? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 《使用機器視覺從照片中確定西瓜質量》論文筆記

鏈接：Watermelon Quality Determining from a Photo Using Machine Vision | IEEE Conference Publication | IEEE Xplore

本文討論了使用機器視覺確定西瓜質量的方法，以及這些方法以應用程序的形式實現。本文描述了在各種情況下將這些方法用于真實西瓜照片的實驗。為了編寫算法，研究了確定西瓜成熟度的現有方法。在實驗過程中，解決了使用機器視覺算法實現這些方法的問題。獲得了一種現成的解決方案，可以從照片中正確確定西瓜的質量。

西瓜遍布世界各地。因此，選擇一個好的西瓜，無論是對于普通人還是對于農學家或農民來說，都是一個緊迫的問題。這項研究的目的是創建一個方便高效的軟件，使用機器視覺從照片中確定西瓜的質量。這項研究既可用于個人目的，也可用于生產。這將有助于任何人通過一張照片確定他面前西瓜的質量。研究中討論的方法也可用于其他產品。這項研究將有助于提高種植和供應的西瓜的質量，并且還將允許任何人評估提供給他的西瓜，并得出關于這種西瓜的質量的結論，甚至可能是整個批次。

本文討論了以下特征和識別它們的方法：西瓜條紋的對比，西瓜莖水分，莖形狀，西瓜大小，黃色斑點大小（如果存在），外部缺陷，如裂縫，劃痕或霉菌，以及皮膚暗沉[1]。

為了研究上述跡象，使用了Python語言的OpenCV庫[2]，因為它的可用性，實用性以及用于任務的各種算法和方法的廣泛性。要分析西瓜的質量，只需從任何角度拍攝一張照片就足夠了（圖1）。為了使用要素，決定使用顏色分割。在標準RGB色彩空間中，很難定義顏色范圍。例如，第二個值負責 RGB 中的綠色，這意味著它將是最高的。例如，如果我們有一個淺綠色，那么它的值將是（140，230，110）和深綠色（45，115，20）。如果我們考慮這兩種顏色之間的所有陰影，那么，例如，（115，115，115）將落入此范圍，這是灰色陰影，不包括在我們的綠色漸變中。為了解決這個問題，決定將RGB轉換為HSV（圖2）。使用HSV，您可以獲得任何顏色[3]的全光譜，即用于研究目的：淺綠色，深綠色和黃色的陰影。

為了設置漸變，實驗確定了綠色和黃色陰影邊界的值。如果西瓜的綠色條紋在飽和度和價值上沒有太大差異，那么西瓜很有可能是不成熟的，不好吃[4]。西瓜上的條紋具有不同的色調，因此使用兩個面具來確定顏色：深綠色（圖3）和淺綠色。我們使用顏色分割[5]使綠色蔬菜從其他所有東西中脫穎而出。對西瓜圖像應用蒙版會在黑色背景上生成深色/淺色條紋的圖像。

由于僅突出顯示深綠色和淺綠色的陰影，因此有必要突出顯示特定值以進行后續比較。K-means色聚類方法[6]搜索主色。在對比度和亮度方面相互比較這些值，分析結果。

此外，成熟西瓜的標志可以是土點或黃色斑點（圖1）。如果西瓜上有污漬，并且從8到10厘米不等，那么很可能這個西瓜是成熟而美味的。為了確定黃色斑點的邊界，使用了2個黃色面具（圖4），因為斑點的顏色不均勻，并且在西瓜的淺色和深色條紋上，斑點分別具有不同的陰影。

這些范圍被取出并變成不同的顏色，而不是在西瓜上以統一它。接下來，將圖像轉換為灰度，然后使用?閾值?函數選擇閾值圖像（圖5）。

接下來，您需要確定等值線的面積，因此，使用兩種算法：findContours查找所有等值線和?findGreatesContours“以查找其中最大輪廓的面積。他們的工作結果如下所示。findContours算法在閾值圖像中找到了所有輪廓（標記為紅色），而“findGreatesContours”算法計算了它們的區域并推導出了其中最大的輪廓（圖6）。大多數情況下，最大的輪廓是黃色斑點。由于該區域是以像素為單位獲得的，因此有必要將此區域與某些內容進行比較。必須從初始圖像中減去上述所有蒙版，以獲得帶有黑點而不是西瓜的圖像。黑色空間的面積是西瓜的面積。黃斑和西瓜的面積可以相互比較，因為西瓜的大小約為20-25厘米，這意味著西瓜與黃斑的面積之比約為2-3.125。

莖水分不是一個可靠的指標，因為水分取決于許多特征，如天氣，室內濕度等。莖的形狀還取決于不僅與西瓜質量相關的因素。西瓜的大小取決于相機的位置和角度，因此如果確定了西瓜的面積，則只能與黃點的面積進行比較（如果有的話）。外部缺陷、裂縫也很難確定，因為西瓜上的灰塵、污垢或輕微劃痕都可以被識別為西瓜質量差的標志。

皮膚的暗沉可以通過反射來檢測。如果光線落在西瓜上，如果光線有光澤，反射將非常輕，如果是啞光，則反射會更少。因此，如果西瓜上有非常淺的斑點，那么這將意味著果皮有光澤，這意味著它可能不新鮮。為了解決這個問題，計算了圖像中的白色面積。如果獲得的值很高，則西瓜反射光線，其外皮有光澤。這種方法僅在一定角度和白光下確定果皮的暗沉度，即在陰影或任何其他光線下，此方法將不起作用。因此，如果找到空白點，則此方法的結果將為負數，如果未找到任何內容，則結果將為零。

存在錯誤，因為在紅色，藍色或任何其他光線下，果皮上的綠色條紋將具有相應的色調，因此建議在白天拍攝西瓜的照片或使用色溫約為4300 - 5100 K的光源。

這項研究允許您從一張照片中確定西瓜的質量。西瓜上的條紋從任何角度都可見，但由于彩色照明，相機可能會錯誤地轉移其顏色。黃色斑點從任何角度都看不見，但如果是，那么這將是這種西瓜質量的良好標志。該程序還使用落在西瓜皮上的光來確定果皮的不透明度。該程序允許您相當可靠地評估西瓜，但仍然存在錯誤。例如，如果一個人沒有機會拍攝黃色斑點或光線太暗，那么程序結果的準確性將不是最好的。建議在白天使用閃光燈或拍攝西瓜。由于從任何角度都看不到黃色斑點，因此建議從不同角度拍攝2-3張照片。以下是算法接收的值（圖 6）。1-2 - 分別是西瓜和黃斑的面積。3-4 - 淺綠色和深綠色的值。5-6 飽和度和光照度差異。接下來是突出顯示點的區域。接下來是黃斑面積與西瓜面積的比值。最后一個是這個西瓜的質量，以百分比為單位。

可以修改該軟件以評估具有外部新鮮度跡象的其他產品的質量。這項研究也將有助于確定一批西瓜的質量，以便將來改善它們的種植。該程序的完整工作如下所示（圖8）。

因此，我們獲得了可以安裝在手機，計算機或其他設備上的簡單軟件。該研究將允許將一些方法轉移到其他產品上。該程序本身屬于公共領域，這將允許任何人對其進行修改，例如，從相機添加圖像捕獲。也可以基于這項研究開發一個應用程序，因為Python及其庫目前在Android和MacOS上運行。如果我們做一個清晰易懂的界面，你口袋里就會得到一個西瓜質量指標 無論如何，我認為這項研究將幫助大量尋找優質豐富的維生素和營養素來源的普通人，以及想要提高西瓜質量以增加利潤或優化種植的企業家。

總結

以上是生活随笔為你收集整理的《使用机器视觉从照片中确定西瓜质量》论文笔记的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。