，刘百战，陈超英，
申请(专利权)人：贵州茅台酒股份有限公司，
类型：发明
国别省市：