• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 8
    • 下载费用:30 金币  

    重庆时时彩网平台: 一种基于机器视觉的红提葡萄硬度无损检测方法.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201610037685.6

    申请日:

    2016.01.20

    公开号:

    CN105606473A

    公开日:

    2016.05.25

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G01N 3/40申请日:20160120|||公开
    IPC分类号: G01N3/40; G01N21/84 主分类号: G01N3/40
    申请人: 华中农业大学
    发明人: 王巧华; 唐义华; 李小明; 段宇飞; 王彩云; 付丹丹
    地址: 430070 湖北省武汉市洪山区狮子山街1号
    优先权:
    专利代理机构: 武汉宇晨专利事务所 42001 代理人: 黄瑞棠
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610037685.6

    授权公告号:

    ||||||

    法律状态公告日:

    2018.06.15|||2016.06.22|||2016.05.25

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明公开了一种基于机器视觉的红提葡萄硬度检测方法,涉及红提葡萄内部品质的无损检测领域。本方法是:①搭建好检测平台,调整好相机和采集系统的各个参数;②划分样本集,随机划分训练样本与测试样本,利用图像采集装置分别采集样本图像信息;③利用质构仪做破坏性实验,测量红提葡萄样本的实际硬度值;④对红提葡萄图像进行图像处理及特征提??;⑤将提取的16个特征信息进行建模,选出最佳模型:⑥将测试样本导入红提葡萄硬度检测预测模型中,得出样本的测试硬度值,进行验证分析。本发明利用机器视觉技术能够准确地预测红提葡萄的硬度,具有速度快、无损性、智能化等特点,实现了对红提硬度的无损检测,具有广阔的应用前景。

    权利要求书

    1.一种基于机器视觉的红提葡萄硬度检测方法,其特征在于包括下列步骤:
    ①搭建好检测平台,调整好相机和采集系统的各个参数(1);
    ②划分样本集,采集红提样本图像(2)
    随机划分训练样本与测试样本,利用图像采集装置分别采集样本图像信息,
    包括近红外图像和彩色图像;
    ③利用质构仪做破坏性实验,测量红提葡萄样本的实际硬度值(3);
    ④对红提葡萄图像进行图像处理及特征提取(4);
    ⑤将提取的16个特征信息进行建模,选出最佳模型(5)
    将16个特征信息分别用最小二乘法回归分析、多元线性回归、主成分回归
    分析模型进行预测分析,选出最佳的预测模型;
    ⑥对模型进行验证分析(6)
    将测试样本导入红提葡萄硬度检测预测模型中,得出样本的测试硬度值,进
    行验证分析。
    2.按权利要求1所述的基于机器视觉的红提葡萄硬度检测方法,其特征在
    于步骤④:
    A、对采集的图像进行去噪预处理(401);
    B、对红提葡萄近红外图像进行分割处理(402)
    利用自适应二值化处理提取红提葡萄区域,实现红提葡萄近红外图像进行分
    割处理;
    C、对红提葡萄近红外图像进行特征参数提取(403)
    对红提葡萄区域进行特征提取,提取对比度、自相关系数、均衡性、能量、
    熵、标准差、灰度均值等7个特征值;
    D、对红提葡萄彩色图像进行分割(404)
    利用红提葡萄与背景的差异性,将红提葡萄的RGB彩色图像的红色通道与蓝
    色通道的和减去绿色通道,去除背景区域,实现对红提葡萄区域的提??;
    E、对红提葡萄彩色图像进行特征参数提取(405)
    对分割出的红提葡萄区域进行信息提取,将RGB彩色图像进行颜色空间转化,
    转化为HSV颜色空间和LAB颜色空间,同时提取三中颜色空间的各个通道的均值,
    彩色图像中共提取9个特征信息;
    F、融合近红外图像与彩色图像的特征参数(406)
    融合近红外图像的7个特征参数与彩色图像的9个特征参数,总共16个特
    征参数。
    3.按权利要求1所述的基于机器视觉的红提葡萄硬度检测方法,其特征在
    于步骤⑤:
    交互验证相关系数R2和交互验证均方差RMSECV的数学模型如下:
    R 2 = ( 1 - Σ i = 1 n ( y i - y ) 2 Σ i = 1 n ( y i - y ) 2 ) × 100 % ]]>
    R M S E C V = 1 n Σ i = 1 n ( y i - y ) 2 ]]>
    其中:
    n为模型中红提葡萄的总样本数量,
    yi为模型中第i个样本的实际硬度值,
    y'为模型中第i个样本的交互验证测试值,
    为模型中所有样本实际硬度值的平均值。

    说明书

    一种基于机器视觉的红提葡萄硬度无损检测方法

    技术领域

    本发明涉及红提葡萄内部品质的无损检测领域,尤其涉及一种基于机器视觉的红提葡萄硬度检测方法。本发明主要利用机器视觉采集红提葡萄的图像数据,再通过一系列图像处理方法,提取图像的特征参数,建立红提葡萄的硬度预测模型,为红提葡萄的内部品质提供一种无损快速智能化的检测方法。

    背景技术

    葡萄是世界四大水果之一,葡萄用途广泛,可以用来酿造葡萄酒、鲜食食用、加工成葡萄干、葡萄汁、添加到饮料中、添加到面包等食品中增加食品的口感等等。红提是葡萄的一个优良品种,原产于美国加州,因其营养丰富、富含多种维生素、氨基酸和人体必需微量元素等价值;另外还有保健作用,所以得以广泛传播。目前国内主要将葡萄用作鲜食食用,鲜食葡萄口味优美、营养丰富,是水果中最美味的水果之一。随着消费群体的增大及消费理念的提升,广大消费者对红提的品质要求越来越高。在中国,红提葡萄的传统的分级指标主要有颗粒大小、可溶性固形物含量、色泽度和果粒着色率等等;红提葡萄的硬度跟口感度相关,不同的人对口感度的要求不一样,对红提葡萄的硬度进行检测分级是一个急需解决的问题。

    机器视觉检测方法是一种快速便捷和无损的检测分析方法?;魇泳跫际跬ü杉勘甑耐枷窠刑卣魈崛?,可对目标进行定性或者定量分析?;魇泳跷匏鸺觳饧际蹙哂兴俣瓤?、无损性和成本低等优点;现已经逐渐应用于农产品品质检测。时玉强利用机器视觉对大豆的品质进行了研究,通过提取大豆种子的29个形态特征,再对特征进行优化选取建立相关模型;主要对大豆的成熟度、标准粒、虫蚀、霉变、破碎和菌斑等进行检测分析【时玉强,东北农业大学硕士论文,黑龙江,2009.4】;张亚静、SakaeShibusawa、李民赞等人利用机器视觉对番茄内部品质进行预测,通过对不同高度位置采集番茄图像,提取RGB色彩模型、LAB色彩模型和灰度共生矩阵等特征信息,建立神经网络对番茄的糖度、酸度、氨基酸含量和水分含量4个内部品质进行预测,试验结果表明机器视觉技术方法预测番茄内部品质具有较好的应用前景【张亚静,SakaeShibusawa,李民赞.基于机器视觉的番茄内部品质预测[J].农业工程学报,2010,26(Supp.2):366-370.】;郭辉通过机器视觉技术结合高光谱成像技术、自动称重技术对蜜柚的形状、色泽、表面缺陷、可食率、重量等品质进行了检测分析【郭辉,中国农业大学硕士学位论文,北京,2015.5】;黄星奕、钱媚、徐富斌等人利用机器视觉技术结合近红外光谱技术对杏干的品质进行了无损检测研究,通过拍摄杏干的4个不同位置的彩色图像,对杏干的质量进行分级,利用近红外光谱对杏干的糖度进行了检测【黄星奕,钱媚,徐富斌,等.基于机器视觉和近红外光谱技术的杏干品质无损检测[J].农业工程学报,2012,28(7):260-265.】。

    经相关检索现有的检测技术发现:机器视觉可以实现对农产品品质进行检测;目前还没有利用机器视觉对红提葡萄等水果的硬度进行研究。

    发明内容

    本发明的目的就在于克服现有技术的一些障碍,提供一种基于机器视觉的红提葡萄硬度检测方法。

    本发明的是这样实现的:

    首先,搭建好图像采集装置,调整相机及处理软件的各个参数;接着,随机划分训练样本和测试样本,分别采集红提葡萄样本的图像,包括近红外图像及RGB彩色图像;其次,利用质构仪对红提葡萄做破坏性试验,检测红提葡萄的实际硬度值;然后,提取红提葡萄的纹理信息特征(对比度、自相关系数、均衡性、能量、熵、标准差、灰度均值)和RGB色彩通道(R—红色、G—绿色、B—蓝色通道分量)、HSV色彩通道(H—色彩、S—纯度、V—明度通道分量)、Lab色彩通道(L—亮度,a、b—颜色通道分量)等特征信息;再者,利用提取的16个特征信息建立红提葡萄硬度检测模型;最后,对红提葡萄硬度检测模型进行验证。

    本发明主要完成以下几点工作:

    1、搭建红提葡萄硬度检测系统的图像采集平台;

    2、划分样本集,随机划分训练样本与测试样本;

    3、利用质构仪做破坏性试验,测量红提葡萄的硬度值;

    4、对红提葡萄图像进行图像处理及特征提??;

    5、利用提取的特征信息建立红提葡萄硬度检测模型;

    6、对红提葡萄硬度检测模型进行验证。

    具体地说,本方法包括基于下列步骤:

    ①搭建好检测平台,调整好相机和采集系统的各个参数;

    ②划分样本集,采集红提样本图像

    随机划分训练样本与测试样本,利用图像采集装置分别采集样本图像信息,包括近红外图像和彩色图像;

    ③利用质构仪做破坏性实验,测量红提葡萄样本的实际硬度值;

    ④对红提葡萄图像进行图像处理及特征提??;

    ⑤将提取的16个特征信息进行建模,选出最佳模型

    将16个特征信息分别用最小二乘法回归分析、多元线性回归、主成分回归分析模型进行预测分析,选出最佳的预测模型;

    ⑥对模型进行验证分析

    将测试样本导入红提葡萄硬度检测预测模型中,得出样本的测试硬度值,进行验证分析。

    本发明具有下列优点和积极效果:

    ①利用机器视觉技术检测红提葡萄糖度;

    ②采用图像处理技术尽量提取更多的特征信息,提高模型的预测精度度;

    ③实现快速无损的检测红提葡萄硬度检测。

    总之,本发明利用机器视觉技术能够准确地预测红提葡萄的硬度,具有速度快、无损性、智能化等特点,实现了对红提硬度的无损检测,具有广阔的应用前景。

    附图说明

    图1是本方法的步骤图;

    图2本方法步骤④红提葡萄图像处理及特征提取的流程图;

    图3是所有样本预测结果图,坐标横轴代表实际硬度值,坐标纵轴代表测试硬度值。

    具体的实施方式:

    本实验是在搭建好的装置[和基于机器视觉的整箱红提葡萄果粒大小分级装置相同,见CN10520354A(公开日:2015-12-30)]中进行的,下面结合附图和实例详细说明:

    1、方法

    如图1,本方法具体实施步骤如下:

    ①搭建好检测平台,调整好相机和采集系统的各个参数-1;

    ②划分样本集,采集红提样本图像-2

    随机划分训练样本与测试样本,利用图像采集装置分别采集样本图像信息,包括近红外图像和彩色图像;

    ③利用质构仪做破坏性实验,测量红提葡萄样本的实际硬度值-3;

    ④对红提葡萄图像进行图像处理及特征提取-4;

    ⑤将提取的16个特征信息进行建模,选出最佳模型-5

    将16个特征信息分别用最小二乘法回归分析、多元线性回归、主成分回归分析模型进行预测分析,选出最佳的预测模型;

    ⑥对模型进行验证分析-6

    将测试样本导入红提葡萄硬度检测预测模型中,得出样本的测试硬度值,进行验证分析。

    2、步骤④

    如图2,步骤④包括下列子步骤:

    A、对采集的图像进行去噪预处理-401;

    B、对红提葡萄近红外图像进行分割处理-402

    利用自适应二值化处理提取红提葡萄区域,实现红提葡萄近红外图像进行分割处理;

    C、对红提葡萄近红外图像进行特征参数提取-403

    对红提葡萄区域进行特征提取,提取对比度、自相关系数、均衡性、能量、熵、标准差、灰度均值等7个特征值;

    D、对红提葡萄彩色图像进行分割-404

    利用红提葡萄与背景的差异性,将红提葡萄的RGB彩色图像的红色通道与蓝色通道的和减去绿色通道,去除背景区域,实现对红提葡萄区域的提??;

    E、对红提葡萄彩色图像进行特征参数提取-405

    对分割出的红提葡萄区域进行信息提取,将RGB彩色图像进行颜色空间转化,转化为HSV颜色空间和LAB颜色空间,同时提取三中颜色空间的各个通道的均值,彩色图像中共提取9个特征信息;

    F、融合近红外图像与彩色图像的特征参数-406

    融合近红外图像的7个特征参数与彩色图像的9个特征参数,总共16个特征参数。

    3、步骤⑤

    交互验证相关系数R2和交互验证均方差RMSECV的数学模型如下:

    R 2 = ( 1 - Σ i = 1 n ( y i - y ) 2 Σ i = 1 n ( y i - y ) 2 ) × 100 % ]]>

    R M S E C V = 1 n Σ i = 1 n ( y i - y ) 2 ]]>

    其中:

    n为模型中红提葡萄的总样本数量,

    yi为模型中第i个样本的实际硬度值,

    y'为模型中第i个样本的交互验证测试值,

    为模型中所有样本实际硬度值的平均值。

    交互验证相关系数(R2)越大,交互验证均方差(RMSECV)越小,说明模型的预测效果越好。

    3、检测结果

    本试验采用的红提品种为新疆红提,均从水果批发市场购买,选30串新疆红提,从每串中随机挑选5颗红提,一共选取150颗红提作为实验样本。将所有样本随机分配,选取100颗作为训练样本,50颗作为测试样本。通过本方法进行测试,其中采用最小二乘法取得的效果最好,训练集的相关系数为0.734,测试集的相关系数为0.707。

    实验结果表明,本方法可以应用于红提葡萄的硬度检测,具有广阔的应用前景。

    关 键 词:
    一种 基于 机器 视觉 葡萄 硬度 无损 检测 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:一种基于机器视觉的红提葡萄硬度无损检测方法.pdf
    链接地址://www.4mum.com.cn/p-5886587.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03