技术特征：
1.一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于，该方法包括以下几个步骤：s1：使用双目机器视觉提取固定位置下苹果的空间坐标集；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；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；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；s5：提取苹果图像颜色，高度，缺陷等特征值；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；s7：输出分类结果。2.根据权利要求1所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于：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。3.根据权利要求1所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于：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。4.根据权利要求3所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于：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。5.根据权利要求4所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于：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。6.根据权利要求5所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于：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。7.根据权利要求6所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于：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。8.根据权利要求7所述的一种基于bm4d去噪算法和knn算法的苹果分类方法，其特征在于：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。
技术总结
本发明公开了自动视觉检测技术领域，具体的说是一种基于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：S1：使用双目机器视觉提取固定位置下苹果的空间坐标集；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；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；基于机器视觉的苹果分类系统能够代替传统的人工目测方法，通过提高苹果分类效率、减少人工分类存在明显的客观和误差问题，提高分级效率和精度，同时来达到减少人力物力的目的。物力的目的。
技术研发人员：王华龙 刘云 李泽辉 杨海东
受保护的技术使用者：佛山市广工大数控装备技术发展有限公司
技术研发日：2021.09.30
技术公布日：2021/12/30