一种激光增强的籽棉残膜在线检测系统

摘要

本发明涉及一种激光增强的籽棉残膜在线检测系统。使用增强的线激光作为光源，获取籽棉残膜图像，然后对图像进行均值滤波、SLIC聚类分割处理，产生初始标记的聚类分割图像。提取初始分割图像的超像素区域的相关度、对比度、能量、同质性、熵等纹理特征作为特征值，并标记籽棉、残膜的区域属性，训练SVM分类器。利用SVM分类器，合并被测图像中同一类别的超像素块，从而实现籽棉残膜图像的分割，计算籽棉、残膜的像素面积，根据残膜的像素面积估计籽棉中残膜的含量，实现籽棉中残膜含量的在线评估。

说明书

技术领域

本发明涉及一种籽棉加工过程中的残膜含量评估系统，尤其涉及一种基于纹理特征的SVM籽棉残膜识别系统，属于农业工程领域。

背景技术

棉花是重要的生产物资，对国民经济和社会发展有重要影响。在棉花采收环节中，采棉机作业提高了工作效率，也不可避免地混入残膜等杂质。残膜和棉花的物料特性相近，导致了残膜的检出率较低。残膜一方面影响了棉花的品质等级,另一方面也影响纺纱、染色等加工工艺，从而影响机织产品质量。

目前皮棉中异性纤维清理技术比较成熟,主要应用于棉纺厂内的加工生产线上。在籽棉经过多道工序加工成皮棉的过程中, 残膜等异性纤维在多种机械力作用下进一步发生破碎,使其与皮棉粘连紧密，增加了清理难度；此外，一些细、小、短状异性纤维人眼辨识困难, 混入棉花、进入轧花生产线之后无法清理。我国现行的籽棉杂质检测技术相对落后，目前，残膜等异性纤维清理方法主要以人工捡拾为主，该清理方式劳动强度大, 清理效率低。

如果能在籽棉加工生产线上安装异性纤维识别设备,尤其针对残膜识别，对尚未被细化的残膜等异性纤维进行识别, 将会降低清理难度,减少皮棉中残膜等异性纤维的含量,提高皮棉品质,减少棉纺企业人力物力的投入。CN201910800155.6公开了一种用于深度学习的籽棉残膜高光谱可视化标签算法，将高光谱技术应用于籽棉残膜识别领域，通过高光谱成像仪采集籽棉残膜在1000～2500nm的高光谱图像，进而识别并分类残膜，但是成本较高、不适合棉纺企业使用。

综上所述，需要设计出一套适用于棉纺企业加工生产的籽棉残膜快速评估流程和在线检测系统，降低检测装置制造成本，降低劳动强度，提高检测效率。

发明内容

本发明要解决的技术问题在于：针对现有技术存在的不足，提供一种籽棉残膜快速检测系统，可提高棉花中残膜的检出率，使其能够最大限度地避免残膜被轧花机轧成细小碎片、甚至轧入棉团内部而难以检测的情况发生。

为解决上述技术问题，本发明提供了一种基于纹理特征的SVM籽棉残膜在线检测系统。

第一方面，本发明提供了一种基于纹理特征的SVM籽棉残膜在线检测系统，包括：

籽棉预处理模块1，用于对籽棉进一步开松使籽棉单层均匀排布，并传送至图像采集模块2；图像采集模块2，用于对预处理后的含有残膜的籽棉进行机器视觉自动采样成像。所述图像采集模块2包括线激光照明成像装置和籽棉传送通道23，所述线激光照明成像装置包括对籽棉进行拍照成像的线扫描相机21、用于给籽棉提供照明的线激光器22。线激光照明成像装置中，线激光器22的激光发射方向和线扫描相机21的镜头对准方向均垂直于籽棉传送通道23的传送方向。所述籽棉传送通道23需要设定适当的传输速度，以确保线扫描相机21的成像质量；图像识别模块3，用于对机器视觉获取的图像自动处理并识别出籽棉中的残膜；数据传输模块4，将图像识别模块的分析结果发送给数据检测中心模块5；数据检测中心模块5，将接收到的数据进行实时的显示及储存，从而达到实时检测籽棉中的残膜含量。

第二方面，本发明提供了一种适用于籽棉残膜在线检测系统的检测识别处理流程，具体实施步骤如下：

步骤一：对机采籽棉完成开松等预处理，获取籽棉残膜线激光图像；

步骤二：对籽棉残膜图像进行均值滤波处理，得到预处理后的图像；

步骤三：采用SLIC算法对所述图像进行聚类分割，得到基于超像素块的初次分割图像；

步骤四：提取基于超像素块的图像中籽棉部分、残膜部分的纹理特征，构建特征向量；

步骤五：将特征向量输入到预训练的SVM分类器中，输出分类结果；

步骤六：根据分类结果对超像素块进行合并，得到籽棉残膜图像最终分割结果；

步骤七：根据残膜的像素面积，评估籽棉中残膜的含量。

第三方面，本发明还提供了一种电子设备，包括处理器6和存储器7以及存储在存储器6上并在处理器7上运行的计算机指令，所述计算机指令被处理器6运行时，完成第二方面所述流程的步骤。

与现有技术相比，本发明的优点在于：采用线激光扫描成像的图像检测方法，可以实现对籽棉中残膜的高效检测；采用的线阵相机线扫描成像方案，速度快的优点使得本发明的识别系统可满足棉花加工企业在实际生产时的检测速度；采用超像素分割，可提高图像处理、图像识别的速度。

机采籽棉残膜图像中，残膜基本处于原始独立的状态，即未被各种清理机器破坏、分离。因此采用基于区域块的综合特征信息，对籽棉残膜图像的自动分割方法而言具有独特优势。区域块综合邻接像素间的分散信息，包括形状特征、纹理特征等，此籽棉图像分割方法具有技术先进性。

附图说明

下面通过具体实施方式结合附图对本发明作进一步详细说明。

图1为本发明提供的一种籽棉残膜在线检测系统的结构示意图；

图2为本发明提供的一种籽棉残膜在线检测系统的流程示意图；

图3为本发明提供的一种籽棉残膜在线检测设备通信示意图；

图1中：1. 籽棉预处理模块，2. 图像采集模块，21. 线激光器，22. 线扫描相机，23. 传送带，3. 图像识别模块，4. 数据传输模块，5. 数据检测中心模块。

图3中：6. 处理器，7. 存储器， 8. 通信接口，9. 总线。

具体实施方式

为使本发明的具体实施例、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明的技术方案进行清楚、完整地描述。应当指出，本发明的保护范围并不仅局限于下述实施例，在不脱离本发明原理的前提下，对本发明所作出的任何改进和润饰，均应视为本发明的保护范围。

如图1所示，根据本发明的基于纹理特征的SVM籽棉残膜在线检测系统，本实施例中，籽棉预处理模块1、图像采集模块2和图像识别模块3的结构原理与传统的皮棉杂质分拣系统中的相同，故在此只作简单说明，不再赘述其详细结构原理。其中，待检测的籽棉样本已经通过初步梳理、抛射和风选等作用，去除了籽棉中的铃壳、茎叶、木块、石子、尘土，以及尺寸较大的化纤、织物等。籽棉预处理模块1通过振动、耙平、碾平等机械作用对籽棉进行图像成像前的预处理，使籽棉缠绕结团较少、单层均匀排布，然后通过传送带23送入图像采集模块2；对于图像采集模块2，一方面，籽棉层表面高低不平的物料特性；另一方面，单个线激光22的均匀性不够理想，导致图像的亮度不均。因此，需要使用2个线激光器作为光源，通过激光增强 进行适当的亮度补偿。其中，线扫描相机21的成像质量受行频、曝光时间、相机相对目标的高度、相机和目标的相对运行速度等因素的影响，需要选择合适的成像参数。而且，由于线扫描相机21的进光量相对较小，需要调整线激光22的入射角度、线激光的宽度等参数；图像识别模块3对机器视觉获取的图像进行处理，提取籽棉、残膜超像素块的纹理特征并识别籽棉中残膜的像素面积；数据传输模块4，将图像识别模块3的分析结果发送给数据检测中心模块5；数据检测中心模块5，将接收到的数据进行实时的显示及储存，从而达到实时检测评估籽棉中的残膜含量。

如图2所示，本发明的基于纹理特征的SVM籽棉残膜在线检测系统，包括籽棉预处理模块1、图像采集模块2、图像识别模块3、数据传输模块4和数据检测中心模块5。籽棉预处理模块1用于对籽棉进一步开松使籽棉单层均匀排布，并传送至图像采集模块2；图像采集模块2用于对预处理后的籽棉进行机器视觉自动采样成像；图像识别模块3用于对机器视觉获取的图像自动处理并识别出籽棉中的残膜；数据传输模块4，将图像识别模块的分析结果发送给数据检测中心模块5；数据检测中心模块5，将接收到的数据进行实时的显示及储存，从而达到实时检测籽棉中的残膜含量。

本实施例中，图像采集模块2、图像识别模块3、数据传输模块4和数据检测中心模块5之间的设备通信，如图3所示。所述模块的设备结构包括：处理器6、存储器7、通信接口8和总线9，其中，处理器6、存储器7和通信接口8，通过总线9完成相互间的通信。通信接口8可以用于服务器与智能显示器之间的信息传输。处理器6可以调用存储器7中的逻辑指令，以执行适用于籽棉残膜在线检测系统的检测识别处理流程。

本发明提供了一种适用于籽棉残膜在线检测系统的检测识别处理流程，具体实施步骤如下：

步骤一：对机采籽棉完成开松等预处理，获取籽棉残膜线激光图像；

步骤二：对籽棉残膜图像进行均值滤波处理，得到预处理后的图像；

步骤三：采用SLIC算法对所述图像进行聚类分割，得到基于超像素块的初次分割图像；

步骤四：提取基于超像素块的图像中籽棉部分、残膜部分的纹理特征，构建特征向量；

步骤五：将特征向量输入到预训练的SVM分类器中，输出分类结果；

步骤六：根据分类结果对超像素块进行合并，得到籽棉残膜图像最终分割结果；

步骤七：根据残膜的像素面积，评估籽棉中残膜的含量。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。凡依本发明专利构思所述的构造、特征及原理所做的等效或简单变化，均包括于本发明专利的保护范围内。