1.一种基于机器视觉的槟榔切片轨迹计算方法,其特征在于,包括以下步骤:原始图像采集:采集位于生产线上的槟榔原始图像;
图像预处理:对槟榔图像进行滤波处理,并转换至HSV颜色空间,分离出H通道、S通道、V通道三个单通道图像,并得到S单通道图像;
阈值分割:对S通道图像进行阈值分割,得到二值化图像,对二值图像中的连通域用漫水填充算法和图像形态学处理进行图像填充去除孔洞、小连通域;
轮廓识别:利用边缘检测算子检测识别出槟榔轮廓图像,提取出其有效轮廓计算出槟榔区域RegionDiff的长轴A、短轴B、周长P、面积S、得到外轮廓的最小外接矩形;
切片轨迹计算:槟榔轮廓图像计算切片轨迹预选线集合,对每个预选线集合进行权重打分,加权后计算每条预选线组合分数,根据各分数确定槟榔的最终切片轨迹线。
2.根据权利要求1所述的基于机器视觉的槟榔切片轨迹计算方法,其特征在于,所述原始图像采集步骤中,当槟榔接近光电开关时,光电开关即刻触发工业CCD相机采集一帧图像,采用图像采集的方式为触发式采集。
3.根据权利要求1所述的基于机器视觉的槟榔切片轨迹计算方法,其特征在于,所述图像预处理步骤中,滤波处理采用中值滤波,用图像像素点邻域灰度值的中值来代替该像素点的灰度值,让周围的像素值接近真实的值从而消除孤立的噪声点;中值滤波计算公式如下:p(i,j)=Median{f(i‑m,j‑m)},m=3,5,7...
式中:P(i,j)——处理后图像在点(i,j)的灰度值;f(i,j)——原始图像灰度值。
4.根据权利要求1所述的基于机器视觉的槟榔切片轨迹计算方法,其特征在于,所述图像预处理步骤中,将图像进行转换至HSV色彩空间,转换公式如下:v=m
式中:r、g、b——分别为RGB图像中的红色分量、绿色分量、蓝色分量;h、s、v——分别为转换后的HSV颜色空间图像中的色度分量、饱和度分量、亮度分量。
5.根据权利要求1所述的基于机器视觉的槟榔切片轨迹计算方法,其特征在于,所述阈值分割步骤中,利用自适应阈值分割的Otsu确定图像二值化的阈值,其计算公式如下:w0=N0/(M×N)
w1=N1/(M×N)
N0+N1=(M×N)
w0+w1=1
μ=w0*μ0+w1*μ1
2 2
g=w0(μ0‑μ) +w1(μ1‑μ)
采用遍历的方法得到使类间方差最大的阈值T;式中:M×N——为图像的大小;N0——图像中像素的灰度值小于阈值T的像素个数;N1——像素灰度大于阈值T的像素个数;ω0——前景的像素点数占整幅图像的比例;μ0——前景的像素点数占整幅图像的平均灰度;
ω1——背景像素点数占整幅图像的比例;μ1——景像素点数占整幅图像的平均灰度;μ——图像的总平均灰度记;g——类间方差。
6.根据权利要求5所述的基于机器视觉的槟榔切片轨迹计算方法,其特征在于,所述阈值分割步骤中,按下式将槟榔从背景图像中分割出来,则式中:T为二值化分割阈值,Image3(x,y)为图像中(x,y)位置像素的灰度值:x表示槟榔图像X轴的坐标,y表示示槟榔图像Y轴的坐标。
7.根据权利要求1所述的基于机器视觉的槟榔切片轨迹计算方法,其特征在于,所述轮廓识别步骤中,具体步骤如下:计算最小外接矩形:提取槟榔区域RegionDiff的长轴A,短轴B的特征,对区域RegionDiff构建最小外接矩形,最小外接矩形的长边、短边即对应的长轴A、短轴B,利用以下计算公式计算得到最小外接矩形的长轴中轴线坐标G、E坐标;
yn=f(xn)
式中:L、W分别为外接矩形的长度和宽度;(x0,y0)和(x5,y5)为外接矩形的轴线坐标;
(xn,yn)、(xm,ym)分别为矩形的四个顶点坐标,函数f(x)为槟榔外轮廓曲线函数。
提取周长:提取周长P的特征,运用链式法则得到槟榔长度:P=sqrt(2)*Nd+NX+NY;
提取面积:提取面积S的特征,设每个像素点的长度为单位1,则面积为:式中:(x,y)表示图像坐标;Q表示槟榔区域RegionDiff。
8.根据权利要求1所述的基于机器视觉的槟榔切片轨迹计算方法,其特征在于,所述切片轨迹计算步骤中,对背高值和切长值分别使用两套不同的权重评分规则,当背高值或切长值在表中给定值之间时,其取值在评分分数二者之间的基于线性插值所得到的具体分数。