[发明专利]一种肠衣套缩管图像分级系统及方法

说明书

本发明公开了一种肠衣套缩管图像分级系统及方法，属于图像数据处理技术领域，其包括图像接收模块、图像处理模块、设定模块、支持向量机模块和分级处理模块，支持向量机模块由支持向量机计算各级别中每个可疑点所在区域图像的综合值，确定各级别可疑点的数值范围；分级处理模块依据待分级的肠衣套缩管图像中每个可疑点所在区域图像的综合值对应的数值范围，确定每个可疑点的级别，依据最低级别的可疑点所属级别确定该肠衣套缩管的级别。此系统以可疑点对应的图像为研究对象，由支持向量机对其进行样本自学习，再对待分级肠衣套缩管图像中的可疑点进行分类，依据可疑点的分类级别确定该肠衣套缩管的级别，实现肠衣套缩管的图像自动分级。

技术领域

本发明属于图像数据处理技术领域，具体涉及一种肠衣套缩管图像分级系统及方法。

背景技术

肠衣能在一定程度上延长产品的保质期，常在食品加工领域作为填制香肠和灌肠的外衣，主要分为天然肠衣、胶原蛋白肠衣以及聚偏氯乙烯(PVDC)肠衣等。由于天然肠衣具有基本全靠手工操作和自身粗细不均匀等弊端，而胶原蛋白肠衣则具有方便使用、口感好、透明度高、直径均匀等天然肠衣和PVDC肠衣无法比拟的优势，且其抗压强度为天然肠衣的四倍以上，从而得到广泛使用。

为便于肠衣的运输和保存，通常将生产好的胶原蛋白肠衣折叠套缩成管状，形成肠衣套缩管，以便套装在灌肠杆上实现高速机械灌肠。为了提升肠衣套缩管的质量管控，预增设分级操作。人工分级不仅速度慢，需要的人员多，大大增加了人力成本；而且人工把控程度不一，导致分级的肠衣套缩管仍然存在质量参差不齐的现象。

中国发明专利申请202010519505.4公开了一种基于机器视觉的大枣分级检测方法，其通过采用机器学习中最小二乘支持向量机训练表面无缺陷和有缺陷大枣的原始图像，得到基于分类结果，即不同分级大枣图像的特征库模板，由待分级大枣的图像得到其图像的特征参数，采用欧式距离算法计算待分级大枣的特征参数和特征库模板中参数的欧式距离，得到分类结果。其虽然实现了大枣的自动分级，但其图像处理是针对大枣这一宏观对象进行的，无法支持图像特征复杂的肠衣套缩管来自动分级。

于是，申请人也设想依靠软件自动完成肠衣套缩管的图像分级，不仅大大减少了人工，还统一了分级标准。而完成软件开发则是实现自动分级这一目标的首要任务。

发明内容

本发明所要解决的技术问题是提供一种肠衣套缩管图像分级系统及方法，能够由软件依据图像实现肠衣套缩管的质量分级。

为解决上述技术问题，本发明的技术方案是：设计一种肠衣套缩管图像分级系统，其特征在于：包括：

图像接收模块：用于接收图像设备获取的肠衣套缩管外壁的RGB图像；

图像处理模块：提取出图像接收模块所接收RGB图像中的肠衣套缩管图像，

将肠衣套缩管图像转换成Lab图像，Lab图像经过滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的彩色可疑点；

将肠衣套缩管图像进行灰度化处理得到灰度图像，灰度图像经过滤波后通过动态阈值进行二值化，得到肠衣套缩管图像中的黑白可疑点；

合并彩色可疑点和黑白可疑点，得到肠衣套缩管图像中的全部可疑点，将全部可疑点对应到肠衣套缩管图像中；

设定模块：用于设定肠衣套缩管图像中各可疑点的级别；

支持向量机模块：由支持向量机计算各级别中每个可疑点所在区域图像的综合值，确定各级别可疑点的数值范围；

分级处理模块：依据待分级的肠衣套缩管图像中每个可疑点所在区域图像的综合值所在的数值范围，确定每个可疑点的级别，依据肠衣套缩管中最低级别的可疑点所属级别确定该肠衣套缩管的级别。

优选的，还包括清除模块，用于清除支持向量机模块中各级别可疑点的数值范围。

优选的，所述图像处理模块还对肠衣套缩管图像进行增强处理，增强处理后的肠衣套缩管图像再转换成Lab图像和灰度化处理。