一种基于BM4D去噪算法和KNN算法的苹果分类方法与流程

一种基于bm4d去噪算法和knn算法的苹果分类方法
技术领域
1.本发明涉及自动视觉检测技术领域，具体为一种基于bm4d去噪算法和knn算法的苹果分类方法。


背景技术：

2.作为世界上最大的水果生产国与加工国，我国的果业已经成为国家第三大农业产业，而水果出口占总产量的比例较低。
3.为了提高水果在国际市场上的竞争力，在水果采摘后通常采用人工分级的方法，势必会存在误差问题，所以机器视觉技术将越来越多的运用到在水果加工中，特别是在质量检验和缺陷分类等方面，但目前机器视觉技术在农业水果分类系统的应用还存在或多或少的问题。
4.现有技术中采用人工检测的方法存在以下问题：(1)主观意识影响大，分类准则以人为定，易存在明显的客观和误差问题；(2)在大数量集下，受人为视觉疲劳影响，易使分类效率变低，分类耗时变长；(3)在人为移动苹果中，苹果表皮易损坏，轻拿轻放易使得分类效率降低。
5.针对上述问题，本发明公开一种基于bm4d去噪算法和knn算法的苹果分类方法。


技术实现要素：

6.本发明的目的在于提供一种基于机器视觉的苹果分类方法，以解决上述背景技术中提出的采用人工检测分类效率变低，分类耗时变长，且人为移动苹果，造成苹果表皮损坏的问题。为实现上述目的，本发明提供如下技术方案一种基于机器视觉的苹果分类方法，该方法包括以下几个步骤：
7.s1：使用双目机器视觉提取固定位置下苹果的空间坐标集；
8.s2：通过摄像头将拍照后图片转化为数字图像，并对图片进行归一化处理；再通过matlab软件对数字图像进行一系列操作；
9.s3：对得到的图像进行预处理，采用方法是对图像进行彩色空间选择，之后对得到的图像进行频率增强，并对该图像进行bm3d滤波；
10.s4：进行分割处理，寻找合适的灰度值使物体和背景准确的分开，采用了不同方法对得到的图像进行了分割；
11.s5：提取苹果图像颜色、高度和缺陷等特征值；
12.s6：对处理完成的图片进行分类，以中国水果行业标准为标签对苹果等级进行划分；
13.s7：输出分类结果。
14.优选的，所述s1中，利用两个固定摄像机(一台黑白摄像机，一台rgb摄像机)协同拍摄同一物体；所述计算世界坐标系中的一点在两幅图片中之差来得到该点的三维坐标，从而形成整体坐标集。
15.优选的，所述s3中，为了增强与背景的区分度，采用拉普拉斯算子进行锐化处理，再对其进行平滑处理。
16.优选的，所述s4中，所述彩色分割选择8*8像素块匹配聚类的方法；所述灰度分割选择ostu图像分割方法。
17.优选的，所述s5中，所述颜色特征提取对彩色摄像头拍摄的图片，以苹果r、g、b三者均值和对应偏差作为颜色分量来反映水果表面色彩信息；所述高度特征提取，实验所用摄像头与平台处于同一水平放置，所以得到的深度信息即为苹果高度信息；所述缺陷表面特征提取，分为完整表面和缺陷表面苹果样本，并按国家水果行业对水果缺陷分类，提取苹果表面常见缺陷，计算缺陷表面积所占百分比，完成缺陷实际面积标定。
18.优选的，所述s5中，所述苹果缺陷分类名称包括：虫眼、划痕、腐烂和挤压。
19.优选的，所述s6中，利用pca进行样本特征数据进行降维处理，对苹果等级进行划分。
20.优选的，所述s6中，采取改进knn算法对水果特征进行分类，其中在knn中增加值预选算法，在使用knn算法时，是以测试苹果某一特征与样本苹果同一特征的欧式距离来作为分类依据，因此在计算距离前剔除特征值超过一定值的特征值，减少计算量。
21.与现有技术相比，本发明的有益效果是：
22.本发明提供的一种基于bm4d去噪算法和knn算法的苹果分类方法，该方法能够替代耗时且效率低的人工分类方法，达到节约成本、提高生产效率的目的。
附图说明
23.下面结合附图对本发明作进一步说明。
24.图1是本发明的方法流程图。
具体实施方式
25.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。
26.请参阅图1，本发明所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，该方法包括以下几个步骤：
27.s1：使用双目机器视觉提取固定位置下苹果的空间坐标集；
28.s2：通过摄像头将拍照后图片转化为数字图像，并对图片进行归一化处理；再通过matlab软件对数字图像进行一系列操作；
29.s3：对得到的图像进行预处理，采用方法是对图像进行彩色空间选择，之后对得到的图像进行频率增强，并对该图像进行bm3d滤波；
30.s4：进行分割处理，寻找合适的灰度值使物体和背景准确的分开，采用了不同方法对得到的图像进行了分割；
31.s5：提取苹果图像颜色、高度和缺陷等特征值；
32.s6：对处理完成的图片进行分类，以中国水果行业标准为标签对苹果等级进行划
分；
33.s7：输出分类结果。
34.作为本发明的一种实施方式，所述s1中，利用两个固定摄像机(一台黑白摄像机，一台rgb摄像机)协同拍摄同一物体；所述计算世界坐标系中的一点在两幅图片中之差来得到该点的三维坐标，从而形成整体坐标集；使用时，为了得到完整的苹果的表面信息，将待拍摄苹果沿同一方向旋转两次，保证旋转角度在100度，确定世界坐标系，图像坐标系以及两摄像机坐标系，和相关坐标轴的方向和原点位置，按照针孔成像模型，进行几何模型坐标变换，此时设原点o的位置在摄像头轴上距离焦距平面距离值为zc＝1处，所以图像坐标(i，j)和空间世界坐标系(xw，yw，zw)之间的关系：
[0035][0036]
其中为3阶正交旋转矩阵，表示世界坐标系和摄像机坐标系之间
[0037]
旋转方式，其中为平移向量：表示两坐标轴的平移转换关系，(cx,cy)为光心，f为摄像机有效焦距，fx,fy为逻辑焦距。
[0038]
作为本发明的一种实施方式，所述s3中，为了增强与背景的区分度，采用拉普拉斯算子进行锐化处理，再对其进行平滑处理；使用时，将采集到的rgb颜色模型转化成hsv模型，再对图片进行亮度、均衡化等处理，再将hsv模型转成rgb模型实现图像增强，将得到的彩色图片和灰度图像进行频率增强，通过傅里叶变换，将时域信号转成频率信号，同时对进行信号稀疏处理；再通过块分组，匹配，在kaiser窗下以不同权重聚合后得到的点的灰度值代替图像点的像素值。
[0039]
傅里叶变换公式：
[0040][0041]
其中(w代表频率，t代表时间，e^
‑
iwt为复变函数)；
[0042]
稀疏表示公式：设x∈r
n
为单一原始信号，d∈r
n
×
k
为过完备字典，α∈r
k
为稀疏表示结果。对于字典的每一列元素记为d
i
∈r
n i＝1,2,...,k，进一步，为了让该式的α满足稀疏性，我们加上l0范数的稀疏性约束，最终得到以下公式：
[0043][0044]
权重计算公式：
[0045]
[0046]
其中wp为经验维纳系数。
[0047]
作为本发明的一种实施方式，所述s4中，所述彩色分割选择8*8像素块匹配聚类的方法；所述灰度分割选择ostu图像分割方法；使用时，因为有得到彩色图和灰度图，所以这步对彩色图采取彩色分割，以便在下步进行颜色特征提取；对于灰度图进行灰度图像分割提取单果图像，具体步骤为先将彩色图片的像素坐标(含横坐标和纵坐标)、rgb颜色空间的三个通道的灰度值等5个参数进行归一化处理，通过计算各像素块与相邻像素块之间的欧式距离，此时为了减少计算量，在计算相似块的距离前先指定块与相邻块之间的距离作为阈值，将大于阈值的图像块先剔除，然后将其归类到与其距离最小的那个初始像素块聚类中，然后再将块按阈值行移动，进行上面相同处理，直到块到达行最大值，再列移动进行至最大值时结束，灰度分割：选择ostu图像分割，基本公式为：
[0048]
δ2(t)＝w
a
(μ
a
‑
μ)2+w
b
(μ
b
‑
μ)2[0049]
δ2为两类间最大方差，wa为属于a区域的概率，wb为属于b区域的概率，μ
a
为a类灰度均值，μ
b
为b类灰度平均值，μ为图像灰度平均值，t为区域分割阈值。
[0050]
作为本发明的一种实施方式，所述s5中，所述颜色特征提取对彩色摄像头拍摄的图片，以苹果r、g、b三者均值和对应偏差作为颜色分量来反应水果表面色彩信息；所述高度特征提取，实验所用摄像头与平台处于同一水平放置，所以得到的深度信息即为苹果高度信息；所述缺陷表面特征提取，分为完整表面和缺陷表面苹果样本，并按国家水果行业对水果缺陷分类，提取苹果表面常见缺陷，计算缺陷表面积所占百分比，完成缺陷实际面积标定；所述s5中，所述苹果缺陷分类名称包括：虫眼、划痕、腐烂和挤压；使用时，利用苹果重建：对水果不同方向所拍摄的图采取基于特征立体匹配的到视差图，再通过标定两个摄像头，利用其参数获取深度信息参数，最终为得到样本深度信息，之后可以通过三角测距的到其坐标，其中采取双摄像头用来模拟人眼来重建样本三维信息，从而还原苹果的立体形态。
[0051]
作为本发明的一种实施方式，所述s6中，利用pca进行样本特征数据进行降维处理，对苹果等级进行划分；使用时，
[0052]
(1)苹果样本(z)以行为序号，列为特征形成一个m
×
n的矩阵；
[0053]
(2)计算出z的协方差矩阵(x)与样本的均值(m)；
[0054]
(3)求取样本的特征值与不同的特征值(t)下的特征向量(l)；
[0055]
(4)自己设计需保存信息的权重，用权重来由大到小选取特征值、总和达到要求的前w个特征值与其确定的特征向量集(q)；
[0056]
(5)k＝(z—m)
×
q即为降维到k维后的数据。
[0057]
作为本发明的一种实施方式，所述s6中，采取改进knn算法对水果特征进行分类，其中在knn中增加值预选算法，在使用knn算法时，是以测试苹果某一特征与样本苹果同一特征的欧式距离来作为分类依据，因此在计算距离前剔除特征值超过一定值的特征值，减少计算量；使用时，算法公式为：
[0058]
|zxr
‑
zx|<d；
[0059]
其中zxr为测试苹果某一特征，zx为样本苹果同一特征，d为自己设置的阈值。