用于色选机葵花籽物料品级分类的自适应特征提取方法

摘要

本发明公开了用于色选机葵花籽物料品级分类的自适应特征提取方法，用于解决现有方法存在不能对葵花籽图像进行轮廓特征提取，通过轮廓得到葵花籽的特征总值，对葵花籽物料品级分类，导致品级分类精度较低的问题；本发明将葵花籽物料至于白色底布上，对葵花籽物料进行拍照，得到俯视图像和侧视图像；对俯视图像和侧视图像进行特征提取，将俯视轮廓与预设俯视葵花籽轮廓进行比对处理得到俯视偏离值，将侧视轮廓与预设侧视葵花籽轮廓进行比对处理得到侧视偏离值，将俯视偏离值与侧视偏离值进行归一化处理，利用公式得到葵花籽的特征总值；通过特征总值对葵花籽进行分类标记并存储在对应的容器内，便于色选机葵花籽物料品级分类。

说明书

技术领域

本发明涉及图像处理技术领域，具体为用于色选机葵花籽物料品级分类的自适应特征提取方法。

背景技术

花籽又称瓜子，为向日葵的籽实，是中国乃至世界范围内深受消费者喜爱的一种食品。葵花籽富含不饱和脂肪酸、多种维生素、蛋白质以及微量元素，是一种营养价值很高的食品，对防止贫血、改善失眠、增强记忆力等也具有有一定的效果。随着21世纪人们消费能力的提升，葵花籽产品的销量也在逐年增加，市场潜力巨大。作为一种常见的食品，葵花籽的品级直接影响着葵花籽相关产品的质量和销量。一般地，为了对葵花籽物料进行品级筛选，常用的方法有三种：一是利用人工的方法，通过手工分拣，实现籽实饱满的好料与干瘪霉变的坏料的区分；二是利用图像处理的方式，主要通过葵花籽物料的简单几何特征和色彩特征，综合完成相应品级的确定；三是基于深度学习的方式，首先对一个合适的卷积网络进行大量样本的训练，构造出相应的分类器，然后再以在线的方式对葵花籽物料进行品级划分。总体看来，上述三类方案均存在局限性，主要体现在品级分类精度较低、需要人工干预因素较多、实时性较差等方面。

现有的利用图像处理技术对葵花籽物料品级分类的方法存在不能对葵花籽图像进行轮廓特征提取，通过轮廓得到葵花籽的特征总值，对葵花籽物料品级分类，导致品级分类精度较低的问题。

发明内容

本发明的目的就在于为了解决现有方法存在不能对葵花籽图像进行轮廓特征提取，通过轮廓得到葵花籽的特征总值，对葵花籽物料品级分类，导致品级分类精度较低的问题，而提出用于色选机葵花籽物料品级分类的自适应特征提取方法。

本发明的目的可以通过以下技术方案实现：用于色选机葵花籽物料品级分类的自适应特征提取方法，包括以下步骤：

S1：输入葵花籽物料种类的名称，通过名称获取名称对应的预设俯视葵花籽轮廓和预设侧视葵花籽轮廓；

S2：将葵花籽物料至于白色底布上，对葵花籽物料进行拍照，得到俯视图像和侧视图像；

S3：对俯视图像和侧视图像进行特征提取，具体为：对俯视图像和侧视图像进行图像锐化处理，再通过Canny函数进行边缘检测，然后通过findContours函数提取轮廓，最后通过drawContours函数绘制轮廓得到俯视图像对应的俯视轮廓和侧视图像对应的侧视轮廓；

S4：将俯视轮廓与预设俯视葵花籽轮廓进行比对处理得到俯视偏离值，将侧视轮廓与预设侧视葵花籽轮廓进行比对处理得到侧视偏离值；

S5：将俯视偏离值与侧视偏离值进行归一化处理并取其数值，利用公式得到葵花籽的特征总值；通过特征总值对葵花籽进行分类标记，并输送至对应的存储容器内。

步骤S4中将俯视轮廓与预设俯视葵花籽轮廓进行比对处理的具体过程为：

S41：分别选取俯视轮廓与预设俯视葵花籽轮廓的轮廓中心点，将两者的轮廓中心点进行重合；

S42：调整俯视轮廓与预设俯视葵花籽轮廓的方向，使俯视轮廓的小弧形端与预设俯视葵花籽轮廓的小弧形端方向一致；

S43：以轮廓中心点为圆心，等角度散发若干个射线，分别与预设俯视葵花籽轮廓和俯视轮廓有交点；将射线与预设俯视葵花籽轮廓的交点标记为Ai；i为射线的数量，取值为正整数；将射线与俯视轮廓的交点标记为Bi；Ai与Bi一一对应；

S44：判断交点Bi与Ai的位置，当Bi与轮廓中心点的距离大于Ai与轮廓中心点，则计算Ai与Bi之间的距离并取正值，同时Ai与Bi之间的距离标记为Ci；当Bi与轮廓中心点的距离小于于Ai与轮廓中心点，则计算Ai与Bi之间的距离并取负值，同时Ai与Bi之间的距离标记为Ci；

S45：利用公式

S46：同理，通过S41至S45对侧视轮廓与预设侧视葵花籽轮廓进行比对处理得到侧视偏离值D2。

S5中特征总值的计算公式具体为：TZ＝D1×b2+D2×b3得到特征总值TZ；其中，b2和b3为预设权重系数。

所述存储容器包括：

存储单元，包括若干个一定体积的圆形器皿；

驱动单元，包括若干个与圆形器皿一一对应的电动推杆，用于驱动圆形器皿往复运动；

采集单元，用于实时采集葵花籽的特征总值；

比对单元，用于对采集到的葵花籽的特征总值进行比对，设定每个圆形器皿均对应的一个存储范围值；将特征总值与所有的圆形器皿对应的存储范围值进行匹配，当特征总值在存储范围值内，则将该存储范围对应的圆形器皿编号发送至控制单元；

控制单元，用于接收圆形器皿编号并控制圆形器皿对应的电动推杆运动，使得该圆形器皿位于葵花籽下方，对圆形器皿进行收集。

与现有技术相比，本发明的有益效果是：

1、输入葵花籽物料种类的名称，通过名称获取名称对应的预设俯视葵花籽轮廓和预设侧视葵花籽轮廓；将葵花籽物料至于白色底布上，对葵花籽物料进行拍照，得到俯视图像和侧视图像；对俯视图像和侧视图像进行特征提取，具体为：对俯视图像和侧视图像进行图像锐化处理，再通过Canny函数进行边缘检测，然后通过findContours函数提取轮廓，最后通过drawContours函数绘制轮廓得到俯视图像对应的俯视轮廓和侧视图像对应的侧视轮廓；将俯视轮廓与预设俯视葵花籽轮廓进行比对处理得到俯视偏离值，将侧视轮廓与预设侧视葵花籽轮廓进行比对处理得到侧视偏离值，将俯视偏离值与侧视偏离值进行归一化处理并取其数值，利用公式得到葵花籽的特征总值；通过特征总值对葵花籽进行分类标记，并输送至对应的存储容器内，通过对葵花籽物料进行图像处理并提取轮廓，通过轮廓与预设葵花籽轮廓进行偏离值分析，从而得到葵花籽的特征总值，通过特征总值对葵花籽进行分类标记并存储在对应的容器内，便于色选机葵花籽物料品级分类。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明的原理框图；

图2为本发明的俯视轮廓与预设俯视葵花籽轮廓比对示意图。

具体实施方式

下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1-2所示，用于色选机葵花籽物料品级分类的自适应特征提取方法，包括以下步骤：

S1：输入葵花籽物料种类的名称，通过名称获取名称对应的预设俯视葵花籽轮廓和预设侧视葵花籽轮廓；

S2：将葵花籽物料至于白色底布上，对葵花籽物料进行拍照，得到俯视图像和侧视图像；

S3：对俯视图像和侧视图像进行特征提取，具体为：对俯视图像和侧视图像进行图像锐化处理，再通过Canny函数进行边缘检测，然后通过findContours函数提取轮廓，最后通过drawContours函数绘制轮廓得到俯视图像对应的俯视轮廓和侧视图像对应的侧视轮廓；

S4：将俯视轮廓与预设俯视葵花籽轮廓进行比对处理得到俯视偏离值，将侧视轮廓与预设侧视葵花籽轮廓进行比对处理得到侧视偏离值，具体过程为：

S41：分别选取俯视轮廓与预设俯视葵花籽轮廓的轮廓中心点，将两者的轮廓中心点进行重合；

S42：调整俯视轮廓与预设俯视葵花籽轮廓的方向，使俯视轮廓的小弧形端与预设俯视葵花籽轮廓的小弧形端方向一致；

S43：以轮廓中心点为圆心，等角度散发若干个射线，分别与预设俯视葵花籽轮廓和俯视轮廓有交点；将射线与预设俯视葵花籽轮廓的交点标记为Ai；i为射线的数量，取值为正整数；将射线与俯视轮廓的交点标记为Bi；Ai与Bi一一对应；

S44：判断交点Bi与Ai的位置，当Bi与轮廓中心点的距离大于Ai与轮廓中心点，则计算Ai与Bi之间的距离并取正值，同时Ai与Bi之间的距离标记为Ci；当Bi与轮廓中心点的距离小于于Ai与轮廓中心点，则计算Ai与Bi之间的距离并取负值，同时Ai与Bi之间的距离标记为Ci；

S45：利用公式

S46：同理，通过S41至S45对侧视轮廓与预设侧视葵花籽轮廓进行比对处理得到侧视偏离值D2；

S5：将俯视偏离值与侧视偏离值进行归一化处理并取其数值，利用公式TZ＝D1×b2+D2×b3得到葵花籽的特征总值TZ；其中，b2和b3为预设权重系数；通过特征总值对葵花籽进行分类标记，并输送至对应的存储容器内，存储容器包括：

存储单元，包括若干个一定体积的圆形器皿；

驱动单元，包括若干个与圆形器皿一一对应的电动推杆，用于驱动圆形器皿往复运动；

采集单元，用于实时采集葵花籽的特征总值；

比对单元，用于对采集到的葵花籽的特征总值进行比对，设定每个圆形器皿均对应的一个存储范围值；将特征总值与所有的圆形器皿对应的存储范围值进行匹配，当特征总值在存储范围值内，则将该存储范围对应的圆形器皿编号发送至控制单元；

控制单元，用于接收圆形器皿编号并控制圆形器皿对应的电动推杆运动，使得该圆形器皿位于葵花籽下方，对圆形器皿进行收集。

本发明在使用时，输入葵花籽物料种类的名称，通过名称获取名称对应的预设俯视葵花籽轮廓和预设侧视葵花籽轮廓；将葵花籽物料至于白色底布上，对葵花籽物料进行拍照，得到俯视图像和侧视图像；对俯视图像和侧视图像进行特征提取，具体为：对俯视图像和侧视图像进行图像锐化处理，再通过Canny函数进行边缘检测，然后通过findContours函数提取轮廓，最后通过drawContours函数绘制轮廓得到俯视图像对应的俯视轮廓和侧视图像对应的侧视轮廓；将俯视轮廓与预设俯视葵花籽轮廓进行比对处理得到俯视偏离值，将侧视轮廓与预设侧视葵花籽轮廓进行比对处理得到侧视偏离值，将俯视偏离值与侧视偏离值进行归一化处理并取其数值，利用公式得到葵花籽的特征总值；通过特征总值对葵花籽进行分类标记，并输送至对应的存储容器内，通过对葵花籽物料进行图像处理并提取轮廓，通过轮廓与预设葵花籽轮廓进行偏离值分析，从而得到葵花籽的特征总值，通过特征总值对葵花籽进行分类标记并存储在对应的容器内，便于色选机葵花籽物料品级分类。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。