一种大枣在线分级方法及系统的制作方法
【技术领域】
[0001]本发明涉及计算机视觉技术领域，具体涉及一种大枣在线分级方法及系统。
【背景技术】
[0002]大枣以其丰富的营养价值和口味为人们所喜欢，成为人们生活中必不可少的一种特色水果，目前，市场上出售的大枣都是按照等级进行划分，所以这就需要对大枣进行分级，现有集中中都是采用人工完成分级，这种分级耗费劳动力，且生产效率低，分级准确率不高。
【发明内容】
[0003]本发明所要解决的技术问题是提供一种大枣在线分级方法及系统，能够对大枣进行更准确的分级。
[0004]本发明解决上述技术问题的技术方案如下:一种大枣在线分级方法，包括以下步骤:
[0005]步骤I，采集大枣图像；
[0006]步骤2，对所述大枣图像进行预处理；
[0007]步骤3，提取所述大枣图像的特征；
[0008]步骤4，根据提取的特征对所述大枣进行分级。
[0009]在上述技术方案的基础上，本发明还可以做如下改进:
[0010]所述步骤2中对所述大枣图像进行预处理包括:
[0011]步骤2.1，采用各向异性高斯核方法对所述大枣图像进行去噪或采用中值滤波方法对所述大枣图像进行去噪；
[0012]步骤2.2，对去噪后的大枣图像进行图像增强处理；
[0013]步骤2.3，对所述经过增强处理后的图像进行二值化处理，得到灰度图像。
[0014]进一步，所述步骤3包括提取所述大枣图像的大小、颜色和表面褶皱信息。
[0015]进一步，所述步骤4具体为:通过索贝尔算子对大枣的大小进行检测，然后将检测结果与设定的第一阈值比较，若大于所述设定阈值，则为优质大枣；否则为次等大枣。
[0016]进一步，首先对所述大枣图像进行图像分割，提取出包含大枣的部分，然后针对大枣部分进行腐蚀，得到腐蚀后图像，统计腐蚀后大枣图像的表面褶皱信息，并与设定的第二阈值进行比较，若大于所述设定阈值，则为次等大枣；否则为优质大枣。
[0017]本发明的有益效果是:通过综合大枣的大小和表面褶皱信息同时对大枣进行分级，能够对大率进行更准确地分级。
[0018]—种大率在线分析系统，包括:
[0019]采集模块，用于采集大枣图像；
[0020]预处理模块，用于对所述大枣图像进行预处理；
[0021]提取模块，用于提取所述大枣图像的特征；
[0022]分级模块，用于根据提取的特征对所述大枣进行分级。
[0023]进一步，所述预处理模块对所述大枣图像进行预处理包括:
[0024]步骤2.1，采用各向异性高斯核方法对所述大枣图像进行去噪或采用中值滤波方法对所述大枣图像进行去噪；
[0025]步骤2.2，对去噪后的大枣图像进行图像增强处理；
[0026]步骤2.3，对所述经过增强处理后的图像进行二值化处理，得到灰度图像。
[0027]进一步，所述提取模块包括提取所述大枣图像的大小、颜色和表面褶皱信息。
[0028]进一步，所述分级模块通过索贝尔算子对大枣的大小进行检测，然后将检测结果与设定的第一阈值比较，若大于所述设定阈值，则为优质大枣；否则为次等大枣。
[0029]进一步，所述分级模块首先对所述大枣图像进行图像分割，提取出包含大枣的部分，然后针对大枣部分进行腐蚀，得到腐蚀后图像，统计腐蚀后大枣图像的表面褶皱信息，并与设定的第二阈值进行比较，若大于所述设定阈值，则为次等大枣；否则为优质大枣。
[0030]本发明的有益效果是:通过综合大枣的大小和表面褶皱信息同时对大枣进行分级，能够对大率进行更准确地分级。
【附图说明】
[0031]图1为本发明一种大枣在线分级方法的流程示意图；
[0032]图2为本发明一种大枣在线分级系统的结构示意图。
【具体实施方式】
[0033]以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
[0034]如图1所示，一种大枣在线分级方法，包括以下步骤:
[0035]步骤1，采集大枣图像；
[0036]步骤2，对所述大枣图像进行预处理；所述步骤2中对所述大枣图像进行预处理包括:
[0037]步骤2.1，采用各向异性高斯核方法对所述大枣图像进行去噪或采用中值滤波方法对所述大枣图像进行去噪；
[0038]步骤2.2，对去噪后的大枣图像进行图像增强处理；
[0039]步骤2.3，对所述经过增强处理后的图像进行二值化处理，得到灰度图像。
[0040]步骤3，提取所述大枣图像的特征；所述步骤3包括提取所述大枣图像的大小、颜色和表面褶皱信息。
[0041]步骤4，根据提取的特征对所述大枣进行分级。所述步骤4具体为:通过索贝尔算子对大枣的大小进行检测，然后将检测结果与设定的第一阈值比较，若大于所述设定阈值，则为优质大枣；否则为次等大枣。
[0042]进一步，首先对所述大枣图像进行图像分割，提取出包含大枣的部分，然后针对大枣部分进行腐蚀，得到腐蚀后图像，统计腐蚀后大枣图像的表面褶皱信息，并与设定的第二阈值进行比较，若大于所述设定阈值，则为次等大枣；否则为优质大枣。
[0043]本发明的有益效果是:通过综合大枣的大小和表面褶皱信息同时对大枣进行分级，能够对大率进行更准确地分级。
[0044]如图2所示，一种大枣在线分析系统，包括:
[0045]采集模块，用于采集大枣图像；
[0046]预处理模块，用于对所述大枣图像进行预处理；所述预处理模块对所述
[0047]大枣图像进行预处理包括:
[0048]步骤2.1，采用各向异性高斯核方法对所述大枣图像进行去噪或采用中值滤波方法对所述大枣图像进行去噪；
[0049]步骤2.2，对去噪后的大枣图像进行图像增强处理；
[0050]步骤2.3，对所述经过增强处理后的图像进行二值化处理，得到灰度图像。
[0051]提取模块，用于提取所述大枣图像的特征；所述提取模块包括提取所述大枣图像的大小、颜色和表面褶皱信息。
[0052]分级模块，用于根据提取的特征对所述大枣进行分级。所述分级模块通过索贝尔算子对大枣的大小进行检测，然后将检测结果与设定的第一阈值比较，若大于所述设定阈值，则为优质大枣；否则为次等大枣。
[0053]进一步，所述分级模块首先对所述大枣图像进行图像分割，提取出包含大枣的部分，然后针对大枣部分进行腐蚀，得到腐蚀后图像，统计腐蚀后大枣图像的表面褶皱信息，并与设定的第二阈值进行比较，若大于所述设定阈值，则为次等大枣；否则为优质大枣。
[0054]以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1.一种大枣在线分级方法，其特征在于，包括以下步骤: 步骤I，采集大枣图像； 步骤2，对所述大枣图像进行预处理； 步骤3，提取所述大枣图像的特征； 步骤4，根据提取的特征对所述大枣进行分级。2.根据权利要求1述一种大枣在线分级方法，其特征在于，所述步骤2中对所述大枣图像进行预处理包括: 步骤2.1，采用各向异性高斯核方法对所述大枣图像进行去噪或采用中值滤波方法对所述大枣图像进行去噪； 步骤2.2，对去噪后的大枣图像进行图像增强处理； 步骤2.3，对所述经过增强处理后的图像进行二值化处理，得到灰度图像。3.根据权利要求1述一种大枣在线分级方法，其特征在于，所述步骤3包括提取所述大枣图像的大小、颜色和表面褶皱信息。4.根据权利要求1述一种大枣在线分级方法，其特征在于，所述步骤4具体为:通过索贝尔算子对大枣的大小进行检测，然后将检测结果与设定的第一阈值比较，若大于所述设定阈值，则为优质大枣；否则为次等大枣。5.根据权利要求4所述一种大枣在线分级方法，其特征在于，首先对所述大枣图像进行图像分割，提取出包含大枣的部分，然后针对大枣部分进行腐蚀，得到腐蚀后图像，统计腐蚀后大枣图像的表面褶皱信息，并与设定的第二阈值进行比较，若大于所述设定阈值，则为次等大枣；否则为优质大枣。6.一种大率在线分析系统，其特征在于，包括: 采集模块，用于采集大枣图像； 预处理模块，用于对所述大枣图像进行预处理； 提取模块，用于提取所述大枣图像的特征； 分级模块，用于根据提取的特征对所述大枣进行分级。7.根据权利要求6所述一种大枣在线分析系统，其特征在于，所述预处理模块对所述大枣图像进行预处理包括: 步骤2.1，采用各向异性高斯核方法对所述大枣图像进行去噪或采用中值滤波方法对所述大枣图像进行去噪； 步骤2.2，对去噪后的大枣图像进行图像增强处理； 步骤2.3，对所述经过增强处理后的图像进行二值化处理，得到灰度图像。8.根据权利要求6所述一种大枣在线分析系统，其特征在于，所述提取模块包括提取所述大枣图像的大小、颜色和表面褶皱信息。9.根据权利要求6所述一种大枣在线分析系统，其特征在于，所述分级模块通过索贝尔算子对大枣的大小进行检测，然后将检测结果与设定的第一阈值比较，若大于所述设定阈值，则为优质大枣；否则为次等大枣。10.根据权利要求9所述一种大枣在线分析系统，其特征在于，所述分级模块首先对所述大枣图像进行图像分割，提取出包含大枣的部分，然后针对大枣部分进行腐蚀，得到腐蚀后图像，统计腐蚀后大枣图像的表面褶皱信息，并与设定的第二阈值进行比较，若大于所述设定阈值，则为次等大枣；否则为优质大枣。
【专利摘要】本发明涉及一种大枣在线分级方法,包括以下步骤：采集大枣图像；对所述大枣图像进行预处理；提取所述大枣图像的特征；根据提取的特征对所述大枣进行分级。本发明一种大枣在线分级方法及系统，能够对大枣进行更准确的分级。
【IPC分类】G06K9/62, G06K9/60
【公开号】CN105069484
【申请号】CN201510530575
【发明人】温九江, 袁松平
【申请人】广西小草信息产业有限责任公司
【公开日】2015年11月18日
【申请日】2015年8月26日