專利名稱：基于激光圖像的水果表面缺陷檢測方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于激光圖像的水果表面缺陷檢測方法及裝置。
背景技術(shù)：
水果在進入流通的前，先進行品質(zhì)檢測并按市場需求進行分級分類，便于按質(zhì)論價，可提高水果的商品價值，增加農(nóng)民收入。
機器視覺技術(shù)已應用于水果品質(zhì)檢測。在現(xiàn)有的機器視覺技術(shù)進行水果品質(zhì)檢測時，表面缺陷是一個難題。這是由于水果表面曲度的變化，在水果邊緣，光線的反射方向與相機光軸的夾角較大，根據(jù)朗伯的光線反射定律，則從相機方向看，水果邊緣的亮度較低，表現(xiàn)為水果邊緣的灰度值較低，而水果表面缺陷通常以較低灰度的形式在水果圖像中出現(xiàn)(Tao，Y.，and Z.Wen.1999.AdaptiveSpherical Image Transform For High-Speed Fruit Defect Detection.Trans.of ASAE.Vol.42(1)241-246)，這樣就導致了水果表面缺陷的檢測困難。其次，水果的表面缺陷易與果梗和花萼部相混淆，果梗和花萼部通常為凹陷形，光線難以反射，在水果圖像上形成低灰度區(qū)，被誤判成缺陷。目前的解決方法有兩個一是將水果假設成標準的球體，根據(jù)球體對光線的反射規(guī)律對水果進行灰度校正，可基本解決表面缺陷的檢出問題，但不能保證將果梗和花萼誤判成缺陷(付峰，應義斌.球體圖像灰度變換模型及其在柑桔圖像校正中的應用。農(nóng)業(yè)工程學報。2004，20(4).-117-120)；二是用普通CCD相機和中紅外相機同時采集圖像(Wen，Z.and Y.Tao.Fuzzy-based determination of model and parameters ofdual-wavelength vision system for on-line apple sorting.Optical Engineering.1998，Vol.37(1)293-299)，檢測時，蘋果預先在冷庫中貯存，送入檢測系統(tǒng)后，蘋果除果梗和花萼的表面因與輸送系統(tǒng)接觸而迅速升溫，而果梗和花萼部由于凹陷而升溫較慢，二者之間形成溫差，利用中紅外相機對溫度敏感的特性得到水果的溫度場圖像，再與普通CCD相機得到的水果圖像進行融合處理，就可將果梗和花萼與缺陷區(qū)別開來。這一方法的主要缺陷在于系統(tǒng)由于中紅外相機的引入而顯得過于昂貴。

發(fā)明內(nèi)容
針對現(xiàn)有的機器視覺系統(tǒng)對水果表面缺陷難以檢測的問題，本發(fā)明提供一種基于激光圖像的水果表面缺陷檢測方法及裝置。采用激光照射水果后，水果正常表面和缺陷表面的激光圖像呈現(xiàn)明顯差異，這種差異有利于機器視覺系統(tǒng)對水果表面缺陷的檢測。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是一、基于激光圖像的水果表面缺陷檢測方法分別獲取激光照射水果正常表面和缺陷表面的水果激光圖像，對這些水果激光圖像的灰度值進行分析計算，得到水果激光圖像的灰度平均值、標準差值和信息熵值；由于水果表面的差異，這些值之間存在明顯差異，存在灰度值均值閾值、標準差值閾值和信息熵值閾值，將水果正常表面和缺陷表面區(qū)分開來。
對獲取的水果激光圖像的灰度值進行分析計算，得到水果激光圖像的灰度平均值、標準差值和信息熵值激光圖像灰度值的均值g按下式計算g‾=1N×MΣi=1MΣj=1Ng(i,j)···(1)]]>g——激光圖像灰度值的均值M——激光圖像寬度N——激光圖像長度激光圖像灰度值的標準差Sd按下式計算Sd=1N×MΣi=1MΣj=1N(g(i,j)-g‾)2···(2)]]>Sd——激光圖像灰度值的標準差M——激光圖像寬度N——激光圖像長度激光圖像灰度值的信息熵值H按下式計算H=-Σi=1qPilog2Pi]]>(Pi＞0) (3)H——激光圖像灰度值的信息熵值q——激光圖像灰度值的最大值，對于8位數(shù)字圖像，q取255Pi——激光圖像上灰度值為i的像素點出現(xiàn)的頻度由于水果表面的差異，水果激光圖像的灰度平均值、標準差值和信息熵值之間存在明顯差異，存在灰度平均值閾值、標準差值閾值和信息熵值閾值，將水果正常表面和缺陷表面區(qū)分開來。
二、基于激光圖像的水果表面缺陷檢測裝置將編碼器裝在水果輸送裝置上，通過導線與安裝在計算機內(nèi)的圖像采集卡相連，屏蔽箱安裝在水果輸送裝置的上方，攝像機位于屏蔽箱內(nèi)，通過導線與安裝在計算機內(nèi)的圖像采集卡相連，在計算機內(nèi)設置水果表面缺陷檢測軟件；激光投射器安裝在屏蔽箱的上方。
本發(fā)明具有的有益效果是用激光照射水果后，水果正常表面和缺陷表面的激光圖像差異明顯，從而提高機器視覺系統(tǒng)的水果表面缺陷的檢測能力。


圖1是本發(fā)明的結(jié)構(gòu)示意圖。
圖2是水果缺陷表面檢測軟件流程圖。
圖3是臍橙正常表面的激光圖像。
圖4是臍橙缺陷表面的激光圖像。
圖5是臍橙不同表面的激光圖像灰度值的均值對比圖。
圖6是臍橙不同表面的激光圖像灰度值的標準差對比圖。
圖7是臍橙不同表面的激光圖像灰度值的信息熵對比圖。
圖中1、編碼器，2、水果輸送裝置，3水果，4、屏蔽箱，5、激光投射器，6、攝像機，7、圖像采集卡，8、計算機，9、水果表面缺陷檢測軟件。
具體實施例方式
如圖1所示，本發(fā)明包括編碼器1，水果輸送裝置2，屏蔽箱4，激光投射器5，攝像機6，圖像采集卡7，計算機8和水果表面缺陷檢測軟件9。將編碼器1裝在水果輸送裝置2上，通過導線與安裝在計算機8內(nèi)的圖像采集卡7相連，屏蔽箱4安裝在水果輸送裝置2的上方，攝像機6位于屏蔽箱4內(nèi)，通過導線與安裝在計算機8內(nèi)的圖像采集卡7相連，在計算機8內(nèi)設置水果表面缺陷檢測軟件9；激光投射器5安裝在屏蔽箱4的上方。
水果輸送裝置2采用中國發(fā)明專利“采用移位寄存器控制的機器視覺水果分級系統(tǒng)(ZL02160193.3)”中的輸送裝置2。
編碼器1安裝在水果輸送裝置2上，其連接方式采用中國發(fā)明專利“采用移位寄存器控制的機器視覺水果分級系統(tǒng)(ZL02160193.3)”中的輸送裝置2與編碼器1的連接方式。
編碼器1輸出的同步脈沖信號接到圖像采集卡7的觸發(fā)信號輸入端，屏蔽箱4安裝在水果輸送裝置2的上方，激光投射器5和攝像機6均安裝在屏蔽箱4內(nèi)部上方，攝像機6的輸出信號通過電纜接到圖像采集卡7，圖像采集卡7安裝在計算機8的插槽；激光投射器5采用半導體激光標線儀，其波長和圖案可根據(jù)水果品種確定。
計算機8上安裝水果品質(zhì)檢測軟件9。
如圖2所示，水果品質(zhì)檢測軟件9能實現(xiàn)激光圖像獲取、激光圖像統(tǒng)計特征計算和水果表面狀態(tài)推斷功能。
在用于編碼器1產(chǎn)生的同步脈沖信號作用下，計算機8從攝像機6經(jīng)圖像采集卡7獲取水果的激光圖像；對獲取的水果激光圖像的灰度值進行統(tǒng)計特征分析計算，得到水果激光圖像的灰度平均值、標準差值和信息熵值。
激光圖像灰度值的均值g按下式計算g‾=1N×MΣi=1MΣj=1Ng(i,j)···(1)]]>g——激光圖像灰度值的均值M——激光圖像寬度N——激光圖像長度激光圖像灰度值的標準差Sd按下式計算Sd=1N×MΣi=1MΣj=1N(g(i,j)-g‾)2···(2)]]>Sd——激光圖像灰度值的標準差M——激光圖像寬度N——激光圖像長度激光圖像灰度值的信息熵值H按下式計算H=-Σi=1qPilog2Pi]]>(Pi＞0)(3)H——激光圖像灰度值的信息熵值q——激光圖像灰度值的最大值，對于8位數(shù)字圖像，q取255Pi——激光圖像上灰度值為i的像素點出現(xiàn)的頻度由于水果表面的差異，水果激光圖像的灰度平均值、標準差值和信息熵值之間存在明顯差異，存在灰度平均值閾值、標準差值閾值和信息熵值閾值，將水果正常表面和缺陷表面區(qū)分開來。
下面以臍橙表面缺陷檢測為例說明實施過程先按照前述的方法組成基于激光圖像的水果表面缺陷檢測方法及裝置，然后將一批臍橙樣本分別輸入檢測系統(tǒng)，獲取如圖3和圖4像所示的臍橙正常表面的激光圖像和臍橙缺陷表面的激光圖像。對激光圖像的灰度值按式(1)、式(2)、式(3)分別計算灰度平均值、標準差值和信息熵值，得到水果樣本的有關(guān)圖像統(tǒng)計特征值。
將樣本的灰度平均值、標準差值和信息熵值分別制成如圖5、圖6、圖7所示的臍橙不同表面的激光圖像灰度值的均值對比圖、臍橙不同表面的激光圖像灰度值的標準差對比圖和臍橙不同表面的激光圖像灰度值的信息熵對比圖。
下面對這些對比圖進行分析圖5是臍橙不同表面的激光圖像灰度值的均值對比圖，從圖5可以看出，正常表面的激光圖像灰度值的均值均大于35，而水果表面缺陷的激光圖像灰度值的均值小于35(除12號樣本外)，總有效率大于96％。此時，灰度平均值閾值是35。
圖6是臍橙不同表面的激光圖像灰度值的標準差對比圖，從圖6可以看出，正常表面的激光圖像灰度值的標準差均大于600，而水果表面缺陷的激光圖像灰度值的標準差小于500(除12號樣本外)，總有效率也大于96％。此時，灰度標準差閾值是600。
是臍橙不同表面的激光圖像灰度值的信息熵對比圖，從圖7可以看出，正常表面的激光圖像灰度值的信息熵值均大于-10000，而水果表面缺陷的激光圖像灰度值的信息熵值小于-10000(除12號樣本外)，總有效率也大于96％。此時，信息熵值閾值是-10000。
因此臍橙表面激光圖像灰度值的均值、標準差和信息熵值均能用于檢測臍橙表面缺陷激光照射臍橙表面時，得到的激光圖像的灰度值均值如果大于灰度均值閾值，則當前激光照射的表面為正常表面，否側(cè)為缺陷表面；激光照射臍橙表面時，得到的激光圖像的灰度值標準差值如果大于標準差值閾值，則當前激光照射的表面為正常表面，否側(cè)為缺陷表面；激光照射臍橙表面時，得到的激光圖像的灰度值信息熵值如果大于信息熵值閾值，則當前激光照射的表面為正常表面，否側(cè)為缺陷表面；這樣，就將臍橙的表面缺陷檢測出來了。
權(quán)利要求
1.一種基于激光圖像的水果表面缺陷檢測方法，其特征在于分別獲取激光照射水果正常表面和缺陷表面的水果激光圖像，對這些水果激光圖像的灰度值進行分析計算，得到水果激光圖像的灰度平均值、標準差值和信息熵值；由于水果表面的差異，這些值之間存在明顯差異，存在灰度值均值閾值、標準差值閾值和信息熵值閾值，將水果正常表面和缺陷表面區(qū)分開來。
2.根據(jù)權(quán)利要求1所述的一種基于激光圖像的水果表面缺陷檢測方法，其特征在于對獲取的水果激光圖像的灰度值進行分析計算，得到水果激光圖像的灰度平均值、標準差值和信息熵值激光圖像灰度值的均值g按下式計算g=1N×MΣi=1MΣj=1Ng(i,j)---(1)]]>g—激光圖像灰度值的均值M—激光圖像寬度N—激光圖像長度激光圖像灰度值的標準差Sd按下式計算Sd=1N×MΣi=1MΣj=1N(g(i,j)-g‾)2---(2)]]>Sd—激光圖像灰度值的標準差M—激光圖像寬度N—激光圖像長度激光圖像灰度值的信息熵值H按下式計算H=-Σi=1qPilog2Pi--(Pi>0)---(3)]]>H—激光圖像灰度值的信息熵值q—激光圖像灰度值的最大值，對于8位數(shù)字圖像，q取255Pi—激光圖像上灰度值為i的像素點出現(xiàn)的頻度由于水果表面的差異，水果激光圖像的灰度平均值、標準差值和信息熵值之間存在明顯差異，存在灰度平均值閾值、標準差值閾值和信息熵值閾值，將水果正常表面和缺陷表面區(qū)分開來。
3.一種基于激光圖像的水果表面缺陷檢測裝置，將編碼器(1)裝在水果輸送裝置(2)上，通過導線與安裝在計算機(8)內(nèi)的圖像采集卡(7)相連，屏蔽箱(4)安裝在水果輸送裝置(2)的上方，攝像機(6)位于屏蔽箱(4)內(nèi)，通過導線與安裝在計算機(8)內(nèi)的圖像采集卡(7)相連，在計算機(8)內(nèi)設置水果表面缺陷檢測軟件(9)；其特征在于激光投射器(5)安裝在屏蔽箱(4)的上方。
全文摘要
本發(fā)明公開了一種基于激光圖像的水果表面缺陷檢測方法及裝置。由編碼器，水果輸送裝置，屏蔽箱，激光投射器，攝像機，圖像采集卡，計算機和水果表面缺陷檢測軟件。水果品質(zhì)檢測軟件能實現(xiàn)激光圖像獲取、激光圖像統(tǒng)計特征計算和水果表面狀態(tài)推斷功能。用水果激光圖像的灰度平均值、標準差值和信息熵值推斷激光照射表面是正常水果表面還是缺陷表面，從而完成對水果表面狀態(tài)的檢測。本發(fā)明的有益效果是用激光照射水果后，水果正常表面和缺陷表面的激光圖像差異明顯，從而提高機器視覺系統(tǒng)的水果表面缺陷的檢測能力。
文檔編號G06F19/00GK1844900SQ20061005028
公開日2006年10月11日 申請日期2006年4月10日 優(yōu)先權(quán)日2006年4月10日
發(fā)明者饒秀勤, 應義斌 申請人:浙江大學