[发明专利]一种基于计算机视觉的粮种品质检测方法

说明书

技术领域

本发明属于农产品检测技术领域，特别涉及一种基于计算机视觉的粮种品质检测方法。

背景技术

在农业科研领域，相关人员需要经常称量不同杂交基因、不同生长环境、不同培育方式培育的同类种子并对其进行分析，这项工作相当繁琐，并且存在重复率高、误差大、耗时长等问题。在此过程中，科研人员需要计算种子数量，测定单粒种子周长、面积、圆形度等特征参数，工作繁杂且人为因素较多，误差较大，很难保证结果的准确性和有效性。随着计算机视觉技术的发展，客观地统计图像中包含的独立颗粒数目、提取颗粒的各种特征参数，再辅以相关软件对数据进行分析处理，可以极大地减轻相关科研人员的工作量、提高检测精度。因此，研究便捷、快速、准确的粮种品质检测方法，对减轻相关科研人员的工作劳动强度，提高工作效率和准确性具有重要意义。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提出一种基于计算机视觉的粮种品质检测方法，能够利用计算机技术及图像处理技术，在较短的时间内准确统计粮种数量，测定每颗粮种的特征参数，降低科研人员的劳动强度，提高生产效率，具有快速、准确的特点。

为了实现上述目的，本发明采用的技术方案是：

一种基于计算机视觉的粮种品质检测方法，步骤如下：

步骤1：将待测粮种平铺，利用图像采集设备对粮种拍照，获得清晰原始彩色图像并保存；

步骤2：将彩色图像转换为灰度图像，对灰度图像进行增强处理以方便识别粮种颗粒；

步骤3：对图像进行去噪、平滑处理，对处理过的灰度图像进行二值化，得到只有黑、白两种颜色的二值图像；

步骤4：图像分割，对分割后的图像进行连通域标记，实现粮种颗粒计数；

步骤5：将分割后标记过的图像进行还原处理；

步骤6：图像孔洞填充，完善粮种形状；

步骤7：计算每一个连通域的面积，提取图像轮廓，得到粮种周长，计算粮种特征参数，包括周长、面积、圆形度，输出结果。

所述步骤2中，采用最大值法将原始彩色图像转换为灰度图像，即转换后的灰度图像中像素p(x,y)的灰度值为原始彩色图像中该像素的R、G和B分量中的最大值，以保证得到亮度较大的灰度图像。

所述步骤2中，图像增强处理采用直方图均衡化的方法，能够均衡图像的灰度等级、提高图像的对比度，使图像的细节更加清楚。

所述步骤3中，采用中值滤波法对图像进行去噪、平滑处理，以减少或消除图像的噪声。

所述步骤3中，图像二值化采用OSTU算法，即最大类间方差法实现。

所述步骤4中，图像分割采用数学形态学的腐蚀方法来完成，其目的是将图像中相连的粮种颗粒分开，根据图像粘连程度，腐蚀2-8次；若图像无粘连，图像分割步骤可以省略。

所述步骤4中的连通域标记，是对二值图像中的每一个连通域，即分离开的每颗粮种编号，编号从1开始，具体分为以下两个步骤：

A、为扫描到的每一个目标像素分配一个临时标记，同时寻找是否存在与此临时标记等价的标记；记录并解析所有等价标记；

B、用等价标记中的最小值替换所有与之等价的标记。

所述的连通域标记过程中，需要对目标二值图像进行两次从上到下、从左到右的扫描，在第一次扫描过程中，对于每一个目标像素p(x,y)，需要检查与其形成八邻接关系的、已经扫描过的四个像素p(x-1,y-1)、p(x,y-1)、p(x+1,y-1)和p(x-1,y)并进行以下处理：

a)如果像素p(x,y-1)是目标像素，当前像素赋以p(x,y-1)的标记；

b)如果p(x-1,y)是目标像素，当前像素赋以p(x-1,y)的标记；此时，如果p(x+1,y-1)也是目标像素，记录当前像素标记和p(x+1,y-1)标记为等价标记；

c)如果p(x-1,y-1)是目标像素，当前像素赋以p(x-1,y-1)的标记；此时，如果p(x+1,y-1)也是目标像素，记录当前像素标记和p(x+1,y-1)标记为等价标记；

d)如果p(x+1,y-1)是目标像素，当前像素赋以p(x+1,y-1)的标记；

e)否则，当前像素赋以新标记；

对像素赋以标记后，对等价标记进行处理，以便确定哪些标记属于同一个连接体，具体方法如下：