用于芋头收获设备的机器视觉的果实分级方法及装置

本发明涉及芋头果实分级，具体为用于芋头收获设备的机器视觉的果实分级方法及装置。

背景技术：

1、随着农业技术的进步，农产品的质量控制和分级已成为提升产品市场竞争力的关键因素。芋头作为一种重要的根茎类农产品，果实的外观和内部质量直接影响到消费者的购买决策和食用体验。传统的芋头分级方法主要依赖于人工视觉检查和简单的物理测量，这种方法不仅效率低下，而且容易受到操作人员的主观判断的影响，导致分级结果的一致性和准确性难以保证。随着消费者对食品安全和品质要求提高，传统的人工分级方法已无法满足现代市场的需求，因此，市场迫切需要一种能够全面、客观评估芋头质量的分级技术。

2、现有技术存在以下不足：

3、尽管市场上已有一些自动化分级技术，但大多数技术仅限于外观特征的评估，如颜色和大小，而缺乏对芋头内部质量，如水分和糖分含量的有效评估手段，这些内部质量因素对芋头的口感和营养价值有重要影响，现有技术在全面评估芋头质量方面存在明显不足。此外，传统的人工分级方法已无法满足现代市场对效率和精确度的要求，特别是在大规模生产中，人工分级的成本和时间消耗成为制约因素。因此，开发一种能够同时评估芋头外观和内部质量的自动化分级技术，对于提升芋头产业的整体竞争力具有重要意义。

4、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于提供一种用于芋头收获设备的机器视觉的果实分级方法及装置，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供一种用于芋头收获设备的机器视觉的果实分级方法及装置，具体步骤包括：

3、步骤1：采集待分级芋头的外观图像和近红外光谱数据，并从外观图像中提取芋头的外观特征信息，从光谱数据中提取芋头的内部质量信息，所述外观特征信息数据包括芋头的颜色信息、尺寸信息和表面缺陷信息，所述内部质量信息包括芋头的水分含量数据和糖分含量数据；

4、步骤2：对采集的芋头外观特征信息进行分析，通过对待分级芋头的颜色信息、尺寸信息和表面缺陷信息数据进行分析，划分芋头的颜色信息、尺寸信息和表面缺陷信息的等级并确定等级分数，依据外观特征信息的等级分数生成待分级芋头的外观特征指数；

5、步骤3：对采集的芋头内部质量信息进行分析，通过对待分级芋头的水分含量数据和糖分含量数据进行分析，划分待分级芋头水分含量数据、糖分含量数据的等级并确定等级分数，依据内部质量信息的等级分数生成待分级芋头的内部质量指数；

6、步骤4：根据待分级芋头的外观特征指数和内部质量指数构建分析模型，生成待分级芋头的综合质量指数，用于反映待分级芋头的整体果实质量；

7、步骤5：分析待分级芋头的综合质量指数，与预设的果实综合质量指数等级区间相比较，将待分级芋头划分为不同的等级。

8、进一步地，从外观图像中提取芋头的外观特征信息所依据的具体逻辑为：

9、将采集的待分级芋头的外观图像转化为灰度图像，并获取芋头外观图像的各像素点的灰度值，通过设定的灰度阈值在灰度图像中分割芋头区域和背景区域；将各像素点的灰度值与灰度阈值相比较，若像素点的灰度值大于或等于灰度阈值，判断该像素点的位置在芋头区域，若像素点的灰度值小于灰度阈值，判断该像素点的位置在背景区域；

10、获取芋头的颜色信息所依据的具体逻辑为：

11、

12、其中，为芋头区域内各像素点的灰度均值，m为芋头区域内的像素点总数，βi为芋头区域内第i个像素点的灰度值；

13、

14、其中，σ为芋头区域内各像素点灰度值的标准差，并将标准差设定为颜色信息；

15、获取芋头的尺寸信息所依据的具体逻辑为判断芋头区域像素点在图像总像素点中的占比area，并将占比area设定为尺寸信息；

16、获取芋头的表面缺陷信息所依据的具体逻辑为判断芋头区域像素点的灰度值大于像素点灰度均值的像素点个数，并将该像素点个数设定为表面缺陷信息。

17、进一步地，从光谱数据中提取芋头的内部质量信息所依据的具体逻辑为：

18、获取芋头的水分含量所依据的具体逻辑为判断芋头的近红外光谱数据在1400-1900nm和2200-2500nm的波长范围内特征吸收峰的个数，并通过该波长范围内的特征吸收峰的个数判断芋头的水分含量；

19、获取芋头的糖分含量所依据的具体逻辑为判断芋头的近红外光谱数据在1100-1200nm和1400-1500nm的波长范围内特征吸收峰的个数，并通过该波长范围内的特征吸收峰的个数判断芋头的糖分含量。

20、进一步地，划分芋头的颜色信息、尺寸信息和表面缺陷信息的等级并确定等级分数所依据的具体逻辑为：

21、将芋头区域内像素点灰度值的标准差σ与标准差阈值相比较，若σ＜0.5t1，判断芋头颜色的等级为正常范围，并设定正常范围的等级分数为c1，若0.5t1≤σ＜t1，判断芋头颜色的等级为轻微异常，并设定轻微异常的等级分数为c2，若σ≥t1，判断芋头颜色的等级为明显异常，并设定明显异常的等级分数为c3，其中t1表示标准差阈值；

22、判断芋头区域像素点个数在图像总像素点个数中的占比area，若area≥80％，判断芋头尺寸的等级为大尺寸，并设定大尺寸的等级分数为sz1，若80％＜area≤50％，判断芋头的尺寸为中等尺寸，并设定中等尺寸的等级分数为sz2，若area＜50％，判断芋头的尺寸为小尺寸，并设定小尺寸的等级分数为sz3；

23、判断芋头区域像素点灰度值高于灰度均值的像素点个数，若ndefect＜2，判断芋头表面缺陷的等级为无缺陷，并设定无缺陷的等级分数为d1，若2≤ndefect≤6，判断芋头表面缺陷的等级为轻微缺陷，并设定轻微缺陷的等级分数为d2，若ndefect＞6，判断芋头表面缺陷的等级为明显缺陷，并设定明显缺陷的等级分数为d3，其中ndefect表示芋头区域像素点灰度值高于灰度均值的像素点个数。

24、进一步地，划分待分级芋头水分含量和糖分含量的等级并确定等级分数所依据的具体逻辑为：

25、判断芋头的近红外光谱数据在1400-1900nm和2200-2500nm的波长范围内特征吸收峰的个数，若nwater≥6，判断芋头水分含量的等级为高水分含量，并设定高水分含量的等级分数为w1，若3≤nwater≤5，判断芋头水分含量的等级为中等水分含量，并设定中等水分含量的等级分数为w2，若0≤nwater≤2，判断芋头水分含量的等级为低水分含量，并设定低水分含量的等级分数为，其中nwater表示在1400-1900nm和2200-2500nm的波长范围内特征吸收峰的个数；

26、判断芋头的近红外光谱数据在1100-1200nm和1400-1500nm的波长范围内特征吸收峰的个数，若nsugar≥6，判断芋头水分含量的等级为高水分含量，并设定高水分含量的等级分数为w1，若3≤nsugar≤5，判断芋头水分含量的等级为中等水分含量，并设定中等水分含量的等级分数为w2，若0≤nsugar≤2，判断芋头水分含量的等级为低水分含量，并设定低水分含量的等级分数为w3，其中nsugar表示在1100-1200nm和1400-1500nm的波长范围内特征吸收峰的个数。

27、进一步地，获取待分级芋头的外观特征指数所依据的具体逻辑为：

28、

29、其中，appe为待分级芋头的外观特征指数，ci表示芋头颜色信息等级分数，c1＞c2＞c3＞1，si表示芋头尺寸信息等级分数，s1＞s2＞s3＞1，di表示芋头表面缺陷信息等级分数，d1＞d2＞d3＞1。

30、进一步地，获取待分级芋头的内部质量指数所依据的具体逻辑为：

31、

32、其中，inq为待分级芋头的内部质量指数，mi表示芋头水分含量信息等级分数，m1＞m2＞m3＞1，sui表示芋头糖分含量信息等级分数，su1＞su2＞su3＞1。

33、进一步地，获取待分级芋头的综合质量指数所依据的具体逻辑为：

34、iqi＝α*appe+β*inq

35、其中，iqi为待分级芋头的综合质量指数，α为第一权重系数，β为第二权重系数，α+β＝1且β＞α＞0。

36、进一步地，将待分级芋头划分为不同的等级所依据的具体逻辑为：

37、将待分级芋头的综合质量指数iqi与质量阈值相比较，若该芋头综合质量指数iqi≥tq，属于优质级别区间，判断该芋头为优质果实，若该芋头综合质量指数0.7tq≤iqi＜tq，属于正常级别区间，判断该芋头为正常品质果实，若该芋头综合质量指数0.5tq≤iqi＜0.7tq，属于轻微瑕疵级别区间，判断该芋头为瑕疵品质果实，若该芋头综合质量指数iqi＜0.5tq，属于残缺级别区间，则判断该芋头为残缺品质果实。

38、本发明另外还提供一种用于芋头收获设备的机器视觉的果实分级装置，所述果实分级装置用于实现上述的果实分级方法，包括：

39、果实信息采集模块，采集待分级芋头的外观图像和近红外光谱数据，并从外观图像中提取芋头的外观特征信息，从光谱数据中提取芋头的内部质量信息，所述外观特征信息数据包括芋头的颜色信息、尺寸信息和表面缺陷信息，所述内部质量信息包括芋头的水分含量数据和糖分含量数据；

40、外观特征分析模块，对采集的芋头外观特征信息进行分析，通过对待分级芋头的颜色信息、尺寸信息和表面缺陷信息数据进行分析，划分芋头的颜色信息、尺寸信息和表面缺陷信息的等级并确定等级分数，依据外观特征信息的等级分数生成待分级芋头的外观特征指数；

41、内部质量分析模块，对采集的芋头内部质量信息进行分析，通过对待分级芋头的水分含量数据和糖分含量数据进行分析，划分待分级芋头水分含量数据、糖分含量数据的等级并确定等级分数，依据内部质量信息的等级分数生成待分级芋头的内部质量指数；

42、综合质量评估模块，根据待分级芋头的外观特征指数和内部质量指数构建分析模型，生成待分级芋头的综合质量指数，用于反映待分级芋头的整体果实质量；

43、果实分级决策模块，分析待分级芋头的综合质量指数，与预设的果实综合质量指数等级区间相比较，将待分级芋头划分为不同的等级。

44、与现有技术相比，本发明的有益效果是：

45、本发明的芋头果实分级方法通过集成先进的图像处理技术和近红外光谱分析技术，实现了对芋头外观和内部质量的全面、自动化评估。该方法不仅显著提高了分级过程的效率和准确性，而且通过客观的数据分析，有效避免了人工分级中的主观误差，确保了分级结果的一致性和可靠性。此外，通过精确评估芋头的水分和糖分内部质量指标，本方法能够更好地满足消费者对高品质芋头的需求，提升了芋头的市场竞争力。总体而言，本发明的方法不仅提高了芋头分级的技术水平，也为芋头产业的发展提供了有力的技术支持。