开云优惠体育网页版入口

专利名称：一种基于图像处理的魔芋糊化检测方法

专利类型：发明专利

专利申请号：CN202410637678.4

专利申请（专利权）人：四川深山农业开云优惠体育网页版入口开发有限公司
权利人地址：四川省巴中市中通江县诺江镇龙溪沟

专利发明（设计）人：苟镜凇,苟浩淞,孙雁南

专利摘要：本发明公开了一种基于图像处理的魔芋糊化检测方法，属于图像处理技术领域，本发明分别采集魔芋糊化的三个阶段的生产图像，根据各个阶段上生产图像的特征向量，计算出魔芋当前的状态值，从而实现在状态值大于阈值时，进入下一阶段，保障每一阶段魔芋的糊化形态达到设置阈值以上。本发明以提取图像特征的方式，获取出魔芋的状态值，相比于现有通过人员的工作经验对魔芋的糊化阶段进行评估的方式，魔芋糊化状态评估精度更高，更能保障魔芋的口感统一。

主权利要求：
1.一种基于图像处理的魔芋糊化检测方法，其特征在于，包括以下步骤：S1、采集脱乙酰化过程魔芋的第一生产图像；
S2、根据第一生产图像，提取特征向量，计算第一状态值；
S3、在第一状态值大于第一阈值时，进入步骤S4；
S4、采集增稠过程魔芋的第二生产图像；
S5、根据第二生产图像，提取特征向量，计算第二状态值；
S6、在第二状态值大于第二阈值时，进入步骤S7；
S7、采集胶凝过程魔芋的第三生产图像；
S8、根据第三生产图像，提取特征向量，计算第三状态值；
S9、在第三状态值大于第三阈值时，魔芋糊化完成；
所述S2、S5和S8均包括以下步骤：A1、对生产图像进行滤波处理，得到滤波图像；
A2、提取滤波图像中背景部分多个固定位置点，对滤波图像进行颜色矫正，得到矫正图像；
A3、对矫正图像去除背景区域，得到魔芋图像；
A4、对魔芋图像提取特征向量；
A5、根据特征向量，计算状态值；
所述A2包括以下分步骤：
A21、提取滤波图像中背景部分多个固定位置点；
A22、根据每个固定位置点的R通道值、G通道值和B通道值，计算R通道影响系数、G通道影响系数和B通道影响系数；
A23、根据R通道影响系数的均值，对滤波图像中R通道值进行矫正；
A24、根据G通道影响系数的均值，对滤波图像中G通道值进行矫正；
A25、根据B通道影响系数的均值，对滤波图像中B通道值进行矫正，矫正后R通道值、G通道值和B通道值构成矫正图像；
所述A22中计算R通道影响系数的公式为： ；计算G通道影响系数的公式为：；计算B通道影响系数的公式为： ；其中，θR,i为第i个固定位置点的R通道影响系数，θG,i为第i个固定位置点的G通道影响系数，θB,i为第i个固定位置点的B通道影响系数，Ri为滤波图像上第i个固定位置点的R通道值，Gi为滤波图像上第i个固定位置点的G通道值，Bi为滤波图像上第i个固定位置点的B通道值，Rs,i为第i个固定位置点的存储R通道值，Gs,i为第i个固定位置点的存储G通道值，Bs,i为第i个固定位置点的存储B通道值，i为正整数；
所述A23中对滤波图像中R通道值进行矫正的公式为： ，其中，Rc,j为第j个矫正后的R通道值，Rj为滤波图像中第j个R通道值，N为固定位置点的数量，j为正整数；
所述A24中对滤波图像中G通道值进行矫正的公式为： ，其中，Gc,j为第j个矫正后的G通道值，Gj为滤波图像中第j个G通道值；
所述A25中对滤波图像中B通道值进行矫正的公式为： ，其中，Bc,j为第j个矫正后的B通道值，Bj为滤波图像中第j个B通道值；
所述A4包括以下分步骤：
A41、从魔芋图像取多个位置点，作为参考点；
A42、根据参考点的邻域范围像素值，得到参考点的颜色均值；
A43、根据各个参考点的颜色均值，计算魔芋图像的整体颜色均值和颜色均匀系数；
A44、对魔芋图像提取轮廓图；
A45、将轮廓图均匀划分成多个区域；
A46、提取每个区域的像素点数量，得到整体胶体颗粒度；
A47、根据各个区域的像素点数量，计算魔芋图像的颗粒度均匀系数；
A48、将整体颜色均值、颜色均匀系数、整体胶体颗粒度和颗粒度均匀系数构成特征向量；
所述A42中参考点的颜色均值为参考点的邻域范围所有像素值的平均值；
所述整体颜色均值为各个参考点的颜色均值的平均值；
所述A43中计算颜色均匀系数的公式为： ，其中，γC为颜色均匀系数，Cn为第n个参考点的颜色均值，Call为整体颜色均值，M为参考点的数量，n为正整数，arctan为反正切函数；
所述A46中整体胶体颗粒度为各个区域的像素点数量的均值；
所述A47中计算颗粒度均匀系数的公式为： ，其中，γp为颗粒度均匀系数，Pm为第m个区域的像素点数量，L为区域数量，m为正整数，arctan为反正切函数；
所述A5中计算状态值的公式为： ，其中，h为状态值，xk为魔芋图像对应的特征向量中第k个元素， 为存储的标准特征向量中第k个元素，k为正整数。 说明书 : 一种基于图像处理的魔芋糊化检测方法技术领域[0001] 本发明涉及图像处理技术领域，具体涉及一种基于图像处理的魔芋糊化检测方法。背景技术[0002] 魔芋的糊化阶段包括：脱乙酰化、增稠和胶凝。脱乙酰化：魔芋粉中的主要成分是魔芋葡甘聚糖（KGM），这是一种高分子量的亲水胶体多糖。在糊化过程中，需要让KGM长链上的乙酰基脱离，这是形成凝胶的关键一步。增稠：魔芋葡甘聚糖具有提升粘度的效果，当它与碱性物质反应后，会形成热不可逆的胶体，进而增稠。胶凝：碱性环境和加热作用下，魔芋分子间会形成新的化学键构成的立体网状结构聚合体，束缚大量水分子，最终形成热稳定且富有弹性的凝胶体，即魔芋豆腐。魔芋的糊化在糊化罐中进行，在糊化罐上设置观察窗，通过人员观察糊化罐中魔芋的形态，评估魔芋的糊化阶段，通过人员的工作经验对魔芋的糊化阶段进行评估，存在评估精度不高的问题。发明内容[0003] 针对现有技术中的上述不足，本发明提供的一种基于图像处理的魔芋糊化检测方法解决了现有通过人员的工作经验对魔芋的糊化阶段进行评估，存在评估精度不高的问题。[0004] 为了达到上述发明目的，本发明采用的技术方案为：一种基于图像处理的魔芋糊化检测方法，包括以下步骤：[0005] S1、采集脱乙酰化过程魔芋的第一生产图像；[0006] S2、根据第一生产图像，提取特征向量，计算第一状态值；[0007] S3、在第一状态值大于第一阈值时，进入步骤S4；[0008] S4、采集增稠过程魔芋的第二生产图像；[0009] S5、根据第二生产图像，提取特征向量，计算第二状态值；[0010] S6、在第二状态值大于第二阈值时，进入步骤S7；[0011] S7、采集胶凝过程魔芋的第三生产图像；[0012] S8、根据第三生产图像，提取特征向量，计算第三状态值；[0013] S9、在第三状态值大于第三阈值时，魔芋糊化完成。[0014] 本发明的有益效果为：本发明分别采集魔芋糊化的三个阶段的生产图像，根据各个阶段上生产图像的特征向量，计算出魔芋当前的状态值，从而实现在状态值大于阈值时，进入下一阶段，保障每一阶段魔芋的糊化形态达到设置阈值以上。本发明以提取图像特征的方式，获取出魔芋的状态值，相比于现有通过人员的工作经验对魔芋的糊化阶段进行评估的方式，提高了魔芋评估的精度。[0015] 进一步地，所述S2、S5和S8均包括以下步骤：[0016] A1、对生产图像进行滤波处理，得到滤波图像；[0017] A2、提取滤波图像中背景部分多个固定位置点，对滤波图像进行颜色矫正，得到矫正图像；[0018] A3、对矫正图像去除背景区域，得到魔芋图像；[0019] A4、对魔芋图像提取特征向量；[0020] A5、根据特征向量，计算状态值。[0021] 上述进一步地方案的有益效果为：本发明对生产图像进行滤波处理，滤除噪声对图像的干扰，从滤波图像的背景部分提取多个固定位置点，对滤波图像进行颜色矫正，滤除光线的变化对图像的影响，使得所有图像均在同一亮度下提取特征向量，再对矫正图像去除背景区域，得到魔芋图像，避免背景的干扰。[0022] 进一步地，所述A2包括以下分步骤：[0023] A21、提取滤波图像中背景部分多个固定位置点；[0024] A22、根据每个固定位置点的R通道值、G通道值和B通道值，计算R通道影响系数、G通道影响系数和B通道影响系数；[0025] A23、根据R通道影响系数的均值，对滤波图像中R通道值进行矫正；[0026] A24、根据G通道影响系数的均值，对滤波图像中G通道值进行矫正；[0027] A25、根据B通道影响系数的均值，对滤波图像中B通道值进行矫正，矫正后R通道值、G通道值和B通道值构成矫正图像。[0028] 进一步地，所述A22中计算R通道影响系数的公式为： ；计算G通道影响系数的公式为： ；计算B通道影响系数的公式为： ；其中，θR,i为第i个固定位置点的R通道影响系数，θG,i为第i个固定位置点的G通道影响系数，θB,i为第i个固定位置点的B通道影响系数，Ri为滤波图像上第i个固定位置点的R通道值，Gi为滤波图像上第i个固定位置点的G通道值，Bi为滤波图像上第i个固定位置点的B通道值，Rs,i为第i个固定位置点的存储R通道值，Gs,i为第i个固定位置点的存储G通道值，Bs,i为第i个固定位置点的存储B通道值，i为正整数。[0029] 进一步地，所述A23中对滤波图像中R通道值进行矫正的公式为：[0030] ，其中，Rc,j为第j个矫正后的R通道值，Rj为滤波图像中第j个R通道值，N为固定位置点的数量，j为正整数；[0031] 所述A24中对滤波图像中G通道值进行矫正的公式为：[0032] ，其中，Gc,j为第j个矫正后的G通道值，Gj为滤波图像中第j个G通道值；[0033] 所述A25中对滤波图像中B通道值进行矫正的公式为：[0034] ，其中，Bc,j为第j个矫正后的B通道值，Bj为滤波图像中第j个B通道值。[0035] 上述进一步地方案的有益效果为：本发明提取了滤波图像中背景部分多个固定位置点，根据每个固定位置点的各通道值和对应的存储各通道值，计算出在每个固定位置点的各通道影响系数，通过每个通道影响系数的均值减少个别异常通道值的影响，提高通道值的矫正精度，本发明分别计算R、G、B通道影响系数的均值，再分别对R、G、B通道值进行矫正处理，使得各个通道值在光线亮度统一环境下，提高状态值的计算精度。[0036] 进一步地，所述A4包括以下分步骤：[0037] A41、从魔芋图像取多个位置点，作为参考点；[0038] A42、根据参考点的邻域范围像素值，得到参考点的颜色均值；[0039] A43、根据各个参考点的颜色均值，计算魔芋图像的整体颜色均值和颜色均匀系数；[0040] A44、对魔芋图像提取轮廓图；[0041] A45、将轮廓图均匀划分成多个区域；[0042] A46、提取每个区域的像素点数量，得到整体胶体颗粒度；[0043] A47、根据各个区域的像素点数量，计算魔芋图像的颗粒度均匀系数；[0044] A48、将整体颜色均值、颜色均匀系数、整体胶体颗粒度和颗粒度均匀系数构成特征向量。[0045] 上述进一步地方案的有益效果为：本发明从魔芋图像上取多个参考点，获取整体颜色均值，再根据各个参考点的颜色均值，计算颜色均匀系数，从而表征出魔芋糊化过程的颜色以及颜色分布的均匀性。本发明对魔芋图像提取轮廓图，将轮廓图均匀划分成多个区域，在每个区域中像素点数量体现轮廓的聚集程度，因此，本发明根据各个区域中像素点数量，计算整体胶体颗粒度和颗粒度均匀系数，表征魔芋胶体中的结构形状。[0046] 进一步地，所述A42中参考点的颜色均值为参考点的邻域范围所有像素值的平均值；[0047] 所述整体颜色均值为各个参考点的颜色均值的平均值；[0048] 所述A43中计算颜色均匀系数的公式为：[0049] ，其中，γC为颜色均匀系数，Cn为第n个参考点的颜色均值，Call为整体颜色均值，M为参考点的数量，n为正整数，arctan为反正切函数。[0050] 进一步地，所述A46中整体胶体颗粒度为各个区域的像素点数量的均值；[0051] 所述A47中计算颗粒度均匀系数的公式为：[0052] ，其中，γp为颗粒度均匀系数，Pm为第m个区域的像素点数量，L为区域数量，m为正整数，arctan为反正切函数。[0053] 上述进一步地方案的有益效果为：本发明在颜色均匀系数和颗粒度均匀系数越小时，魔芋糊化过程的颜色越均匀和颗粒度越均匀，对魔芋的搅拌越到位。[0054] 进一步地，所述A5中计算状态值的公式为：[0055] ，其中，h为状态值，xk为魔芋图像对应的特征向量中第k个元素， 为存储的标准特征向量中第k个元素，k为正整数。[0056] 上述进一步地方案的有益效果为：本发明从各个糊化阶段提取生产图像，计算生产图像上的特征向量与存储的标准特征向量的相似度，在相似度大于阈值时，则该阶段的搅拌工作完成，进入下一阶段。附图说明[0057] 图1为一种基于图像处理的魔芋糊化检测方法的流程图。具体实施方式[0058] 下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。[0059] 如图1所示，一种基于图像处理的魔芋糊化检测方法，包括以下步骤：[0060] S1、采集脱乙酰化过程魔芋的第一生产图像；[0061] S2、根据第一生产图像，提取特征向量，计算第一状态值；[0062] S3、在第一状态值大于第一阈值时，进入步骤S4；[0063] S4、采集增稠过程魔芋的第二生产图像；[0064] S5、根据第二生产图像，提取特征向量，计算第二状态值；[0065] S6、在第二状态值大于第二阈值时，进入步骤S7；[0066] S7、采集胶凝过程魔芋的第三生产图像；[0067] S8、根据第三生产图像，提取特征向量，计算第三状态值；[0068] S9、在第三状态值大于第三阈值时，魔芋糊化完成。[0069] 在本实施例中，第一阈值、第二阈值和第三阈值可设置为0.8。[0070] 所述S2、S5和S8均包括以下步骤：[0071] A1、对生产图像进行滤波处理，得到滤波图像；[0072] A2、提取滤波图像中背景部分多个固定位置点，对滤波图像进行颜色矫正，得到矫正图像；[0073] A3、对矫正图像去除背景区域，得到魔芋图像；[0074] A4、对魔芋图像提取特征向量；[0075] A5、根据特征向量，计算状态值。[0076] 在本实施例中，将拍摄图像的设备固定放置在糊化罐的观察窗前，因此，观察窗周边区域为背景区域。[0077] 本发明对生产图像进行滤波处理，滤除噪声对图像的干扰，从滤波图像的背景部分提取多个固定位置点，对滤波图像进行颜色矫正，滤除光线的变化对图像的影响，使得所有图像均在同一亮度下提取特征向量，再对矫正图像去除背景区域，得到魔芋图像，避免背景的干扰。[0078] 所述A2包括以下分步骤：[0079] A21、提取滤波图像中背景部分多个固定位置点；[0080] A22、根据每个固定位置点的R通道值、G通道值和B通道值，计算R通道影响系数、G通道影响系数和B通道影响系数；[0081] A23、根据R通道影响系数的均值，对滤波图像中R通道值进行矫正；[0082] A24、根据G通道影响系数的均值，对滤波图像中G通道值进行矫正；[0083] A25、根据B通道影响系数的均值，对滤波图像中B通道值进行矫正，矫正后R通道值、G通道值和B通道值构成矫正图像。[0084] 所述A22中计算R通道影响系数的公式为： ；计算G通道影响系数的公式为： ；计算B通道影响系数的公式为： ；其中，θR,i为第i个固定位置点的R通道影响系数，θG,i为第i个固定位置点的G通道影响系数，θB,i为第i个固定位置点的B通道影响系数，Ri为滤波图像上第i个固定位置点的R通道值，Gi为滤波图像上第i个固定位置点的G通道值，Bi为滤波图像上第i个固定位置点的B通道值，Rs,i为第i个固定位置点的存储R通道值，Gs,i为第i个固定位置点的存储G通道值，Bs,i为第i个固定位置点的存储B通道值，i为正整数。[0085] 在本实施例中，存储R通道值、存储G通道值和存储B通道值来源于历史的滤波图像中固定位置点。[0086] 所述A23中对滤波图像中R通道值进行矫正的公式为：[0087] ，其中，Rc,j为第j个矫正后的R通道值，Rj为滤波图像中第j个R通道值，N为固定位置点的数量，j为正整数；[0088] 所述A24中对滤波图像中G通道值进行矫正的公式为：[0089] ，其中，Gc,j为第j个矫正后的G通道值，Gj为滤波图像中第j个G通道值；[0090] 所述A25中对滤波图像中B通道值进行矫正的公式为：[0091] ，其中，Bc,j为第j个矫正后的B通道值，Bj为滤波图像中第j个B通道值。[0092] 本发明提取了滤波图像中背景部分多个固定位置点，根据每个固定位置点的各通道值和对应的存储各通道值，计算出在每个固定位置点的各通道影响系数，通过每个通道影响系数的均值减少个别异常通道值的影响，提高通道值的矫正精度，本发明分别计算R、G、B通道影响系数的均值，再分别对R、G、B通道值进行矫正处理，使得各个通道值在光线亮度统一环境下，提高状态值的计算精度。[0093] 所述A4包括以下分步骤：[0094] A41、从魔芋图像取多个位置点，作为参考点；[0095] A42、根据参考点的邻域范围像素值，得到参考点的颜色均值；[0096] A43、根据各个参考点的颜色均值，计算魔芋图像的整体颜色均值和颜色均匀系数；[0097] A44、对魔芋图像提取轮廓图；[0098] A45、将轮廓图均匀划分成多个区域，即将轮廓图划分成多个大小相同的区域；[0099] A46、提取每个区域的像素点数量，得到整体胶体颗粒度；[0100] A47、根据各个区域的像素点数量，计算魔芋图像的颗粒度均匀系数；[0101] A48、将整体颜色均值、颜色均匀系数、整体胶体颗粒度和颗粒度均匀系数构成特征向量。[0102] 本发明从魔芋图像上取多个参考点，获取整体颜色均值，再根据各个参考点的颜色均值，计算颜色均匀系数，从而表征出魔芋糊化过程的颜色以及颜色分布的均匀性。本发明对魔芋图像提取轮廓图，将轮廓图均匀划分成多个区域，在每个区域中像素点数量体现轮廓的聚集程度，因此，本发明根据各个区域中像素点数量，计算整体胶体颗粒度和颗粒度均匀系数，表征魔芋胶体中的结构形状。[0103] 所述A42中参考点的颜色均值为参考点的邻域范围所有像素值的平均值；[0104] 在本实施例中，参考点的邻域范围为以参考点为中心的 像素范围；[0105] 所述整体颜色均值为各个参考点的颜色均值的平均值；[0106] 所述A43中计算颜色均匀系数的公式为：[0107] ，其中，γC为颜色均匀系数，Cn为第n个参考点的颜色均值，Call为整体颜色均值，M为参考点的数量，n为正整数，arctan为反正切函数。[0108] 所述A46中整体胶体颗粒度为各个区域的像素点数量的均值；[0109] 所述A47中计算颗粒度均匀系数的公式为：[0110] ，其中，γp为颗粒度均匀系数，Pm为第m个区域的像素点数量，L为区域数量，m为正整数，arctan为反正切函数。[0111] 本发明在颜色均匀系数和颗粒度均匀系数越小时，魔芋糊化过程的颜色越均匀和颗粒度越均匀，对魔芋的搅拌越到位。[0112] 所述A5中计算状态值的公式为：[0113] ，其中，h为状态值，xk为魔芋图像对应的特征向量中第k个元素， 为存储的标准特征向量中第k个元素，k为正整数。[0114] 在本实施例中，存储的标准特征向量为历史采集魔芋糊化过程中最优状态的特征向量。[0115] 本发明从各个糊化阶段提取生产图像，计算生产图像上的特征向量与存储的标准特征向量的相似度，在相似度大于阈值时，则该阶段的搅拌工作完成，进入下一阶段。[0116] 本发明分别采集魔芋糊化的三个阶段的生产图像，根据各个阶段上生产图像的特征向量，计算出魔芋当前的状态值，从而实现在状态值大于阈值时，进入下一阶段，保障每一阶段魔芋的糊化形态达到设置阈值以上。本发明以提取图像特征的方式，获取出魔芋的状态值，相比于现有通过人员的工作经验对魔芋的糊化阶段进行评估的方式，魔芋糊化状态评估精度更高，更能保障魔芋的口感统一。[0117] 以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

专利地区：四川

专利申请日期：2024-05-22

专利公开日期：2024-07-19

专利公告号：CN118212307B