一种蔬菜筛选方法及系统与流程

本发明涉及人工智能领域，特别是涉及一种蔬菜筛选方法及系统。

背景技术：

蔬菜可以提供人体所必需的多种维生素和矿物质等营养元素，因此，蔬菜是人们日常生活中必不可少的食物之一。随着大批量蔬菜的收割，通过人工方式对蔬菜进行筛选分类已经不能顺应蔬菜行业的发展，而且效率低。现有的技术中有的通过蔬菜筛选机通过带孔的网筛对蔬菜进行筛选，但是通过机械网筛的方式容易对蔬菜造成损害，导致蔬菜筛选过程损耗大；而且机械网筛只能针对某一类蔬菜进行筛选，不具通用性。

技术实现要素：

本发明的目的是提供一种蔬菜筛选方法及系统，以降低蔬菜筛选的损耗，使之更具通用性。

为实现上述目的，本发明提供了如下方案：

一种蔬菜筛选方法，包括：

获取待筛选蔬菜的类别；

根据所述待筛选蔬菜的类别，获取所述类别对应的筛选规则；所述筛选规则包括不同等级对应不同范围的蔬菜参数，所述蔬菜参数包括：颜色、直径和长度；

获取所述待筛选蔬菜的图像；

对所述图像进行分析，获取所述图像中的待筛选蔬菜的蔬菜参数；

根据所述待筛选蔬菜的蔬菜参数和所述筛选规则，确定所述待筛选蔬菜的等级。

可选的，所述对所述图像进行分析，获取所述图像中的待筛选蔬菜的蔬菜参数，具体包括：

提取所述图像中的颜色特征，确定所述待筛选蔬菜的颜色；

对所述图像进行二值化处理，得到二值化处理后的图像；

提取所述二值化处理后的图像中待筛选蔬菜的轮廓；

根据所述待筛选蔬菜的轮廓获取所述待筛选蔬菜的直径和长度。

可选的，所述根据所述待筛选蔬菜的类别，获取所述类别对应的筛选规则，之前还包括：

构建蔬菜筛选数据库，所述蔬菜筛选数据库中包括多种类别的蔬菜的筛选规则。

可选的，所述蔬菜参数还包括重量。

可选的，所述对所述图像进行分析，获取所述图像中的待筛选蔬菜的蔬菜参数，之前还包括：

获取所述待筛选蔬菜的重量数据。

本发明还提供一种蔬菜筛选系统，包括：

类别获取模块，用于获取待筛选蔬菜的类别；

筛选规则获取模块，用于根据所述待筛选蔬菜的类别，获取所述类别对应的筛选规则；所述筛选规则包括不同等级对应不同范围的蔬菜参数，所述蔬菜参数包括：颜色、直径和长度；

图像获取模块，用于获取所述待筛选蔬菜的图像；

图像分析模块，用于对所述图像进行分析，获取所述图像中的待筛选蔬菜的蔬菜参数；

等级确定模块，用于根据所述待筛选蔬菜的蔬菜参数和所述筛选规则，确定所述待筛选蔬菜的等级。

可选的，所述图像分析模块具体包括：

颜色特征提取单元，用于提取所述图像中的颜色特征，确定所述待筛选蔬菜的颜色；

二值化处理单元，用于对所述图像进行二值化处理，得到二值化处理后的图像；

轮廓提取单元，用于提取所述二值化处理后的图像中待筛选蔬菜的轮廓；

参数获取单元，用于根据所述待筛选蔬菜的轮廓获取所述待筛选蔬菜的直径和长度。

可选的，所述系统还包括：

蔬菜筛选数据库构建模块，用于在根据所述待筛选蔬菜的类别，获取所述类别对应的筛选规则之前，构建蔬菜筛选数据库，所述蔬菜筛选数据库中包括多种类别的蔬菜的筛选规则。

可选的，所述蔬菜参数还包括重量。

可选的，所述系统还包括：

重量数据获取模块，用于获取所述待筛选蔬菜的重量数据。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

通过图像处理的方式直接获得待筛选蔬菜的相关参数，然后与预先存储的筛选规则比较，进而得到待筛选蔬菜的等级，避免了传统方式中通过机械网筛对蔬菜造成的损耗。而且可以根据不同待筛选蔬菜的种类，获取不同的筛选规则，适用于多种类别的蔬菜筛选，更具通用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明蔬菜筛选方法的流程示意图；

图2为本发明蔬菜筛选系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明蔬菜筛选方法的流程示意图。如图1所示，包括以下步骤：

步骤100：获取待筛选蔬菜的类别。蔬菜的类别可以为蔬菜的种类，例如：白菜、胡萝卜、土豆、豆角等；每一种类还可以包括下属的分类，例如，豆角下属的分类包括：扁豆、四季豆、刀豆、荷兰豆等。用户可以根据待筛选蔬菜自主选择蔬菜的类别。

步骤200：根据所述待筛选蔬菜的类别，获取所述类别对应的筛选规则。在进行蔬菜筛选之前，需要构建蔬菜筛选数据库，蔬菜筛选数据库中包括多种类别的蔬菜的筛选规则。筛选规则包括不同等级对应不同范围的蔬菜参数，蔬菜参数包括：颜色、直径和长度等，因此，每一等级中对应着不同的颜色误差范围、直径范围和长度范围。对于含水分量较大的蔬菜，或者对蔬菜水分有要求的种类，蔬菜筛选规则中还包括对于蔬菜重量的限定，此时，蔬菜的参数还包括重量。每个类别的蔬菜参数可以根据实际需求进行添加、删除和变更的调整，以及每个等级的蔬菜参数的范围也可以根据实际需求进行调整。

步骤300：获取所述待筛选蔬菜的图像。作为优选的方式，可以采用摄像头对待筛选蔬菜进行拍摄，获得待筛选蔬菜的拍摄图像。

步骤400：对所述图像进行分析，获取所述图像中的待筛选蔬菜的蔬菜参数。大多数类别的蔬菜参数都需要包括颜色、直径和长度，因此，需要根据拍摄的图像分析出待筛选蔬菜的相关参数，具体过程如下：

首先，提取所述图像中的颜色特征，确定所述待筛选蔬菜的颜色；

然后，对所述图像进行二值化处理，得到二值化处理后的图像；提取所述二值化处理后的图像中待筛选蔬菜的轮廓；

最后，根据所述待筛选蔬菜的轮廓获取所述待筛选蔬菜的直径和长度。

对于需要根据重量进行筛选的情况，还需要对蔬菜进行称重，获得待筛选蔬菜的重量数据。

步骤500：根据所述待筛选蔬菜的蔬菜参数和所述筛选规则，确定所述待筛选蔬菜的等级。通过步骤400获得了待筛选蔬菜的蔬菜参数，根据待筛选蔬菜的蔬菜参数与筛选规则中对应的蔬菜参数的具体范围进行比较，便可以得到待筛选蔬菜所属的等级。

确定了待筛选蔬菜的等级之后，可以直接通过传送带分流等方式实现待筛选蔬菜的分装。

本发明还提供了一种蔬菜筛选系统，图2为本发明蔬菜筛选系统的结构示意图。如图2所示，包括：

类别获取模块201，用于获取待筛选蔬菜的类别；

筛选规则获取模块202，用于根据所述待筛选蔬菜的类别，获取所述类别对应的筛选规则；所述筛选规则包括不同等级对应不同范围的蔬菜参数，所述蔬菜参数包括：颜色、直径和长度；

图像获取模块203，用于获取所述待筛选蔬菜的图像；

图像分析模块204，用于对所述图像进行分析，获取所述图像中的待筛选蔬菜的蔬菜参数；

等级确定模块205，用于根据所述待筛选蔬菜的蔬菜参数和所述筛选规则，确定所述待筛选蔬菜的等级。

所述图像分析模块204具体包括：

颜色特征提取单元，用于提取所述图像中的颜色特征，确定所述待筛选蔬菜的颜色；

二值化处理单元，用于对所述图像进行二值化处理，得到二值化处理后的图像；

轮廓提取单元，用于提取所述二值化处理后的图像中待筛选蔬菜的轮廓；

参数获取单元，用于根据所述待筛选蔬菜的轮廓获取所述待筛选蔬菜的直径和长度。

所述系统还包括：

蔬菜筛选数据库构建模块，用于在根据所述待筛选蔬菜的类别，获取所述类别对应的筛选规则之前，构建蔬菜筛选数据库，所述蔬菜筛选数据库中包括多种类别的蔬菜的筛选规则。

所述系统还包括：

重量数据获取模块，用于获取所述待筛选蔬菜的重量数据。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。