基于亮度校正與顏色分類的水果表面缺陷檢測方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及蔬菜水果檢測領(lǐng)域，具體涉及一種基于亮度校正與顏色分類的水果表 面缺陷檢測方法及系統(tǒng)。
【背景技術(shù)】
[0002] 我國水果總產(chǎn)量居世界之首，其中蘋果和梨的產(chǎn)量居世界第一。但目前我國水果 的出口量占水果產(chǎn)量的比重較低，這主要是由于其產(chǎn)后處理技術(shù)比較落后，以蘋果為例，蘋 果經(jīng)銷商僅對(duì)蘋果大小做粗略的分級(jí)，而分級(jí)手段主要依靠人工進(jìn)行分級(jí)，分級(jí)結(jié)果不夠 準(zhǔn)確，同時(shí)隨著勞動(dòng)力成本的提高，人工分級(jí)的成本也會(huì)越來越高。利用機(jī)器視覺技術(shù)對(duì)蘋 果進(jìn)行分級(jí)，不僅能降低人工成本，還能提高檢測效率和檢測精度。目前，利用機(jī)器視覺技 術(shù)對(duì)水果（例如：蘋果）的大小和顏色的檢測已經(jīng)比較成熟，并廣泛地應(yīng)用到實(shí)際生產(chǎn)當(dāng) 中。但對(duì)蘋果表面缺陷的在線檢測仍然是果品分選領(lǐng)域未有效解決的一個(gè)難點(diǎn)。
[0003] 蘋果表面缺陷無法在線檢測的一個(gè)主要原因是由于蘋果通常呈球體或橢球體，在 蘋果的邊緣，光線的反射方向與相機(jī)的夾角很大，根據(jù)朗伯的光線反射定律，從相機(jī)方向 看，蘋果邊緣區(qū)域的亮度較低，在采集的蘋果圖像中表現(xiàn)為邊緣區(qū)域的灰度值較低，而蘋果 表面缺陷的顯著特征是其通常具有較低的灰度值，這就導(dǎo)致了蘋果圖像中蘋果的邊緣區(qū)域 與表面缺陷區(qū)域都具有較低的灰度特征，使得通過圖像處理技術(shù)很難將二者區(qū)分開。同時(shí) 由于蘋果的果梗/花萼區(qū)域在圖像中也表現(xiàn)為較低的灰度特征，這就進(jìn)一步增加了蘋果表 面缺陷檢測的難度，由于蘋果表面為類球形的彎曲曲面，從而造成蘋果圖像中間區(qū)域與邊 緣區(qū)域亮度的不均勻分布，導(dǎo)致難以精確檢測蘋果圖像中的表面缺陷信息。同時(shí)由于蘋果 表面深紅色區(qū)域灰度值較低，導(dǎo)致深紅色區(qū)域易被誤檢為缺陷區(qū)域。因此，現(xiàn)有并沒有提出 一種如何提高檢測水果缺陷的準(zhǔn)確度的方法。

【發(fā)明內(nèi)容】

[0004] 針對(duì)現(xiàn)有技術(shù)中的缺陷，本發(fā)明提供了一種基于亮度校正與顏色分類的水果表面 缺陷檢測方法及系統(tǒng)，提高了檢測水果缺陷的準(zhǔn)確度。
[0005] 第一方面，本發(fā)明提供一種基于亮度校正與顏色分類的水果表面缺陷檢測方法， 包括：
[0006] 提取待檢測水果的RGB圖像中的R分量圖像，對(duì)所述R分量圖像進(jìn)行亮度校正，使 所述R分量圖像的亮度均勻；
[0007] 將所述RGB圖像進(jìn)行HSI變換，獲取所述RGB圖像中每個(gè)像素點(diǎn)對(duì)應(yīng)的HSI變換 中的H值，并將所述H值與預(yù)設(shè)顏色的H值進(jìn)行比較判斷所述每個(gè)像素點(diǎn)的顏色；
[0008] 在亮度校正后的R分量圖像中，根據(jù)所述RGB圖像中每個(gè)像素點(diǎn)的顏色分別與該 顏色對(duì)應(yīng)的預(yù)設(shè)閾值進(jìn)行判斷，在亮度校正后的R圖像中以獲取待確認(rèn)的缺陷區(qū)域；
[0009] 在亮度校正后的R圖像中將除所述待確認(rèn)的缺陷區(qū)域以外的像素點(diǎn)的灰度值置 零，并將所述待確認(rèn)的缺陷區(qū)域中的果梗/花萼區(qū)域的灰度值置零，以獲取水果表面的缺 陷區(qū)域。
[0010] 可選的，所述提取待檢測水果的RGB圖像中的R分量圖像，對(duì)所述R分量圖像進(jìn)行 亮度校正，使所述R分量圖像的亮度均勻，包括：
[0011] 提取待檢測水果的RGB圖像中的R分量圖像，將所述R分量圖像劃分成邊緣區(qū)域 和中間區(qū)域；
[0012] 利用校正函數(shù)降低所述中間區(qū)域的亮度，使所述R分量圖像的亮度均勻。
[0013] 可選的，所述將所述H值與預(yù)設(shè)顏色的H值進(jìn)行比較判斷所述每個(gè)像素點(diǎn)的顏色， 包括：
[0014] 當(dāng)0° < HS 20°時(shí)表示H值對(duì)應(yīng)像素點(diǎn)屬于第一顏色，當(dāng)280° <H〈360°時(shí)表 示H值對(duì)應(yīng)像素點(diǎn)屬于第二顏色，當(dāng)所述H值既不屬于第一顏色也不屬于第二顏色的范圍 時(shí)，則屬于第三顏色。
[0015] 可選的，所述根據(jù)所述亮度校正后的R分量圖像中每個(gè)像素點(diǎn)在RGB圖像中對(duì)應(yīng) 的顏色分別與所述顏色對(duì)應(yīng)的預(yù)設(shè)閾值進(jìn)行判斷，以獲取亮度校正后的R分量圖像中待確 認(rèn)的缺陷區(qū)域，包括：
[0016] 在亮度校正后的R分量圖像中，如果所述像素點(diǎn)在RGB圖像中對(duì)應(yīng)第一顏色，利用 第一顏色對(duì)應(yīng)的預(yù)設(shè)第一閾值與所述像素點(diǎn)進(jìn)行比較判斷其是否為待確認(rèn)的缺陷區(qū)域，在 亮度校正后的R分量圖像中，如果所述像素點(diǎn)在RGB圖像中對(duì)應(yīng)第二顏色，利用第二顏色對(duì) 應(yīng)的預(yù)設(shè)第二閾值與所述像素點(diǎn)進(jìn)行比較判斷其是否為待確認(rèn)的缺陷區(qū)域，在亮度校正后 的R分量圖像中，如果所述像素點(diǎn)在RGB圖像中對(duì)應(yīng)第三顏色，利用第三顏色對(duì)應(yīng)的預(yù)設(shè)第 三閾值與所述像素點(diǎn)進(jìn)行比較判斷其是否為待確認(rèn)的缺陷區(qū)域。
[0017] 可選的，所述將所述待確認(rèn)的缺陷區(qū)域中的果梗/花萼區(qū)域的灰度值置零，以獲 取水果表面的缺陷區(qū)域，包括：
[0018] 獲取待檢測水果的近紅外圖像，并根據(jù)所述近紅外圖像中的編碼點(diǎn)陣結(jié)構(gòu)光，識(shí) 別并標(biāo)記所述近紅外圖像中的果梗/花萼區(qū)域；
[0019] 在所述亮度校正后的R分量圖像中，獲取與所述紅外圖像中位于相同位置的果梗 /花萼區(qū)域，并將所述果梗/花萼區(qū)域的灰度值置零，進(jìn)而在所述待確認(rèn)的缺陷區(qū)域中獲取 水果表面的缺陷區(qū)域。
[0020] 第二方面，本發(fā)明還提供了一種基于亮度校正與顏色分類的水果表面缺陷檢測系 統(tǒng)，包括：
[0021] 亮度校正模塊，用于提取待檢測水果的RGB圖像中的R分量圖像，對(duì)所述R分量圖 像進(jìn)行亮度校正，使所述R分量圖像的亮度均勻；
[0022] 比較判斷模塊，用于將所述RGB圖像進(jìn)行HSI變換，獲取所述RGB圖像中每個(gè)像素 點(diǎn)對(duì)應(yīng)的HSI變換中的H值，并將所述H值與預(yù)設(shè)顏色的H值進(jìn)行比較判斷所述每個(gè)像素 點(diǎn)的顏色；
[0023] 第一獲取模塊，用于在亮度校正后的R分量圖像中，根據(jù)所述RGB圖像中每個(gè)像素 點(diǎn)的顏色分別與該顏色對(duì)應(yīng)的預(yù)設(shè)閾值進(jìn)行判斷，在亮度校正后的R圖像中以獲取待確認(rèn) 的缺陷區(qū)域；
[0024] 第二獲取模塊，在亮度校正后R分量圖像中將除所述待確認(rèn)的缺陷區(qū)域以外的像 素點(diǎn)的灰度值置零，并將所述待確認(rèn)的缺陷區(qū)域中的果梗/花萼區(qū)域的灰度值置零，以獲 取水果表面的缺陷區(qū)域。
[0025] 可選的，所述亮度校正模塊，用于：
[0026] 提取待檢測水果的RGB圖像中的R分量圖像，將所述R分量圖像劃分成邊緣區(qū)域 和中間區(qū)域；
[0027] 利用校正函數(shù)降低所述中間區(qū)域的亮度，使所述R分量圖像的亮度均勻。
[0028] 可選的，所述比較判斷模塊，用于：
[0029] 當(dāng)0° < HS 20°時(shí)表示H值對(duì)應(yīng)像素點(diǎn)屬于第一顏色，當(dāng)280° <H〈360°時(shí)表 示H值對(duì)應(yīng)像素點(diǎn)屬于第二顏色，當(dāng)所述H值既不屬于第一顏色也不屬于第二顏色的范圍 時(shí)，則屬于第三顏色。
[0030] 可選的，所述第一獲取模塊，用于：
[0031] 在亮度校正后的R分量圖像中，如果所述像素點(diǎn)在RGB圖像中對(duì)應(yīng)第一顏色，利用 第一顏色對(duì)應(yīng)的預(yù)設(shè)第一閾值與所述像素點(diǎn)進(jìn)行比較判斷其是否為待確認(rèn)的缺陷區(qū)域，在 亮度校正后的R分量圖像中，如果所述像素點(diǎn)在RGB圖像中對(duì)應(yīng)第二顏色，利用第二顏色對(duì) 應(yīng)的預(yù)設(shè)第二閾值與所述像素點(diǎn)進(jìn)行比較判斷其是否為待確認(rèn)的缺陷區(qū)域，在亮度校正后 的R分量圖像中，如果所述像素點(diǎn)在RGB圖像中對(duì)應(yīng)第三顏色，利用第三顏色對(duì)應(yīng)的預(yù)設(shè)第 三閾值與所述像素點(diǎn)進(jìn)行比較判斷其是否為待確認(rèn)的缺陷區(qū)域。
[0032] 可選的，所述第二獲取模塊，用于：
[0033] 獲取待檢測水果的近紅外圖像，并根據(jù)所述近紅外圖像中的編碼點(diǎn)陣結(jié)構(gòu)光，識(shí) 別并標(biāo)記所述近紅外圖像中的果梗/花萼區(qū)域；
[0034] 在所述亮度校正后的R分量圖像中，獲取與所述紅外圖像中位于相同位置的果梗 /花萼區(qū)域，并將所述果梗/花萼區(qū)域的灰度值置零，進(jìn)而在所述待確認(rèn)的缺陷區(qū)域中獲取 水果表面的缺陷區(qū)域。
[0035] 由上述技術(shù)方案可知，本發(fā)明提出了一種基于亮度校正與顏色分類的水果表面缺 陷檢測方法及系統(tǒng)，采用一種逆向思路對(duì)蘋果表面的亮度不均勻分布現(xiàn)象予以校正，并根 據(jù)蘋果表皮顏色特征確定缺陷分割閾值，通過在線檢測驗(yàn)證，該方法的計(jì)算速度與檢測精 度滿足在線檢測的需求，已具備應(yīng)用于實(shí)際生產(chǎn)中的條件，同時(shí)也提高了檢測水果缺陷的 準(zhǔn)確度。
【附圖說明】
[0036] 圖1為本發(fā)明一實(shí)施例提供的基于亮度校正與顏色分類的水果表面缺陷檢測方 法的流程示意圖；
[0037] 圖2A和圖2B為本發(fā)明一實(shí)施例提供的雙C⑶相機(jī)采集的蘋果的RGB圖像和近紅 外圖像；
[0038] 圖3為本發(fā)明一實(shí)施例提供的利用近紅外圖像中的點(diǎn)陣結(jié)構(gòu)光檢測蘋果果梗/花 萼區(qū)域的效果圖；
[0039] 圖4為本發(fā)明一實(shí)施例提供的20X20待校正蘋果圖像對(duì)應(yīng)校正函數(shù)的三維效果 圖；
[