[发明专利]一种基于计算机视觉的酿酒蒸馏工艺中甑料平铺方法

权利要求书

1.一种基于计算机视觉的酿酒蒸馏工艺中甑料平铺方法，其特征在于，该方法包括：

采集甑桶上甑区域甑料图像；

根据甑料图像中像素点灰度值的集中程度和平滑程度，计算出对甑料图像进行后续边缘检测的必要性的步骤包括：根据甑料图像内全部像素点灰度值构建出甑料图像的灰度直方图；利用甑料图像的灰度直方图中最大灰度级和最小灰度级计算出甑料图像的灰度级区间；根据甑料图像的灰度级区间在整个255灰度级区间所占的比例，计算出甑料图像中像素点灰度值的集中程度；获取甑料图像中像素点总数量，计算出像素点总数量与甑料图像的灰度级区间的比值，并将该比值记作平均像素点数量；计算出甑料图像的灰度直方图中每个灰度级的像素点的数量与平均像素点数量的差值，将获取的全部差值的和与甑料图像所占灰度级总数的比值作为甑料图像中像素点灰度值的平滑程度；

甑料图像中像素点灰度值的集中程度的计算公式为：

其中，表示甑料图像的灰度直方图中最大灰度级；表示甑料图像的灰度直方图中最小灰度级；表示甑料图像中像素点灰度值的集中程度；

甑料图像中像素点灰度值的平滑程度的计算公式为：

其中，表示甑料图像中像素点总数量；表示甑料图像的灰度直方图中最大灰度级；表示甑料图像的灰度直方图中最小灰度级；表示甑料图像的灰度直方图中第个灰度级的像素点的数量；表示甑料图像所占灰度级总数；表示甑料图像中像素点灰度值的平滑程度；

对甑料图像进行后续边缘检测的必要性的计算公式为：

其中，表示甑料图像中像素点灰度值的集中程度；表示甑料图像中像素点灰度值的平滑程度；表示对甑料图像进行后续边缘检测的必要性；

当该必要性大于预设必要性阈值时，计算出甑料图像中每个像素点的梯度幅值，选取出梯度幅值大于预设第一梯度幅值阈值的像素点作为初始第一边缘点，选取出梯度幅值大于预设第二梯度幅值阈值且小于预设第一梯度幅值阈值的像素点作为初始第二边缘点；其中，预设第一梯度幅值阈值大于预设第二梯度幅值阈值；

利用从每个初始第一边缘点开始搜索后与其连续且相邻的初始第一边缘点的数量，计算出每个初始第一边缘点的连续程度，将初始第一边缘点的连续程度大于预设连续程度阈值的点作为最终第一边缘点，将所有最终第一边缘点中的最低梯度幅值作为高阈值；

利用从每个初始第一边缘点开始搜索后与其连续且相邻的初始第一边缘点的数量，计算出每个初始第一边缘点的连续程度的步骤包括：从初始第一边缘点中选取任一初始第一边缘点作为目标初始第一边缘点；从目标初始第一边缘点开始搜索其八邻域内同样为初始第一边缘点的像素点，并将该像素点标记为1；从标记为1的像素点继续开始搜索其与八邻域内同样为初始第一边缘点的像素点，并将重新搜索到的没有被标记为1的像素点继续标记为1，依次类推直至不存在需要继续标记为1的像素点时停止搜索；停止搜索后统计全部标记为1的像素点的数量，并根据全部标记为1的像素点的数量计算出目标初始第一边缘点的连续程度；按照目标初始第一边缘点的连续程度的计算方法计算出每个初始第一边缘点的连续程度；

计算任一初始第二边缘点相对其余初始第二边缘点的分布离散性，当该分布离散性大于预设分布离散性阈值时，将该初始第二边缘点标记为最终第二边缘点，同理获取所有最终第二边缘点，并将所有最终第二边缘点中的最低梯度幅值作为低阈值；

计算任一初始第二边缘点相对其余初始第二边缘点的分布离散性的步骤包括：选取甑料图像中任一初始第二边缘点作为目标初始第二边缘点；在甑料图像中计算目标初始第二边缘点与其余每个初始第二边缘点之间的向量模，同时计算出每个向量模与甑料图像横轴之间的夹角；利用得到全部向量模和全部夹角计算出目标初始第二边缘点相对其余初始第二边缘点的分布离散性；按照目标初始第二边缘点相对其余初始第二边缘点的分布离散性的计算方法，计算出任一初始第二边缘点相对其余初始第二边缘点的分布离散性；

任一初始第二边缘点相对其余初始第二边缘点的分布离散性的计算公式为：

其中，表示目标初始第二边缘点与其余第个初始第二边缘点之间的向量模；表示目标初始第二边缘点与其余第个初始第二边缘点之间的向量模与甑料图像横轴之间的夹角；表示初始第二边缘点的数量；

利用获取的高阈值和低阈值对甑料图像进行边缘检测，确定出最终第一边缘区域和最终第二边缘区域；

按照不同的力度对确定出的最终第一边缘区域和最终第二边缘区域进行平铺，在平铺结束后重新采集甑桶上甑区域甑料图像，重复上述步骤直至对平铺后新采集的甑料图像进行后续边缘检测的必要性小于预设必要性阈值时平铺结束。