专利名称：一种基于pca的块状农产品在线识别装置及方法
技术领域：
本发明涉及自动化生产过程在线质量检测领域，特别涉及一种基于PCA的块状农产品在线识别装置及方法。
背景技术：
块状农产品无损分类、识别是指在不接触、不破坏块状农产品的前提下，对块状农产品的颜色、尺寸、形状等外部品质参数进行检测，这些指标对块状农产品的分级和定价有着决定性的影响。PCA :主成分分析(Principal Component Analysis, PCA)是一种掌握 事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素，揭示事物的本质，简化复杂的问题。机器视觉是一项融合了机械、控制、照明、光学、计算机软硬件等技术的综合技术，涉及到计算机、图像处理、模式识别、人工智能等多个领域。机器视觉系统可以实现对产品的无损害分类和识别，快速、鲁棒地获取大量信息，因此，机器视觉技术作为一种重要的检测手段已经日益引起人们的重视，并广泛地应用于成品检验和质量控制等领域。鲜切块状农产品的合格率主要由块状农产品的尺寸、颜色和形状三种外观特征决定。目前块状农产品的识别、分选主要依靠感官评判的方法。感官评判是由训练有素的专业分选人员对块状农产品的尺寸、颜色和形状等外观特征进行逐一评判来分选合格的块状农产品和不合格的块状农产品，但人的感觉器官的灵敏度受到经验、精神状态、身体状况以及周围环境等因素的干扰，并且长时间单调乏味的重复劳动，容易使人产生视觉疲劳，从而影响分选结果的准确性。因此，研究开发能够准确、高效、快捷的识别块状农产品的方法，对块状农产品合格率检测以及块状农产品的大批量、自动化生产加工，具有重要意义。鉴于现有技术的上述缺陷，需要一种新的块状农产品识别方法，以能够有效地对块状农产品尺寸、颜色和形状进行无损识别，并依据识别的匹配度量化块状农产品的合格率。

发明内容
(一 )要解决的技术问题本发明要解决的技术问题是提供一种基于PCA的块状农产品在线识别装置及方法，以能够有效地对块状农产品尺寸、颜色和形状进行无损识别，并依据识别的匹配度量化块状农产品的合格率。( 二 )技术方案为达到上述目的，本发明提供了一种基于PCA的块状农产品在线识别装置，包括切割系统，用于将农产品切割成块状；输送系统，用于输送所述块状农产品；机器视觉系统，用于采集所述块状农产品图像；图像识别系统，用于根据所述图像数据计算块状农产品的几何特征及矩不变特征，并根据主成分分析PCA对块状农产品进行识别。更好地，所述图像识别系统包括图像输入输出控制模块，用于采集机器视觉系统中的块状农产品图像并将所述图像输出至图像分割模块，以及用于显示最终识别结果；图像分割模块，用于将所述块状农产品图像中的块状农产品目标从图像背景中分割出来，并进行预处理；图像特征提取模块，提取块状农产品的边界信息和重心，并计算得到块状农产品的面积、周长和弧度几何特征及矩不变特征；主成分分析模块，用于根据所述几何特征和矩不变特征计算块状农产品的特征空间，并采用PCA方法提取块状农产品的主要特征；图像特征匹配模块，用于计算待识别块状农产品的几何特征和矩不变特征与标准块状农产品的主要特征在所述标准块状农产品的特征空间的距离，根据待识别块状农产品与标准块状农产品的相似度得出最终识别结果。更好地，所述切割系统包括切丁机和漏斗，所述切丁机用于将农产品切割成块状，所述漏斗将块状农产品均匀洒落给所述输送系统。更好地，所述输送系统包括振动器、第一传送台、第二传送台、直流电机和调节滤板，所述振动器通过振动运动将从所述第一传送台上掉落下来的块状农产品振散、平铺，并 且将所述块状农产品振动移动到所述第二传送台上，所述直流电机带动所述第二传送台运送块状农产品，所述调节滤板调节允许通过的块状农产品的大小及个数。更好地，所述机器视觉系统包括机器视觉支撑单元、CXD摄像机、LED平面光源和DSP高速图像处理单元，所述CXD摄像机和LED平面光源位于机器视觉支撑单元上方，所述DSP高速图像处理单元通过IEEE1394标准接口与所述图像识别系统连接。本发明还提供一种基于PCA的块状农产品在线识别方法，包括SI :根据PCA计算标准块状农产品的特征空间，提取主要特征和计算主要特征的特征参数；S2 :对待识别块状农产品进行几何特征和矩不变特征组成的特征向量的采集，并根据Si中的特征参数，进行在线识别。更好地，在SI中包括S12:采集一帧标准块状农产品的图像，并转换到灰度空间，将所述标准块状农产品图像从图像背景中分离，并进行预处理；S13 :提取标准块状农产品的边界信息和重心，并利用所述边界信息和重心计算面积、周长和弧度几何特征及矩不变特征。S14 :利用S13中的几何特征及矩不变特征组成特征矩阵，并基于PCA，根据所述特征矩阵计算标准块状农产品的特征空间，提取所述标准块状农产品的主要特征并计算特征参数。更好地，在S12之前，还包括S11 :将农产品切割成块状，并选取出标准块状农产
品O更好地，在S2中包括S22:采集一帧待识别块状农产品的图像，转换到灰度空间，将所述待识别块状农产品图像从图像背景中分离，并进行预处理；S23 :提取待识别块状农产品的边界信息和重心，并利用所述的边界信息和重心计算面积、周长和弧度几何特征及矩不变特征；S24 :将S23中的几何特征和矩不变特征组成的特征向量投影到标所述准块状农产品的特征空间，并计算待识别块状农产品与标准块状农产品在所述特征空间的距离，根据待识别块状农产品与标准块状农产品的相似度得出最终识别结果。更好地，在S22之前，还包括S21 :将待识别农产品切割成块状。(三)有益效果本发明的装置及方 法利用高精度在线模式识别系统处理图像数据，通过利用标准块状农产品特征的统计信息建立精确的数学模型，将待识别块状农产品的特征投影到特征空间，并用欧氏距离量化相似度，以识别合格的块状农产品和不合格的块状农产品，得到块状农产品的合格率。本发明装置及方法与人工检测相比，结果更客观公正，并且不会对人的健康和块状农产品的卫生情况造成损害，将机器视觉用于块状农产品分选过程中，既可以解放劳动力，使人脱离重复乏味的简单劳动，又可以排除人的主观因素干扰，提高检测的可信度，该发明可以应用于块状农产品的自动化生产、检测过程。


图I为依照本发明一种实施方式的基于PCA的块状农产品在线识别装置结构示意图；图2为依照本发明一种实施方式的基于PCA的块状农产品在线识别装置中的图像识别系统结构框图；图3为建立基于PCA的块状农产品在线识别特征空间及特征参数的方法流程图；图4为依照本发明一种实施方式的基于PCA的块状农产品在线识别方法流程图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。本发明提供一种基于PCA的块状农产品在线识别装置，其包括切割系统、输送系统、机器视觉系统和图像识别系统。切割系统用于将农产品切割成块状；输送系统用于输送块状农产品；机器视觉系统用于采集块状农产品的图像数据；图像识别系统用于识别机器视觉系统采集的图像数据。如图I所示，在本实施方式的装置中，切割系统包括切丁机I和漏斗2，切丁机I用于将农产品切割成块状，漏斗2将块状农产品均匀洒落在第一传送台41上。输送系统包括振动器3、第一传送台41、第二传送台42、直流电机5和调节滤板6，振动器3通过振动运动将从第一传送台41上掉落下来的块状农产品振散、平铺，并且将块状农产品振动移动到第二传送台42上，直流电机5带动第二传送台42运送块状农产品，也就是说控制直流电机5，可以调节第二传送台42的速度；调节滤板6调节允许通过的块状农产品的大小及个数，换句话说，通过调节可调节滤板6的高度，控制一次只能通过一层的块状农产品。机器视觉系统包括机器视觉支撑单元7、CXD摄像机8、LED平面光源9和DSP高速图像处理单元10，CXD摄像机8和LED平面光源9位于机器视觉支撑单元7的上方，DSP高速图像处理单元10通过IEEE1394标准接口 11与图像识别系统13连接。当块状农产品通过第二传送台42传送到CXD摄像机8下方时，机器视觉支撑系统7自动调整高度，CXD摄像机8自动调整焦距，使CXD摄像机8镜头的上边界与第二传送台42保持在一个水平面上，并使待测块状农产品在CCD摄像机8中的图像大小合适，同时根据当前的光照环境调整LED平面光源9的亮度，为测量提供稳定可靠的光照条件，通过设置时钟触发CCD摄像机8在一定的时间间隔内采集图像，并且将该图像通过具有IEEE1394标准接口 11的DSP高速图像处理系统10传输到图像识别系统13中，所述图像识别系统13模拟人的大脑对图像数据进行模式识别处理，并计算出被测块状农产品的合格率，最后输出显示。如图2所示，图像识别系统13包括图像输入输出控制模块、图像分割模块、图像特征提取模块、主成分分析模块、以及图像特征匹配模块。其中图像输入输出控制模块，用于采集机器视觉系统中的块状农产品图像并将所述图像输出至图像分割模块，以及用于显示最终识别结果；图像分割模块，用于将所述块状农产品图像中的块状农产品目标从图像背景中分割出来，并进行预处理；
图像特征提取模块，提取块状农产品的边界信息和重心，并计算得到块状农产品的面积、周长和弧度几何特征和矩不变特征；主成分分析模块，用于根据所述几何特征和矩不变特征计算块状农产品的特征空间，并根据PCA提取块状农产品的主要特征；图像特征匹配模块，用于计算待识别块状农产品的几何特征和矩不变特征与标准块状农产品的主要特征在所述标准块状农产品的特征空间的距离，根据待识别块状农产品与标准块状农产品的相似度得出最终识别结果。一种基于PCA的块状农产品在线识别方法，包括SI :计算标准块状农产品的特征空间，提取主要特征和计算主要特征的特征参数；S2:对待识别块状农产品进行几何特征和矩不变特征组成的特征向量的采集并根据Si中的特征参数，进行在线识别。如图3所示，SI :计算标准块状农产品的特征空间，提取主要特征和计算主要特征的特征参数包括如下步骤Sll :将农产品切割成块状，并由人工选取出标准块状农产品(例如Icm*Icm*Icm)。S12:由图像输入输出控制模块采集一帧标准块状农产品的图像，并转换到灰度空间，采用自适应阈值法将所述块状农产品图像从复杂背景中分离，并进行预处理，这是由于当背景发生变化，如照明不均匀、有突发噪声，或者背景灰度变化较大、块状农产品灰度变化、阴影影响时，把块状农产品的图像从背景中分割的阈值也可能发生变化，并且整幅图像用单一阈值不可能很好的分割，因此需要用自适应阈值的方法进行背景分割，使分割更加鲁棒。具体地，需要把图像分成一个个小区域，针对每一个小区域，选取一个阈值进行分割；然后将自适应阈值分割得到的二值图像采用中值滤波法进行预处理，这是由于图像信息在采集过程中会受到很多噪声源的干扰，若不经过去噪，会对后续的图像特征提取带来影响。中值滤波法是一种基于排序统计理论的能有效抑制噪声的非线性平滑技术，其基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点，即可做到噪声抑制、滤波脉冲干扰及图像扫描噪声，又可以克服线性滤波器带来的图像细节模糊，保持图像边界信息。S13:图像特征提取模块采用形态学开闭运算填充空洞，利用八连通序贯算法提取连通区域，(八连通序贯算法采用二次扫描图像的方式，将图像中八连通的连通区域标上不同的记号从而将不同的前景分割的方法，该方法的速度受图像中连通区域的个数和面积影响较小)得到独立标准块状农产品的边界信息和重心。具体地说由于背景分割之后的二值图像，可能存在空洞，如果直接提取连通区域，将会对计算连通区域的面积产生较大的影响，直接影响了后期块状农产品特征的提取结果，因此，采用数学形态学的开闭运算进行孔径的填充。利用Hu矩不变特征算法计算标准块状农产品的7个矩不变特征。也就是说，利用标准块状农产品的边界信息和重心计算面积、周长和弧度等几何特征及7个矩不变特征。S14 :利用S13中的几何特征及7个矩不变特征组成特征矩阵，并根据所述特征矩 阵计算标准块状农产品的特征空间，提取该标准块状农产品的主要特征并计算特征参数。具体地说用PCA方法分析学习矩阵，提取标准块状农产品的特征空间，从而得到该类学习样本在特征空间中的主要特征和主要特征的特征参数。这是由于光照的变换、阴影的影响、噪声的干扰、边界特征在二维形态上的细微差别以及需求的变更都会使分类依据的特征发生变化，同时，分类过程中，如果特征太多则影响速度，对识别效果没有显著的提升，因此，用PCA方法提取主要特征并计算主要特征的特征参数。如图4所示，S2 :对待识别块状农产品进行几何特征和矩不变特征组成的特征向量的采集并根据Si中的特征参数，进行在线识别步骤如下S21 :该方法步骤与Sll相同，请参考SI I。S22 :该方法步骤与S12相同，请参考S12，在此不再赘述。S23 :该方法步骤与S13相同，请参考S13，在此不再赘述。S24 :根据S23中的几何特征和7个矩不变特征组成的特征向量投影到标准块状农产品的特征空间，采用欧氏距离(欧几里得度量Euclidean distance)计算待识别块状农产品与标准块状农产品在相应特征空间的距离，用该距离来描述待识别块状农产品与标准块状农产品的相似度，得到合格/不合格的块状农产品，并由图像输入输出控制模块显示出识别结果。本发明可通用于所有可切成块状的农产品，具体针对某一个所测农产品的切块特征，可改变相关参数，便可以对新的切块尺寸、颜色和形状进行识别。本发明与人工检测相t匕，结果更客观公正，并且不会对人的健康和块状农产品的卫生情况造成损害，将机器视觉用于块状农产品分选过程中，既可以解放劳动力，使人脱离重复乏味的简单劳动，又可以排除人的主观因素干扰，提高检测的可信度，该发明可以应用于块状农产品的自动化生产、检测过程。以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
权利要求
1.一种基于PCA的块状农产品在线识别装置，其特征在于，包括 切割系统，用于将农产品切割成块状； 输送系统，用于输送所述块状农产品； 机器视觉系统，用于采集所述块状农产品图像； 图像识别系统，用于根据所述图像数据计算块状农产品的几何特征及矩不变特征，并根据主成分分析PCA方法对块状农产品进行识别。
2.如权利要求I所述的基于PCA的块状农产品在线识别装置，其特征在于，所述图像识别系统包括 图像输入输出控制模块，用于采集机器视觉系统中的块状农产品图像并将所述图像输出至图像分割模块，以及用于显示最终识别结果； 图像分割模块，用于将所述块状农产品图像中的块状农产品目标从图像背景中分割出来，并进行预处理； 图像特征提取模块，提取块状农产品的边界信息和重心，并计算块状农产品的面积、周长和弧度几何特征及矩不变特征； 主成分分析模块，用于根据所述几何特征和矩不变特征计算块状农产品的特征空间，并采用PCA提取块状农产品的主要特征； 图像特征匹配模块，用于计算待识别块状农产品的几何特征和矩不变特征与标准块状农产品的主要特征在所述标准块状农产品的特征空间的距离，根据待识别块状农产品与标准块状农产品的相似度得出最终识别结果。
3.如权利要求I所述的基于PCA的块状农产品在线识别装置，其特征在于，所述切割系统包括切丁机和漏斗，所述切丁机用于将农产品切割成块状，所述漏斗将块状农产品均匀洒落给所述输送系统。
4.如权利要求I所述的基于PCA的块状农产品在线识别装置，其特征在于，所述输送系统包括振动器、第一传送台、第二传送台、直流电机和调节滤板，所述振动器通过振动运动将从所述第一传送台上掉落下来的块状农产品振散、平铺，并且将所述块状农产品振动移动到所述第二传送台上，所述直流电机带动所述第二传送台运送块状农产品，所述调节滤板调节允许通过的块状农产品的大小及个数。
5.如权利要求I所述的基于PCA的块状农产品在线识别装置，其特征在于，所述机器视觉系统包括机器视觉支撑单元、CXD摄像机、LED平面光源和DSP高速图像处理单元，所述CXD摄像机和LED平面光源位于机器视觉支撑单元上方，所述DSP高速图像处理单元通过IEEE1394标准接口与所述图像识别系统连接。
6.一种基于PCA的块状农产品在线识别方法，其特征在于，包括 ·51:根据PCA计算标准块状农产品的特征空间，提取主要特征和计算主要特征的特征参数； · 52:对待识别块状农产品进行几何特征和矩不变特征组成的特征向量的采集，并根据SI中的特征参数，进行在线识别。
7.如权利要求6所述的基于PCA块状农产品在线识别方法，其特征在于，在SI中包括 S12:采集一帧标准块状农产品的图像，并转换到灰度空间，将所述标准块状农产品图像从图像背景中分离，并进行预处理；513:提取标准块状农产品的边界信息和重心，并利用所述边界信息和重心计算面积、周长和弧度几何特征及矩不变特征。
514:利用S13中的几何特征及矩不变特征组成特征矩阵，并基于PCA，根据所述特征矩阵计算标准块状农产品的特征空间，提取所述标准块状农产品的主要特征并计算特征参数。
8.如权利要求7所述的基于PCA的块状农产品在线识别方法，其特征在于，在S12之前，还包括 Sll :将农产品切割成块状，并选取出标准块状农产品。
9.如权利要求5所述的基于PCA块状农产品在线识别方法，其特征在于，在S2中包括 S22:采集一帧待识别块状农产品的图像，转换到灰度空间，将所述待识别块状农产品图像从图像背景中分离，并进行预处理； 523:提取待识别块状农产品的边界信息和重心，并利用所述的边界信息和重心计算面积、周长和弧度几何特征及矩不变特征； 524:将S23中的几何特征和矩不变特征组成的特征向量投影到标所述准块状农产品的特征空间，并计算待识别块状农产品与标准块状农产品在所述特征空间的距离，根据待识别块状农产品与标准块状农产品的相似度得出最终识别结果。
10.如权利要求9所述的基于PCA的块状农产品在线识别方法，其特征在于，在S22之前，还包括 ·S21 :将待识别农产品切割成块状。
全文摘要
本发明公开了一种基于PCA块状农产品在线识别装置及方法，其方法包括S1根据PCA计算标准块状农产品的特征空间，提取主要特征和计算主要特征的特征参数；S2对待识别块状农产品进行几何特征和矩不变特征组成的特征向量的采集，并根据S1中的特征参数，进行在线识别。本发明不仅实现了传统方法对块状农产品的分级、结果更客观公正、系统实时性高，并且不会对人的健康和块状农产品的卫生情况造成损害。
文档编号G01N21/89GK102680488SQ20121009356
公开日2012年9月19日 申请日期2012年3月31日 优先权日2012年3月31日
发明者刘忠强, 张水发, 杨锋, 王开义 申请人:北京农业信息技术研究中心