一種快速精準識別對蝦圖像蝦頭點與蝦尾點的方法與流程
2024-01-23 13:42:15
本發明涉及了一種快速精準識別對蝦圖像蝦頭點與蝦尾點的方法,屬於機器視覺範疇,適合於基於機器視覺技術對蝦在線分選分級的系統研發。
背景技術:
:經檢索,文獻《AnEfficientShapeAnalysisMethodforShrimpQualityEvaluation》提出了TADA輪廓分析法用於蝦仁完整性檢測,該方法通過等間隔提取蝦仁輪廓上的點,然後計算所提取的點對應的轉角,該方法通過相機獲取蝦的整體圖想,在由圖像預處理得到蝦體的輪廓,通過任意取一點為初始點,順時針等間隔取點,將輪廓點進行約減,而後計算各提取點對應的轉角。現有公開號為CN103801520A的發明專利提供一種蝦的自動精選分級裝置,包括上料系統、分選通道、採圖系統、分級系統和圖像處理系統;其中採圖系統用於採集原料蝦的圖像;分級系統包括與單列化通道對應的噴氣嘴,該噴氣嘴受控於圖像處理系統,用於吹動蝦體進入不同的接料槽;圖像處理系統用於分析圖像,對每個蝦體的圖像分級處理,根據分級結果,並發出控制分級系統的信號。對蝦的完整性檢測是基於機器視覺技術對蝦的快速分選工藝中的重要環節,對蝦的蝦頭點與蝦尾點識別又是判斷對蝦完整性的關鍵,如果對蝦的蝦頭點以及蝦尾點識別不準確,就會造成對對蝦完整性的誤判,進而通過後續的剔除機構將誤判的對蝦剔除,進而降低整個機器的正確識別率,這樣即便做到對蝦的高速分選分級,卻無法保證高效率識別,也是不合格的。技術實現要素:為基於機器視覺技術對蝦在線快速分選分級過程中的對蝦完整性判別這一關鍵環節,本發明提供了一種快速精準識別對蝦圖像蝦頭點與蝦尾點的方法,通過夾角輪廓分析等技術手段高效簡潔地實現了對蝦圖像的精準識別,為後續對蝦的完整性判別提供了方便快捷的手段。如圖1所示,本發明的具體技術方案如下:(1)在線採集對蝦彩色圖像,經過圖像預處理獲得對蝦的初始輪廓及初始輪廓上的各個輪廓點;所述的對蝦彩色圖像為包含有完整對蝦並且光照均勻、白色背景的圖片。所述步驟(1)圖像預處理是:選用R通道對對蝦彩色圖像進行中值濾波以及形態學開操作,將對蝦目標從圖像背景中分割出來形成二值圖,再採用Canny算法提取對蝦目標邊緣,進而得到對蝦的初始輪廓及初始輪廓上的各個輪廓點。(2)對初始輪廓進行多邊形逼近從而將初始輪廓的輪廓點個數進行約減,約減後的輪廓點形成點集S1;所述步驟(2)多邊形逼近是採用Opencv中cvApproxPoly算子多次迭代進行逼近,逼近達到精度閾值後獲得得到點集S1。通過多次實驗探索發現精度閾值設為6識別精度最好。(3)對步驟(2)多邊形逼近後的輪廓進行凸包檢測,使得位於對蝦腹部的輪廓點從點集S1中去除,形成點集S2;所述步驟(3)凸包檢測是對點集S1構成的輪廓處理獲得最小凸多形,最小凸多形中的各角點和點集S1中的各輪廓點相同的均保留形成點集S2,從而將位於對蝦腹部的輪廓點去除。(4)對步驟(2)多邊形逼近後的輪廓進行夾角輪廓分析,獲得符合要求的輪廓點,形成點集S3;所述步驟(4)夾角輪廓分析原理圖如圖6所示,具體是遍歷點集S1中各輪廓點,計算每個輪廓點分別與其相鄰兩輪廓點之間夾角的餘弦值,即求取點集S1中任意一點與相鄰兩點之間的夾角,設點集S1第i個輪廓點的坐標為Pi(xi,yi),xi,yi分別表示輪廓點的在圖像中的橫縱坐標,則餘弦值計算為:其中,為第i點與第i-1點構成的向量,為第i點與第i+1點構成的向量,θi為向量與向量的夾角,即第i點對應的夾角。並將餘弦值與夾角閾值進行比較,保留所有餘弦值小於夾角閾值的輪廓點,形成點集S3。優選的,本發明通過實驗多次探索設置夾角閾值為-0.40,從而能將符合要求的輪廓點保存在點集S3中。(5)求取點集S2與點集S3的交集得到點集S4,點集S4中的輪廓點作為對蝦蝦頭點與蝦尾點。本發明的有益效果是:本發明能夠快速有效地提取到對蝦圖像中的蝦頭點與蝦尾點,能夠實現對蝦圖像中蝦頭點與蝦尾點的精準識別,正確識別率高,為後續對蝦的完整性判別提供了方便快捷的手段。附圖說明圖1本發明的原理框圖;圖2是實施例動態採集的對蝦彩色圖像;圖3是實施例對蝦預處理之後的初始輪廓;圖4是實施例點集S1構成的分布圖;圖5是實施例點集S2構成的分布圖;圖6是本發明實施例的夾角輪廓分析圖;圖7是實施例點集S3構成的分布圖;圖8是實施例點集S4構成的分布圖;圖9是實施例點集S4標記到初始輪廓分布圖。具體實施方式下面結合附圖和實施例對本發明作進一步說明。本發明實施例如下:試驗對象:對蝦,採自某水產市場。試驗實施:1、將電腦、光源和工業相機打開,將工業相機的幀率設置在30fps,將增益設置在17.22dB,將曝光設置在1/41667sec,將程序輪廓提取的閾值設置在60,將電機打開,帶動輸送帶轉動,將輸送帶的速度設置在0.67m/s然後將對蝦放在輸送帶上;當對蝦進入相機視場時進行拍照,獲得如圖2所示的對蝦彩色圖像並保存圖像至硬碟上;2、所有對蝦圖像採集完後,對圖像進行預處理,通過分離得到彩色圖像的B通道灰度圖,利用中值濾波,形態學開操作,可以很好地將對蝦從背景中分離出來,並獲得較為平滑的初始輪廓,如圖3所示;3、對初始輪廓進行多邊形逼近,將多邊形逼近的精度設置為6,從而將初始輪廓點個數進行約減,形成點集S1,如圖4所示;4、對多邊形逼近後的輪廓進行凸包檢測,可以有效地將對蝦腹部的輪廓點進行去除,並將凸包檢測得到的最小凸多邊形的各個頂點存放在點集S2,如圖5所示;5、對多邊形逼近後的輪廓進行夾角輪廓分析,如圖6所示,從而將符合要求的輪廓點進行保留,形成點集S3,如圖7所示;6、求取點集S2與點集S3的交集,最終得到點集S4,如圖8所示。從而確定了對蝦蝦頭點與蝦尾點。7、將點集S4內的點標記到初始輪廓,如圖9所示。實驗通過在線採集268幅完整對蝦圖片,採用本文所提的夾角輪廓分析法通過對比現有技術TADA輪廓分析法,得到的對蝦蝦頭點與蝦尾點的識別準確率如表1所示:表1對蝦圖片蝦頭點與蝦尾點識別準確率一覽表方法夾角輪廓分析法TADA分析法識別準確率98.9%91.8%通過對比可知,本發明方法具有其突出顯著的技術效果,能夠大幅度有效地提高對蝦圖片蝦頭點與蝦尾點的識別準確率,為後續對蝦的完整性判別提供了方便快捷的手段。當前第1頁1 2 3