一种基于机器视觉和一元线性回归分析的大蒜分级方法
【专利摘要】本发明涉及大蒜分级【技术领域】，特别涉及一种基于机器视觉和一元线性回归分析的大蒜分级方法。该基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于：对大蒜进行图像采集，然后对所采集图像急性二值化处理，标注二值图像中连通区域，根据图像像素标明该图像连通区域的面积大小，根据已经采集的大蒜图像的面积与大蒜横径的数据，利用一元线性回归分析进行数学建模，最后根据你和的线性方程对预分级的大蒜进行分级。本发明用图像提取的方法，CCD在测量长度时有很高的精度，通过扫描获得图像，不损伤大蒜，同时用一元线性回归分析建立模型，该方法简单，速度快，节省分级时间。
【专利说明】一种基于机器视觉和一元线性回归分析的大蒜分级方法
[0001] (一)【技术领域】
本发明涉及大蒜分级【技术领域】，特别涉及一种基于机器视觉和一元线性回归分析的大蒜分级方法。
[0002](二)【背景技术】
目前我国大蒜的出口量增长，但是收汇的增长不如出口量的增长，导致这一现象的主要原因是大蒜产后处理手段落后，以致大蒜混等混级，良次不齐。质量混杂，造成价值低，无法达到国际出口的标准，从而也无法问津国际市场。随着进出口贸易额的增加，这一损失还在逐年增长。传统的机械分级方法容易在网孔边缘产生挤压或划伤。
[0003]以机器视觉为基础的智能识别代替人的视觉识别具有其很大的优势和长远的发展前景，在农业以精细农业方面的应用最为普遍，目前用于植物生长监视、杂草识别、农业机器人、农业遥感分析、农产品分级、品质检测、动物行为跟踪等方面研究。利用机器视觉分级代替人工分级、机械尺寸分级、重量分级是自动化分级发展的必然趋势，主要反映在以下几方面:
(I)机器视觉分级精度高。计算机视觉的分级系统采用CCD摄像头作为传感器，标定好的CCD在测量面积时有很高的精度，己在工业上广泛应用，能够满足大蒜分级的要求。
[0004](2)用机器视觉检测属于非接触检测过程。检测时传感器CXD通过扫描获得图象，不损伤大蒜。而传统的机械分级方法容易在网孔边缘产生挤压或划伤。
[0005](3)分级过程受软件算法控制。智能化的软件设计，使分级可以基于知识和法则下进行，对辅助设备要求低，机械结构简单。
[0006]因此，研究机器视觉技术用于大蒜分级具有潜在的应用价值和很好的发展前景。
[0007](三)
【发明内容】
本发明为了弥补现有技术的不足，提供了一种检测精确、工作效率高的基于机器视觉和一元线性回归分析的大蒜分级方法。
[0008]本发明是通过如下技术方案实现的:
一种基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于:对大蒜进行图像采集，然后对所采集图像进行二值化处理，标注二值图像中连通区域，根据图像像素标明该图像连通区域的面积大小，并根据标本图像，将面积单位折合成平方厘米；根据已经采集的大蒜图像的面积与大蒜横径的数据，利用一元线性回归分析进行数学建模，最后根据拟合的线性方程对预分级的大蒜进行分级。
[0009]具体包括如下步骤:
(1)分别选取三个等级大蒜各几头，利用同一照相机对大蒜进行拍照，要求拍摄高度和相机像素要一致；
(2)对采集的图像进行二值化预处理，结算得出白色大蒜区域面积，将得到的面积作为大蒜分级系统的特征；
(3)根据已获大蒜图像的面积，与已知大蒜的横径，利用一元线性回归分析建立模型；
(4)对预分级大蒜提取图像信息，计算出预分级大蒜面积，将所得面积带入已建好的一元线性方程中，得到大蒜的横径，根据横径数据进行分级。 [0010]其更优方案为:
步骤(2)中，所述大蒜区域的面积用平方厘米来表示。
[0011]步骤(3)中，大蒜横径用毫米来表示。
[0012]步骤(4)中，大蒜分级根据大蒜横径的大小分为三个等级:一级大蒜:横径大于等于5cm，二级大蒜:横径大于等于4cm，三级大蒜:横径大于等于3cm。
[0013]大蒜分级是根据其横径的大小分为三个等级，由于大蒜的横截面近似为圆形或者椭圆形，所以大蒜的横径与其横截面面积有一定的相关性，本发明通过传感器CCD拍摄大蒜横截面图像，将所采集图像二值化，通过软件计算得到的白色大蒜区域的面积，然后根据一元线性回归方程可以建立大蒜面积与大蒜横径之间的关系。选取大蒜三个级别每个级别大蒜若干，通过图像得到其大蒜横截面面积，记为:
巧，得到其横径记为，Λ。一元线性回归分析预测法，是根据自变量巧和因变量Λ的相关关系，建立5与y的线性回归方程进行预测的方法。
[0014]本发明首先将全部已经测量数据分别带入= + 中，得:
Λ =
y7 =Sn^alX7
ya =Wk
本发明采用最小二乘法拟合一元线性回归方程，最小二乘法在误差理论中的基本含义是:在具有等精度的多次测量中，求最可靠(最可信赖)值时，是当各测量值的残差平方和为最小是所求得的值。对测量数据的最小二乘法线性拟合时，是把所有测量数据点都标在坐标图上，用最小二乘法拟合的直线，其各数据点与拟合直线之间的残差平方和为最小。
[0015]对线性方程= ?+ ?,X ,按残差平方和为最小，根据所有测量数据可得
u =(a0 + S1^)]2 =?
将上式分别对％和％取偏导数得:
~ = -2?Κι-?ο-S0 -O1X2)-----2(Λ-α0
du
—=-? --2x,(y3 -a0 -O1X7)------a0 -
必要条件是
du Λdu n
--—Q---— Q
则有
CK1-? -(IlJi)+ O3 -a0 ---)+ - + (ya -? ---) = 0整理后
【权利要求】
1.一种基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于:对大蒜进行图像采集，然后对所采集图像进行二值化处理，标注二值图像中连通区域，根据图像像素标明该图像连通区域的面积大小，并根据标本图像，将面积单位折合成平方厘米；根据已经采集的大蒜图像的面积与大蒜横径的数据，利用一元线性回归分析进行数学建模，最后根据拟合的线性方程对预分级的大蒜进行分级。
2.根据权利要求1所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征为，具体包括如下步骤:(1)分别选取三个等级大蒜各几头，利用同一照相机对大蒜进行拍照，要求拍摄高度和相机像素要一致；(2)对采集的图像进行二值化预处理，结算得出白色大蒜区域面积，将得到的面积作为大蒜分级系统的特征；(3)根据已获大蒜图像的面积，与已知大蒜的横径，利用一元线性回归分析建立模型；(4)对预分级大蒜提取图像信息，计算出预分级大蒜面积，将所得面积带入已建好的一元线性方程中，得到大蒜的横径，根据横径数据进行分级。
3.根据权利要求2所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于:步骤(2)中，所述大蒜区域的面积用平方厘米来表示。
4.根据权利要求2所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于:步骤(3)中，大蒜横径用毫米来表示。
5.根据权利要求2所述的基于机器视觉和一元线性回归分析的大蒜分级方法，其特征在于:步骤(4)中，大蒜分级根据大蒜横径的大小分为三个等级:一级大蒜:横径大于等于5cm, 二级大蒜:横径大于等于4cm，三级大蒜:横径大于等于3cm。
【文档编号】G01B11/28GK103471514SQ201310413428
【公开日】2013年12月25日 申请日期:2013年9月12日 优先权日:2013年9月12日
【发明者】张楠 申请人:齐鲁工业大学