本發(fā)明涉及了一種構(gòu)建圖像特征譜的對(duì)蝦完整性判別方法，屬于機(jī)器視覺(jué)范疇，適合于基于機(jī)器視覺(jué)技術(shù)對(duì)蝦在線分選分級(jí)的系統(tǒng)研發(fā)。
背景技術(shù)：
：經(jīng)檢索，文獻(xiàn)《automaticshrimpshapegradingusingevolutionconstructedfeatures》提出了一套在線實(shí)時(shí)檢測(cè)畸變熟蝦仁的裝置，由經(jīng)典遺傳算法構(gòu)建的eco特征，利用adaboost分類器，通過(guò)對(duì)879個(gè)蝦體樣本實(shí)驗(yàn)，獲得了95.1％的總體分類精度。現(xiàn)有公開(kāi)號(hào)為cn103801520a的發(fā)明專利提供一種蝦的自動(dòng)精選分級(jí)裝置，包括上料系統(tǒng)、分選通道、采圖系統(tǒng)、分級(jí)系統(tǒng)和圖像處理系統(tǒng)；其中采圖系統(tǒng)用于采集原料蝦的圖像；分級(jí)系統(tǒng)包括與單列化通道對(duì)應(yīng)的噴氣嘴，該噴氣嘴受控于圖像處理系統(tǒng)，用于吹動(dòng)蝦體進(jìn)入不同的接料槽；圖像處理系統(tǒng)用于分析圖像，對(duì)每個(gè)蝦體的圖像分級(jí)處理，根據(jù)分級(jí)結(jié)果，并發(fā)出控制分級(jí)系統(tǒng)的信號(hào)。對(duì)蝦的完整性檢測(cè)是基于機(jī)器視覺(jué)技術(shù)對(duì)蝦的快速分選工藝中的重要環(huán)節(jié)，而提取完整對(duì)蝦與不完整對(duì)蝦的有效區(qū)別特征，進(jìn)而形成對(duì)蝦特征譜是對(duì)蝦完整性檢測(cè)的關(guān)鍵，如果所構(gòu)建的特征不能夠有效地區(qū)別完整對(duì)蝦和不完整對(duì)蝦，就會(huì)造成誤判，這樣即便做到對(duì)蝦的高速分選分級(jí)，卻無(wú)法保證高效率識(shí)別，也是不合格的。技術(shù)實(shí)現(xiàn)要素：為基于機(jī)器視覺(jué)技術(shù)對(duì)蝦在線快速分選分級(jí)過(guò)程中的對(duì)蝦完整性判別這一關(guān)鍵環(huán)節(jié)，本發(fā)明提供了一種構(gòu)建圖像特征譜的對(duì)蝦完整性判別方法，通過(guò)構(gòu)建完整對(duì)蝦特征譜數(shù)據(jù)庫(kù)，為后續(xù)對(duì)蝦的完整性判別提供了方便快捷的手段。如圖1所示，本發(fā)明的具體技術(shù)方案如下：(1)將采集的對(duì)蝦彩色圖像經(jīng)過(guò)圖像預(yù)處理獲得二值圖；所述的對(duì)蝦彩色圖像為包含有對(duì)蝦并且光照均勻、白色背景的圖片。圖像預(yù)處理是：選用b通道對(duì)對(duì)蝦彩色圖像進(jìn)行中值濾波以及形態(tài)學(xué)開(kāi)操作，將對(duì)蝦目標(biāo)從圖像背景中分割出來(lái)形成二值圖。(2)二值圖中，求取對(duì)蝦目標(biāo)的外接矩形，并根據(jù)外接矩形進(jìn)一步求取對(duì)蝦特征譜；求取外接矩形是采用的opencv中cvboundingrect算子進(jìn)行求取。再將外接矩形所在的圖像區(qū)域平均分成4x6塊小區(qū)域，分別計(jì)算每一個(gè)小區(qū)域中白色像素所占比例值，將第一行從左到右六塊小區(qū)域的比例值作為對(duì)蝦特征譜的第一～第六個(gè)數(shù)值，將第二行從左到右六塊小區(qū)域的比例值作為對(duì)蝦特征譜的第七～第12個(gè)數(shù)值，并以此將所有24塊小區(qū)域的比例值組成一個(gè)含有24個(gè)元素的一維數(shù)組a[24]，從而形成了由數(shù)值序列構(gòu)成的對(duì)蝦特征譜。(3)采集多個(gè)具有完整對(duì)蝦的對(duì)蝦彩色圖像作為樣本，重復(fù)上述步驟1)和2)獲得各個(gè)圖像對(duì)應(yīng)的對(duì)蝦特征譜，組成完整對(duì)蝦特征譜數(shù)據(jù)庫(kù)；具有完整對(duì)蝦的對(duì)蝦彩色圖像為包含有完整對(duì)蝦的圖像。(4)采集待測(cè)對(duì)象的對(duì)蝦彩色圖像，并重復(fù)上述步驟1)和2)獲得對(duì)應(yīng)的待測(cè)對(duì)蝦特征譜，計(jì)算待測(cè)對(duì)蝦特征譜與數(shù)據(jù)庫(kù)中每一個(gè)對(duì)蝦特征譜之間的歐氏距離，取最小歐氏距離；所述步驟(5)設(shè)有兩個(gè)樣品xi、xj的特征向量分別為xi＝(xi1,xi2,…，xin)t，xj＝(xj1,xj2,…，xjn)t，該兩個(gè)樣品之間的歐式距離dij2的計(jì)算公式如下所示：其中，dij越小，則兩個(gè)樣品距離越近，就越相似。(5)將該最小歐式距離與設(shè)定的距離閾值進(jìn)行比較，如果小于等于該閾值則判定為完整對(duì)蝦，如果大于該閾值則判定為不完整對(duì)蝦。通過(guò)多次實(shí)驗(yàn)探索發(fā)現(xiàn)所述閾值設(shè)為0.5識(shí)別精度最好。本發(fā)明的創(chuàng)新點(diǎn)在于摒棄了現(xiàn)有方法判斷蝦頭和蝦尾的過(guò)程，實(shí)現(xiàn)了在不判斷蝦頭和蝦尾的情況下進(jìn)行對(duì)蝦完整性的判斷，通過(guò)特有的對(duì)蝦特征譜方式進(jìn)行處理判斷。本發(fā)明的有益效果是：本發(fā)明能夠快速有效地提取到對(duì)蝦圖像中對(duì)蝦的特征譜，通過(guò)與標(biāo)準(zhǔn)完整對(duì)蝦特征譜里面的數(shù)據(jù)進(jìn)行比對(duì)，可以有效地判別對(duì)蝦的完整性，正確識(shí)別率高，為后續(xù)基于機(jī)器視覺(jué)技術(shù)對(duì)蝦在線快速分選系統(tǒng)的研發(fā)提供了方便快捷的手段。附圖說(shuō)明圖1本發(fā)明的原理框圖；圖2是實(shí)施例動(dòng)態(tài)采集的對(duì)蝦彩色圖像；圖3是實(shí)施例對(duì)蝦預(yù)處理之后的二值圖；圖4是實(shí)施例外接矩形圖；圖5是實(shí)施例平均劃分4x6個(gè)小區(qū)域圖。具體實(shí)施方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。本發(fā)明實(shí)施例如下：試驗(yàn)對(duì)象：對(duì)蝦，采自某水產(chǎn)市場(chǎng)。試驗(yàn)實(shí)施：1、將電腦、光源和工業(yè)相機(jī)打開(kāi)，將工業(yè)相機(jī)的幀率設(shè)置在30fps，將增益設(shè)置在17.22db，將曝光設(shè)置在1/41667sec，將程序輪廓提取的閾值設(shè)置在60，將電機(jī)打開(kāi)，帶動(dòng)輸送帶轉(zhuǎn)動(dòng)，將輸送帶的速度設(shè)置在0.67m/s然后將對(duì)蝦放在輸送帶上；當(dāng)對(duì)蝦進(jìn)入相機(jī)視場(chǎng)時(shí)進(jìn)行拍照，獲得如圖2所示的對(duì)蝦彩色圖像并保存圖像；2、所有對(duì)蝦圖像采集完后，對(duì)圖像進(jìn)行預(yù)處理，通過(guò)分離得到彩色圖像的b通道灰度圖，利用中值濾波，形態(tài)學(xué)開(kāi)操作，可以很好地將對(duì)蝦從背景中分離出來(lái)，并獲得二值圖，如圖3所示；3、對(duì)獲得的二值圖，進(jìn)行求取外接矩形，如圖4所示；4、對(duì)獲得的外接矩形，平均分成4x6個(gè)小區(qū)域，如圖5所示；實(shí)驗(yàn)通過(guò)在線采集971幅完整對(duì)蝦圖片，采用本文所提的構(gòu)建對(duì)蝦圖像特征譜方法，構(gòu)建完整對(duì)蝦特征譜數(shù)據(jù)庫(kù)，采用2668幅完整對(duì)蝦圖片與1262幅不完整對(duì)蝦圖片進(jìn)行測(cè)試，閾值取0.5時(shí)測(cè)試結(jié)果如表1所示：表1對(duì)蝦圖片測(cè)試結(jié)果一覽表完整識(shí)別率不完整識(shí)別率整體識(shí)別率97.3％98.3％97.7％通過(guò)表1可以看出該方法對(duì)于大小、形態(tài)、位置均不統(tǒng)一的對(duì)蝦具有魯棒性，本發(fā)明方法具有其突出顯著的技術(shù)效果，能夠有效地判斷對(duì)蝦的完整性，為后續(xù)基于機(jī)器視覺(jué)技術(shù)對(duì)蝦在線快速分選系統(tǒng)的研發(fā)提供了方便快捷的手段。當(dāng)前第1頁(yè)12