[发明专利]一种基于机器视觉的秸秆颗粒缺陷检测系统及检测方法

权利要求书

1.一种基于机器视觉的秸秆颗粒缺陷检测系统，其特征在于：包括颗粒控制模块、颗粒图像获取模块、暗箱和颗粒缺陷检测模块；

所述颗粒控制模块对颗粒进行获取及卸放；

置于所述暗箱内部的所述颗粒图像获取模块对所述颗粒控制模块卸放后的颗粒进行图像采集，获得颗粒图像；

所述颗粒缺陷检测模块对颗粒图像进行缺陷检测；

颗粒获取模块包括颗粒装载卸放单元和电动控制单元；

所述电动控制单元控制所述颗粒装载卸放单元获取秸秆颗粒，并将获取到秸秆颗粒送入所述暗箱的内部再进行卸放；

所述颗粒图像获取模块包括主光源、背光源及成像设备；

所述成像设备位于所述暗箱的顶部，

所述主光源位于所述暗箱的中间，且位于所述成像设备的镜头的下方；

所述背光源位于所述暗箱的底部；

所述主光源和所述背光源相对应；

所述秸秆颗粒缺陷检测系统采用如下方法进行检测：

所述颗粒缺陷检测模块采用以下步骤进行检测：

S1：采用基于行扫描的内边界跟踪区域检测算法提取所述成像设备中背光源下采集秸秆颗粒图像中各独立区域；

S2：根据区域面积对区域类型按照秸秆碎屑、单独的秸秆颗粒区域和粘连的秸秆颗粒区域进行划分；

S3：使用基于先验的kMean聚类算法将粘连的颗粒区域分割成若干个子区域；

S4：通过局部搜索的方法对各子区域进行处理，得到单颗秸秆颗粒区域；

S5：判断S2和S4所得到的单颗秸秆颗粒区域是否满足外观判断标准，当单颗秸秆颗粒满足外观判断标准，则进行S6，当单颗秸秆颗粒不满足外观判断标准，则该颗粒存在长度缺陷或圆度缺陷或平度缺陷；

S6：对S5中满足外观标准的单颗秸秆颗粒区域对应的主光源下采集的图像区域，提取单颗秸秆颗粒的特征，并根据特征判断单颗秸秆颗粒正常或者存在凹坑和裂缝缺陷；

S7：统计各种缺陷的秸秆颗粒所占秸秆颗粒总数的比例，并根据比例输出环模制粒机的工作状态；

S1中具体采用如下方式：

S11:通过行扫描的方式从所述成像设备采集秸秆颗粒图像左上方开始搜索，直至找到小于边界设定阈值的像素P0；令任意像素的八邻域位置编号为0-7，右侧像素为起始编号0，逆时针到右下角像素，右下角像素编号为7；

S12:逆时针方向搜索像素Pn-1的八邻域，直到找到小于设定阈值M1的像素Pn，将Pn标记为边界点；其中，逆时针方向搜索的起始像素根据边界点Pn-1相对于边界点Pn-2的八邻域位置确定；

S13：根据边界点Pn-1相对于边界点Pn-2的八邻域位置和边界点Pn-1相对于边界点Pn的八邻域位置判断Pn-1为区域的左边界点还是右边界点；

S14:当Pn-1为左边界点，就向右填充，依次将小于设定阈值的像素点设为标记值，标记值为任意大于M1的数，直到找到最后一个小于设定阈值的的像素，并将此像素标记为边界点；如果Pn-1为右边界点，就向左填充，依次将小于设定阈值的像素点设为标记值，直到最后一个小于设定阈值的的像素，并将此像素标记为边界点；

S15：重复S12-S14直到S2满足小于设定阈值的像素已经找完；

S16：将填充过程中经过的像素点数和边界点个数合起来记为当前区域的面积，并将P0-Pn和S14中标记的边界点作为当前区域的边界点集合；

S3包括以下步骤：

S31：计算粘连秸秆颗粒区域所有边界点的梯度方向；

S32:根据区域面积Ai计算聚类中心个数Ki；

S33:随机选取Ki个聚类中心点，并初始化Ki个集合以存储各个类包含的边界点；

S34:根据边界点的梯度方向将边界点分别划分到距离最近的聚类中心点所对应的集合；

S35:计算每个类的平均梯度方向，并作为新的聚类中心点；

S36:重复S34-S35，直到Ki个聚类中心点的变化误差小于设定值；

S37：对Ki个包含边界点的集合，利用剔除最大误差点的最小二乘法对每个集合中的边界点进行直线拟合，保留长度符合设定值的直线段，进行S38；

S38:从长度符合设定值的直线段中，找出方向平行的直线段，分别计算方向平行的直线段的距离，将距离约为两条直线段平均距离整数倍且距离最近的直线段归为一组，其中同一直线段可以被归为不同的组；

S39：根据每组直线段的距离和长度对区域分割为若干个子区域；

S4具体采用如下方式：

S41：在各子区域的边界附近利用canny算法检测图像中的边缘；

S42：如果存在边缘，子区域的边界利用边缘替换，否则，子区域的边界仍然采用S39中所补的直线段；

S43：经过处理后的子区域边界点即为单颗秸秆颗粒的边界点。