本發(fā)明涉及圖像的采集和處理裝置技術(shù)領(lǐng)域，尤其涉及一種基于機(jī)器視覺的復(fù)雜背景下玉米粒檢測識(shí)別裝置和方法。

背景技術(shù)：

針對目前逐步推廣的大型直收型玉米收割機(jī)缺點(diǎn)和實(shí)際需要，應(yīng)用機(jī)器視覺技術(shù)對玉米籽?；蛸|(zhì)量進(jìn)行細(xì)致的檢驗(yàn)、分析、鑒定，以判斷其優(yōu)劣，能夠收到快速、準(zhǔn)確、無損等人工無法比擬的效果，使直收型玉米收割機(jī)的功能得到進(jìn)一步完善，因此將快速、高效的機(jī)器視覺技術(shù)應(yīng)用于玉米籽粒檢測已經(jīng)成為發(fā)展趨勢。

同時(shí)隨著我國農(nóng)業(yè)自動(dòng)化和集約化的發(fā)展，要求對玉米品質(zhì)進(jìn)行大批量實(shí)時(shí)高效檢測。本課題針對我國農(nóng)產(chǎn)品品質(zhì)檢測領(lǐng)域中急需解決的問題，基于圖像技術(shù)及相關(guān)知識(shí)，根據(jù)玉米籽粒形態(tài)進(jìn)行玉米品質(zhì)檢測研究，提高玉米籽粒識(shí)別精度和工作效率，實(shí)現(xiàn)品質(zhì)檢測自動(dòng)化，具有非常重要的意義。

國內(nèi)對于圖像處理技術(shù)在農(nóng)產(chǎn)品檢測方面的應(yīng)用研究起步較晚，主要開始于九十年代初，與國外研究還有一定差距，他們中比較有代表性的有：

1995年，周一鳴、王豐元等研究了檢測種子幾何特征參數(shù)的平滑處理、灰度統(tǒng)計(jì)和二值化處理基本算法，開發(fā)了一套對種子進(jìn)行基本形狀參數(shù)測量的計(jì)算機(jī)圖像處理系統(tǒng)，并對玉米種子進(jìn)行了實(shí)測驗(yàn)證。

1999年，張書慧等人建立了圖像數(shù)據(jù)采集系統(tǒng)，實(shí)現(xiàn)了對蘋果、桃等農(nóng)產(chǎn)品的品質(zhì)檢測，能有效的檢測出富士蘋果中優(yōu)等品種。

2000年，潘偉建立了一套適用于番茄品質(zhì)自動(dòng)檢測和分級(jí)的硬件系統(tǒng)，采用圓度、果徑、比值等特征來描述番茄的形狀，并利用神經(jīng)網(wǎng)絡(luò)對遺傳算法優(yōu)化后的參數(shù)進(jìn)行分類判別，其識(shí)別精度可達(dá)90.5％。

2004年，閘建文等根據(jù)玉米品種的外部特征提取出11個(gè)特征參數(shù)，利用數(shù)理統(tǒng)計(jì)和模糊數(shù)學(xué)知識(shí)進(jìn)行識(shí)別研究。建立了反映玉米品種間特征參數(shù)相似程度的特征貼近度、品種貼近度計(jì)算公式和品種判別準(zhǔn)則，品種正確識(shí)別率達(dá)88％。

2010年，王玉亮、劉賢喜等提出一種基于多對象有效特征提取和主成分分析優(yōu)化神經(jīng)網(wǎng)絡(luò)的玉米種子品種識(shí)別方法，提取了玉米種子的幾何特征和顏色特征參數(shù)，優(yōu)化了基于機(jī)器視覺的玉米種子圖像處理策略和品種識(shí)別算法，提高了玉米品種識(shí)別的速度和準(zhǔn)確率，綜合識(shí)別率達(dá)到96％以上。

2012年，孫鐘雷等人利用動(dòng)態(tài)機(jī)器視覺系統(tǒng)，針對4種雜交玉米種子獲取圖像，提取了8個(gè)形態(tài)特征參數(shù)和6個(gè)顏色特征參數(shù)；針對玉米品種識(shí)別特點(diǎn)，優(yōu)化了特征參數(shù)組合和網(wǎng)絡(luò)參數(shù)，設(shè)計(jì)了由4個(gè)子網(wǎng)絡(luò)組成的遺傳算法優(yōu)化的徑向基函數(shù)組合網(wǎng)絡(luò)，該方法識(shí)別率可達(dá)95％。

2012年，閏小梅等研究了不同品種玉米種子的冠部核心區(qū)域顏色特征、側(cè)面有色區(qū)域的顏色特征及兩者綜合的顏色特征，結(jié)果發(fā)現(xiàn)，兩者綜合的顏色特征對純度識(shí)別的作用最大；顏色特征向量H，S，V，R，G，B經(jīng)fisher判別分析法進(jìn)行降維優(yōu)化，在得到的一維特征分析函數(shù)的基礎(chǔ)上再進(jìn)行曲線擬合，以點(diǎn)到曲線的距離進(jìn)行純度識(shí)別。用9個(gè)品種玉米種子作為試驗(yàn)材料，進(jìn)行基于側(cè)面與冠部的顏色特征的純度識(shí)別驗(yàn)證，結(jié)果表明，最低識(shí)別率在93.4％，平均識(shí)別率96.87％。

2014年，曹維時(shí)分別提取玉米種子冠部核心區(qū)域的RGB顏色模型特征參數(shù)，然后對三個(gè)色彩分量分別進(jìn)行二層二維離散小波變換，將玉米種子冠部圖像R，G，B三維向量細(xì)節(jié)差異分解成為18維特征向量，放大了樣本之間的色彩特征細(xì)節(jié)差異。使得從玉米種子冠部圖像小波分析數(shù)據(jù)中提取的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本能夠更好地反映樣本特征，從而保障玉米種子純度識(shí)別的準(zhǔn)確性，平均識(shí)別率在96％。

目前，能夠直接脫粒的大型玉米聯(lián)合收割機(jī)正逐步推廣，如約翰迪爾3518、福田雷沃籽粒直收型玉米收割機(jī)。但是由于機(jī)械技術(shù)限制，收貨籽粒中含有較多雜質(zhì)，如秸稈、玉米芯、雜葉、碎石或破損粒等，直接影響玉米籽粒的品質(zhì)。同時(shí)玉米在收獲過程中，亦受到人為和自然等復(fù)雜因素的影響，籽粒品質(zhì)差異很大，如形狀、大小、色澤等都是變化的，很難整齊劃一，故在玉米籽粒品質(zhì)檢測與分析時(shí)要有足夠的應(yīng)變能力來適應(yīng)情況的變化。

利用機(jī)器視覺與圖像處理技術(shù)，將玉米籽粒在復(fù)雜背景下快速、高效的檢測出來，解決目前大型直收型玉米收割機(jī)“最后一公里”的問題，是本研究的核心內(nèi)容。

以往相關(guān)研究中，大部分都是對玉米種子進(jìn)行分類識(shí)別；或者籽粒在特定場景下進(jìn)行識(shí)別，比如特定的擺放位置或籽粒之間直接不能粘連。本研究以實(shí)際中的復(fù)雜場景為研究對象，擬解決玉米籽粒的識(shí)別及品質(zhì)鑒定，同時(shí)考慮實(shí)際應(yīng)用中對速度的要求，因此提高算法的處理速度的也是要解決的重要問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是提供一種基于機(jī)器視覺的復(fù)雜背景下玉米粒檢測識(shí)別裝置和方法，所述方法能夠?qū)?fù)雜背景下的玉米粒進(jìn)行識(shí)別，且識(shí)別準(zhǔn)確。

為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案是：一種基于機(jī)器視覺的復(fù)雜背景下玉米粒檢測識(shí)別裝置，其特征在于包括：圖像處理裝置和圖像采集裝置，所述圖像采集裝置用于采集復(fù)雜背景下玉米粒的圖像信息，所述圖像處理裝置用于根據(jù)采集的玉米粒的圖像信息分析出玉米粒的幾何特征和顏色特征參數(shù)，并根據(jù)玉米粒的幾何特征和顏色特征參數(shù)對玉米粒進(jìn)行識(shí)別。

進(jìn)一步的技術(shù)方案在于：所述裝置還包括載物平臺(tái)，用于裝載待識(shí)別的玉米粒。

進(jìn)一步的技術(shù)方案在于：所述裝置還包括平行光源，所述平行光源用于為所述圖像采集裝置提供視場用平行光。

進(jìn)一步的技術(shù)方案在于：所述裝置還包括支架，所述載物平臺(tái)位于所述支架內(nèi)，所述圖像采集裝置位于所述載物平臺(tái)上側(cè)的支架上。

進(jìn)一步的技術(shù)方案在于：所述圖像采集裝置為照相機(jī)。

進(jìn)一步的技術(shù)方案在于：所述圖像處理裝置包括主機(jī)和顯示器，所述主機(jī)用于根據(jù)采集的玉米粒的圖像信息分析出玉米粒的幾何特征和顏色特征參數(shù)，并根據(jù)玉米粒的幾何特征和顏色特征參數(shù)對玉米粒進(jìn)行識(shí)別，所述顯示器用于顯示處理的數(shù)據(jù)和識(shí)別的結(jié)果。

本發(fā)明還公開了一種基于機(jī)器視覺的復(fù)雜背景下玉米粒檢測識(shí)別方法，其特征在于包括如下步驟：

1)構(gòu)建玉米粒檢測識(shí)別裝置，使玉米粒能夠快速，且盡量平鋪展示在所述裝置上；

2)通過圖像采集裝置采集復(fù)雜背景下的玉米粒圖像信息，并使用圖像處理裝置分析出復(fù)雜環(huán)境下玉米粒的幾何特征和顏色特征參數(shù)，并從玉米粒的幾何特征和顏色特征參數(shù)中得出有效的分類特征；

3)建立識(shí)別網(wǎng)絡(luò)，選擇玉米粒中有效的分類特征作為輸入?yún)?shù)，通過識(shí)別網(wǎng)絡(luò)識(shí)別出玉米粒。

進(jìn)一步的技術(shù)方案在于：所述的步驟2)中，玉米粒的幾何特征參數(shù)包括玉米粒的面積、周長、尖端、形心、長短軸、最大內(nèi)切圓、最小外接圓和最小外接矩形。

進(jìn)一步的技術(shù)方案在于：所述的步驟2)中，玉米粒的顏色特征包括RGB、HSI不同顏色空間下的特征。

進(jìn)一步的技術(shù)方案在于：所述的步驟3)中所建立的識(shí)別網(wǎng)絡(luò)為工神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)。

采用上述技術(shù)方案所產(chǎn)生的有益效果在于：所述方法通過對玉米粒進(jìn)行了圖像采集，并對預(yù)處理算法、特征提取算法、品質(zhì)識(shí)別算法等進(jìn)行了算法試驗(yàn)和優(yōu)化改進(jìn)。對于方法中的每種算法，對比根據(jù)國家標(biāo)準(zhǔn)規(guī)定的人工目測方法以及MATLAB圖像處理工具箱中相應(yīng)算法的試驗(yàn)結(jié)果，考察各種算法的執(zhí)行效率和準(zhǔn)確性。在算法選擇過程中，對于同功能的不同算法通過試驗(yàn)分析，根據(jù)其性能和優(yōu)缺點(diǎn)來進(jìn)行選擇。綜合分析方法中提取品質(zhì)優(yōu)良玉米籽粒和雜質(zhì)之間的幾何特征和顏色特征數(shù)據(jù)，應(yīng)用所提取特征參數(shù)對玉米品質(zhì)進(jìn)行檢測等方面試驗(yàn)，從而改進(jìn)硬件采集系統(tǒng)中的相關(guān)參數(shù)以及軟件系統(tǒng)中的相關(guān)算法，保證軟件系統(tǒng)在玉米籽粒品質(zhì)檢測方面的有效性、準(zhǔn)確性和執(zhí)行效率。

附圖說明

下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

圖1是本發(fā)明實(shí)施例所述裝置的結(jié)構(gòu)示意圖；

圖2是本發(fā)明實(shí)施例所述方法的第一種流程圖；

圖3是本發(fā)明實(shí)施例所述方法的第二種流程圖；

圖4是本發(fā)明實(shí)施例所述方法中玉米籽粒的幾何特征參數(shù)示意圖；

其中：1、圖像處理裝置11、主機(jī)12、顯示器2、圖像采集裝置3、載物平臺(tái)4、玉米粒5、平行光源6、支架a、面積b、周長c、尖端d、形心e、長軸f、最大內(nèi)切圓g、最小外接圓h最小外接矩形i短軸。

具體實(shí)施方式

下面結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是本發(fā)明還可以采用其他不同于在此描述的其它方式來實(shí)施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況下做類似推廣，因此本發(fā)明不受下面公開的具體實(shí)施例的限制。

如圖1所示，本發(fā)明實(shí)施例公開了一種基于機(jī)器視覺的復(fù)雜背景下玉米粒檢測識(shí)別裝置，圖像處理裝置1和圖像采集裝置2，優(yōu)選的，所述圖像采集裝置2為照相機(jī)。所述圖像采集裝置2用于采集復(fù)雜背景下玉米粒的圖像信息；所述圖像處理裝置1用于根據(jù)采集的玉米粒的圖像信息分析出玉米粒的幾何特征和顏色特征參數(shù)，并根據(jù)玉米粒的幾何特征和顏色特征參數(shù)對玉米粒進(jìn)行識(shí)別。

進(jìn)一步的，如圖1所示，所述裝置還包括載物平臺(tái)3、平行光源5和支架6，所述載物平臺(tái)3用于裝載待識(shí)別的玉米粒4。所述平行光源5用于為所述圖像采集裝置提供視場用平行光。所述載物平臺(tái)3位于所述支架6內(nèi)，所述圖像采集裝置2位于所述載物平臺(tái)3上側(cè)的支架6上。

進(jìn)一步的，在本發(fā)明的一個(gè)實(shí)施例中，如圖1所示，所述圖像處理裝置1包括主機(jī)11和顯示器12，所述主機(jī)11用于根據(jù)采集的玉米粒的圖像信息分析出玉米粒的幾何特征和顏色特征參數(shù)，并根據(jù)玉米粒的幾何特征和顏色特征參數(shù)對玉米粒進(jìn)行識(shí)別，所述顯示器用于顯示處理的數(shù)據(jù)和識(shí)別的結(jié)果。

如圖2所示，本發(fā)明實(shí)施例公開了一種基于機(jī)器視覺的復(fù)雜背景下玉米粒檢測識(shí)別方法，包括如下步驟：

S101：構(gòu)建玉米粒檢測識(shí)別裝置，使玉米粒能夠快速，且盡量平鋪展示在所述裝置上；

S102：通過圖像采集裝置采集復(fù)雜背景下的玉米粒圖像信息，并使用圖像處理裝置分析出復(fù)雜環(huán)境下玉米粒的幾何特征和顏色特征參數(shù)，并從玉米粒的幾何特征和顏色特征參數(shù)中得出有效的分類特征；

S103：建立識(shí)別網(wǎng)絡(luò)，選擇玉米粒中有效的分類特征作為輸入?yún)?shù)，通過識(shí)別網(wǎng)絡(luò)識(shí)別出玉米粒。

如圖3所示，本發(fā)明實(shí)施例公開了一種基于機(jī)器視覺的復(fù)雜背景下玉米粒檢測識(shí)別方法，包括如下步驟：

S201：建立合適的載物平臺(tái)，使玉米籽粒能夠快速，且盡量平鋪(如圖1所示)，降低檢測難度。在含有雜質(zhì)的復(fù)雜背景下，從多籽粒圖像上獲取單籽粒檢測區(qū)域，確定本研究的分割算法。并在此基礎(chǔ)上對算法做進(jìn)一步改進(jìn)，以提高分割效率，同時(shí)最大限度的保持單籽粒外形特征。

S202：定義復(fù)雜環(huán)境下玉米籽粒的幾何特征和顏色特征參數(shù)。幾何特征參數(shù)主要包括面積a、周長b、尖端c、形心d、長軸e、最大內(nèi)切圓f、最小外接圓g、最小外接矩形h和短軸i等(如圖4所示)；顏色特征包括RGB、HSI等不同顏色空間下的特征。同對特征數(shù)據(jù)進(jìn)行處理來選擇有效的分類特征。比較玉米籽粒與雜質(zhì)區(qū)別，找到合適的分類特征，同時(shí)考慮光線等因素對參數(shù)造成的影響。

S203：擬采用人工神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)等方法分別建立識(shí)別網(wǎng)絡(luò)，選擇玉米籽粒中有效的分類特征作為輸入?yún)?shù)，并通過實(shí)驗(yàn)比較不同算法對霉變，破損，雜質(zhì)等缺陷粒的識(shí)別精度。

所述方法通過對玉米粒進(jìn)行了圖像采集，并對預(yù)處理算法、特征提取算法、品質(zhì)識(shí)別算法等進(jìn)行了算法試驗(yàn)和優(yōu)化改進(jìn)。對于方法中的每種算法，對比根據(jù)國家標(biāo)準(zhǔn)規(guī)定的人工目測方法以及MATLAB圖像處理工具箱中相應(yīng)算法的試驗(yàn)結(jié)果，考察各種算法的執(zhí)行效率和準(zhǔn)確性。在算法選擇過程中，對于同功能的不同算法通過試驗(yàn)分析，根據(jù)其性能和優(yōu)缺點(diǎn)來進(jìn)行選擇。綜合分析方法中提取品質(zhì)優(yōu)良玉米籽粒和雜質(zhì)之間的幾何特征和顏色特征數(shù)據(jù)，應(yīng)用所提取特征參數(shù)對玉米品質(zhì)進(jìn)行檢測等方面試驗(yàn)，從而改進(jìn)硬件采集系統(tǒng)中的相關(guān)參數(shù)以及軟件系統(tǒng)中的相關(guān)算法，保證軟件系統(tǒng)在玉米籽粒品質(zhì)檢測方面的有效性、準(zhǔn)確性和執(zhí)行效率。