基于图像特征的花生油杂质快速检测方法与流程

本发明涉及计算机视觉，特别涉及基于图像特征的花生油杂质快速检测方法。

背景技术：

1、随着人们健康意识的提高，对食品安全的要求也越来越高，花生油作为一种常见的食用油品，其市场需求也在不断增长。各企业纷纷加强技术和生产营销，以提高市场占有率和竞争力。在扩大生产量的同时，由于现有技术及设备原因，检测生产过程中花生油的质量也成为相关企业面临的一个重要问题。

2、在传统生产工艺中，主要通过人工灯检的方式进行毛油检测。然而，人工灯检方式效率和精度都较低，并且长时间检测对检测工人的视力健康损害较大。基于此，有必要研究一种智能化的花生油杂质检测方法，以提高花生油杂质检测的效率和精度，同时减少劳动力成本。

技术实现思路

1、本说明书实施例提供基于图像特征的花生油杂质快速检测方法，该方法包括：

2、获取多帧花生油采样图像；

3、基于所述多帧花生油采样图像的差异确定反光区域和非反光区域的像素点集合；

4、通过所述反光区域的差异确定波动对油面形态的影响程度，确定每一帧所述花生油采样图像所对应的增强系数；

5、根据所述增强系数确定第一增强函数和第二增强函数；

6、基于所述第一增强函数对所述非反光区域中受所述反光区域影响的第一部分进行增强，基于所述第二增强函数对所述非反光区域中除所述第一部分以外的第二部分进行增强；

7、确定每一帧所述花生油采样图像中的背景区域，并对所述背景区域进行灰度值压缩，得到增强后的图像；

8、将所述增强后的图像输入训练好的神经网络模型，以获取杂质区域图像并识别杂质，实现花生油杂质的快速检测。

9、在一些实施例中，所述基于所述多帧花生油采样图像的差异确定反光区域和非反光区域的像素点集合，包括：

10、对所述反光区域和所述非反光区域的邻域像素点进行再筛选，将满足第一条件的邻域像素点加入所述反光区域的像素点集合，将满足第二条件的邻域像素点加入所述非反光区域的像素点集合。

11、在一些实施例中，所述对所述反光区域和所述非反光区域的邻域像素点进行再筛选，将满足第一条件的邻域像素点加入所述反光区域的像素点集合，将满足第二条件的邻域像素点加入所述非反光区域的像素点集合，包括：

12、以所述反光区域和所述非反光区域中的每一个像素点为中心确定其对应的八连通域；

13、计算所述八连通域中每一个邻域像素点的灰度值与所述八连通域的灰度均值的第一差值；

14、若所述第一差值小于所述邻域像素点的灰度值与背景区域的灰度均值的第二差值，则将所述邻域像素点加入所在八连通域的中心像素点所在的集合，其中，所述背景区域为所述花生油采样图像中除所述反光区域和所述非反光区域以外的区域。

15、在一些实施例中，所述增强系数通过如下方式计算得到：

16、

17、其中，为第n帧花生油采样图像对应的增强系数，为第n帧花生油采样图像中反光区域的像素点数量，为所述花生油采样图像的帧的数量，为帧花生油采样图像中反光区域的像素点数量均值，为花生油采样图像中反光区域的像素点数量的最大值，为花生油采样图像中反光区域的像素点数量的最小值，表示选取中的最大数。

18、在一些实施例中，所述根据所述增强系数确定第一增强函数和第二增强函数，包括：

19、确定所述反光区域的质心，以及所述第一部分中各个像素点对应的连通域；

20、基于所述第一部分中待增强像素点所属连通域的质心与所述反光区域的质心之间的距离，以及所有所述连通域的质心与所述反光区域的质心之间的距离的最大值，得到第一参数；

21、确定所述第一部分中各个像素点的第一最大灰度值和第一最小灰度值；

22、基于所述第一部分中待增强像素点的当前灰度值与所述第一最小灰度值之间的第三差值、所述第一最大灰度值与所述第一最小灰度值之间的第四差值以及所述增强系数，得到第二参数；

23、基于所述第一参数和所述第二参数，得到所述第一增强函数。

24、在一些实施例中，所述第一增强函数为：

25、

26、其中，为增强后的灰度值，为所述第一部分中的像素点的当前灰度值，、为所述第一部分中的像素点对应的最大灰度值和最小灰度值，为所述第一部分中各连通域的质心与所述反光区域的质心之间的距离的最大值，为当前像素点所属的连通域的质心与所述反光区域的质心之间的距离，为当前帧对应的增强系数。

27、在一些实施例中，所述根据所述增强系数确定第一增强函数和第二增强函数，包括：

28、确定所述第二部分中各个像素点的第二最大灰度值和第二最小灰度值；

29、计算所述第二部分中待增强像素点的当前灰度值与所述第二最小灰度值之间的第五差值，以及所述第二最大灰度值与所述第二最小灰度值之间的第六差值；

30、基于所述增强系数以及所述第五差值与所述第六差值的比值，得到所述第二增强函数。

31、在一些实施例中，所述第二增强函数为：

32、

33、其中，为增强后的灰度值，为所述第二部分中的像素点的当前灰度值，为当前帧非反光区域的第二部分中的最大灰度值，为当前帧非反光区域的第二部分中的最小灰度值，为当前帧对应的增强系数。

34、在一些实施例中，所述非反光区域中受所述反光区域影响的第一部分通过如下方式确定：

35、以所述反光区域中每一个像素点为中心建立具有预设形状和大小的窗口；

36、将所述非反光区域中落入所述窗口的像素点作为受所述反光区域影响的像素点；

37、基于所述非反光区域中所有受所述反光区域影响的像素点，确定所述非反光区域的第一部分。

38、在一些实施例中，所述对所述背景区域进行灰度值压缩，包括：

39、计算所述背景区域中所有像素点所对应的灰度均值；

40、基于所述背景区域的所述灰度均值，对所述背景区域中的每一个像素点进行灰度值压缩。

41、本说明书实施例所提供的基于图像特征的花生油杂质快速检测方法可能带来的有益效果至少包括：（1）通过多帧花生油采样图像的差异对可能的杂质部分进行分类，然后通过波动程度得到每一帧花生油采样图像对应的增强系数，并基于该增强系数确定增强函数对不同区域的杂质进行自适应增强，最后对正常背景区域进行灰度值压缩，可以降低反光区域和波纹干扰对杂质识别的影响，实现较为理想的增强效果，极大程度地降低神经网络误识别的可能性；（2）通过综合考虑第一部分中的待增强像素点与反光区域的质心之间的距离、当前帧对应的增强系数、以及待增强像素点与第一部分中的像素点的最大灰度值和最小灰度值之间的关系来构建第一增强函数，可以对第一部分中的像素点起到更好的增强效果。

42、附加的特征将在下面的描述中部分地阐述。对于本领域技术人员来说，通过查阅以下内容和附图将变得显而易见，或者可以通过实例的产生或操作来了解。本说明书的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。