详情

原文传递皮蛋内部品质的无损视觉检测分级方法

专利名称：	皮蛋内部品质的无损视觉检测分级方法
摘要：	本发明公开了一种皮蛋内部品质的无损视觉检测分级方法，涉及皮蛋加工分级技术领域。本方法是：①搭建好皮蛋图像采集装置；②获取皮蛋图片；③对图像进行预处理并提取皮蛋的颜色参数；④建立分类模型；⑤皮蛋品质的检测判断。本发明将机器视觉和BP神经网络结合起来对皮蛋品质进行检测判断，对应用环境具有不挑剔性，有着良好的应用推广前景；BP神经网络具有很强的学习能力和处理线性不可分问题的能力，高效率和高智能；能够实现无损检测，准确率较高，适用于皮蛋的检测和分类。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	华中农业大学
发明人：	王巧华;梅璐;汤文权;龚玥旻
专利状态：	有效
申请日期：	2019-04-12T00:00:00+0800
发布日期：	2019-07-12T00:00:00+0800
申请号：	CN201910291900.9
公开号：	CN110006899A
代理机构：	武汉宇晨专利事务所
代理人：	黄瑞棠
分类号：	G01N21/84(2006.01);G;G01;G01N;G01N21
申请人地址：	430070 湖北省武汉市洪山区狮子山街1号
主权项：	1.一种皮蛋内部品质的无损视觉检测分级方法，其特征在于包括下列步骤： ①搭建好皮蛋图像采集装置本装置包括被检测对象——皮蛋（4）；设置有暗箱（1）、托板（2）、工业相机（3）、光源（5）和计算机（6）；其位置及连接关系是：在暗箱（1）的底面放置光源（5），在暗箱（1）的顶面放置工业相机（3），在暗箱（1）的中间设置有托板（2），在托板（2）上面放置有皮蛋（4）；光源（5）、皮蛋（4）和工业相机（3）依次交互；工业相机（3）和计算机（6）连接； ②获取皮蛋图片首先打开光源（5），将皮蛋（4）放在托板（2）上面的透光孔处，然后关闭暗箱（1），排除外部光线的干扰，再通过计算机（6）控制工业相机（3）拍照，将获取的图像进行命名存储； ③对图像进行预处理并提取皮蛋的颜色参数首先将获取的图像用MATLAB软件打开，将彩色图像转化为仅含R分量的图像和仅含B分量的图像，用仅含R分量的图像减去仅含G分量的图像，得到的新图像将其值进行放大，再将放大后的图像转化为二值图像进行适当的膨胀腐蚀处理后得到透光区域，将二值图像与原图像求并，将原图像中的皮蛋透光部分分离出来，最后将去除背景后的图像转化为6张单一颜色分量的图像：仅含R、G、B、H、S、V分量的图像，分别计算出各分量图像的均值即完成图像颜色分量提取； ④建立分类模型将人工分级完成的含有劣质蛋、次品蛋、优质蛋的三种品质的皮蛋图片提取并存储其颜色参数，创建一个BP神经网络模型，设置其误差、隐含层神经元个数和最大迭代次数，再设置期望输出：劣质蛋期望输出为0、次品蛋期望输出为1、优质蛋期望输出为2，将图片数据中80%的数据用于训练神经网络，剩下20%的数据用来检验神经网络的准确性，若检验结果的准确率大于0.9，则神经网络训练成功，否则重新设置神经网络，重新进行训练； ⑤皮蛋品质的检测判断打开光源（5），将皮蛋（4）放置在托板（2）上面的透光孔处，用工业相机（3）摄取皮蛋（4）的图像，计算机（6）提取图像的颜色参数，将参数作为神经网络的输入，将输出进行取整即可输出皮蛋的品质等级，进而判断皮蛋品质：输出0则为劣质蛋，输出1则为次品蛋，输出2则为优质蛋。 2.按权利要求1所述的一种皮蛋内部品质的无损视觉检测分级方法，其特征在于：所述的计算机（6）内嵌有基于MATLAB软件的图像处理程序的工作流程： A、获取皮蛋图像（301）； B、去除皮蛋图像背景，分离出皮蛋的透光部分（302）； C、提取皮蛋图像的RGB值和HSV值（303）； D、将RGB值和HSV值作为神经网络的输入（304）将数据输入到训练完成的BP神经网络中； E、输出皮蛋的品质等级（305）； F、判断皮蛋品质（306）判断皮蛋的品质等级：当期望输出=0时，为劣质蛋（3061）；当期望输出=1时，为次品蛋（3062）；当期望输出=2时，为优质蛋（3063）； G、结束-307。 3.按权利要求1所述的一种皮蛋内部品质的无损视觉检测分级方法，其特征在于所述步骤④中创建一个BP神经网络模型，其BP神经网络训练的流程是： a、训练开始（201）； b、设置权值并对网络初始化（202）； c、随机选取全部样本的80%作为训练集，20%作为测试集（203）； d、对比网络的实际输出与期望输出，判断精度是否满足要求（204），是则进入步骤e，否则经过调整权值（205），跳转到步骤c； e、保存权值（206）； f、训练完成（207）。
所属类别：	发明专利