專利名稱：一種基于pca的塊狀農(nóng)產(chǎn)品在線識別裝置及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及自動化生產(chǎn)過程在線質(zhì)量檢測領(lǐng)域，特別涉及一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置及方法。
背景技術(shù)：
塊狀農(nóng)產(chǎn)品無損分類、識別是指在不接觸、不破壞塊狀農(nóng)產(chǎn)品的前提下，對塊狀農(nóng)產(chǎn)品的顏色、尺寸、形狀等外部品質(zhì)參數(shù)進行檢測，這些指標對塊狀農(nóng)產(chǎn)品的分級和定價有著決定性的影響。PCA :主成分分析(Principal Component Analysis, PCA)是一種掌握 事物主要矛盾的統(tǒng)計分析方法，它可以從多元事物中解析出主要影響因素，揭示事物的本質(zhì)，簡化復(fù)雜的問題。機器視覺是一項融合了機械、控制、照明、光學(xué)、計算機軟硬件等技術(shù)的綜合技術(shù)，涉及到計算機、圖像處理、模式識別、人工智能等多個領(lǐng)域。機器視覺系統(tǒng)可以實現(xiàn)對產(chǎn)品的無損害分類和識別，快速、魯棒地獲取大量信息，因此，機器視覺技術(shù)作為一種重要的檢測手段已經(jīng)日益引起人們的重視，并廣泛地應(yīng)用于成品檢驗和質(zhì)量控制等領(lǐng)域。鮮切塊狀農(nóng)產(chǎn)品的合格率主要由塊狀農(nóng)產(chǎn)品的尺寸、顏色和形狀三種外觀特征決定。目前塊狀農(nóng)產(chǎn)品的識別、分選主要依靠感官評判的方法。感官評判是由訓(xùn)練有素的專業(yè)分選人員對塊狀農(nóng)產(chǎn)品的尺寸、顏色和形狀等外觀特征進行逐一評判來分選合格的塊狀農(nóng)產(chǎn)品和不合格的塊狀農(nóng)產(chǎn)品，但人的感覺器官的靈敏度受到經(jīng)驗、精神狀態(tài)、身體狀況以及周圍環(huán)境等因素的干擾，并且長時間單調(diào)乏味的重復(fù)勞動，容易使人產(chǎn)生視覺疲勞，從而影響分選結(jié)果的準確性。因此，研究開發(fā)能夠準確、高效、快捷的識別塊狀農(nóng)產(chǎn)品的方法，對塊狀農(nóng)產(chǎn)品合格率檢測以及塊狀農(nóng)產(chǎn)品的大批量、自動化生產(chǎn)加工，具有重要意義。鑒于現(xiàn)有技術(shù)的上述缺陷，需要一種新的塊狀農(nóng)產(chǎn)品識別方法，以能夠有效地對塊狀農(nóng)產(chǎn)品尺寸、顏色和形狀進行無損識別，并依據(jù)識別的匹配度量化塊狀農(nóng)產(chǎn)品的合格率。
發(fā)明內(nèi)容
(一 )要解決的技術(shù)問題本發(fā)明要解決的技術(shù)問題是提供一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置及方法，以能夠有效地對塊狀農(nóng)產(chǎn)品尺寸、顏色和形狀進行無損識別，并依據(jù)識別的匹配度量化塊狀農(nóng)產(chǎn)品的合格率。( 二 )技術(shù)方案為達到上述目的，本發(fā)明提供了一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置，包括切割系統(tǒng)，用于將農(nóng)產(chǎn)品切割成塊狀；輸送系統(tǒng)，用于輸送所述塊狀農(nóng)產(chǎn)品；機器視覺系統(tǒng)，用于采集所述塊狀農(nóng)產(chǎn)品圖像；圖像識別系統(tǒng)，用于根據(jù)所述圖像數(shù)據(jù)計算塊狀農(nóng)產(chǎn)品的幾何特征及矩不變特征，并根據(jù)主成分分析PCA對塊狀農(nóng)產(chǎn)品進行識別。更好地，所述圖像識別系統(tǒng)包括圖像輸入輸出控制模塊，用于采集機器視覺系統(tǒng)中的塊狀農(nóng)產(chǎn)品圖像并將所述圖像輸出至圖像分割模塊，以及用于顯示最終識別結(jié)果；圖像分割模塊，用于將所述塊狀農(nóng)產(chǎn)品圖像中的塊狀農(nóng)產(chǎn)品目標從圖像背景中分割出來，并進行預(yù)處理；圖像特征提取模塊，提取塊狀農(nóng)產(chǎn)品的邊界信息和重心，并計算得到塊狀農(nóng)產(chǎn)品的面積、周長和弧度幾何特征及矩不變特征；主成分分析模塊，用于根據(jù)所述幾何特征和矩不變特征計算塊狀農(nóng)產(chǎn)品的特征空間，并采用PCA方法提取塊狀農(nóng)產(chǎn)品的主要特征；圖像特征匹配模塊，用于計算待識別塊狀農(nóng)產(chǎn)品的幾何特征和矩不變特征與標準塊狀農(nóng)產(chǎn)品的主要特征在所述標準塊狀農(nóng)產(chǎn)品的特征空間的距離，根據(jù)待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品的相似度得出最終識別結(jié)果。更好地，所述切割系統(tǒng)包括切丁機和漏斗，所述切丁機用于將農(nóng)產(chǎn)品切割成塊狀，所述漏斗將塊狀農(nóng)產(chǎn)品均勻灑落給所述輸送系統(tǒng)。更好地，所述輸送系統(tǒng)包括振動器、第一傳送臺、第二傳送臺、直流電機和調(diào)節(jié)濾板，所述振動器通過振動運動將從所述第一傳送臺上掉落下來的塊狀農(nóng)產(chǎn)品振散、平鋪，并 且將所述塊狀農(nóng)產(chǎn)品振動移動到所述第二傳送臺上，所述直流電機帶動所述第二傳送臺運送塊狀農(nóng)產(chǎn)品，所述調(diào)節(jié)濾板調(diào)節(jié)允許通過的塊狀農(nóng)產(chǎn)品的大小及個數(shù)。更好地，所述機器視覺系統(tǒng)包括機器視覺支撐單元、CXD攝像機、LED平面光源和DSP高速圖像處理單元，所述CXD攝像機和LED平面光源位于機器視覺支撐單元上方，所述DSP高速圖像處理單元通過IEEE1394標準接口與所述圖像識別系統(tǒng)連接。本發(fā)明還提供一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別方法，包括SI :根據(jù)PCA計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取主要特征和計算主要特征的特征參數(shù)；S2 :對待識別塊狀農(nóng)產(chǎn)品進行幾何特征和矩不變特征組成的特征向量的采集，并根據(jù)Si中的特征參數(shù)，進行在線識別。更好地，在SI中包括S12:采集一幀標準塊狀農(nóng)產(chǎn)品的圖像，并轉(zhuǎn)換到灰度空間，將所述標準塊狀農(nóng)產(chǎn)品圖像從圖像背景中分離，并進行預(yù)處理；S13 :提取標準塊狀農(nóng)產(chǎn)品的邊界信息和重心，并利用所述邊界信息和重心計算面積、周長和弧度幾何特征及矩不變特征。S14 :利用S13中的幾何特征及矩不變特征組成特征矩陣，并基于PCA，根據(jù)所述特征矩陣計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取所述標準塊狀農(nóng)產(chǎn)品的主要特征并計算特征參數(shù)。更好地，在S12之前，還包括S11 :將農(nóng)產(chǎn)品切割成塊狀，并選取出標準塊狀農(nóng)產(chǎn)
品O更好地，在S2中包括S22:采集一幀待識別塊狀農(nóng)產(chǎn)品的圖像，轉(zhuǎn)換到灰度空間，將所述待識別塊狀農(nóng)產(chǎn)品圖像從圖像背景中分離，并進行預(yù)處理；S23 :提取待識別塊狀農(nóng)產(chǎn)品的邊界信息和重心，并利用所述的邊界信息和重心計算面積、周長和弧度幾何特征及矩不變特征；S24 :將S23中的幾何特征和矩不變特征組成的特征向量投影到標所述準塊狀農(nóng)產(chǎn)品的特征空間，并計算待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品在所述特征空間的距離，根據(jù)待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品的相似度得出最終識別結(jié)果。更好地，在S22之前，還包括S21 :將待識別農(nóng)產(chǎn)品切割成塊狀。(三)有益效果本發(fā)明的裝置及方 法利用高精度在線模式識別系統(tǒng)處理圖像數(shù)據(jù)，通過利用標準塊狀農(nóng)產(chǎn)品特征的統(tǒng)計信息建立精確的數(shù)學(xué)模型，將待識別塊狀農(nóng)產(chǎn)品的特征投影到特征空間，并用歐氏距離量化相似度，以識別合格的塊狀農(nóng)產(chǎn)品和不合格的塊狀農(nóng)產(chǎn)品，得到塊狀農(nóng)產(chǎn)品的合格率。本發(fā)明裝置及方法與人工檢測相比，結(jié)果更客觀公正，并且不會對人的健康和塊狀農(nóng)產(chǎn)品的衛(wèi)生情況造成損害，將機器視覺用于塊狀農(nóng)產(chǎn)品分選過程中，既可以解放勞動力，使人脫離重復(fù)乏味的簡單勞動，又可以排除人的主觀因素干擾，提高檢測的可信度，該發(fā)明可以應(yīng)用于塊狀農(nóng)產(chǎn)品的自動化生產(chǎn)、檢測過程。
圖I為依照本發(fā)明一種實施方式的基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置結(jié)構(gòu)示意圖；圖2為依照本發(fā)明一種實施方式的基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置中的圖像識別系統(tǒng)結(jié)構(gòu)框圖；圖3為建立基于PCA的塊狀農(nóng)產(chǎn)品在線識別特征空間及特征參數(shù)的方法流程圖；圖4為依照本發(fā)明一種實施方式的基于PCA的塊狀農(nóng)產(chǎn)品在線識別方法流程圖。
具體實施例方式下面結(jié)合附圖和實施例，對本發(fā)明的具體實施方式
作進一步詳細描述。以下實施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。本發(fā)明提供一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置，其包括切割系統(tǒng)、輸送系統(tǒng)、機器視覺系統(tǒng)和圖像識別系統(tǒng)。切割系統(tǒng)用于將農(nóng)產(chǎn)品切割成塊狀；輸送系統(tǒng)用于輸送塊狀農(nóng)產(chǎn)品；機器視覺系統(tǒng)用于采集塊狀農(nóng)產(chǎn)品的圖像數(shù)據(jù)；圖像識別系統(tǒng)用于識別機器視覺系統(tǒng)采集的圖像數(shù)據(jù)。如圖I所示，在本實施方式的裝置中，切割系統(tǒng)包括切丁機I和漏斗2，切丁機I用于將農(nóng)產(chǎn)品切割成塊狀，漏斗2將塊狀農(nóng)產(chǎn)品均勻灑落在第一傳送臺41上。輸送系統(tǒng)包括振動器3、第一傳送臺41、第二傳送臺42、直流電機5和調(diào)節(jié)濾板6，振動器3通過振動運動將從第一傳送臺41上掉落下來的塊狀農(nóng)產(chǎn)品振散、平鋪，并且將塊狀農(nóng)產(chǎn)品振動移動到第二傳送臺42上，直流電機5帶動第二傳送臺42運送塊狀農(nóng)產(chǎn)品，也就是說控制直流電機5，可以調(diào)節(jié)第二傳送臺42的速度；調(diào)節(jié)濾板6調(diào)節(jié)允許通過的塊狀農(nóng)產(chǎn)品的大小及個數(shù)，換句話說，通過調(diào)節(jié)可調(diào)節(jié)濾板6的高度，控制一次只能通過一層的塊狀農(nóng)產(chǎn)品。機器視覺系統(tǒng)包括機器視覺支撐單元7、CXD攝像機8、LED平面光源9和DSP高速圖像處理單元10，CXD攝像機8和LED平面光源9位于機器視覺支撐單元7的上方，DSP高速圖像處理單元10通過IEEE1394標準接口 11與圖像識別系統(tǒng)13連接。當(dāng)塊狀農(nóng)產(chǎn)品通過第二傳送臺42傳送到CXD攝像機8下方時，機器視覺支撐系統(tǒng)7自動調(diào)整高度，CXD攝像機8自動調(diào)整焦距，使CXD攝像機8鏡頭的上邊界與第二傳送臺42保持在一個水平面上，并使待測塊狀農(nóng)產(chǎn)品在CCD攝像機8中的圖像大小合適，同時根據(jù)當(dāng)前的光照環(huán)境調(diào)整LED平面光源9的亮度，為測量提供穩(wěn)定可靠的光照條件，通過設(shè)置時鐘觸發(fā)CCD攝像機8在一定的時間間隔內(nèi)采集圖像，并且將該圖像通過具有IEEE1394標準接口 11的DSP高速圖像處理系統(tǒng)10傳輸?shù)綀D像識別系統(tǒng)13中，所述圖像識別系統(tǒng)13模擬人的大腦對圖像數(shù)據(jù)進行模式識別處理，并計算出被測塊狀農(nóng)產(chǎn)品的合格率，最后輸出顯示。如圖2所示，圖像識別系統(tǒng)13包括圖像輸入輸出控制模塊、圖像分割模塊、圖像特征提取模塊、主成分分析模塊、以及圖像特征匹配模塊。其中圖像輸入輸出控制模塊，用于采集機器視覺系統(tǒng)中的塊狀農(nóng)產(chǎn)品圖像并將所述圖像輸出至圖像分割模塊，以及用于顯示最終識別結(jié)果；圖像分割模塊，用于將所述塊狀農(nóng)產(chǎn)品圖像中的塊狀農(nóng)產(chǎn)品目標從圖像背景中分割出來，并進行預(yù)處理；
圖像特征提取模塊，提取塊狀農(nóng)產(chǎn)品的邊界信息和重心，并計算得到塊狀農(nóng)產(chǎn)品的面積、周長和弧度幾何特征和矩不變特征；主成分分析模塊，用于根據(jù)所述幾何特征和矩不變特征計算塊狀農(nóng)產(chǎn)品的特征空間，并根據(jù)PCA提取塊狀農(nóng)產(chǎn)品的主要特征；圖像特征匹配模塊，用于計算待識別塊狀農(nóng)產(chǎn)品的幾何特征和矩不變特征與標準塊狀農(nóng)產(chǎn)品的主要特征在所述標準塊狀農(nóng)產(chǎn)品的特征空間的距離，根據(jù)待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品的相似度得出最終識別結(jié)果。一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別方法，包括SI :計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取主要特征和計算主要特征的特征參數(shù)；S2:對待識別塊狀農(nóng)產(chǎn)品進行幾何特征和矩不變特征組成的特征向量的采集并根據(jù)Si中的特征參數(shù)，進行在線識別。如圖3所示，SI :計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取主要特征和計算主要特征的特征參數(shù)包括如下步驟Sll :將農(nóng)產(chǎn)品切割成塊狀，并由人工選取出標準塊狀農(nóng)產(chǎn)品(例如Icm*Icm*Icm)。S12:由圖像輸入輸出控制模塊采集一幀標準塊狀農(nóng)產(chǎn)品的圖像，并轉(zhuǎn)換到灰度空間，采用自適應(yīng)閾值法將所述塊狀農(nóng)產(chǎn)品圖像從復(fù)雜背景中分離，并進行預(yù)處理，這是由于當(dāng)背景發(fā)生變化，如照明不均勻、有突發(fā)噪聲，或者背景灰度變化較大、塊狀農(nóng)產(chǎn)品灰度變化、陰影影響時，把塊狀農(nóng)產(chǎn)品的圖像從背景中分割的閾值也可能發(fā)生變化，并且整幅圖像用單一閾值不可能很好的分割，因此需要用自適應(yīng)閾值的方法進行背景分割，使分割更加魯棒。具體地，需要把圖像分成一個個小區(qū)域，針對每一個小區(qū)域，選取一個閾值進行分割；然后將自適應(yīng)閾值分割得到的二值圖像采用中值濾波法進行預(yù)處理，這是由于圖像信息在采集過程中會受到很多噪聲源的干擾，若不經(jīng)過去噪，會對后續(xù)的圖像特征提取帶來影響。中值濾波法是一種基于排序統(tǒng)計理論的能有效抑制噪聲的非線性平滑技術(shù)，其基本原理是把數(shù)字圖像或數(shù)字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近真實值，從而消除孤立的噪聲點，即可做到噪聲抑制、濾波脈沖干擾及圖像掃描噪聲，又可以克服線性濾波器帶來的圖像細節(jié)模糊，保持圖像邊界信息。S13:圖像特征提取模塊采用形態(tài)學(xué)開閉運算填充空洞，利用八連通序貫算法提取連通區(qū)域，(八連通序貫算法采用二次掃描圖像的方式，將圖像中八連通的連通區(qū)域標上不同的記號從而將不同的前景分割的方法，該方法的速度受圖像中連通區(qū)域的個數(shù)和面積影響較小)得到獨立標準塊狀農(nóng)產(chǎn)品的邊界信息和重心。具體地說由于背景分割之后的二值圖像，可能存在空洞，如果直接提取連通區(qū)域，將會對計算連通區(qū)域的面積產(chǎn)生較大的影響，直接影響了后期塊狀農(nóng)產(chǎn)品特征的提取結(jié)果，因此，采用數(shù)學(xué)形態(tài)學(xué)的開閉運算進行孔徑的填充。利用Hu矩不變特征算法計算標準塊狀農(nóng)產(chǎn)品的7個矩不變特征。也就是說，利用標準塊狀農(nóng)產(chǎn)品的邊界信息和重心計算面積、周長和弧度等幾何特征及7個矩不變特征。S14 :利用S13中的幾何特征及7個矩不變特征組成特征矩陣，并根據(jù)所述特征矩 陣計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取該標準塊狀農(nóng)產(chǎn)品的主要特征并計算特征參數(shù)。具體地說用PCA方法分析學(xué)習(xí)矩陣，提取標準塊狀農(nóng)產(chǎn)品的特征空間，從而得到該類學(xué)習(xí)樣本在特征空間中的主要特征和主要特征的特征參數(shù)。這是由于光照的變換、陰影的影響、噪聲的干擾、邊界特征在二維形態(tài)上的細微差別以及需求的變更都會使分類依據(jù)的特征發(fā)生變化，同時，分類過程中，如果特征太多則影響速度，對識別效果沒有顯著的提升，因此，用PCA方法提取主要特征并計算主要特征的特征參數(shù)。如圖4所示，S2 :對待識別塊狀農(nóng)產(chǎn)品進行幾何特征和矩不變特征組成的特征向量的采集并根據(jù)Si中的特征參數(shù)，進行在線識別步驟如下S21 :該方法步驟與Sll相同，請參考SI I。S22 :該方法步驟與S12相同，請參考S12，在此不再贅述。S23 :該方法步驟與S13相同，請參考S13，在此不再贅述。S24 :根據(jù)S23中的幾何特征和7個矩不變特征組成的特征向量投影到標準塊狀農(nóng)產(chǎn)品的特征空間，采用歐氏距離(歐幾里得度量Euclidean distance)計算待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品在相應(yīng)特征空間的距離，用該距離來描述待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品的相似度，得到合格/不合格的塊狀農(nóng)產(chǎn)品，并由圖像輸入輸出控制模塊顯示出識別結(jié)果。本發(fā)明可通用于所有可切成塊狀的農(nóng)產(chǎn)品，具體針對某一個所測農(nóng)產(chǎn)品的切塊特征，可改變相關(guān)參數(shù)，便可以對新的切塊尺寸、顏色和形狀進行識別。本發(fā)明與人工檢測相t匕，結(jié)果更客觀公正，并且不會對人的健康和塊狀農(nóng)產(chǎn)品的衛(wèi)生情況造成損害，將機器視覺用于塊狀農(nóng)產(chǎn)品分選過程中，既可以解放勞動力，使人脫離重復(fù)乏味的簡單勞動，又可以排除人的主觀因素干擾，提高檢測的可信度，該發(fā)明可以應(yīng)用于塊狀農(nóng)產(chǎn)品的自動化生產(chǎn)、檢測過程。以上實施方式僅用于說明本發(fā)明，而并非對本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護范圍應(yīng)由權(quán)利要求限定。
權(quán)利要求
1.一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置，其特征在于，包括 切割系統(tǒng)，用于將農(nóng)產(chǎn)品切割成塊狀； 輸送系統(tǒng)，用于輸送所述塊狀農(nóng)產(chǎn)品； 機器視覺系統(tǒng)，用于采集所述塊狀農(nóng)產(chǎn)品圖像； 圖像識別系統(tǒng)，用于根據(jù)所述圖像數(shù)據(jù)計算塊狀農(nóng)產(chǎn)品的幾何特征及矩不變特征，并根據(jù)主成分分析PCA方法對塊狀農(nóng)產(chǎn)品進行識別。
2.如權(quán)利要求I所述的基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置，其特征在于，所述圖像識別系統(tǒng)包括 圖像輸入輸出控制模塊，用于采集機器視覺系統(tǒng)中的塊狀農(nóng)產(chǎn)品圖像并將所述圖像輸出至圖像分割模塊，以及用于顯示最終識別結(jié)果； 圖像分割模塊，用于將所述塊狀農(nóng)產(chǎn)品圖像中的塊狀農(nóng)產(chǎn)品目標從圖像背景中分割出來，并進行預(yù)處理； 圖像特征提取模塊，提取塊狀農(nóng)產(chǎn)品的邊界信息和重心，并計算塊狀農(nóng)產(chǎn)品的面積、周長和弧度幾何特征及矩不變特征； 主成分分析模塊，用于根據(jù)所述幾何特征和矩不變特征計算塊狀農(nóng)產(chǎn)品的特征空間，并采用PCA提取塊狀農(nóng)產(chǎn)品的主要特征； 圖像特征匹配模塊，用于計算待識別塊狀農(nóng)產(chǎn)品的幾何特征和矩不變特征與標準塊狀農(nóng)產(chǎn)品的主要特征在所述標準塊狀農(nóng)產(chǎn)品的特征空間的距離，根據(jù)待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品的相似度得出最終識別結(jié)果。
3.如權(quán)利要求I所述的基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置，其特征在于，所述切割系統(tǒng)包括切丁機和漏斗，所述切丁機用于將農(nóng)產(chǎn)品切割成塊狀，所述漏斗將塊狀農(nóng)產(chǎn)品均勻灑落給所述輸送系統(tǒng)。
4.如權(quán)利要求I所述的基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置，其特征在于，所述輸送系統(tǒng)包括振動器、第一傳送臺、第二傳送臺、直流電機和調(diào)節(jié)濾板，所述振動器通過振動運動將從所述第一傳送臺上掉落下來的塊狀農(nóng)產(chǎn)品振散、平鋪，并且將所述塊狀農(nóng)產(chǎn)品振動移動到所述第二傳送臺上，所述直流電機帶動所述第二傳送臺運送塊狀農(nóng)產(chǎn)品，所述調(diào)節(jié)濾板調(diào)節(jié)允許通過的塊狀農(nóng)產(chǎn)品的大小及個數(shù)。
5.如權(quán)利要求I所述的基于PCA的塊狀農(nóng)產(chǎn)品在線識別裝置，其特征在于，所述機器視覺系統(tǒng)包括機器視覺支撐單元、CXD攝像機、LED平面光源和DSP高速圖像處理單元，所述CXD攝像機和LED平面光源位于機器視覺支撐單元上方，所述DSP高速圖像處理單元通過IEEE1394標準接口與所述圖像識別系統(tǒng)連接。
6.一種基于PCA的塊狀農(nóng)產(chǎn)品在線識別方法，其特征在于，包括 ·51:根據(jù)PCA計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取主要特征和計算主要特征的特征參數(shù)； · 52:對待識別塊狀農(nóng)產(chǎn)品進行幾何特征和矩不變特征組成的特征向量的采集，并根據(jù)SI中的特征參數(shù)，進行在線識別。
7.如權(quán)利要求6所述的基于PCA塊狀農(nóng)產(chǎn)品在線識別方法，其特征在于，在SI中包括 S12:采集一幀標準塊狀農(nóng)產(chǎn)品的圖像，并轉(zhuǎn)換到灰度空間，將所述標準塊狀農(nóng)產(chǎn)品圖像從圖像背景中分離，并進行預(yù)處理；513:提取標準塊狀農(nóng)產(chǎn)品的邊界信息和重心，并利用所述邊界信息和重心計算面積、周長和弧度幾何特征及矩不變特征。
514:利用S13中的幾何特征及矩不變特征組成特征矩陣，并基于PCA，根據(jù)所述特征矩陣計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取所述標準塊狀農(nóng)產(chǎn)品的主要特征并計算特征參數(shù)。
8.如權(quán)利要求7所述的基于PCA的塊狀農(nóng)產(chǎn)品在線識別方法，其特征在于，在S12之前，還包括 Sll :將農(nóng)產(chǎn)品切割成塊狀，并選取出標準塊狀農(nóng)產(chǎn)品。
9.如權(quán)利要求5所述的基于PCA塊狀農(nóng)產(chǎn)品在線識別方法，其特征在于，在S2中包括 S22:采集一幀待識別塊狀農(nóng)產(chǎn)品的圖像，轉(zhuǎn)換到灰度空間，將所述待識別塊狀農(nóng)產(chǎn)品圖像從圖像背景中分離，并進行預(yù)處理； 523:提取待識別塊狀農(nóng)產(chǎn)品的邊界信息和重心，并利用所述的邊界信息和重心計算面積、周長和弧度幾何特征及矩不變特征； 524:將S23中的幾何特征和矩不變特征組成的特征向量投影到標所述準塊狀農(nóng)產(chǎn)品的特征空間，并計算待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品在所述特征空間的距離，根據(jù)待識別塊狀農(nóng)產(chǎn)品與標準塊狀農(nóng)產(chǎn)品的相似度得出最終識別結(jié)果。
10.如權(quán)利要求9所述的基于PCA的塊狀農(nóng)產(chǎn)品在線識別方法，其特征在于，在S22之前，還包括 ·S21 :將待識別農(nóng)產(chǎn)品切割成塊狀。
全文摘要
本發(fā)明公開了一種基于PCA塊狀農(nóng)產(chǎn)品在線識別裝置及方法，其方法包括S1根據(jù)PCA計算標準塊狀農(nóng)產(chǎn)品的特征空間，提取主要特征和計算主要特征的特征參數(shù)；S2對待識別塊狀農(nóng)產(chǎn)品進行幾何特征和矩不變特征組成的特征向量的采集，并根據(jù)S1中的特征參數(shù)，進行在線識別。本發(fā)明不僅實現(xiàn)了傳統(tǒng)方法對塊狀農(nóng)產(chǎn)品的分級、結(jié)果更客觀公正、系統(tǒng)實時性高，并且不會對人的健康和塊狀農(nóng)產(chǎn)品的衛(wèi)生情況造成損害。
文檔編號G01N21/89GK102680488SQ20121009356
公開日2012年9月19日 申請日期2012年3月31日 優(yōu)先權(quán)日2012年3月31日
發(fā)明者劉忠強, 張水發(fā), 楊鋒, 王開義 申請人:北京農(nóng)業(yè)信息技術(shù)研究中心