专业视觉方案及设备制造商

以视觉检测为导向
提升产品市场竞争力

手机:13825262003

电话:0755-23594656

视觉检测设备搜索:

联系我们

未耒智能(深圳)有限公司

曾先生13825262003

公司电话0755-23594656

地址深圳市龙华新区观湖街道大和工业区28号深澜产业园6号院

企业资讯 网站首页 >> 企业资讯 >> 未耒智能-视觉机器对番茄的检测

未耒智能-视觉机器对番茄的检测
发表时间:2018-11-28

我国是一个农业大国,但不是农业强国。农产品的自动检测水平直接关系到人类的健康,也是影响市场竞争的重要因素。目前,我国的番茄分类主要依靠人工挑选,容易受主观因素的影响,容易视觉疲劳,导致番茄出口和销售困难。实现番茄自动化检测是未来发展的必然趋势。近年来将计算机视觉技术应用在番茄的品质检测方面,可以把人从繁重而单调的劳动中解放出来,避免因人而不同的检测结果。

番茄表面颜色是其外部品质分级的重要依据。本文基于计算机视觉理论,建立番茄检测试验平台,实现对番茄的成熟度分级。


1 番茄图像检测实验平台

1.1视觉系统硬件组成图

番茄图像检测实验系统是模拟番茄加工现场的实际条件而开发的。系统硬件包括Panason(松下)的WV-CF344彩色半球摄像机、大恒的DH-CG320图片采集卡、计算机、照明设备。如图1所示。

image.


此硬件系主要是完成对番茄图像采集、传输处理,采集符合要求的番茄图像,经数据口存储到计算机中,然后进行具体分析检测。选择白纸作为载物台背景,实时采集到髙质量的彩色图像,光源采用白色LED灯,光照强,光源稳定。


1.2系统软件平台

Windows7 操作系统、Microsoft Visual Studi。开发工具、OpenCV(计算机开源视觉库)技术。

 

1。3 番茄分级实验材料

番茄分级实验材料用现场收的常规品种番茄,分为4个等级:超优1个,优2个,良3个,未成熟4个。本文主要研究番茄颜色特性来实现计算机视觉的检测,所以剔除试验样品中有缺陷和畸形的番茄。


2 番茄图像颜色分级方法

番茄图像处理方法的流程,包括如下六大步骤:

image.


2.1建立番茄图像的颜色模型

HSI模型是美国色彩学家孟塞尔(H.A.Munseu)于1915年提出的,它反映了人的视觉系统感知彩色的方式。颜色模型243用H、S、I三参数描述颜色特性。H(Hue):表示色调,即颜色的波长,表示人的感官对不同颜色的感受。s(Saturation)%表示饱和度,即颜色的深浅程度。饱和度越大,颜色看起来就会越鲜艳,反之颜色会暗淡。其参数是色环的原点(圆心)到彩色点的半径的长度。I(Intensity)%表示强度或亮度,即对应成像亮度和图像灰度,表示颜色的明亮程度。

Opencvrgb颜色空间和ms颜色空间,单个颜色的定义,以采用多个球体型的拼合大致表示。


2。2番茄线性分级算法

本文主要研究HIS颜色模型中H与成熟度的关系。因此我们要把摄像机拍摄的原始彩色图像RGB模型转换为HIS模型,常用的算法有3种:

2。2。1 几何推导法

image.

2.2.2 坐标变换法

image.

2。2。3 分段定义法

image.


2.3番茄的成熟度等级判别

把采集的番茄原图像(如图2),进行二值化(如图3),计算二值化图像中的白色轮廓内的像素就可以知道番茄总的面积像素。再用各颜色所占的像素总数去除以总的面积像素,就可以计算三种颜色的比例。


image.

由表1可知,无论番茄多大,橙黄色大于等于50%,都是未成熟的;小果的鲜红色小于等于90%,中果的鲜红色小于等于80%,大果的鲜红色小于等于85%,都是不成熟番茄;不同等级番茄的鲜红色相差是5%,较大,这对于实现番茄成熟度分级是有利的。为了验证计算机分级的效果,本文人工挑选了10个番茄,其中包括超优、优、良和未成熟,计算出它们的尺寸和颜色比例,判断番茄的品质,试验数据如表2所示:

image.


通过表格可以看到,颜色比例不同,番茄的品质就不同。为了验证分级的准确率,本论文对20个不同等级的番茄进行了其品质的检测,与人工判定相比较,试验结果如表3所示:

image.

表3中的每一行显示了每个等级的番茄分别被判为各个等级的数目,每行最后一列为该等级番茄分级的正确率。从分级结果可以看出,超优、优和未成熟的分级正确率比较髙,但良的分级正确率比较低。从表3可看出,等级判断错误的番茄的判断误差大部分为一个等级,此结果体现了果农利用番茄表皮颜色判断番茄成熟度的经验,同时也说明番茄的表皮颜色与成熟度之间存在一定的相关性。


3结论

本论文的分级系统采用VS配置OpenCV视觉库作为开发平台,系统软件总体功能结构分级流程是先用摄像机采集番茄图像,进行预处理,再计算总面积像素,统计三种颜色像素,算出三种颜色比例,判断成熟度。

采用的是线性分级算法来实现番茄品质等级的判定,主要是基于HIS颜色模型中番茄的表面成熟度和色调的颜色特征关系,从而判断番茄的表面成熟度等级。番茄的线性分级算法检测的效率髙、简单方便。但此算法容易受到光照的影响,所以具有一定的局限性,有待进一步完善。本研究采集的图像是静态条件下的。但在生产线动态条件下的番茄分级也是必要的。