基于特征提取的西瓜子自动分捡系统的设计与实现.docxVIP

基于特征提取的西瓜子自动分捡系统的设计与实现 0 基于原理的子等平滑体的分拾算法 近年来，图像识别广泛应用于各个领域，并越来越多地用于识别、分类和评估微块，如工业中的螺丝钉、农业中的谷物质量、水果分类等。然而,对西瓜子等扁平状颗粒体的分捡研究,目前在国内外尚未见报道。西瓜子作为扁平颗粒体有其自身的特点:体积小、形状不规则、表面不光滑且色泽不均匀,分捡困难。但是,现有的人工分捡方式效率低下、误选率高,因此,利用计算机视觉控制机械设备进行瓜子分捡有着广阔的市场。 本课题以西瓜子为研究对象,通过对其本身特点的分析研究设计了一系列特征值提取算法,提取了可用于合格判定的核心指标,成功实现了西瓜子的分捡工作。这些算法具有一定的通用性,也可应用于其它类似领域物质的分捡、定级工作。 1 系统设计 1.1 不同类型的沿线 本课题的实验对象为普通西瓜子,经过分析归纳,在一批统货中共有:特级瓜子、烂瓜子、白片、弯翘、黑瓜子、瓦瓣、花斑、半瓣头、白皮等九种不同类型的瓜子,如图1所示(按从左到右顺序排列)。本系统设计目标是通过计算机对图像进行处理、分析,根据提取的特征值层层筛选,最终分捡出优质特级瓜子。 1.2 图像预处理 本系统包括硬件系统与软件系统两部分,软件系统设计流程如图2所示,先将西瓜子规范为N×N瓜子点阵,然后对拍摄到的图像进行去噪、灰度转换、二值化、提取轮廓等预处理,根据瓜子点阵大小将图像均分,使每幅小图像对应一颗西瓜子图像,计算出每颗西瓜子的各项特征值,将计算的结果与合格西瓜子的各项指标逐项比对,确定出合格瓜子,标记其所在位置,最后由机械设备根据标记的位置实施分捡。 2 提取和确定特征值 2.1 理想图像的获取 用CCD摄像头拍摄N×N瓜子点阵图像,采用加权平均值法将拍摄到的24-bit彩色图像转化成8-bit灰度图,并同时保留24-bit彩色图像副本。加权平均值法公式为:R=G=B=(WRR+WGG+WBB)/3,其中,WR,WG,WB分别是R,G,B的权值。实验证明:当WR=0.299,WG=0.587,WB=0.114时,可获取理想的灰度图像。 对8-bit灰度图进行二值化处理,存储处理后的像素值,由于图像中对象与背景区别明显,用全局阈值分割算法即可得到较理想的处理效果。 求解西瓜子的长短轴、面积大小等特征值,必须提取西瓜子图像的轮廓,本文采用以Sobel算子法为基础,将构造阈值和轮廓提取相结合的图像轮廓提取方法。 2.2 西瓜子表面参数提取 特征值提取是本软件系统最核心的部分,特征值提取的精度会直接影响到判定的正确性,也是分捡的基础。本研究根据西瓜子本身的特点设计了正交长短轴长度及长宽比提取算法、面积提取算法、表面花纹连通度提取算法、表面黑色区域覆盖度判定算法、直方图灰度分布差异特征值提取算法。下面给出这些算法的设计思想或实现步骤,所有算法均以图像已进行预处理及整图切割为实现基础。 2.2.1 求解短轴求解算法 正交长短轴及长宽比是衡量西瓜子尺寸的重要指标,三者定义如下:长轴为在物体图像轮廓上相距最远的两点连线,此两点间距离长度即为长轴长度;短轴为所有与长轴垂直的直线在物体图像轮廓上所截得的线段中长度最大的线段,其长度即为短轴长度;长宽比为长轴长度与短轴长度之比。为提高效率和求解精度,设计了新的正交长短轴求解算法: (1) 以切割后产生的小图像中心为原点建立正交直角坐标系。 (2)x轴,y轴,y=x,y=-x四条直线将图像分为八个部分,按顺时针方向依次求得长轴长度及两端点坐标T(x1,y1)、B(x2,y2)。 (3) 据坐标变换公式x1=x×cosθ-y×sinθ,y1=x×sinθ+y×cosθ, 进行坐标变换,使长轴与y轴重合。 (4) 分别求取图像两侧到y轴距离最大的点坐标L(x3,y3)、R(x4,y4)。 (5) 在T、B、L、R四点围成的矩形中扫描,求得短轴长度。 (6) 用长轴短轴长度之比得出长宽比。 实验证明,求解长轴算法要进行5n2/16+2n+56次运算,普通算法要进行n(n-1)/2次运算,当图像轮廓上的像素点大于25时,算法减少了运算次数,提高了运算效率,并且求解结果更加真实准确。 2.2.2 图像区域面积的测定 分捡过程中,依据西瓜子面积大小可以过滤掉个体较小的瓜子,为此,设计了边界跟踪和区域生长相结合的提取方法。使用曲线跟踪提取图像轮廓,然后利用基于区域灰度差准则进行区域生长,将整个轮廓内部用黑色像素点填充。 数字图像中像素点被看作为单位边长的小正方网格的中心,因此区域面积等于区域内像素点所代表的小单位正方形的面积之和,即区域面积可用区域中的像素点数来衡量。经过上述处理,瓜子区域内部黑点分布均匀,与背景色区别明显,可方便地计算出瓜子的面积。 2.2.3 不同的白片、等级 通过对大量实物的观察分析及