基于亮度校正与颜色分类的水果表面缺陷检测方法及系统的制作方法
【技术领域】
[0001] 本发明涉及蔬菜水果检测领域，具体涉及一种基于亮度校正与颜色分类的水果表 面缺陷检测方法及系统。
【背景技术】
[0002] 我国水果总产量居世界之首，其中苹果和梨的产量居世界第一。但目前我国水果 的出口量占水果产量的比重较低，这主要是由于其产后处理技术比较落后，以苹果为例，苹 果经销商仅对苹果大小做粗略的分级，而分级手段主要依靠人工进行分级，分级结果不够 准确，同时随着劳动力成本的提高，人工分级的成本也会越来越高。利用机器视觉技术对苹 果进行分级，不仅能降低人工成本，还能提高检测效率和检测精度。目前，利用机器视觉技 术对水果（例如：苹果）的大小和颜色的检测已经比较成熟，并广泛地应用到实际生产当 中。但对苹果表面缺陷的在线检测仍然是果品分选领域未有效解决的一个难点。
[0003] 苹果表面缺陷无法在线检测的一个主要原因是由于苹果通常呈球体或椭球体，在 苹果的边缘，光线的反射方向与相机的夹角很大，根据朗伯的光线反射定律，从相机方向 看，苹果边缘区域的亮度较低，在采集的苹果图像中表现为边缘区域的灰度值较低，而苹果 表面缺陷的显著特征是其通常具有较低的灰度值，这就导致了苹果图像中苹果的边缘区域 与表面缺陷区域都具有较低的灰度特征，使得通过图像处理技术很难将二者区分开。同时 由于苹果的果梗/花萼区域在图像中也表现为较低的灰度特征，这就进一步增加了苹果表 面缺陷检测的难度，由于苹果表面为类球形的弯曲曲面，从而造成苹果图像中间区域与边 缘区域亮度的不均匀分布，导致难以精确检测苹果图像中的表面缺陷信息。同时由于苹果 表面深红色区域灰度值较低，导致深红色区域易被误检为缺陷区域。因此，现有并没有提出 一种如何提高检测水果缺陷的准确度的方法。
【发明内容】
[0004] 针对现有技术中的缺陷，本发明提供了一种基于亮度校正与颜色分类的水果表面 缺陷检测方法及系统，提高了检测水果缺陷的准确度。
[0005] 第一方面，本发明提供一种基于亮度校正与颜色分类的水果表面缺陷检测方法， 包括：
[0006] 提取待检测水果的RGB图像中的R分量图像，对所述R分量图像进行亮度校正，使 所述R分量图像的亮度均匀；
[0007] 将所述RGB图像进行HSI变换，获取所述RGB图像中每个像素点对应的HSI变换 中的H值，并将所述H值与预设颜色的H值进行比较判断所述每个像素点的颜色；
[0008] 在亮度校正后的R分量图像中，根据所述RGB图像中每个像素点的颜色分别与该 颜色对应的预设阈值进行判断，在亮度校正后的R图像中以获取待确认的缺陷区域；
[0009] 在亮度校正后的R图像中将除所述待确认的缺陷区域以外的像素点的灰度值置 零，并将所述待确认的缺陷区域中的果梗/花萼区域的灰度值置零，以获取水果表面的缺 陷区域。
[0010] 可选的，所述提取待检测水果的RGB图像中的R分量图像，对所述R分量图像进行 亮度校正，使所述R分量图像的亮度均匀，包括：
[0011] 提取待检测水果的RGB图像中的R分量图像，将所述R分量图像划分成边缘区域 和中间区域；
[0012] 利用校正函数降低所述中间区域的亮度，使所述R分量图像的亮度均匀。
[0013] 可选的，所述将所述H值与预设颜色的H值进行比较判断所述每个像素点的颜色， 包括：
[0014] 当0° < HS 20°时表示H值对应像素点属于第一颜色，当280° <H〈360°时表 示H值对应像素点属于第二颜色，当所述H值既不属于第一颜色也不属于第二颜色的范围 时，则属于第三颜色。
[0015] 可选的，所述根据所述亮度校正后的R分量图像中每个像素点在RGB图像中对应 的颜色分别与所述颜色对应的预设阈值进行判断，以获取亮度校正后的R分量图像中待确 认的缺陷区域，包括：
[0016] 在亮度校正后的R分量图像中，如果所述像素点在RGB图像中对应第一颜色，利用 第一颜色对应的预设第一阈值与所述像素点进行比较判断其是否为待确认的缺陷区域，在 亮度校正后的R分量图像中，如果所述像素点在RGB图像中对应第二颜色，利用第二颜色对 应的预设第二阈值与所述像素点进行比较判断其是否为待确认的缺陷区域，在亮度校正后 的R分量图像中，如果所述像素点在RGB图像中对应第三颜色，利用第三颜色对应的预设第 三阈值与所述像素点进行比较判断其是否为待确认的缺陷区域。
[0017] 可选的，所述将所述待确认的缺陷区域中的果梗/花萼区域的灰度值置零，以获 取水果表面的缺陷区域，包括：
[0018] 获取待检测水果的近红外图像，并根据所述近红外图像中的编码点阵结构光，识 别并标记所述近红外图像中的果梗/花萼区域；
[0019] 在所述亮度校正后的R分量图像中，获取与所述红外图像中位于相同位置的果梗 /花萼区域，并将所述果梗/花萼区域的灰度值置零，进而在所述待确认的缺陷区域中获取 水果表面的缺陷区域。
[0020] 第二方面，本发明还提供了一种基于亮度校正与颜色分类的水果表面缺陷检测系 统，包括：
[0021] 亮度校正模块，用于提取待检测水果的RGB图像中的R分量图像，对所述R分量图 像进行亮度校正，使所述R分量图像的亮度均匀；
[0022] 比较判断模块，用于将所述RGB图像进行HSI变换，获取所述RGB图像中每个像素 点对应的HSI变换中的H值，并将所述H值与预设颜色的H值进行比较判断所述每个像素 点的颜色；
[0023] 第一获取模块，用于在亮度校正后的R分量图像中，根据所述RGB图像中每个像素 点的颜色分别与该颜色对应的预设阈值进行判断，在亮度校正后的R图像中以获取待确认 的缺陷区域；
[0024] 第二获取模块，在亮度校正后R分量图像中将除所述待确认的缺陷区域以外的像 素点的灰度值置零，并将所述待确认的缺陷区域中的果梗/花萼区域的灰度值置零，以获 取水果表面的缺陷区域。
[0025] 可选的，所述亮度校正模块，用于：
[0026] 提取待检测水果的RGB图像中的R分量图像，将所述R分量图像划分成边缘区域 和中间区域；
[0027] 利用校正函数降低所述中间区域的亮度，使所述R分量图像的亮度均匀。
[0028] 可选的，所述比较判断模块，用于：
[0029] 当0° < HS 20°时表示H值对应像素点属于第一颜色，当280° <H〈360°时表 示H值对应像素点属于第二颜色，当所述H值既不属于第一颜色也不属于第二颜色的范围 时，则属于第三颜色。
[0030] 可选的，所述第一获取模块，用于：
[0031] 在亮度校正后的R分量图像中，如果所述像素点在RGB图像中对应第一颜色，利用 第一颜色对应的预设第一阈值与所述像素点进行比较判断其是否为待确认的缺陷区域，在 亮度校正后的R分量图像中，如果所述像素点在RGB图像中对应第二颜色，利用第二颜色对 应的预设第二阈值与所述像素点进行比较判断其是否为待确认的缺陷区域，在亮度校正后 的R分量图像中，如果所述像素点在RGB图像中对应第三颜色，利用第三颜色对应的预设第 三阈值与所述像素点进行比较判断其是否为待确认的缺陷区域。
[0032] 可选的，所述第二获取模块，用于：
[0033] 获取待检测水果的近红外图像，并根据所述近红外图像中的编码点阵结构光，识 别并标记所述近红外图像中的果梗/花萼区域；
[0034] 在所述亮度校正后的R分量图像中，获取与所述红外图像中位于相同位置的果梗 /花萼区域，并将所述果梗/花萼区域的灰度值置零，进而在所述待确认的缺陷区域中获取 水果表面的缺陷区域。
[0035] 由上述技术方案可知，本发明提出了一种基于亮度校正与颜色分类的水果表面缺 陷检测方法及系统，采用一种逆向思路对苹果表面的亮度不均匀分布现象予以校正，并根 据苹果表皮颜色特征确定缺陷分割阈值，通过在线检测验证，该方法的计算速度与检测精 度满足在线检测的需求，已具备应用于实际生产中的条件，同时也提高了检测水果缺陷的 准确度。
【附图说明】
[0036] 图1为本发明一实施例提供的基于亮度校正与颜色分类的水果表面缺陷检测方 法的流程示意图；
[0037] 图2A和图2B为本发明一实施例提供的双C⑶相机采集的苹果的RGB图像和近红 外图像；
[0038] 图3为本发明一实施例提供的利用近红外图像中的点阵结构光检测苹果果梗/花 萼区域的效果图；
[0039] 图4为本发明一实施例提供的20X20待校正苹果图像对应校正函数的三维效果 图；
[