技术领域
[0001] 本实用新型涉及图像采集装置的技术领域,具体涉及一种用于红小豆籽粒分级的原位图像采集装置。
相关背景技术
[0002] 红小豆是一种豆科草本植物,本身具有较高的营养价值,成熟的红小豆之间会具有一定的体态差别,例如体积、表皮颜色等等,人们往往会根据这些外部特征对红小豆进行挑选分级,但是市面上尚未有专门用于红小豆的籽粒分级的图形采集装置,往往都是通过效率较低的人工劳作来进行籽粒分级,卡尺测量籽粒的长宽数据,电子称重测量,依照国家标准的粒度及个人经验知识进行主观辨别和判断,但红小豆本身是圆润的,对于籽粒的周长、面积以圆润度参数都是无法经由手动精确测量,对于籽粒表型信息的获取误差较大,工作效率较低,且工人在长时间的工作下,长时间用眼,针对籽粒表皮色彩的判定可能会出现偏差,且工人容易产生用眼疲劳,在人工拾取的过程中,容易对籽粒造成不可逆的损伤,人工劳作强度高,效率低,测量的工作难度较高。实用新型内容
[0003] 本实用新型所要解决的技术问题在于市面上尚未有专门用于红小豆的籽粒分级的图形采集装置,往往都是通过效率较低的人工劳作来进行籽粒分级,但红小豆本身是圆润的,对于籽粒的周长、面积以圆润度参数都是无法经由手动精确测量,对于籽粒表型信息的获取误差较大,工作效率较低,针对现有技术的上述不足,提出一种用于红小豆籽粒分级的原位图像采集装置。
[0004] 为实现其目的,本实用新型采用以下技术方案:
[0005] 一种用于红小豆籽粒分级的原位图像采集装置,包括图像采集箱和数据计算机;
[0006] 所述图像采集箱内固定有定位纸,所述定位纸上设有能对比得出籽粒真实尺寸的若干标定尺寸规格的标定点,所述标定点的颜色为原色,根据标定点成像前后的色差值可以矫正并还原籽粒真实表皮颜色,所述定位纸的对面固定有拍摄器,所述拍摄器与数据计算机连接;
[0007] 所述数据计算机包括图像处理系统,所述图像处理系统包括预处理模块、籽粒分割模块,所述籽粒分割模块包括能减少籽粒分割模块中算法弊端的距离图重构模块。
[0008] 做为优选的,所述定位纸下方设有衬板,所述拍摄器周围设有可补光的光源。
[0009] 做为优选的,所述预处理模块能提高图像质量和清晰度,减少图像的冗杂信息,包括灰度化模块、滤波模块、二值化模块、形态学操作模块。
[0010] 做为优选的,所述籽粒分割模块包括图像分割模块,所述图像分割模块包括籽粒数目判定模块、消除图像错误边界生成可能性的边界强化模块与边界生成模块,所述距离图重构模块属于图像分割模块。
[0011] 做为优选的,所述数据计算机包括能提取籽粒形态特征、颜色特征等数据并用于量化籽粒品质的籽粒特征提取系统,所述籽粒特征提取系统包括特征计数模块、特征分析模块。
[0012] 做为优选的,所述数据计算机包括能筛选籽粒品质,实现籽粒评级的籽粒分级系统。
[0013] 做为优选的,所述数据计算机包括能进行数据存储的数据保存模块。
[0014] 本实用新型的有益效果:
[0015] 本实用新型结构简单,设计合理,标定规格的标定点,以特定真实尺寸为标定规格,通过与籽粒尺寸进行对比就可以得出籽粒真实尺寸,原色能通过色差进行颜色校正,还原出籽粒真实表皮颜色;预处理模块能降低图片噪声,提高图像处理精度与照片质量,给予后续图像分割较大的便利性,同时降低数据计算机的计算量,减少图像上的冗杂信息;距离图重构模块降低了分割算法中的分水岭分割算法的弊端,消除过分分割,边界强化模块与边界生成模块,能降低图像错误边界生成的可能性,更好的识别并采集籽粒表型信息,实现更优秀的图像分割效果,整体提高了图像的质量与清晰度;籽粒分级系统实现了数字化的量化分级,大大降低人力劳作强度,大大降低测量误差,提高测量数据的科学性与准确性,避免人力用眼疲劳,提高籽粒评级结果的准确性与唯一性,大大提高籽粒评级的工作效率,降低工作难度。
具体实施方式
[0022] 以下是本实用新型的具体实施例并结合附图,对本实用新型的技术方案作进一步的描述,但本实用新型并不限于这些实施例;在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本实用新型的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本实用新型的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
[0023] 需要说明的是,在不冲突的情况下,本实用新型中的实施方式及实施方式中的特征可以相互组合。
[0024] 如图1‑3所示为本实施例提供的一种用于红小豆籽粒分级的原位图像采集装置,包括图像采集箱1和数据计算机2,图像采集箱1内固定有定位纸11和拍摄器12,拍摄器12与数据计算机2连接,定位纸11固定在拍摄器12的对面,定位纸11固定在图像采集箱1的底部,拍摄器12固定在图像采集箱1的顶部,定位纸11约A4大小,定位纸11的四角处设有三个规格为5mm*5mm的标定点111,且标定点111的颜色分别为正红色、正绿色、正蓝色的三原色,当定位纸11上放置定量的红小豆,拍摄器12将定位纸11上的图像拍摄下来上传至数据计算机2时,由于需要对红小豆的表型信息进行采集测量,5mm*5mm标定尺寸规格的标定点111,以真实尺寸为对比值可以对比得出红小豆具体的真实尺寸,三原色的标定点111能计算出拍摄器12成像的图片与红小豆本身的表皮色差,利用原色的色彩原理,通过标定点111的颜色特征值,将两个值作差,得到真实颜色与处理值之间的色差,通过色差将图像的颜色特征进行矫正,进而获得真实的表皮颜色特征值;
[0025] 具体的,拍摄器12可以是工业专用的摄像机,本装置采用的拍摄器12为迈德威视MV‑GE630C‑T三通道工业相机,相机的视野范围为224.419mm*150mm,配合原色的标定点111,更真实准确的计算出红小豆的表皮颜色,因为农作物的生长状况可以依靠农作物的表面特征推算得出,红小豆也是如此,根据红小豆本身的体积大小以及表皮颜色得到籽粒的表型信息,根据表型信息可以对红小豆进行籽粒分级,例如优秀、良好、合格、不合格等不同等级的红小豆根据个人的使用需求进行挑选备;
[0026] 具体的,图像采集箱1整体为黑色,选材为不透光板材,避免外界对图像采集的干扰,例如彩色光源或者不明颗粒物,影响计算机对于籽粒表型大小的采集测量以及计算,定位纸11的下方设有衬板13,衬板13能辅助定位纸11固定在图像采集箱1的内部,衬板13包括玻璃板和背光板,玻璃板固定在背光板的上方,拍摄器12拍摄红小豆时,玻璃板和背光板能配合拍摄器12将拍摄的图像显示的更加清晰明亮,拍摄器12外部设有环形光源14,给予图片采集箱内部光源14补充,环形光源14的色温可调节,拍摄器12与环形光源14在条件有限的情况下可以用一部智能手机代替,同一次采集的拍摄位置、光圈亮度、焦距等需要固定,以保证图像采集环境的固定。
[0027] 进一步的,拍摄器12拍摄出来的图片传输至数据计算机2上,首先要对原始图像进行预处理,数据计算机2包括图像处理系统21、籽粒特征提取系统22、籽粒分级系统23,图像处理系统21包括预处理模块211,预处理模块211能提高图像质量和清晰度,减少图像的冗杂信息,预处理模块211包块灰度化模块、滤波模块、二值化模块、形态学操作模块;
[0028] 具体的,灰度化模块能将拍摄的彩色图像转化为灰度图像,目的是为了简化像素矩阵,提高运算速度,因为对计算机来说,彩色图像的像素点变化范围远远大于灰度图像的像素点变化范围;
[0029] 具体的,滤波模块能在尽量保留籽粒细节特征的条件下对图像噪声进行抑制,也是预处理模块211不可缺少的操作,图像滤波模块可以强调一些图像中的一些特征或者去除图像中一些不需要的部分,还能很好的保护图像中籽粒的形状、大小及待检测的特定的几何结构特征,图像滤波模块处理结果的好坏能直接影响后续图像分析的有效性和可靠性;
[0030] 具体的,二值化模块能简化图像的处理,将整个图像呈现出明显的黑白效果,使得图像中的数据量大大减少,将红小豆籽粒轮廓凸显出来,对比性更强,图像更加清晰,图像的二值化过程中,灰度值低于阈值的像素点会被转换为0,高于阈值的像素点会被转换为1,去除图像中的噪点,提高图片质量;
[0031] 具体的,形态学操作模块能定量的描述图像中籽粒的形状结构,主要是从图像中提取籽粒表型描绘区域的图像分量,使得后续的识别工作能够抓住籽粒本身的形状特征。
[0032] 进一步的,经过预处理的图像就需要进行图像分割,图像分割就是把图像分成若干个特定的、具有独特性质的区域并提出特定目标的过程,它是由图像处理到图像分析的关键步骤,图像处理系统21包括籽粒分割模块212,籽粒分割模块212包括图像分割模块2121、分割算法,分割算法为改进后的适用于红小豆的分水岭分割算法,分割算法可用于识别图像中籽粒待检测的特定表型信息;
[0033] 具体的,图像分割模块2121包括籽粒数目判定模块、距离图重构模块、边界强化模块、边界生成模块,籽粒数目判定模块可以判定图像中红小豆的籽粒数量,分水岭分割算法本身是将原图进行距离图变换生成距离图,在生成的距离图基础上,直接生成边界,但是由于分水岭分割算法的硬性弊端,容易造成分割误差,分割误差产生的根本原因是图像像素灰度不均,进行分水岭分割算法时会产生较多的伪极值,通过距离图重构模块,可以消除伪极值,进而减少过分分割的现象,实现更好的图像分割效果,如图3所示,对于红小豆2,a和b两个点是边界中的两个灰度极小值,直接进行分水岭分割算法分割就会在c处生成错误的边界,我们的目的就是消除伪极小值b,根据原图生成灰度分布情况完全相同的掩膜图像m,对于与待处理的b点对应的e点,我们选定e点的灰度值μ,然后将d和e两点中的图像灰度置为μ,生成下方曲线,至此实现了距离图重构,在红小豆2的边界内只存在一个极值a,降低了错误边界生成的可能;
[0034] 具体的,因为分水岭分割算法本身对微弱边缘较为敏感,会因为灰度的微弱变化生成错误边界,边界强化模块是引入边界强化器算法对边界进行识别,与分割算法生成的边界进行交集叠加,实现图像边界强化,边界生成模块主要用于弱化错误边界以生成正确边界,整体提高图像分割的效果,消除分水岭分割算法的硬性弊端,消除图像错误边界生成的可能性。
[0035] 进一步的,完成图像分割的图片就需要对图像进行特征提取,将转换后的籽粒表型信息数据进行特征提取,提出来的数据特征用来量化籽粒品质,籽粒特征提取系统22包括特征计数模块、特征分析模块;
[0036] 具体的,特征计数模块主要用于红小豆籽粒计数,对比记录籽粒的真实的形态特征和颜色特征,记录下来的数据经由特征分析模块完成籽粒表型信息的数据分析,[0037] 具体的,特征分析模块主要就是对提取的数据特征进行统计分析,对获取到的每一个籽粒的长度、宽度、周长等形态学特征自动进行长宽比、圆润度等参数计算并对图像中籽粒特征数值的均值、方差等众多数学特征进行统计分析,并对提取到的单粒红小豆的颜色参数,计算方差、均值等统计参数,得到的数据特征主要用于下一步的分级。
[0038] 进一步的,籽粒分级系统23主要是将提取到的众多特征进行降维,筛选出决定籽粒品质的主要特征,依据数据计算机2内部设定的权重关系数据,计算出不同籽粒之间的品质计算值,将采集到的表型数据与提前输入数据计算机2内的的针对红小豆籽粒的分级判定数据进行对比,对此批量的红小豆都进行评级,根据测量的到的精确数据与判定数据进行对比,不同品质的籽粒完成品质判定,实现分级,相比较人工判定及分级,数据计算机2采集的数据更加科学与直观,去除人手测量的误差,加速测量判定评级的准确性与工作效率,减免大量的人力劳动,同时避免了对红小豆拾取过程中对于籽粒表皮的破损及工人的用眼疲劳,降低工作的劳作强度及工作难度。
[0039] 进一步的,数据计算机2包括数据保存模块24,数据保存模块24将上述所有检测、计算得到的数据存储保存在数据计算机2内,将原始图像、预处理后的图像、图像分割后的图像、特征统计数值、分级结果等数据保存在本地文件夹内,进行数据留存。
[0040] 本实用新型的操作流程:
[0041] 第一步:设备开机,接通拍摄器12与光源14,并连接数据计算机2,初步调节拍摄器12的拍摄数据,例如焦距、光圈等等;
[0042] 第二步:将定量的红小豆平铺在定位纸11上,调整拍摄器12至能清晰拍摄出红小豆籽粒边界时停止调整,操作拍摄器12进行图像采集并记录拍摄器12拍摄参数,保证同一次的拍摄参数相同;
[0043] 第三部:将采集的图像传输至数据计算机2进行预处理,依次通过图像灰度化模块、图像滤波模块、图像二值化模块、图像形态学操作模块;
[0044] 第四步:将预处理后的图像进行图像分割,通过籽粒数目判定模块、距离图重构模块、边界强化模块、边界生成模块,配合分割算法实现图像分割;
[0045] 第五步:经完成图像分割的图片针对籽粒表型信息进行特征提取,通过特征计数模块、特征分析模块完成籽粒表型数据信息提取与分析,再通过籽粒分级系统23,将每个籽粒进行判定评级;
[0046] 第六步:将采集的测量数据、计算结果、分级结果等数据均保存至数据计算机2的本地文件夹内;
[0047] 第七步:进行下一批次红小豆图像采集,重复第二步至第六步的操作;
[0048] 第八步:拍摄器12关机,关闭光源14,断开与数据计算机2的连接,关闭计算机。
[0049] 需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、工作、器件、组件和/或它们的组合。
[0050] 在本申请的描述中,需要理解的是,术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
[0051] 此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
[0052] 本文中所描述的具体实施例仅仅是对本申请精神作举例说明。本申请所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本申请的精神或者超越所附权利要求书所定义的范围。