基於機器視覺的食品品種檢測方法及系統的製作方法
2023-04-23 23:57:41 2
基於機器視覺的食品品種檢測方法及系統的製作方法
【專利摘要】本發明公開了一種基於機器視覺的食品品種檢測方法及系統，所述方法包括以下步驟：S1，通過CCD圖像採集模塊採集被測食品圖像信息；S2，對被測食品圖像信息進行預處理；S3，提取被測食品的圖像特徵；S4，將提取的被測食品圖像特徵與資料庫中存儲的標準圖像特徵進行對比，確定被測食品品種。本發明能夠快速、準確地檢測出食品的品種，特別是沒有外包裝的食品，還能減少人力資源成本。
【專利說明】基於機器視覺的食品品種檢測方法及系統
【技術領域】
[0001]本發明涉及一種基於機器視覺的食品品種檢測方法及系統，屬於食品檢測【技術領域】。
【背景技術】
[0002]隨著生活水平的不斷提高，生活節奏越來越快，外賣食品也越來越受到顧客的廣泛歡迎。購買食品時，通過掃碼器掃描食品外包裝上的條形碼或二維碼，來獲得食品品種等信息。而對於麵包、壽司之類的食品，在顧客選購時，往往沒有外包裝包裹，因而沒有貼條形碼或二維碼的位置；在付款時，很難得知該食品的品種，只能通過人為辨別外觀來判斷食品品種，從而確定價格。由於食品種類繁多，或者售貨員的失誤，容易導致對食品品種的錯誤判斷，影響購買效率，甚至會對顧客或銷售者的利益造成損害。
【發明內容】
[0003]本發明的目的在於，提供一種基於機器視覺的食品品種檢測方法及系統，能夠快速、準確地檢測出沒有外包裝的食品的品種。
[0004]為解決上述技術問題，本發明採用如下的技術方案:
[0005]一種基於機器視覺的食品品種檢測方法，包括以下步驟:
[0006]SI，通過CXD圖像採集模塊採集被測食品圖像信息；
[0007]S2，對被測食品圖像信息進行預處理；
[0008]S3，提取被測食品的圖像特徵；
[0009]S4，將提取的被測食品圖像特徵與資料庫中存儲的標準圖像特徵進行對比，確定被測食品品種。
[0010]前述的基於機器視覺的食品品種檢測方法中，步驟S2包括:
[0011]S21，進行形態學運算(如選擇膨脹、腐蝕、開閉運算)，通過一定形態結構元素度量和提取圖像中對應形狀來簡化圖像數據，除去不相干元素，保持被測食品圖像的基本形狀與特徵；
[0012]S22，選擇線性銳化濾波運算對被測食品圖像進行去噪，刪除來自外部和內部幹擾的噪音點；
[0013]S23，對圖像獨立的像素點進行處理，使每個灰度對象對應一個灰度級，並通過改變原始數據灰度範圍使被測食品圖像實現白平衡校正。
[0014]前述的基於機器視覺的食品品種檢測方法中，步驟S3包括:
[0015]S31，根據被測食品圖像與背景的差異，採用最大類間方差法對圖像進行閾值分割，提取被測食品圖像輪廓，獲取被測食品的尺寸信息；
[0016]S32，提取被測食品RGB各層灰度直方圖，統計提取的被測食品輪廓圖像的RGB各層中每一個灰度級像素比例，即輪廓圖像中各級灰度出現的頻率；
[0017]S33，將RGB圖像轉換為HSV圖像，
【權利要求】
1.一種基於機器視覺的食品品種檢測方法，其特徵在於，包括以下步驟: SI，通過CXD圖像採集模塊採集被測食品圖像信息； S2，對被測食品圖像信息進行預處理； S3，提取被測食品的圖像特徵； S4，將提取的被測食品圖像特徵與資料庫中存儲的標準圖像特徵進行對比，確定被測食品品種。
2.根據權利要求1所述的基於機器視覺的食品品種檢測方法，其特徵在於，步驟S2包括: S21，進行形態學運算，通過一定形態結構元素度量和提取圖像中對應形狀來簡化圖像數據，除去不相干元素，保持被測食品圖像的基本形狀與特徵； S22，選擇線性銳化濾波運算對被測食品圖像進行去噪，刪除來自外部和內部幹擾的噪音點； S23,對圖像獨立的像素點進行處理，使每個灰度對象對應一個灰度級,並通過改變原始數據灰度範圍使被測食品圖像實現白平衡校正。
3.根據權利要求1所述的基於機器視覺的食品品種檢測方法，其特徵在於，步驟S3包括: S31，根據被測食品圖像與背景的差異，採用最大類間方差法對圖像進行閾值分割，提取被測食品圖像輪廓，獲取被測食品的尺寸信息； S32，提取被測食品RGB各層灰度直方圖，統計提取的被測食品輪廓圖像的RGB各層中每一個灰度級像素比例，即輪廓圖像中各級灰度出現的頻率； S33，將RGB圖像轉換為HSV圖像，
4.根據權利要求3所述的基於機器視覺的食品品種檢測方法，其特徵在於，步驟S33中的量化色相、飽和度和亮度參數具體為: (I)將色相劃分為紅、橙、黃、綠、青、藍、紫、品紅8個等級，具體為:
5.根據權利要求1或4所述的基於機器視覺的食品品種檢測方法，其特徵在於，步驟S4包括:S41，將被測食品圖像灰度直方圖與資料庫中的標準圖像灰度直方圖進行比較，計算灰度直方圖差值h，
6.實現權利要求1~5任意一項所述方法的基於機器視覺的食品品種檢測系統，其特徵在於，包括: CCD圖像採集模塊(1)，用於採集被測食品圖像信息； 圖像預處理模塊(2)，用於對採集的被測食品圖像信息進行預處理； 圖像特徵提取模塊(3 )，用於提取被測食品的圖像特徵； 標準圖像特徵資料庫(4)，用於存儲食品的標準圖像特徵信息； 及圖像特徵比較模塊(5)，用於將提取的被測食品的圖像特徵與資料庫中存儲的標準圖像特徵進行對比，確定食品品種。
7.根據權利要求6所述的基於機器視覺的食品品種檢測系統，其特徵在於，圖像預處理模塊(2)包括: 形態學運算模塊(6)，用於進行形態學運算，通過一定形態結構元素度量和提取圖像中對應形狀來簡化圖像數據，除去不相干元素，保持被測食品圖像的基本形狀與特徵； 濾波去噪模塊(7)，用於選擇線性銳化濾波運算對被測食品圖像進行去噪，刪除來自外部和內部幹擾的噪音點； 及白平衡校正模塊(8)，用於對圖像獨立的像素點進行處理，使每個灰度對象對應一個灰度級，並通過改變原始數據灰度範圍使被測食品圖像實現白平衡校正。
8.根據權利要求6所述的基於機器視覺的食品品種檢測系統，其特徵在於，圖像特徵提取模塊(3)包括: 圖像輪廓提取模塊(9)，用於根據被測食品圖像與背景的差異，採用最大類間方差法對圖像進行閾值分割，提取被測食品圖像輪廓，獲取被測食品的尺寸信息；灰度直方圖提取模塊(10)，用於提取被測食品RGB各層灰度直方圖，統計提取的被測食品輪廓圖像的RGB各層中每一個灰度級像素比例，即輪廓圖像中各級灰度出現的頻率；及HSV圖像特徵比例提取模塊(11 )，用於提取被測食品HSV圖像的色相、飽和度和亮度信息，量化這些參數信息，並計算量化參數的比例。
9.根據權利要求6所述的基於機器視覺的食品品種檢測系統，其特徵在於，圖像特徵比較模塊(5)包括: 灰度直方圖比較模塊(12)，用於將被測食品圖像灰度直方圖與資料庫中的標準圖像灰度直方圖進行比較，並對灰度直方圖差值進行排序，差值越小，其優先級越高； HSV圖像色相比較模塊(13)，用於將被測食品圖像各色相值與資料庫中的標準圖像色相值進行比較，並對色相差值進行排序，差值越小，其優先級越高； 索引值比較模塊(14)，用於按照優先級順序，依次比較灰度直方圖差值對應的索引值與HSV圖像色相差值對應的索引值是否相同； 索引輸出模塊(15)，用於輸出該標準圖像在資料庫中的索引並結束比較。
10.根據權利要求9所述的基於機器視覺的食品品種檢測系統，其特徵在於，圖像特徵比較模塊(5)還包括: 差值比較模塊(16)，用於當被測食品圖像灰度直方圖差值對應的索引值與HSV圖像色相差值對應的索引值不相同時，比較兩個索引值對應的HSV圖像特徵差值大小，較小值對應的索引為被測食品的標準圖像，轉到索引輸出模塊(15)輸出該標準圖像在資料庫中的索引 ; 比較範圍重置模塊(17)，用於當不能找出被測食品圖像灰度直方圖差值對應的索引值和HSV圖像特徵差值對應的索引值或者任意一個對應的索引值時，就提高HSV圖像特徵值比較範圍，轉到索引值比較模塊(14)繼續比較。
【文檔編號】G01N21/84GK103914708SQ201410038701
【公開日】2014年7月9日 申請日期:2014年1月26日 優先權日:2014年1月26日
【發明者】馮平, 程濤, 徐剛, 孫高磊, 王燕燕 申請人:馮平, 程濤, 徐剛, 孫高磊, 王燕燕