1.一种基于图像显著性区域提取方法的大米垩白度检测系统,其特征在于:包括垩白米检测机器视觉装置和垩白度检测系统,所述垩白米检测机器视觉装置包括暗箱、工业相机、LED光源、大米放置拖板、数据连接线和电脑,所述垩白度检测系统的检测步骤包括:步骤一、把大米放置暗箱中用工业相机进行拍摄,获取图像后先对图像进行灰度化处理;
步骤二:对图像进行中值滤波让图像更为平滑减少噪声干扰,再对图像进行反运算突出大米图像区域,并对其进行阈值分割后计算出大米面积;
步骤三:另外通过图像显著性区域提取的算法对图像垩白区域进行提取并计算垩白区域面积,最后计算出大米的垩白度;
所述垩白度检测系统的处理步骤包括:
a、大米彩色图像采集系统:将被检测的垩白米放置到暗箱中的大米放置托盘,对被检测的垩白米进行图像采集,并对图像大小进行调整;
b、灰度化处理系统:对采用图像显著性区域提取算法对大米图像进行图像显著性区域提取,提取出垩白区域部分;
c、滤波处理系统:对采集到的图像进行滤波处理,去除掉图像的噪声;
d、计算大米垩白度:计算出大米垩白区域面积,并对大米的垩白度进行计算,输出结果;
所述滤波处理系统和所述计算大米垩白度之间还设有图像反运算系统,通过图像反运行系统计算出大米垩白度;
所述图像反运算系统的计算方法包括:
步骤1、阈值分割:对图像特征变化边缘进行提取,计算出边缘像素点个数以及边缘的总像素值,从而计算出边缘像素的平均值作为该区域的阈值;
步骤2、计算垩白区域像素点的和:利用该阈值进行该区域的分割,分割出整张图片的垩白区域,并计算出大米的垩白度。
2.根据权利要求1所述的一种基于图像显著性区域提取方法的大米垩白度检测系统,其特征在于:所述图像反运算系统的计算方法包括:步骤A、图像特征变化边缘化提取:用机器视觉装置获取大米图像,对大米图像进行滤波处理;
步骤B、计算边缘像素平均值;
步骤C、阈值分割:对图像特征变化边缘进行提取,计算出边缘像素点个数以及边缘的总像素值,从而计算出边缘像素的平均值作为该区域的阈值;
步骤D、计算垩白区域像素点的和:利用该阈值进行该区域的分割,分割出整张图片的垩白区域,并计算出大米的垩白度。
3.根据权利要求1所述的一种基于图像显著性区域提取方法的大米垩白度检测系统,其特征在于:对所述步骤一中所述图像进行滤波处理方法包括包括:步骤A、通过工业相机采集到大米图像后将图像裁剪成512×512像素,对图像进行灰度化处理;
步骤B、对在拍摄图像中含有噪声的图像显著区域进行提取,对图像灰度图进行中值滤波,对图像进行平滑处理。
4.根据权利要求1~3任一项所述的一种基于图像显著性区域提取方法的大米垩白度检测系统,其特征在于:步骤二中所述的图像特征边缘进行提取后的垩白度进行计算,计算公式如下,根据公式可得在图像中计算大米垩白度需要得出大米像素面积和垩白区域像素面积。
5.根据权利要求4所述的一种基于图像显著性区域提取方法的大米垩白度检测系统,其特征在于:所述图像反运算系统包括Canny边缘检测器对,通过所述Canny边缘检测器对图像像素边缘进行提取。
6.根据权利要求5所述的一种基于图像显著性区域提取方法的大米垩白度检测系统,其特征在于:所述Canny边缘检测器的提取步骤包括:(1),计算图像每个像素点的梯度强度和方向得到大概边缘区域;
(2)、应用非极大值抑制,以消除边缘检测带来的杂散响应;
(3)、利用双阈值检测,设定低阈值和高阈值,灰度变化大于高阈值设置为强边缘像素,低于低阈值的剔除,在低阈值和高阈值之间的设置为弱边缘。
7.根据权利要求1所述的一种基于图像显著性区域提取方法的大米垩白度检测系统,其特征在于:所述工业相机、LED光源和所述大米放置拖板均设置于所述暗箱内,所述暗箱内的环境通过所述LED光源照明,所述工业相机采用500万像素、拍摄分辨率为2592×1944,所述工业相机通过数据线将采集到的图片传送至所述暗箱外的所述电脑内,通过所述电脑对采集的图片进行大米垩白度的计算。