国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于機器視覺的食品品種檢測方法及系統(tǒng)的制作方法

      文檔序號:6217416閱讀:169來源:國知局
      基于機器視覺的食品品種檢測方法及系統(tǒng)的制作方法
      【專利摘要】本發(fā)明公開了一種基于機器視覺的食品品種檢測方法及系統(tǒng),所述方法包括以下步驟:S1,通過CCD圖像采集模塊采集被測食品圖像信息;S2,對被測食品圖像信息進行預(yù)處理;S3,提取被測食品的圖像特征;S4,將提取的被測食品圖像特征與數(shù)據(jù)庫中存儲的標準圖像特征進行對比,確定被測食品品種。本發(fā)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】基于機器視覺的食品品種檢測方法及系統(tǒng)
      【技術(shù)領(lǐng)域】
      [0001]本發(fā)明涉及一種基于機器視覺的食品品種檢測方法及系統(tǒng),屬于食品檢測【技術(shù)領(lǐng)域】。
      【背景技術(shù)】
      [0002]隨著生活水平的不斷提高,生活節(jié)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。而對于面包、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。由于食品種類繁多,或者售貨員的失誤,容易導(dǎo)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(fā)明內(nèi)容】

      [0003]本發(fā)明的目的在于,提供一種基于機器視覺的食品品種檢測方法及系統(tǒng),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(shù)問題,本發(fā)明采用如下的技術(shù)方案:
      [0005]一種基于機器視覺的食品品種檢測方法,包括以下步驟:
      [0006]SI,通過CXD圖像采集模塊采集被測食品圖像信息;
      [0007]S2,對被測食品圖像信息進行預(yù)處理;
      [0008]S3,提取被測食品的圖像特征;
      [0009]S4,將提取的被測食品圖像特征與數(shù)據(jù)庫中存儲的標準圖像特征進行對比,確定被測食品品種。
      [0010]前述的基于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(tài)學運算(如選擇膨脹、腐蝕、開閉運算),通過一定形態(tài)結(jié)構(gòu)元素度量和提取圖像中對應(yīng)形狀來簡化圖像數(shù)據(jù),除去不相干元素,保持被測食品圖像的基本形狀與特征;
      [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(nèi)部干擾的噪音點;
      [0013]S23,對圖像獨立的像素點進行處理,使每個灰度對象對應(yīng)一個灰度級,并通過改變原始數(shù)據(jù)灰度范圍使被測食品圖像實現(xiàn)白平衡校正。
      [0014]前述的基于機器視覺的食品品種檢測方法中,步驟S3包括:
      [0015]S31,根據(jù)被測食品圖像與背景的差異,采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(tǒng)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(xiàn)的頻率;
      [0017]S33,將RGB圖像轉(zhuǎn)換為HSV圖像,
      【權(quán)利要求】
      1.一種基于機器視覺的食品品種檢測方法,其特征在于,包括以下步驟: SI,通過CXD圖像采集模塊采集被測食品圖像信息; S2,對被測食品圖像信息進行預(yù)處理; S3,提取被測食品的圖像特征; S4,將提取的被測食品圖像特征與數(shù)據(jù)庫中存儲的標準圖像特征進行對比,確定被測食品品種。
      2.根據(jù)權(quán)利要求1所述的基于機器視覺的食品品種檢測方法,其特征在于,步驟S2包括: S21,進行形態(tài)學運算,通過一定形態(tài)結(jié)構(gòu)元素度量和提取圖像中對應(yīng)形狀來簡化圖像數(shù)據(jù),除去不相干元素,保持被測食品圖像的基本形狀與特征; 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(nèi)部干擾的噪音點; S23,對圖像獨立的像素點進行處理,使每個灰度對象對應(yīng)一個灰度級,并通過改變原始數(shù)據(jù)灰度范圍使被測食品圖像實現(xiàn)白平衡校正。
      3.根據(jù)權(quán)利要求1所述的基于機器視覺的食品品種檢測方法,其特征在于,步驟S3包括: S31,根據(jù)被測食品圖像與背景的差異,采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(tǒng)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(xiàn)的頻率; S33,將RGB圖像轉(zhuǎn)換為HSV圖像,
      4.根據(jù)權(quán)利要求3所述的基于機器視覺的食品品種檢測方法,其特征在于,步驟S33中的量化色相、飽和度和亮度參數(shù)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(jù)權(quán)利要求1或4所述的基于機器視覺的食品品種檢測方法,其特征在于,步驟S4包括:S41,將被測食品圖像灰度直方圖與數(shù)據(jù)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(xiàn)權(quán)利要求1~5任意一項所述方法的基于機器視覺的食品品種檢測系統(tǒng),其特征在于,包括: CCD圖像采集模塊(1),用于采集被測食品圖像信息; 圖像預(yù)處理模塊(2),用于對采集的被測食品圖像信息進行預(yù)處理; 圖像特征提取模塊(3 ),用于提取被測食品的圖像特征; 標準圖像特征數(shù)據(jù)庫(4),用于存儲食品的標準圖像特征信息; 及圖像特征比較模塊(5),用于將提取的被測食品的圖像特征與數(shù)據(jù)庫中存儲的標準圖像特征進行對比,確定食品品種。
      7.根據(jù)權(quán)利要求6所述的基于機器視覺的食品品種檢測系統(tǒng),其特征在于,圖像預(yù)處理模塊(2)包括: 形態(tài)學運算模塊(6),用于進行形態(tài)學運算,通過一定形態(tài)結(jié)構(gòu)元素度量和提取圖像中對應(yīng)形狀來簡化圖像數(shù)據(jù),除去不相干元素,保持被測食品圖像的基本形狀與特征; 濾波去噪模塊(7),用于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(nèi)部干擾的噪音點; 及白平衡校正模塊(8),用于對圖像獨立的像素點進行處理,使每個灰度對象對應(yīng)一個灰度級,并通過改變原始數(shù)據(jù)灰度范圍使被測食品圖像實現(xiàn)白平衡校正。
      8.根據(jù)權(quán)利要求6所述的基于機器視覺的食品品種檢測系統(tǒng),其特征在于,圖像特征提取模塊(3)包括: 圖像輪廓提取模塊(9),用于根據(jù)被測食品圖像與背景的差異,采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),用于提取被測食品RGB各層灰度直方圖,統(tǒng)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(xiàn)的頻率;及HSV圖像特征比例提取模塊(11 ),用于提取被測食品HSV圖像的色相、飽和度和亮度信息,量化這些參數(shù)信息,并計算量化參數(shù)的比例。
      9.根據(jù)權(quán)利要求6所述的基于機器視覺的食品品種檢測系統(tǒng),其特征在于,圖像特征比較模塊(5)包括: 灰度直方圖比較模塊(12),用于將被測食品圖像灰度直方圖與數(shù)據(jù)庫中的標準圖像灰度直方圖進行比較,并對灰度直方圖差值進行排序,差值越小,其優(yōu)先級越高; HSV圖像色相比較模塊(13),用于將被測食品圖像各色相值與數(shù)據(jù)庫中的標準圖像色相值進行比較,并對色相差值進行排序,差值越小,其優(yōu)先級越高; 索引值比較模塊(14),用于按照優(yōu)先級順序,依次比較灰度直方圖差值對應(yīng)的索引值與HSV圖像色相差值對應(yīng)的索引值是否相同; 索引輸出模塊(15),用于輸出該標準圖像在數(shù)據(jù)庫中的索引并結(jié)束比較。
      10.根據(jù)權(quán)利要求9所述的基于機器視覺的食品品種檢測系統(tǒng),其特征在于,圖像特征比較模塊(5)還包括: 差值比較模塊(16),用于當被測食品圖像灰度直方圖差值對應(yīng)的索引值與HSV圖像色相差值對應(yīng)的索引值不相同時,比較兩個索引值對應(yīng)的HSV圖像特征差值大小,較小值對應(yīng)的索引為被測食品的標準圖像,轉(zhuǎn)到索引輸出模塊(15)輸出該標準圖像在數(shù)據(jù)庫中的索引 ; 比較范圍重置模塊(17),用于當不能找出被測食品圖像灰度直方圖差值對應(yīng)的索引值和HSV圖像特征差值對應(yīng)的索引值或者任意一個對應(yīng)的索引值時,就提高HSV圖像特征值比較范圍,轉(zhuǎn)到索引值比較模塊(14)繼續(xù)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(yōu)先權(quán)日:2014年1月26日
      【發(fā)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
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1