一种胡麻籽粒形态识别方法、装置及电子设备

本发明涉及图像处理，特别涉及一种胡麻籽粒形态识别方法、装置及电子设备。

背景技术：

1、胡麻籽粒是一种来源于亚洲胡麻植物(学名：sesamumindicum)的种子，是一种油料作物。对胡麻籽粒进行形态识别可以帮助鉴别和记录不同胡麻籽粒的形态特征，有助于对不同品种和类型的胡麻进行分类和管理，这对于保护和维护丰富的种质资源起到重要作用，有助于避免基因资源的丧失和品种混淆。

2、目前，基于机器视觉对胡麻籽粒进行形态识别时，有部分的胡麻籽粒被上层的胡麻籽粒遮盖住，无法获得被遮盖部分的形态，导致仅仅基于上层胡麻籽粒获得的形态特征不具有代表性。为了解决这一问题，cn110363784b公开了一种重叠果实的识别方法，该方法对采集的图像分割获得重叠果实区域，对重叠果实区域进行边缘检测，将边缘检测结果与重叠果实区域进行异或运算，使得重叠果实区域分开，然后使用最小二乘法椭圆检测来对果实的边缘进行拟合，重建被遮挡果实的轮廓。

3、但是，上述方法边缘检测的准确性可能受到图像质量、光照条件和果实外观等因素的影响，导致边缘检测的结果不准确，从而影响异或运算，导致最终获得的分割结果不够准确或者丢失了一些细节信息。

技术实现思路

1、本发明提供一种胡麻籽粒形态识别方法、装置及电子设备，可以解决上述技术问题。

2、本发明提供一种胡麻籽粒形态识别方法，包括:

3、获得待识别胡麻籽粒图像；

4、通过边缘检测算法提取待识别胡麻籽粒图像中各个胡麻籽粒的边缘，获得整体边缘图像，包括：

5、使用直方图均衡化对待识别胡麻籽粒图像进行增强，使用canny边缘检测算法对增强后的待识别胡麻籽粒图像进行边缘检测，获得第一边缘图像；获得待识别胡麻籽粒图像的灰度直方图，从灰度直方图中提取胡麻籽粒边界处的颜色特征值，根据颜色特征值对待识别胡麻籽粒图像进行阈值分割，获得第二边缘图像；将第一边缘图像和第二边缘图像的并集作为整体边缘图像；

6、使用目标识别算法获得整体边缘图像中形态完整的胡麻籽粒边缘图像，包括：

7、构建yolov5s网络，使用公开数据集对yolov5s网络进行训练，获得训练完的yolov5s网络；使用少量形态完整的胡麻籽粒边缘图像构建数据集，使用该数据集对训练完的yolov5s网络进行微调，获得用于识别形态完整的胡麻籽粒的yolov5s网络，使用该yolov5s网络对整体边缘图像中形态完整的胡麻籽粒边缘进行识别；

8、将形态完整的胡麻籽粒边缘图像从整体边缘图像中进行删除，获得残缺边缘图像；根据残缺边缘图像中各个残缺边缘的曲率对各个残缺边缘进行补齐，获得修正边缘图像；

9、计算形态完整的胡麻籽粒边缘图像和修正边缘图像中各个胡麻籽粒的形态特征值，基于形态特征值输出胡麻籽粒形态识别结果。

10、进一步的，所述根据残缺边缘图像中各个残缺边缘的曲率对各个残缺边缘进行补齐，获得修正边缘图像，包括：

11、使用连通域提取算法获得残缺边缘图像中的各个残缺边缘；

12、根据形态完整的胡麻籽粒边缘构建拟合曲线模型；

13、计算各个残缺边缘的曲率，将该曲率输入到拟合曲线模型中对残缺边缘进行拟合，通过拟合对残缺边缘的残缺部分进行补齐，获得修正边缘图像。

14、进一步的，所述计算形态完整的胡麻籽粒边缘图像和修正边缘图像中各个胡麻籽粒的形态特征值，包括：

15、使用连通域提取算法获得形态完整的胡麻籽粒边缘图像和修正边缘图像中所有的胡麻籽粒边缘，并获得所有胡麻籽粒边缘的最小外接矩形；

16、根据胡麻籽粒边缘和最小外接矩形计算各个胡麻籽粒的形态特征值，包括各个胡麻籽粒的周长、面积、长轴长度、短轴长度；

17、根据各个胡麻籽粒的周长、面积、长轴长度、短轴长度计算整幅待识别胡麻籽粒图像中胡麻籽粒的平均周长、平均面积、平均长轴长度、平均短轴长度及标准差。

18、进一步的，所述计算各个胡麻籽粒的形态特征值，包括：

19、将各个胡麻籽粒边缘的像素个数作为各个胡麻籽粒的周长；

20、统计各个胡麻籽粒边缘围起来区域的像素个数，将该个数作为对应胡麻籽粒的面积；

21、将胡麻籽粒边缘最小外接矩形的长作为对应胡麻籽粒的长轴长度；

22、将胡麻籽粒边缘最小外接矩形的宽作为对应胡麻籽粒的短轴长度。

23、进一步的，所述将形态完整的胡麻籽粒边缘图像从整体边缘图像中进行删除，包括：

24、将整体边缘图像作为二值图像a、形态完整的胡麻籽粒边缘图像作为二值图像b；

25、将二值图像b中的白色和黑色进行翻转：将白色像素变为黑色，黑色像素变为白色；

26、对翻转后的二值图像b和二值图像a执行逻辑and操作：只有在二值图像b和二值图像a对应位置都为白色时，结果图像对应位置是白色。

27、进一步的，所述canny边缘检测算法，包括：

28、使用高斯滤波器平滑图像，去除噪声；

29、计算平滑后的图像的梯度强度和方向；

30、通过对某像素点邻域内其它梯度强度值的抑制来实现最大梯度强度值的保留；

31、选择双阈值检测来确定边缘。

32、一种胡麻籽粒形态识别装置，包括：

33、图像获取模块，用于获得待识别胡麻籽粒图像；

34、胡麻籽粒边缘图像获取模块，用于通过边缘检测算法提取待识别胡麻籽粒图像中各个胡麻籽粒的边缘，获得整体边缘图像，包括：

35、使用直方图均衡化对待识别胡麻籽粒图像进行增强，使用canny边缘检测算法对增强后的待识别胡麻籽粒图像进行边缘检测，获得第一边缘图像；获得待识别胡麻籽粒图像的灰度直方图，从灰度直方图中提取胡麻籽粒边界处的颜色特征值，根据颜色特征值对待识别胡麻籽粒图像进行阈值分割，获得第二边缘图像；将第一边缘图像和第二边缘图像的并集作为整体边缘图像；

36、用于使用目标识别算法获得整体边缘图像中形态完整的胡麻籽粒边缘图像，包括：

37、构建yolov5s网络，使用公开数据集对yolov5s网络进行训练，获得训练完的yolov5s网络；使用少量形态完整的胡麻籽粒边缘图像构建数据集，使用该数据集对训练完的yolov5s网络进行微调，获得用于识别形态完整的胡麻籽粒的yolov5s网络，使用该yolov5s网络对整体边缘图像中形态完整的胡麻籽粒边缘进行识别；

38、修正边缘图像获取模块，用于将形态完整的胡麻籽粒边缘图像从整体边缘图像中进行删除，获得残缺边缘图像；根据残缺边缘图像中各个残缺边缘的曲率对各个残缺边缘进行补齐，获得修正边缘图像；

39、识别模块，用于计算形态完整的胡麻籽粒边缘图像和修正边缘图像中各个胡麻籽粒的形态特征值，基于形态特征值输出胡麻籽粒形态识别结果。

40、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的胡麻籽粒形态识别方法。

41、本发明提供一种胡麻籽粒形态识别方法、装置及电子设备，与现有技术相比，其有益效果如下：

42、本发明通过边缘检测算法和胡麻籽粒边界处的颜色特征值获得了更加清晰完整的整体边缘图像，使用yolov5s网络可以从该更加清晰完整的整体边缘图像中精准的获取形态完整的胡麻籽粒边缘图像，基于上述更加清晰完整的整体边缘图像和更加精准的形态完整的胡麻籽粒边缘图像进行异或运算，从而可以获得更加准确的残缺边缘，使得形态识别的结果更加准确。

43、并且一般使用yolov5s获得形态完整的胡麻籽粒边缘图像的步骤是首先使用yolov5s获得形态完整的胡麻籽粒，然后对这些胡麻籽进行边缘检测以获得形态完整的胡麻籽粒边缘。但是这样在对yolov5s进行训练过程中会引入与边缘的无关因素，导致训练时的计算量较大和识别结果不准确。而本发明首先进行边缘检测然后再识别，不仅可以大幅降低计算量，还可以使得yolov5s网络更关注于边缘特征，更加准确的形态完整的胡麻籽粒边缘。