[发明专利]基于图像处理的沃柑质检方法、装置、装备及存储介质

权利要求书

1.一种基于图像处理的沃柑质检方法，包括：

从采集的一个沃柑的多张沃柑图像中识别出沃柑处于预设姿态的预设姿态图像；

根据所述预设姿态图像的预设姿态的类型对进行粗糙度检测、俯卧畸形检测和侧卧畸形检测；

根据所述粗糙度检测、俯卧畸形检测和侧卧畸形检测的检测结果输出该沃柑的质检结果；

其中，所述根据所述预设姿态图像的预设姿态的类型对进行粗糙度检测、俯卧畸形检测和侧卧畸形检测，包括：

当所述预设姿态图像的预设姿态为仰卧姿态时，对所述预设姿态图像进行粗糙度检测和俯卧畸形检测；

当所述预设姿态图像的预设姿态为俯卧姿态时，对所述预设姿态图像进行侧卧畸形检测；

其中，所述粗糙度检测包括：

将所述预设姿态图像进行处理以获得除去了果柄的无柄图像；

根据所述无柄图像进行特征提取以获取特征值；

将所述特征值输入至一个决策树模型以使所述决策树模型以使所述决策树模型输出代表沃柑表面粗糙度分类的分类值；

其中，所述俯卧畸形检测包括：

对所述预设姿态图像进行图像分割处理以获得具有沃柑在所述预设姿态图像中的轮廓线的轮廓图片；

根据所述沃柑轮廓图片提取特征值输入至针对该预设姿态的一个畸形检测模型以使所述畸形检测模型输出畸形检测的检测结果；

其中，所述侧卧畸形检测包括：

对所述预设姿态图像进行图像分割处理以获得具有沃柑在所述预设姿态图像中的轮廓线的轮廓图片；

根据所述沃柑轮廓图片中沃柑的轮廓线的直线拟合的结果输出畸形检测的检测结果。

2.根据权利要求1所述的基于图像处理的沃柑质检方法，其特征在于：

所述决策树模型被构造为一个XGBoost决策树模型，训练所述XGBoost决策树模型，包括：

采集沃柑的原始图像并按照沃柑粗糙度分类规则进行人工分类；

对所述原始图像进行图像分割以获取分割图像；

对所述分割图像进行处理以除去所述分割图像中的果柄从而获得所述无柄图像；

根据所述无柄图像进行特征提取以获取所述无柄图像的特征值；

将所述无柄图像的特征值作为输入数据，将所述无柄图像所对应的原始图像的分类值作为输出数据对所述XGBoost决策树模型进行训练。

3.根据权利要求1所述的基于图像处理的沃柑质检方法，其特征在于：

所述沃柑粗糙度分类规则将沃柑表面粗糙度分类分为粗皮和细皮。

4.根据权利要求1所述的基于图像处理的沃柑质检方法，其特征在于：

其中，所述从采集的一个沃柑的多张沃柑图像中识别出沃柑处于预设姿态的预设姿态图像，包括：

将所述沃柑图像输入至一个姿态识别模型以使所述姿态识别模型输出姿态识别结果；所述姿态识别模型被构造为MobileNetv3_small网络模型。

5.根据权利要求1所述的基于图像处理的沃柑质检方法，其特征在于：

其中，所述对所述预设姿态图像进行图像分割处理以获得具有沃柑在所述预设姿态图像中的轮廓线的轮廓图片，包括：

对所述预设姿态图像进行色彩空间选择；

对所述预设姿态图像进行色彩空间选择后的图像进行边缘检测以获得果品轮廓图像；

对所述果品轮廓图像进行轮廓提取已获得果品轮廓掩膜图像；

对所述果品掩膜图像进行二次边缘检测已获得所述轮廓图片。

6.根据权利要求1所述的基于图像处理的沃柑质检方法，其特征在于：

其中，所述畸形检测模型被构造为一个LightGBM网络模型。

7.根据权利要求1所述的基于图像处理的沃柑质检方法，其特征在于：

其中，所述根据所述沃柑轮廓图片中沃柑的轮廓线的直线拟合的结果输出畸形检测的检测结果，包括：

对所述沃柑轮廓图片中沃柑的轮廓线进行直线拟合以获得若干拟合直线；

计算各个拟合直线在一个坐标系的斜率；

计算各个斜率之间差值的绝对值，如果绝对值的最小值大于等于预设值则输出侧卧检测为畸形的结果。