本發(fā)明涉及稻米品質(zhì)檢測(cè)，尤其是指一種基于機(jī)器視覺的整精米率在線檢測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、稻米加工過程中，如何減少碾米環(huán)節(jié)的碎米，是糧食企業(yè)節(jié)糧減損的關(guān)鍵。整精米率是稻米加工品質(zhì)優(yōu)劣的指標(biāo)，是稻米貿(mào)易中商家最關(guān)注的內(nèi)容，與碾米廠的經(jīng)濟(jì)效益密切相關(guān)。

2、目前，稻米加工中整精米率的檢測(cè)是采用離線的方式，先從加工產(chǎn)線取樣后再由人工進(jìn)行檢測(cè)；這種傳統(tǒng)的整米、碎米檢測(cè)方法是以機(jī)械篩選和人工挑選相結(jié)合的方法，分選出樣品中的整米和碎米，并稱量質(zhì)量計(jì)算整米和碎米的含量。然而，傳統(tǒng)的人工目測(cè)和機(jī)械篩選方法用于大米整精米率檢測(cè)存在著一系列局限性；人工目測(cè)雖不受光照和粘連的影響，但是人眼識(shí)別存在主觀性，并且需要耗費(fèi)大量人力資源；機(jī)械篩選是通過裝備不同規(guī)格篩網(wǎng)的機(jī)器對(duì)稻米進(jìn)行分級(jí)篩選，這種方式不但會(huì)造成篩選過程中篩網(wǎng)對(duì)稻米的磨損，長(zhǎng)時(shí)間的運(yùn)作也會(huì)導(dǎo)致篩網(wǎng)的高成本消耗；因此，依靠人力和傳統(tǒng)機(jī)器檢測(cè)稻米品質(zhì)的方式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿足現(xiàn)有的需求，且存在效率低，成本高，稻谷浪費(fèi)嚴(yán)重的問題。

3、隨著信息技術(shù)的飛速發(fā)展和計(jì)算機(jī)的廣泛應(yīng)用，圖像分析技術(shù)已被應(yīng)用于多個(gè)學(xué)科，在農(nóng)作物領(lǐng)域也取得了很多突破性的進(jìn)展。利用計(jì)算機(jī)圖像處理技術(shù)對(duì)大米整精米和碎米進(jìn)行檢測(cè)分析，具有快速便捷、客觀性強(qiáng)、結(jié)果準(zhǔn)確等優(yōu)勢(shì)，不僅省時(shí)省力，還能準(zhǔn)確識(shí)別稻米的外觀特征，能夠避免人工方法的主觀性，并且能夠?qū)⒈O(jiān)測(cè)數(shù)據(jù)持久化，方便以后查詢、檢索，對(duì)于替代傳統(tǒng)檢測(cè)方法具有重大的現(xiàn)實(shí)意義。然而，該方法在對(duì)批量采集的大米圖像進(jìn)行檢測(cè)過程中，由于米粒位置的隨機(jī)性會(huì)導(dǎo)致米粒重疊或粘連在一起，造成對(duì)單個(gè)整粒米識(shí)別的困難，使得在后續(xù)計(jì)算米粒數(shù)目和整精米率指標(biāo)時(shí)出現(xiàn)錯(cuò)誤。

4、為了解決這一問題，某些檢測(cè)裝置采用了人工將大米事先分散平鋪在放置臺(tái)上，或者僅輸送單粒大米進(jìn)行大米外觀特征的圖像掃描；雖然該方法能夠快速提取每粒大米的特征參數(shù)，從而得到高精度的檢測(cè)，但是該方法無法適用于大批量大米樣品的整精米率檢測(cè)，難以滿足大米加工業(yè)的發(fā)展需求；為了能夠滿足發(fā)展需求，一些研究人員采用圖像分割的方法將粘連區(qū)域分割后再進(jìn)行后續(xù)的檢測(cè)分析，但是現(xiàn)有的粘連米粒分割方法只能應(yīng)對(duì)某一特定形狀顆粒的分割問題，而且當(dāng)粘連程度較大時(shí)，容易出現(xiàn)欠分割問題，即現(xiàn)有的粘連米粒分割算法難以適應(yīng)不規(guī)則米粒大小和形狀，常常產(chǎn)生錯(cuò)誤分割，導(dǎo)致整精米率誤差大，進(jìn)而造成糧食企業(yè)損失增加的問題。

5、另外，現(xiàn)有的整精米率檢測(cè)方法均是通過取樣離線檢測(cè)，存在檢測(cè)反饋滯后，效率低，耗時(shí)費(fèi)力，準(zhǔn)確性不足等問題，因此，急需能夠?qū)崿F(xiàn)整精米率在線實(shí)時(shí)精確檢測(cè)的方法。

技術(shù)實(shí)現(xiàn)思路

1、為此，本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中通過取樣離線檢測(cè)，存在檢測(cè)反饋滯后，效率低，耗時(shí)費(fèi)力，準(zhǔn)確性不足等問題；現(xiàn)有的粘連米粒分割算法難以適應(yīng)不規(guī)則米粒大小和形狀，出現(xiàn)錯(cuò)誤分割的現(xiàn)象，導(dǎo)致整精米率檢測(cè)誤差大，進(jìn)而造成糧食企業(yè)損失增加的問題。

2、為解決上述技術(shù)問題，本發(fā)明提供了一種基于機(jī)器視覺的整精米率在線檢測(cè)方法，包括：

3、獲取大米圖像的初始二值化圖像；根據(jù)初始二值化圖像中大米形狀特征，得到初始二值化圖像中各個(gè)特征參數(shù)后，輸入bp神經(jīng)網(wǎng)絡(luò)，篩選初始二值化圖像中的米粒粘連區(qū)域，得到待分割二值化圖像；

4、利用多重距離變換分水嶺分割方法，對(duì)待分割二值化圖像中的各個(gè)米粒粘連區(qū)域進(jìn)行分割，得到第一分割結(jié)果圖，包括：

5、對(duì)待分割二值化圖像進(jìn)行距離變換、歸一化、二值化處理，得到距離變換二值化圖像；

6、若距離變換二值化圖像中存在米粒粘連區(qū)域，則篩選距離變換二值化圖像中的各個(gè)米粒粘連區(qū)域，得到一次篩選圖；若距離變換后的一次篩選圖中存在米粒粘連區(qū)域，則篩選距離變換后的一次篩選圖中的各個(gè)米粒粘連區(qū)域，得到二次篩選圖；以此類推，直至得到的篩選圖經(jīng)過距離變換后不存在米粒粘連區(qū)域，將此時(shí)得到的篩選圖作為目標(biāo)圖像；基于距離變換二值化圖像和目標(biāo)圖像，確定距離變換二值化圖像的前景區(qū)域標(biāo)記，得到前景區(qū)域圖；

7、若距離變換二值化圖像中不存在米粒粘連區(qū)域，則基于距離變換二值化圖像，確定距離變換二值化圖像的前景區(qū)域標(biāo)記，得到前景區(qū)域圖；

8、利用所述前景區(qū)域圖結(jié)合待分割二值化圖像的背景區(qū)域標(biāo)記，確定前景區(qū)域邊界，得到完整標(biāo)記圖像；基于完整標(biāo)記圖像，通過分水嶺變換方法，得到第一分割結(jié)果圖；

9、利用最小外接矩形法，基于得到的分割結(jié)果圖，得到大米圖像中各個(gè)米粒長(zhǎng)度，從而計(jì)算得到大米圖像的整精米率。

10、優(yōu)選地，得到第一分割結(jié)果圖后還包括：

11、若第一分割結(jié)果圖中還存在米粒粘連區(qū)域，則利用角度限定凹點(diǎn)匹配分割方法，對(duì)第一分割結(jié)果圖中的米粒粘連區(qū)域進(jìn)行分割，得到第二分割結(jié)果圖作為最終分割結(jié)果圖，包括：

12、篩選第一分割結(jié)果圖中的米粒粘連區(qū)域，得到各個(gè)粘連區(qū)域圖像；采用橢圓結(jié)構(gòu)元素對(duì)當(dāng)前粘連區(qū)域圖像進(jìn)行閉運(yùn)算處理，得到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的粘連閉區(qū)域圖；利用canny算子，對(duì)當(dāng)前粘連閉區(qū)域圖中的粘連閉區(qū)域進(jìn)行邊緣檢測(cè)，得到當(dāng)前粘連閉區(qū)域的輪廓曲線；將當(dāng)前粘連區(qū)域圖像及其對(duì)應(yīng)的粘連閉區(qū)域圖做差運(yùn)算，得到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的凹區(qū)域圖；對(duì)當(dāng)前凹區(qū)域圖進(jìn)行骨架化操作，得到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的凹區(qū)域骨架化圖；找到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的凹區(qū)域骨架化圖中的所有端點(diǎn)，得到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的骨架端點(diǎn)圖；計(jì)算當(dāng)前骨架端點(diǎn)圖中的每一端點(diǎn)到當(dāng)前粘連閉區(qū)域的輪廓曲線的最短距離，將距離當(dāng)前粘連閉區(qū)域的輪廓曲線最遠(yuǎn)的端點(diǎn)作為待分割凹點(diǎn)，得到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的凹點(diǎn)提取圖；

13、若當(dāng)前凹點(diǎn)提取圖中凹點(diǎn)數(shù)量超過兩個(gè)，則以當(dāng)前凹點(diǎn)提取圖中任一凹點(diǎn)作為第一凹點(diǎn)，并以第一凹點(diǎn)為坐標(biāo)原點(diǎn)，建立坐標(biāo)系；分別計(jì)算第一凹點(diǎn)與其所在同一凹區(qū)域內(nèi)的第一骨架端點(diǎn)、第二骨架端點(diǎn)之間的斜率值后，分別計(jì)算第一骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向之間的夾角、第二骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向之間的夾角，得到第一凹點(diǎn)的限定夾角范圍；選取當(dāng)前凹點(diǎn)提取圖中除了第一凹點(diǎn)以外的任一凹點(diǎn)作為第二凹點(diǎn)；若第二凹點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向之間的夾角在第一凹點(diǎn)的限定夾角范圍內(nèi)，且第二凹點(diǎn)與第一凹點(diǎn)之間的距離最短，則判定第二凹點(diǎn)與第一凹點(diǎn)匹配成功，得到第一凹點(diǎn)對(duì)應(yīng)的待分割凹點(diǎn)對(duì)，并將第一凹點(diǎn)對(duì)應(yīng)的待分割凹點(diǎn)對(duì)相連；若第二凹點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向之間的夾角不在第一凹點(diǎn)的限定夾角范圍內(nèi)，則判定第二凹點(diǎn)與第一凹點(diǎn)匹配失??；依次得到各個(gè)凹點(diǎn)對(duì)應(yīng)的待分割凹點(diǎn)對(duì)，并將各個(gè)凹點(diǎn)對(duì)應(yīng)的待分割凹點(diǎn)對(duì)相連，得到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的分割圖像；其中，經(jīng)過第一凹點(diǎn)的任一連線的方向?yàn)閺娜我还羌芏它c(diǎn)/任一凹點(diǎn)指向第一凹點(diǎn)；任一夾角為任一連線正向與坐標(biāo)系y軸正向的夾角；

14、若當(dāng)前凹點(diǎn)提取圖中凹點(diǎn)數(shù)量等于2時(shí)，則將當(dāng)前凹點(diǎn)提取圖中的兩個(gè)凹點(diǎn)進(jìn)行配對(duì)、連接，得到當(dāng)前粘連區(qū)域圖像對(duì)應(yīng)的分割圖像；

15、依次對(duì)各個(gè)粘連區(qū)域圖像進(jìn)行分割，得到各個(gè)粘連區(qū)域圖像對(duì)應(yīng)的分割圖像；基于各個(gè)粘連區(qū)域圖像對(duì)應(yīng)的分割圖像，得到第二分割結(jié)果圖作為最終分割結(jié)果。

16、優(yōu)選地，所述以當(dāng)前凹點(diǎn)提取圖中任一凹點(diǎn)作為第一凹點(diǎn)，并以第一凹點(diǎn)為坐標(biāo)原點(diǎn)，建立坐標(biāo)系；分別計(jì)算第一凹點(diǎn)與其所在同一凹區(qū)域內(nèi)的第一骨架端點(diǎn)、第二骨架端點(diǎn)之間的斜率值包括：

17、以當(dāng)前凹點(diǎn)提取圖中任一凹點(diǎn)作為第一凹點(diǎn)，并以第一凹點(diǎn)為坐標(biāo)原點(diǎn)，建立坐標(biāo)系；其中，所述第一凹點(diǎn)的坐標(biāo)為(0,0)；

18、基于當(dāng)前坐標(biāo)系，預(yù)設(shè)第一骨架端點(diǎn)的坐標(biāo)為(x1,y1)，第二骨架端點(diǎn)的坐標(biāo)為(x2,y2)；其中，所述第一骨架端點(diǎn)、第二骨架端點(diǎn)為與第一凹點(diǎn)在同一凹區(qū)域內(nèi)的兩個(gè)骨架端點(diǎn)；

19、基于第一凹點(diǎn)的坐標(biāo)、第一骨架端點(diǎn)的坐標(biāo)，計(jì)算第一凹點(diǎn)與其所在同一區(qū)域內(nèi)的第一骨架端點(diǎn)的斜率值k1，其表達(dá)式為：k1＝y(tǒng)1/x1；

20、基于第一凹點(diǎn)的坐標(biāo)、第二骨架端點(diǎn)的坐標(biāo)，計(jì)算第一凹點(diǎn)與其所在同一區(qū)域內(nèi)的第二骨架端點(diǎn)的斜率值k2，其表達(dá)式為：k2＝y(tǒng)2/x2。

21、優(yōu)選地，所述基于第一凹點(diǎn)與其所在同一凹區(qū)域內(nèi)的第一骨架端點(diǎn)、第二骨架端點(diǎn)之間的斜率值，分別計(jì)算第一骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向的夾角、第二骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向的夾角，得到第一凹點(diǎn)的限定夾角范圍包括：

22、基于第一凹點(diǎn)與其所在同一凹區(qū)域內(nèi)的第一骨架端點(diǎn)之間的斜率值k1，計(jì)算第一骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向的夾角θ1，其表達(dá)式為：θ1＝arctank1-π；

23、基于第一凹點(diǎn)與其所在同一凹區(qū)域內(nèi)的第二骨架端點(diǎn)之間的斜率值k2，計(jì)算第二骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向的夾角θ2，其表達(dá)式為：θ2＝arctank2-π；

24、基于第一骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向的夾角θ1、第二骨架端點(diǎn)和第一凹點(diǎn)的連線與坐標(biāo)系y軸正向的夾角θ2，得到第一凹點(diǎn)的限定夾角范圍為[θ1,θ2]；其中，預(yù)設(shè)θ1<θ2。

25、優(yōu)選地，所述大米形狀特征包括：米粒粘連區(qū)域的面積、周長(zhǎng)、長(zhǎng)寬比、圓形度和凸包度，以及米粒非粘連區(qū)域的面積、周長(zhǎng)、長(zhǎng)寬比、圓形度和凸包度；所述特征參數(shù)包括：米粒粘連區(qū)域與米粒非粘連區(qū)域之間的面積比、周長(zhǎng)比、形狀因子和凹陷距離比。

26、優(yōu)選地，所述計(jì)算得到大米圖像的整精米率包括：

27、基于初始二值圖像的圖像大小、初始二值圖像中每個(gè)米粒的像素大小，計(jì)算大米圖像中每個(gè)米粒的面積，其表達(dá)式為：

28、

29、其中，sn表示大米圖像中第n個(gè)米粒的面積；hn(in,jn)表示大米圖像中第n個(gè)米粒的像素大??；m×n表示初始二值圖像的圖像大小；

30、基于大米圖像中每個(gè)米粒的面積，計(jì)算大米圖像中所有米粒的面積，其表達(dá)式為：sall＝∑n＝1sn；

31、根據(jù)大米圖像中所有米粒的面積、大米圖像中所有整精米粒的面積，計(jì)算得到大米圖像的整精米率p，其表達(dá)式為：

32、

33、其中，sw表示大米圖像中所有整精米粒的面積。

34、優(yōu)選地，所述獲取大米圖像，對(duì)大米圖像進(jìn)行預(yù)處理，得到初始二值化圖像包括：

35、利用gamma變換，對(duì)灰度化處理后的大米圖像進(jìn)行圖像增強(qiáng)，得到增強(qiáng)灰度大米圖像；采用最大類間方差法，對(duì)增強(qiáng)大米圖像進(jìn)行二值化處理，將增強(qiáng)灰度大米圖像中的各個(gè)米粒的輪廓與背景分離，得到二值化后的灰度大米圖像；對(duì)二值化后的灰度大米圖像進(jìn)行去噪操作，得到初始二值化圖像。

36、本發(fā)明還提供了一種基于機(jī)器視覺的整精米率在線檢測(cè)系統(tǒng)，包括：

37、圖像采集裝置，用于獲取大米圖像，包括：

38、載物臺(tái)，其裝配有載物平臺(tái)和載物支架；

39、工業(yè)相機(jī)，其安裝于載物支架的頂端，其裝配有工業(yè)鏡頭，用于拍攝載物平臺(tái)中的大米，得到大米圖像；

40、光源設(shè)備，其安裝于載物支架上，且位于載物平臺(tái)與工業(yè)相機(jī)之間，用于照亮載物平臺(tái)；

41、光源控制器，其與光源設(shè)備連接，用于控制光源設(shè)備中光源的亮度；

42、圖像處理裝置，用于處理大米圖像并顯示大米圖像的整精米率，包括：

43、處理器，其與圖像采集裝置中的工業(yè)相機(jī)通過通信連接；所述處理器用于接收大米圖像，執(zhí)行上述所述的一種基于機(jī)器視覺的整精米率在線檢測(cè)方法，得到大米圖像的整精米率；

44、顯示屏，其與處理器通過接口連接，用于顯示大米圖像的整精米率；

45、控制設(shè)備，其與圖像處理裝置中的處理器連接；所述控制設(shè)備用于對(duì)整精米粒進(jìn)行在線檢測(cè)和閉環(huán)控制。

46、優(yōu)選地，所述處理器為計(jì)算機(jī)或者樹莓派操作設(shè)備。

47、優(yōu)選地，所述控制設(shè)備與所述處理器通過串口或者網(wǎng)口或者無線方式連接。

48、本發(fā)明的上述技術(shù)方案相比現(xiàn)有技術(shù)具有以下有益效果：

49、(1)本發(fā)明所述的一種基于機(jī)器視覺的整精米率在線檢測(cè)方法，根據(jù)粘連大米與單粒大米的外觀特征差異，通過分析和測(cè)量大米圖像中每個(gè)連通區(qū)域的周長(zhǎng)比、形狀因子、面積比和凹缺陷距離等特征參數(shù)，構(gòu)建了特征向量，并利用這些特征向量訓(xùn)練bp神經(jīng)網(wǎng)絡(luò)；將訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)對(duì)初始化二值圖像中的每個(gè)輪廓區(qū)域進(jìn)行智能化粘連篩選，便于后續(xù)對(duì)于粘連區(qū)域的分割，且相對(duì)于單參數(shù)閾值判別方法，提高了粘連區(qū)域的識(shí)別精度，從而提高了分割精度和效率；設(shè)計(jì)多重距離變換分水嶺分割方法，對(duì)待分割二值化圖像依次進(jìn)行多次的距離變化和篩選操作，直至待分割二值化圖像中的所有粘連區(qū)域都被成功分開，這樣可以增加粘連區(qū)域起始點(diǎn)的數(shù)量，提高分割的準(zhǔn)確性；同時(shí)，解決了現(xiàn)有的粘連米粒分割算法難以適應(yīng)不規(guī)則米粒大小和形狀，出現(xiàn)錯(cuò)誤分割的問題；同時(shí)，在圖像處理的基礎(chǔ)上采用面積比的方法對(duì)經(jīng)過粘連分割算法處理后的大米圖像進(jìn)行整精米率的計(jì)算與分析；

50、(2)本發(fā)明所述的一種基于機(jī)器視覺的整精米率在線檢測(cè)方法，在多重距離變換分水嶺分割方法對(duì)待分割二值化圖像分割完成，得到第一分割結(jié)果圖的基礎(chǔ)上，若第一分割結(jié)果圖中還存在米粒粘連區(qū)域，則利用設(shè)計(jì)的角度限定凹點(diǎn)匹配分割方法對(duì)第一分割結(jié)果圖進(jìn)行分割操作，通過識(shí)別和匹配第一分割結(jié)果圖中粘連區(qū)域?qū)?yīng)的凹點(diǎn)，實(shí)現(xiàn)對(duì)各個(gè)粘連區(qū)域的精準(zhǔn)分割，提高了整體分割的準(zhǔn)確率；融合多重距離變換分水嶺和角度限定凹點(diǎn)匹配的分割方法，對(duì)篩選出的粘連區(qū)域進(jìn)行高效分割，使得粘連大米能夠被準(zhǔn)確地分割為單粒大米，同時(shí)保證大米的形狀和尺寸不受影響，兼顧了分割效果和執(zhí)行效率，提高了整精米率檢測(cè)的精度；融合多重距離變換分水嶺和角度限定凹點(diǎn)匹配的分割方法進(jìn)一步解決了由于米粒大小形狀不一，粘連程度大不相同，導(dǎo)致單一分割算法易出現(xiàn)的嚴(yán)重的錯(cuò)誤分割，使得后續(xù)大米的外觀參數(shù)及整精米率的計(jì)算出現(xiàn)嚴(yán)重誤差的問題，在提高分割的準(zhǔn)確率的同時(shí)，也不改變?cè)忻琢Ｐ螤畲笮?，相較于單一的分割方法更具有適用性，進(jìn)一步提高了分割的準(zhǔn)確率，便于后續(xù)對(duì)單粒大米特征參數(shù)的測(cè)量；

51、(3)本發(fā)明所述的一種基于機(jī)器視覺的整精米率在線檢測(cè)系統(tǒng)，將粘連區(qū)域智能篩選的神經(jīng)網(wǎng)絡(luò)模型、融合多重距離變換分水嶺和角度限定凹點(diǎn)匹配的分割方法、基于面積方法的整精米率計(jì)算方法都部署在處理器的硬件上，同時(shí)可將檢測(cè)的整精米率實(shí)時(shí)在顯示器的屏幕上顯示，也可以通過串口、網(wǎng)口以及無線方式輸出至控制設(shè)備，從而實(shí)現(xiàn)了在線檢測(cè)，加快了檢測(cè)速度，提高了生產(chǎn)效率，降低了稻米加工損失；另外，該系統(tǒng)可以由加工企業(yè)單獨(dú)部署在現(xiàn)有產(chǎn)線上，也可以將該系統(tǒng)集成至碾米機(jī)控制系統(tǒng)中，構(gòu)建智能化的稻米加工產(chǎn)線。