中心区域确定方法、异物剔除方法、装置及检测设备与流程

本发明涉及计算机技术领域，具体涉及一种目标的中心区域确定方法、异物剔除方法、装置及异物检测设备。

背景技术：

我国每年存储大量的农产品，如小麦、玉米等粮食，但是在粮食的晾晒、储藏过程中会引入各种各样的杂质，如石子、毛发等,这会降低粮食的品质，同时也会带来食用时的安全问题。所以对这些粮食进行异物检测识别，并对这些杂质进行剔除，是非常有必要的。在剔除过程中，通过杂质物体的中心区域将杂质剔除是一种有效的剔除方式，通常是将杂质物体的质心作为剔除的中心区域。

在实现本发明过程中，发明人发现相关技术中至少存在以下问题：在剔除杂质物体的过程中，如果是毛发等细长杂质，则所求的质心可能不在杂质物体上，也就是说确定中心区域的准确率较低。

技术实现要素：

本发明的目的在于提供一种目标的中心区域及异物剔除点确定方法及装置、异物剔除方法及异物检测设备，以提高确定中心区域的准确率。

第一方面，本发明实施例提供了一种目标的中心区域确定方法，所述方法包括：

获取目标区域的图像；

对所述目标区域由外向内逐层删除像素，以使所述目标区域不断缩小且其内的连通域数量不变，直至剩余预设数量个像素；

将剩余的预设数量个像素确定为所述目标的中心区域。

本发明通过每轮删除固定宽度像素，且先把最外层删除后，再删除里面一层，实现逐层进行删除，直到剩余最后一定宽度的像素即预设数量个像素停止删除，这剩余的像素即是所要求取的中心区域。这个过程的基本原理是模拟火烧野草的情况，每轮燃烧固定宽度即单个像素，且先把最外层燃烧后，再燃烧里面一层，直到剩余最后一定宽度的像素即预设数量个像素停止燃烧，这剩余的像素，即为所要求取的中心区域。相比于直接目标区域的质心作为中心区域，所求取的中心区域不会与目标区域脱离，准确率更高。

可选的，所述获取目标区域图像的步骤包括：

从原始图像中识别出目标区域；

将目标区域内填充第一预设颜色，并将其余区域填充第二预设颜色，获得目标区域的图像，其中，所述第一预设颜色和所述第二预设颜色两者中一者为黑色，另一者为白色。

可选的，所述对所述目标区域由外向内逐层删除像素的步骤包括：

针对所述目标区域对应的当前剩余区域内的每个像素，根据该每个像素的灰度值，以及与其相邻的像素的灰度值，判断该每个像素是否为当前层下待删除的外部像素，遍历完当前剩余区域，删除存在的待删除的外部像素，重复本步骤直至当前剩余区域的像素数量为预设数量个。

可选的，针对所述目标区域对应的当前剩余区域内的每个像素，根据该每个像素的灰度值，以及与其相邻的像素的灰度值，判断该每个像素是否为当前层下待删除的外部像素,包括：

判断该每个像素的3×3邻域像素灰度值分布，是否与预先设置的多个待删除像素的3×3邻域像素灰度值分布模板中的任一模板匹配，如果是，确定该每个像素为当前层下待删除的外部像素。

第二方面，本发明实施例提供了一种异物剔除方法，所述方法包括：

获取异物区域的图像；

对所述异物区域由外向内逐层删除像素，以使所述异物区域不断缩小且其内的连通域数量不变，直至剩余预设数量个像素；

将所述剩余的预设数量个像素中的至少一个像素确定为剔除点；

根据确定的剔除点剔除所述异物。

本发明相比于直接目标区域的质心作为中心区域，所求取的中心区域不会与目标区域脱离，准确率更高。将剩余预设数量个像素中的一个像素确定为异物的剔除点，可以保证剔除点位于异物中心区域而不脱离异物，通过剔除点来吹或捏取异物，剔除效率高。

可选的，所述获取异物区域图像的步骤包括：

获取物料的待检测图像，根据所述待检测图像识别出异物区域；

将异物区域内填充第一预设颜色，并将其余区域填充第二预设颜色，获得异物区域的图像，其中，所述第一预设颜色和所述第二预设颜色两者中一者为黑色，另一者为白色。

可选的，所述获取待检测图像，根据所述待检测图像识别出异物区域的步骤，包括：

获取待检测图像，将所述待检测图像输入训练好的基于神经网络的识别模型识别出异物区域。

可选的，所述对所述异物区域由外向内逐层删除像素的步骤包括：

针对异物区域对应的当前剩余区域内的每个像素，根据该每个像素的灰度值，以及与其相邻的像素的灰度值，判断该每个像素是否为当前层下待删除的外部像素，遍历完当前剩余区域，删除存在的待删除的外部像素，重复本步骤直至当前剩余区域的像素数量为预设数量个。

可选的，所述对所述异物区域由外向内逐层删除像素的步骤包括：

计算所述异物区域的hu矩；

判断所述hu矩是否小于预设阈值，如果小于，则对所述异物区域由外向内逐层删除像素。

可选的，所述方法还包括：

如果所述hu矩不小于预设阈值，则求取所述异物区域的质心，并将所确定的质心确定为所述异物的剔除点。

可选的，所述根据确定的剔除点剔除所述异物的步骤，包括：

利用喷嘴向所述剔除点吹气以剔除所述异物，或利用机器人夹取所述剔除点以剔除所述异物。将剩余预设数量个像素中的至少一个像素确定为异物的剔除点，可以保证剔除点位于异物中心区域而不脱离异物，通过剔除点来吹或捏取异物，剔除效率高。

第三方面，本发明实施例提供了一种异物剔除装置，所述装置包括：

获取模块，用于获取异物区域的图像；

像素删除模块，用于对所述异物区域由外向内逐层删除像素，以使所述异物区域不断缩小且其内的连通域数量不变，直至剩余预设数量个像素；

剔除点确定模块，用于将所述剩余预设数量个像素中的至少一个像素确定为剔除点；

剔除模块，用于根据确定的剔除点剔除所述异物。

第四方面，本发明实施例提供了一种异物检测设备，所述异物检测设备根据上述任一项所述的异物剔除方法剔除检测出的异物。

可选的，所述检测设备为用于茶叶或粮食检测的色选机或x光异物检测机。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的一种目标的中心区域确定方法的流程示意图；

图2为本发明实施例中外部像素3×3邻域灰度值分布模板中位置编号的示意图；

图3为表1中分布1对应的3×3邻域灰度值分布图；

图4为根据相关技术确定的毛发的中心区域(具体为中心点)；

图5为根据本发明实施例确定的毛发的中心区域(具体为中心点)；

图6为根据相关技术确定的石子的中心区域(具体为中心点)；

图7为根据本发明实施例确定的石子的中心区域(具体为中心点)；

图8为本发明实施例提供的一种异物剔除方法的流程示意图；

图9为本发明实施例提供的一种异物剔除装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

相关技术中，存在确定中心区域的准确率较低的技术问题，为了解决该技术本体，本发明实施例提供了一种目标的中心区域确定方法、异物剔除方法、装置及异物检测设备。下面将对本发明进行详细说明。

本发明实施例提供了一种目标的中心区域确定方法，如图1所示，所述方法包括：

s101、获取目标区域的图像。其中，目标区域的图像可以为从原始图像中利用目标区域的外接矩形截取的图像。

获取目标区域图像的步骤包括：

(1)从原始图像中识别出目标区域；原始图像可以为彩色图像，也可以为x光图像，可以通过训练好的基于神经网络的识别模型识别出目标区域，当然，也可以通过传统的机器学习算法提取目标区域。

(2)将目标区域内填充第一预设颜色，并将其余区域填充第二预设颜色，获得目标区域的图像，其中，第一预设颜色和第二预设颜色两者中一者为黑色，另一者为白色，也就是说，填充后目标区域内为黑色而区域外为白色，或者目标区域内为白色而区域外为黑色。具体的本步骤可以通过对识别出目标区域的图像进行二值化处理获得，即目标区域内为255且目标区域外为0，或者目标区域内为0且目标区域外为255。

s102、对目标区域由外向内逐层删除像素，以使目标区域不断缩小且其内的连通域数量不变，直至剩余预设数量个像素。

在每轮删除像素点的过程中，目标区域是不断缩小的，而且在这个过程中应该保持连通域的数量不变。具体的，针对目标区域对应的当前剩余区域内的每个像素，根据该每个像素的灰度值，以及与其相邻的像素的灰度值，判断该每个像素是否为当前层下待删除的外部像素，可以确保在删除过程中连通域数量不变，遍历完当前剩余区域，删除存在的待删除的外部像素，重复本步骤直至当前剩余区域的像素数量为预设数量个，实现由外向内逐层也即逐圈删除像素。

具体实现时，目标区域对应的像素为0，其余区域对应的像素为255，确定外部像素的3×3邻域内像素灰度值分布模板，如表1和表2所示，位置编号分布如图2所示，图3示出了表1中分布1对应的3×3邻域内像素灰度值分布。当然，在其他实施方式中，0与255全部对调也是可以的，如目标区域对应的像素为255，其余其余对应的像素为0，则表1和表2中各个分布对应像素为0的更改为255，其余位置改为0。

首先根据表1所示的模板，从上至下，从左至右逐行遍历当前剩余区域的像素，将当前待判断像素的3×3邻域内像素灰度值的分布情况与表1所示的模板进行匹配，如果匹配上，也就是说，当前待判断像素的3×3邻域内像素灰度值的分布情况与表1中某一个3×3邻域内像素灰度值的分布情况相同，则将当前待判断像素确定为待删除的外部像素，利用表1所示的模板，遍历完当前剩余区域后，将确定的要删除的像素删除。然后根据表2所示的模板，从上至下，从左至右逐行遍历当前剩余区域的像素，将当前待判断像素的3×3邻域内像素灰度值的分布情况与表2所示的模板进行匹配，如果匹配上，也就是说，当前待判断像素的3×3邻域内像素灰度值的分布情况与表2中某一个3×3邻域内像素灰度值的分布情况相同，则将当前待判断像素确定为待删除的外部像素，利用表2所示的模板，遍历完当前剩余区域后，将确定的要删除的像素删除。重复这两个步骤，可以实现由外向内逐层删除像素。

循环删除外层像素的结束条件可以为：判断当前像素的5×5邻域内像素数量是否小于或等于2，即预设数量为1或2，如果是，则停止删除。

表1.外部像素的3×3邻域内像素灰度值分布模板1(空白处均为255)

表2.外部像素的3×3邻域内像素灰度值分布模板2(空白处均为255)

s103、将剩余预设数量个像素确定为目标的中心区域。如果预设数量为1个，则可以认为这1个像素为目标区域的中心点。

本发明通过每轮删除固定宽度像素，且先把最外层删除后，再删除里面一层，实现逐层进行删除，直到剩余最后一定宽度的像素即预设数量个像素停止删除，这剩余的像素即是所要求取的中心区域。这个过程的基本原理是模拟火烧野草的情况，每轮燃烧固定宽度即单个像素，且先把最外层燃烧后，再燃烧里面一层，直到剩余最后一定宽度的像素即预设数量个像素停止燃烧，这剩余的像素，即为所要求取的中心区域。相比于直接目标区域的质心作为中心区域，所求取的中心区域不会与目标区域脱离，准确率更高。

如图4和图5所示，图4示出了毛发的质心位置，图5示出了根据本发明实施例提供的中心区域确定方法确定的杂质毛发的中心点的位置，从图上可见，毛发的质心并不在毛发上，而利用本发明所确定的中心点在毛发上；如图6和图7所示，图6示出了石子的质心位置，图7示出了根据本发明实施例提供的中心区域确定方法确定的杂质石子的中心点位置，石子的质心与通过本发明所确定的中心点位置差不多。可见，相比于直接将目标区域的质心作为中心区域，所求取的中心区域不会与目标区域脱离，准确率更高。

基于与上述目标的中心区域确定方法相同的发明构思，本发明实施例提供了一种异物剔除方法，如图8所示，方法包括：

s201、获取异物区域的图像。

获取异物区域图像的步骤包括：

(1)获取物料的待检测图像，根据待检测图像识别出异物区域；具体的，获取待检测图像，将待检测图像输入训练好的基于神经网络的识别模型识别出异物区域。

例如，针对粮食进行异物检测，待检测粮食中存在毛发、石子等杂质。

训练阶段：对于每种杂质获取足够量的样本图像用于深度学习训练。因有头发等细长杂质，这些杂质尺寸较小，故可以利用高清相机获取样本图像，实现本实例的过程中使用的是1200万像素的工业级相机。

人工对杂质的每个像素进行标记。因图像分辨率较高，需对图像进行等分，如对图像等分为11x11等分，每等分之间有重叠。然后使用等分后的图像进行训练。训练使用常见语义分割算法，如fcn(fullyconvolutionalnetworks,全卷积网络)、u-net、deeplab等，其中，u-net是fcn的改进和延伸。

预测阶段：首先获取待检测图像，对待检测图像进行和训练阶段同样的等分；然后，分别使用等分后的图像进行深度学习预测；最后，把等分后的预测结果对应到原始图像上，即为最终的识别结果。

(2)将异物区域内填充第一预设颜色，并将其余区域填充第二预设颜色，获得异物区域的图像，其中，第一预设颜色和第二预设颜色两者中一者为黑色，另一者为白色，也就是说，填充后目标区域内为黑色而区域外为白色，或者目标区域内为白色而区域外为黑色。具体的本步骤可以通过对识别出目标区域的图像进行二值化处理获得，即目标区域内为255且目标区域外为0，或者目标区域内为0且目标区域外为255。

s202、对异物区域由外向内逐层删除像素，以使异物区域不断缩小且其内的连通域数量不变，直至剩余预设数量个像素。

针对异物区域对应的当前剩余区域内的每个像素，根据该每个像素的灰度值，以及与其相邻的像素的灰度值，判断该每个像素是否为当前层下待删除的外部像素，遍历完当前剩余区域，删除存在的待删除的外部像素，重复本步骤直至当前剩余区域的像素数量为预设数量个。本步骤中，异物区域相当于上述的目标区域，其他与上述s102相同，因此，对步骤解释可以参考上述相应部分，在此不做赘述。

s203、将剩余的预设数量个像素中的至少一个像素确定为异物的剔除点。

剩余预设数量个像素属于异物区域的中心区域，将其中任一个像素作为剔除点，都可以保证剔除异物的准确性。

s204、根据确定的剔除点剔除异物。

本发明通过每轮删除固定宽度像素，且先把最外层删除后，再删除里面一层，实现逐层进行删除，直到剩余最后一定宽度的像素即预设数量个像素停止删除，这剩余的像素即是所要求取的中心区域。这个过程的基本原理是模拟火烧野草的情况，每轮燃烧固定宽度即单个像素，且先把最外层燃烧后，再燃烧里面一层，直到剩余最后一定宽度的像素即预设数量个像素停止燃烧，这剩余的像素，即为所要求取的中心区域。相比于直接目标区域的质心作为中心区域，所求取的中心区域不会与目标区域脱离，准确率更高。将剩余预设数量个像素中的一个像素确定为异物的剔除点，可以保证剔除点位于异物中心区域而不脱离异物，便于准确的剔除异物。

进一步的，对异物区域由外向内逐层删除像素的步骤包括：

(1)计算异物区域的hu矩；hu矩的计算过程属于现有技术，在此不做赘述。

(2)判断hu矩是否小于预设阈值，如果小于，则对异物区域由外向内逐层删除外部像素。

针对细长杂质利用逐层删除外部像素的方式确定剔除点，也可以避免将细长杂质外部的点确定为剔除点，从而可以保证剔除的准确性。

再进一步的，方法还包括：

如果hu矩不小于预设阈值，则求取异物区域的质心，并将所确定的质心确定为异物的剔除点。通过预设阈值的设置，可以筛选出一些偏圆或偏方型的异物区域，偏圆或偏方型主要是相对细长的异物区域来说的，针对这类异物区域求取的质心，通常会落在异物区域上，因此，可以将这类异物区域的质心作为剔除点来剔除杂质。

具体可以按照以下公式计算异物区域的质心：

其中，为求取的质心坐标，(x,y)为物体的坐标，n为异物区域的像素个数。

如图4-7所示，图中的毛发和石子相对于来说，毛发属于细长的物体，而石子属于偏圆或偏方的物体。针对前一类物体利用逐层删除像素的方式确定剔除点的方式可以避免将物体外的点确定为剔除点，所确定的剔除点为物体的中心区域的点。而针对后一类物体，求取的质心也在物体上，所以也可以直接将质心作为剔除点。通过设置预设阈值的设置可以控制两种确定方式的计算量所占的比例，从而有利于降低整体的计算量，有利于提高剔除点的确定效率和准确性。

本发明实施例中利用喷嘴向剔除点吹气以剔除异物，或利用机器人夹取剔除点以剔除异物。

本发明实施例还提供了一种异物剔除点确定装置，如图9所示，该装置包括：

获取模块91，用于获取异物区域的图像。

像素删除模块92，用于对所述异物区域由外向内逐层删除像素，以使所述异物区域不断缩小且其内的连通域数量不变，直至剩余预设数量个像素。

剔除点确定模块93，用于将所述剩余预设数量个像素中的至少一个像素确定为剔除点。

剔除模块94，用于根据确定的剔除点剔除异物。

本发明实施例还提供了一种异物检测设备，异物检测设备根据上述的任一异物剔除方法剔除检测出的异物。一种实施方式中，检测设备为用于茶叶或粮食检测的色选机或x光异物检测机。该异物检测设备至少具备与上述异物剔除方法的同样的有益效果，在此不做赘述，可以参考上述对应部分。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。