械收割玉米果穗采用的是物理碰撞原理，新鲜玉米果穗由于含水量较大，碰撞过程中容易造成果穗表皮损伤，从而露出白色胚乳。这种由于机械损伤果穗表皮而露出白色胚乳的果穗就是机械损伤果穗；
[0115]虫蛀果穗:玉米果穗在田间时，由于种植环境影响，发生病虫害，或者在存储过程中，害虫对玉米果穗穗部叮咬，使得玉米果穗失去制种价值。这种玉米虫害影响而失去制种价值的果穗就是虫蛀玉米果穗；
[0116]霉变果穗:玉米果穗在田间或者存储过程中，由于环境水分含量过高等一些因素引起玉米果穗穗部发生霉变，穗部籽粒呈现出各种霉斑颜色，失去制种，食用价值。这种玉米果穗称之为霉变果穗。
[0117]如图5所示，本实施例以虫蛀果穗的图像作为处理对象，以图像的变化详细地表示本实施例对玉米果穗图像的截取过程。
[0118](1)为虫蛀玉米果穗的原始图像，对(1)进行3*3邻域的中值滤波处理，保留了
(1)的细部特征，去除了其中的椒盐噪声，最大限度地保留了虫蛀果穗的边缘特征，得到⑵。
[0119](2)为去噪后的虫蛀玉米果穗的图像，采用基于B分量统计分割方法对(2)进行分割处理，得到(3)。
[0120](3)为分割后的虫蛀玉米果穗的图像，采用图像形态学处理方法去除(3)内部的细小孔洞，平滑图像边缘，得到(4)。
[0121](4)为经图像形态学处理后的虫蛀玉米果穗的图像，确定(4)的最小外接矩形，得到(5)。
[0122](5)为确定了最小外接矩形的虫蛀玉米果穗的图像，以最小外接矩形的尺寸，在
(1)上截取图像，得到(6)。
[0123](6)为截取的虫蛀玉米果穗的图像。
[0124]本实施例公开的待筛分异常玉米果穗的图像截取过程，保证了拍摄的异常玉米果穗的全部特征，同时有效地缩小了对图像处理过程中图像的扫描时间，进而提高了图像的筛分速度。
[0125]本领域普通技术人员可以理解:以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
【主权项】
1.一种基于计算机视觉的玉米异常果穗筛分方法，其特征在于，包括: 基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像； 基于预设的特征参数提取规则，提取所述截取图像中的特征参数； 根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别。2.根据权利要求1所述的方法，其特征在于，在所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像之前，所述方法还包括: 采用中值滤波处理所述待筛分玉米果穗的图像，得到第一图像； 采用统计分割方法分割处理所述第一图像，得到第二图像； 采用图像形态学处理方法平滑处理所述第二图像，得到第三图像； 相应地，所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像，包括: 基于预设的图像截取规则，截取所述第三图像，得到截取图像。3.根据权利要求1所述的方法，其特征在于，所述基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像，包括: 根据待筛分玉米果穗的图像，确定所述待筛分玉米果穗的最小外接矩形； 根据所述最小外接矩形，截取所述待筛分玉米果穗的图像，得到截取图像。4.根据权利要求1所述的方法，其特征在于，在所述根据所述截取图像，基于预设的特征参数提取规则，提取所述截取图像中的特征参数之前，所述方法还包括: 利用预设的图像窗口扫描所述截取图像，确定至少一块感兴趣区域ROI。5.根据权利要求4所述的方法，其特征在于，所述基于预设的特征参数提取规则，提取所述截取图像中的特征参数，包括: 根据所述至少一块ROI，基于RGB颜色模型，提取各ROI的颜色特征参数； 将各ROI转化为灰度图像，提取各灰度图像的纹理特征参数。6.根据权利要求5所述的方法，其特征在于， 所述根据所述至少一块ROI，基于RGB颜色模型，提取各ROI的颜色特征参数，包括: 根据所述至少一块ROI，确定各ROI的像素点数目； 根据所述各ROI的像素点数目，基于RGB颜色模型，提取各ROI的颜色特征参数； 所述将各ROI图像转化为灰度图像，提取各灰度图像的纹理特征参数，包括: 将各ROI转化为灰度图像，对各灰度图像进行灰度压缩，得到所述各灰度图像对应的第四图像； 基于预设的灰度共生矩阵计算模型，计算各第四图像的灰度共生矩阵； 根据所述各第四图像的灰度共生矩阵，基于预设的纹理特征参数提取规则，提取所述各第四图像的纹理特征参数。7.根据权利要求1所述的方法，其特征在于，所述预设的异常果穗筛分模型由以下步骤得到: 从预设的玉米果穗各异常类型的图像的异常区域中截取至少一幅子图像，构成样本图像库； 基于预设的特征参数提取规则，提取所述样本图像库中各图像的特征参数，构成样本特征参数库； 利用样本特征参数库中的特征参数，对支持向量机SVM进行训练，得到所述预设的异常果穗筛分模型。8.根据权利要求7所述的方法，其特征在于，所述根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别，包括: 根据所述特征参数，基于预设的异常果穗筛分模型，确定所述待筛分玉米果穗中预设的各异常类型对应的异常区域； 确定所述各异常类型对应的异常区域所占面积的百分比； 确定所述待筛分玉米果穗的异常类型为面积百分比最大的异常区域对应的异常类型。9.一种基于计算机视觉的玉米异常果穗筛分装置，其特征在于，包括: 图像截取单元，用于基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像； 参数提取单元，用于基于预设的特征参数提取规则，提取所述截取图像中的特征参数； 类别确定单元，用于根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别。10.一种基于计算机视觉的玉米异常果穗筛分系统，其特征在于，包括: 如权利要求9所述的玉米异常果穗筛分装置、图像采集装置、支架以及背景板； 所述背景板放置在水平桌面上，所述支架与所述背景板连接，所述图像采集装置固定于所述支架上，所述玉米异常果穗筛分装置与所述图像采集装置连接； 所述支架，用于固定所述图像采集装置，以使所述图像采集装置位于背景板的正上方； 所述背景板，用于承载所述待筛分玉米果穗，并为采集待筛分玉米果穗的图像提供背景。
【专利摘要】本发明提供一种基于计算机视觉的玉米异常果穗筛分方法、装置及系统。所述方法包括：基于预设的图像截取规则，截取所述待筛分玉米果穗的图像，得到截取图像；所述待筛分玉米果穗的图像为图像采集装置采集的图像；基于预设的特征参数提取规则，提取所述截取图像中的特征参数；根据所述特征参数，基于预设的异常果穗筛分模型，确定玉米果穗的异常类别。上述玉米异常果穗筛分方法、装置及系统能够实现无损识别常见的几种异常果穗，使得筛分速度大大提高。计算机视觉技术的应用，可以很好地代替人工劳动力，解决了现有技术中依靠人工筛分玉米异常果穗效率低下的技术问题。
【IPC分类】G06T7/40, G06K9/46, G06K9/00, G06T7/00
【公开号】CN105335705
【申请号】CN201510674358
【发明人】马钦, 张帆, 李绍明, 刘哲, 朱德海, 王越, 范梦扬, 张亚
【申请人】中国农业大学
【公开日】2016年2月17日
【申请日】2015年10月16日