基于Android平台的类圆颗粒图像识别与计数系统设计

摘要

类圆颗粒图像识别与计数技术广泛应用于农业、工业和医疗等领域，如油料种子千粒重的测量、水果果实产量的评估、钢筋棒材根数的计算、细胞数量的统计等。然而，传统的机器视觉系统存在硬件成本高、搭建复杂、不便于移动作业等局限性，这些局限在快速实时计数场合尤为突出。因此，为了增加计数系统的实用价值，本文采用便携式Android移动设备对粘连重叠类圆颗粒图像识别与计数系统进行研究。 针对颗粒图像受光照、阴影等影响，本文提出一种基于颜色色差特征和图像增强的前景提取方法。此方法在消除光照、阴影影响的同时增大颗粒间的对比度，从而提高前景像素提取的精度。根据颗粒形状类似圆形且大面积密集粘连、重叠的特点，本文提出一种基于距离灰度图的分水岭分割方法，该方法能够将粘连重叠颗粒区域有效分割成单独的颗粒。其中，部分颗粒由于存在孔洞而被过度分割。为了提高分割准确率，本文提出一种基于孔洞提取算法的二次分水岭分割方法，用于初步获取颗粒分割结果及对应的颗粒中心点。 然而，上述分割方法是基于失去边缘信息的重叠颗粒的二值图像，因此该方法对重叠颗粒的分割存在误差。针对此问题，本文在分割颗粒前景和获取颗粒中心点的基础上，从原彩色图中分离出重叠颗粒，并定义规则从颗粒的边缘信息中筛选出颗粒的外轮廓片段。然后，采用轮廓-种子点的关联算法匹配属于同一个颗粒的轮廓和中心点，对匹配后的轮廓点集进行椭圆拟合，从而有效分割重叠颗粒。最后，统计分割结果中颗粒的总数量。 基于Android应用程序开发技术和OpenCV视觉库，本文设计并实现计数系统的各模块功能，并对该系统进行运行测试、计数的准确性和效率测试。系统测试结果表明，本计数系统运行稳定。计数测试结果表明，粘连黄豆颗粒的计数结果准确性最高，几乎不存在误差；而重叠黄豆颗粒计数误差平均值为0.23%；重叠沙糖橘计数误差平均值为1%；系统计数的平均耗时时间为3.36秒。此项研究为探索粘连重叠类圆颗粒的图像分析方法和便携式颗粒计数提供了新思路。

目录

1

2

3

4

5正文