开云优惠体育网页版入口

专利名称：基于图像识别的苹果品质分析评估方法

专利类型：发明专利

专利申请号：CN202411155116.2

专利申请（专利权）人：陕西美好家园农业开云优惠体育网页版入口发展股份有限公司
权利人地址：陕西省渭南市白水县仓颉路南段东侧绿康市场二层商铺A1区北-12号

专利发明（设计）人：张田龙,张子怡,栾洲栋,路萍,贺刘永

专利摘要：本发明涉及图像处理技术领域，尤其涉及一种基于图像识别的苹果品质分析评估方法，该方法针对同一批次的苹果，根据苹果的表面图像分别获取每个苹果的灰度图像，根据每个灰度图像中皮孔区域的分布特征进行自适应划分得到最佳表格，以最佳表格为标准分别将每个灰度图像划分为多个分区，根据分区中像素点的灰度值得到每个分区的灰度分布均匀指标，根据每个分区的灰度分布均匀指标获取每个灰度图像的整体颜色均匀指标，根据每个灰度图像的整体颜色均匀指标确定苹果的品质等级，由此提高根据苹果的表面图像进行苹果品质的等级划分的准确性。

主权利要求：
1.基于图像识别的苹果品质分析评估方法，其特征在于，所述基于图像识别的苹果品质分析评估方法包括：针对同一批次的苹果，分别获取每个所述苹果的表面图像，对每个所述表面图像进行灰度化处理，得到对应的灰度图像；
分别在每个所述灰度图像中构建包含苹果的正方形窗口，根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格，根据所述最佳表格分别将每个所述正方形窗口划分为多个分区；
针对任一正方形窗口中的任一分区，将所述分区内的像素点划分为正常点集合和异常点集合，对所述异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，将所有优化灰度值和所述正常点集合中的每个像素点的灰度值按照大小排序，得到对应的灰度值优化集合，根据所述灰度值优化集合得到所述分区的灰度分布均匀指标，根据所述正方形窗口中每个分区的灰度分布均匀指标，获取所述正方形窗口的整体颜色均匀指标；
获取每个所述正方形窗口的整体颜色均匀指标，根据每个所述正方形窗口的整体颜色均匀指标，对所述同一批次的苹果进行品质评估；
所述根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格，包括：针对任一正方形窗口，利用阈值分割获取所述正方形窗口中的皮孔区域，将所述正方形窗口平分，得到初始表格，将所述初始表格中的每个单元格作为初始分区，统计每个所述初始分区中皮孔区域的数量得到皮孔数量集合，计算所述皮孔数量集合的四分位数间距，若所述四分位数间距大于预设间距，则在所述正方形窗口上任选两个相邻的皮孔区域，分别获取所述两个相邻的皮孔区域的区域中心点，计算所述两个相邻的皮孔区域的区域中心点之间的距离，将所述距离作为一个单位，对所述初始分区的边长减小所述一个单位得到新分区边长，根据所述新分区边长将所述正方形窗口划分为N个新分区；
将所述N个新分区组成的表格作为初始表格，重复所述四分位数间距的获取步骤，直至所述四分位数间距小于或等于所述预设间距，得到最终分区边长；
以所述最终分区边长为分母，以所述正方形窗口的边长为分子，得到对应的边长比值，若所述边长比值为正整数，则根据所述最终分区边长对所述正方形窗口进行正方形分区，得到对应的自适应正方形表格；
若所述边长比值不为正整数，则将所述边长比值向上取整，得到目标比值，根据所述目标比值对所述正方形窗口的边长进行扩展，得到目标正方形窗口，根据所述最终分区边长对所述目标正方形窗口进行正方形分区，得到对应的自适应正方形表格；
获取每个所述正方形窗口的自适应正方形表格，统计每个所述自适应正方形表格中包含的皮孔区域总数量，将最小的皮孔区域总数量对应的自适应正方形表格作为最小表格，将最大的皮孔区域总数量对应的自适应正方形表格作为最大表格；
针对所述最小表格中的任一正方形分区，计算所述正方形分区中的每个皮孔区域的区域中心点分别到所述正方形分区的四条边的距离，得到最小距离，在所述最小表格中的所有正方形分区对应的最小距离中获取最大值；
针对所述最大表格中的任一正方形分区，计算所述正方形分区中的每个皮孔区域的区域中心点分别到所述正方形分区的四条边的距离，得到最大距离，在所述最大表格中的所有正方形分区对应的最大距离中获取最小值；
将所述最大值和所述最小值组成分区边长区间，若所述最大表格中的正方形分区的边长处于所述分区边长区间内，则将所述最大表格作为最佳表格；
若所述最大表格中的正方形分区的边长不在所述分区边长区间内，则将所述最大值作为最大边长，根据所述最大边长对所述最大表格对应的正方形窗口进行正方形分区得到目标表格，将所述目标表格作为初始表格，重复所述四分位数间距的获取步骤，直至所述四分位数间距小于或等于所述预设间距，得到最佳分区边长，根据所述最佳分区边长对所述最大表格对应的正方形窗口进行分区，得到最佳表格；
所述对所述异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，包括：
针对所述异常点集合中的任一异常点，在所述分区中以所述异常点为中心构建预设尺寸的待分析区域，计算所述待分析区域内异常点的数量与所述待分析区域内所有像素点的数量的比值作为异常点数量比值，计算所述异常点集合中所有异常点的异常点数量比值的均值作为密集程度；
若所述密集程度小于预设密集程度阈值，则将所述异常点集合中的任一像素点作为目标点，对所述目标点所在的待分析区域中除所述目标点以外的所有像素点的灰度值按照从小到大的顺序排列得到灰度值序列，获取所述灰度值序列的四分位数作为所述目标点的优化灰度值；
若所述密集程度大于或等于所述预设密集程度阈值，则直接将所述异常点集合中的每个像素点的灰度值作为优化灰度值；
所述根据所述灰度值优化集合得到所述分区的灰度分布均匀指标，包括：
根据所述灰度值优化集合中的最大灰度值和最小灰度值得到对比度，根据所述灰度值优化集合中的所有灰度值，获取灰度值的四分位数间距，将所述对比度与所述灰度值的四分位数间距之间的乘积作为所述分区的灰度均匀值；
计算所述灰度值优化集合中的所有灰度值的平均值；
计算所述灰度均匀值与所述平均值的乘积作为灰度分布均匀指标；
所述根据所述正方形窗口中每个分区的灰度分布均匀指标，获取所述正方形窗口的整体颜色均匀指标，包括：针对所述正方形窗口中的任一行，根据对应行的全部分区的灰度分布均匀指标，构建对应行的颜色均匀曲线，其中，所述颜色均匀曲线的横坐标表示分区的位置，纵坐标表示对应行的每个分区的灰度分布均匀指标；
分别获取所述颜色均匀曲线上的每两个相邻坐标点之间的夹角的角度，得到所有角度的角度均值，将预设角度值与所述角度均值之间的差值作为角度差值，将所述角度差值与所述预设角度值的比值作为曲线平滑度；
获取所述正方形窗口中所有行的曲线平滑度，将所有行的曲线平滑度相加得到曲线平滑度总值，针对任一行的曲线平滑度，计算所述曲线平滑度与所述曲线平滑度总值的比值作为所述曲线平滑度的权重，对所有行的曲线平滑度进行加权求和得到所述正方形窗口的整体颜色均匀指标；
所述根据每个所述正方形窗口的整体颜色均匀指标，对所述同一批次的苹果进行品质评估，包括：
针对任一整体颜色均匀指标，若所述整体颜色均匀指标在预设指标范围内，则所述整体颜色均匀指标所对应的苹果的品质为所述预设指标范围对应的品质等级。
2.根据权利要求1所述的基于图像识别的苹果品质分析评估方法，其特征在于，所述分别在每个所述灰度图像中构建包含苹果的正方形窗口，包括：针对任一灰度图像，对所述灰度图像进行边缘检测，得到所述灰度图像中的苹果边缘，分别计算所述苹果边缘上每两个边缘点之间的垂直距离，得到最大垂直距离作为初始窗口边长，以所述初始窗口边长的长度构建所述灰度图像中包含苹果的正方形窗口。
3.根据权利要求1所述的基于图像识别的苹果品质分析评估方法，其特征在于，所述将所述分区内的像素点划分为正常点集合和异常点集合，包括：根据所述分区中的每个像素点的灰度值和预设数量的灰度值区间，分别获取每个所述灰度值区间对应的灰度值频数；
针对所述分区中的任一像素点，在预设邻域范围内获取所述像素点的邻域像素点，分别计算所述像素点的灰度值与每个所述邻域像素点的灰度值之间的差值绝对值，对每个所述差值绝对值进行归一化处理，得到对应的归一化值；
将每个所述邻域像素点的灰度值所属的灰度值区间的灰度值频数作为权重，对所有归一化值进行加权后取均值，得到所述像素点的加权差均值；
计算每个所述邻域像素点的灰度值所属的灰度值区间的灰度值频数的平均值作为频数均值，将所述像素点的灰度值所属的灰度值区间的灰度值频数与所述频数均值之间的差值绝对值作为第一变量，将所述像素点的加权差均值与所述第一变量的乘积作为所述像素点的异常程度；
获取所述分区中每个像素点的异常程度，对每个所述异常程度进行归一化处理，得到对应的异常程度归一化值，若所述分区中的任一像素点的异常程度归一化值大于预设异常值，则将所述像素点标记为异常点，得到异常点集合；
若所述分区中的任一像素点的异常程度归一化值小于或等于所述预设异常值，则将所述像素点标记为正常点，得到正常点集合。 说明书 : 基于图像识别的苹果品质分析评估方法技术领域[0001] 本发明涉及图像处理技术领域，尤其涉及一种基于图像识别的苹果品质分析评估方法。背景技术[0002] 苹果是日常可见的水果，由于人们生活质量的提高，对于食物品质的要求不断提升。人们在购买苹果时会更倾向于品质好的苹果，而且，品质好的苹果的种子更大概率生长出品质较好的苹果。因此需要对果园内的苹果进行品质的等级进行分析评估。[0003] 现有技术中，对苹果品质进行等级评估时，通过图像分割处理技术判断苹果表现有无明显瑕疵，进而根据图像分割后的区域中的表面颜色均匀程度确定苹果品质的等级。[0004] 但是由于品质好的苹果果皮光滑无瑕疵，颜色鲜艳均匀，对应苹果表面颜色变化较为细微，且没有明显边缘点，整体灰度值十分接近，从而无法利用图像分割的结果准确的确定其苹果品质的等级。[0005] 因此，如何提高根据苹果的表面图像进行苹果品质的等级划分的准确性成为亟需解决的问题。发明内容[0006] 有鉴于此，本发明实施例提供了一种基于图像识别的苹果品质分析评估方法，以解决如何提高根据苹果的表面图像进行苹果品质的等级划分的准确性的问题。[0007] 本发明实施例中提供了一种基于图像识别的苹果品质分析评估方法，该方法包括以下步骤：[0008] 针对同一批次的苹果，分别获取每个所述苹果的表面图像，对每个所述表面图像进行灰度化处理，得到对应的灰度图像；[0009] 分别在每个所述灰度图像中构建包含苹果的正方形窗口，根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格，根据所述最佳表格分别将每个所述正方形窗口划分为多个分区；[0010] 针对任一正方形窗口中的任一分区，将所述分区内的像素点划分为正常点集合和异常点集合，对所述异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，将所有优化灰度值和所述正常点集合中的每个像素点的灰度值按照大小排序，得到对应的灰度值优化集合，根据所述灰度值优化集合得到所述分区的灰度分布均匀指标，根据所述正方形窗口中每个分区的灰度分布均匀指标，获取所述正方形窗口的整体颜色均匀指标；[0011] 获取每个所述正方形窗口的整体颜色均匀指标，根据每个所述正方形窗口的整体颜色均匀指标，对所述同一批次的苹果进行品质评估。[0012] 优选的，所述分别在每个所述灰度图像中构建包含苹果的正方形窗口，包括：[0013] 针对任一灰度图像，对所述灰度图像进行边缘检测，得到所述灰度图像中的苹果边缘，分别计算所述苹果边缘上每两个边缘点之间的垂直距离，得到最大垂直距离作为初始窗口边长，以所述初始窗口边长的长度构建所述灰度图像中包含苹果的正方形窗口。[0014] 优选的，所述根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格，包括：[0015] 针对任一正方形窗口，利用阈值分割获取所述正方形窗口中的皮孔区域，将所述正方形窗口平分，得到初始表格，将所述初始表格中的每个单元格作为初始分区，统计每个所述初始分区中皮孔区域的数量得到皮孔数量集合，计算所述皮孔数量集合的四分位数间距，若所述四分位数间距大于预设间距，则在所述正方形窗口上任选两个相邻的皮孔区域，分别获取所述两个相邻的皮孔区域的区域中心点，计算所述两个相邻的皮孔区域的区域中心点之间的距离，将所述距离作为一个单位，对所述初始分区的边长减小所述一个单位得到新分区边长，根据所述新分区边长将所述正方形窗口划分为N个新分区；[0016] 将所述N个新分区组成的表格作为初始表格，重复所述四分位数间距的获取步骤，直至所述四分位数间距小于或等于所述预设间距，得到最终分区边长；[0017] 以所述最终分区边长为分母，以所述正方形窗口的边长为分子，得到对应的边长比值，若所述边长比值为正整数，则根据所述最终分区边长对所述正方形窗口进行正方形分区，得到对应的自适应正方形表格；[0018] 若所述边长比值不为正整数，则将所述边长比值向上取整，得到目标比值，根据所述目标比值对所述正方形窗口的边长进行扩展，得到目标正方形窗口，根据所述最终分区边长对所述目标正方形窗口进行正方形分区，得到对应的自适应正方形表格；[0019] 获取每个所述正方形窗口的自适应正方形表格，根据每个所述正方形窗口的自适应正方形表格，获取用于划分所有正方形窗口的最佳表格。[0020] 优选的，所述根据每个所述正方形窗口的自适应正方形表格，获取用于划分所有正方形窗口的最佳表格，包括：[0021] 统计每个所述自适应正方形表格中包含的皮孔区域总数量，将最小的皮孔区域总数量对应的自适应正方形表格作为最小表格，将最大的皮孔区域总数量对应的自适应正方形表格作为最大表格；[0022] 针对所述最小表格中的任一正方形分区，计算所述正方形分区中的每个皮孔区域的区域中心点分别到所述正方形分区的四条边的距离，得到最小距离，在所述最小表格中的所有正方形分区对应的最小距离中获取最大值；[0023] 针对所述最大表格中的任一正方形分区，计算所述正方形分区中的每个皮孔区域的区域中心点分别到所述正方形分区的四条边的距离，得到最大距离，在所述最大表格中的所有正方形分区对应的最大距离中获取最小值；[0024] 将所述最大值和所述最小值组成分区边长区间，若所述最大表格中的正方形分区的边长处于所述分区边长区间内，则将所述最大表格作为最佳表格；[0025] 若所述最大表格中的正方形分区的边长不在所述分区边长区间内，则将所述最大值作为最大边长，根据所述最大边长对所述最大表格对应的正方形窗口进行正方形分区得到目标表格，将所述目标表格作为初始表格，重复所述四分位数间距的获取步骤，直至所述四分位数间距小于或等于所述预设间距，得到最佳分区边长，根据所述最佳分区边长对所述最大表格对应的正方形窗口进行分区，得到最佳表格。[0026] 优选的，所述将所述分区内的像素点划分为正常点集合和异常点集合，包括：[0027] 根据所述分区中的每个像素点的灰度值和预设数量的灰度值区间，分别获取每个所述灰度值区间对应的灰度值频数；[0028] 针对所述分区中的任一像素点，在预设邻域范围内获取所述像素点的邻域像素点，分别计算所述像素点的灰度值与每个所述邻域像素点的灰度值之间的差值绝对值，对每个所述差值绝对值进行归一化处理，得到对应的归一化值；[0029] 将每个所述邻域像素点的灰度值所属的灰度值区间的灰度值频数作为权重，对所有归一化值进行加权后取均值，得到所述像素点的加权差均值；[0030] 计算每个所述邻域像素点的灰度值所属的灰度值区间的灰度值频数的平均值作为频数均值，将所述像素点的灰度值所属的灰度值区间的灰度值频数与所述频数均值之间的差值绝对值作为第一变量，将所述像素点的加权差均值与所述第一变量的乘积作为所述像素点的异常程度；[0031] 获取所述分区中每个像素点的异常程度，对每个所述异常程度进行归一化处理，得到对应的异常程度归一化值，若所述分区中的任一像素点的异常程度归一化值大于预设异常值，则将所述像素点标记为异常点，得到异常点集合；[0032] 若所述分区中的任一像素点的异常程度归一化值小于或等于所述预设异常值，则将所述像素点标记为正常点，得到正常点集合。[0033] 优选的，所述对所述异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，包括：[0034] 针对所述异常点集合中的任一异常点，在所述分区中以所述异常点为中心构建预设尺寸的待分析区域，计算所述待分析区域内异常点的数量与所述待分析区域内所有像素点的数量的比值作为异常点数量比值，计算所述异常点集合中所有异常点的异常点数量比值的均值作为密集程度；[0035] 若所述密集程度小于预设密集程度阈值，则将所述异常点集合中的任一像素点作为目标点，对所述目标点所在的待分析区域中除所述目标点以外的所有像素点的灰度值按照从小到大的顺序排列得到灰度值序列，获取所述灰度值序列的四分位数作为所述目标点的优化灰度值；[0036] 若所述密集程度大于或等于所述预设密集程度阈值，则直接将所述异常点集合中的每个像素点的灰度值作为优化灰度值。[0037] 优选的，所述根据所述灰度值优化集合得到所述分区的灰度分布均匀指标，包括：[0038] 根据所述灰度值优化集合中的最大灰度值和最小灰度值得到对比度，根据所述灰度值优化集合中的所有灰度值，获取灰度值的四分位数间距，将所述对比度与所述灰度值的四分位数间距之间的乘积作为所述分区的灰度均匀值；[0039] 计算所述灰度值优化集合中的所有灰度值的平均值；[0040] 计算所述灰度均匀值与所述平均值的乘积作为灰度分布均匀指标。[0041] 优选的，所述根据所述正方形窗口中每个分区的灰度分布均匀指标，获取所述正方形窗口的整体颜色均匀指标，包括：[0042] 针对所述正方形窗口中的任一行，根据对应行的全部分区的灰度分布均匀指标，构建对应行的颜色均匀曲线，其中，所述颜色均匀曲线的横坐标表示分区的位置，纵坐标表示对应行的每个分区的灰度分布均匀指标；[0043] 分别获取所述颜色均匀曲线上的每两个相邻坐标点之间的夹角的角度，得到所有角度的角度均值，将预设角度值与所述角度均值之间的差值作为角度差值，将所述角度差值与所述预设角度值的比值作为曲线平滑度；[0044] 获取所述正方形窗口中所有行的曲线平滑度，根据所述所有行的曲线平滑度得到所述正方形窗口的整体颜色均匀指标。[0045] 优选的，所述根据所述所有行的曲线平滑度得到所述正方形窗口的整体颜色均匀指标，包括：[0046] 将所有行的曲线平滑度相加得到曲线平滑度总值，针对任一行的曲线平滑度，计算所述曲线平滑度与所述曲线平滑度总值的比值作为所述曲线平滑度的权重，对所有行的曲线平滑度进行加权求和得到所述正方形窗口的整体颜色均匀指标。[0047] 优选的，所述根据每个所述正方形窗口的整体颜色均匀指标，对所述同一批次的苹果进行品质评估，包括：[0048] 针对任一整体颜色均匀指标，若所述整体颜色均匀指标在预设指标范围内，则所述整体颜色均匀指标所对应的苹果的品质为所述预设指标范围对应的品质等级。[0049] 本发明实施例与现有技术相比存在的有益效果是：[0050] 本发明针对同一批次的苹果，分别获取每个所述苹果的表面图像，对每个所述表面图像进行灰度化处理，得到对应的灰度图像；分别在每个所述灰度图像中构建包含苹果的正方形窗口，根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格，根据所述最佳表格分别将每个所述正方形窗口划分为多个分区；针对任一正方形窗口中的任一分区，将所述分区内的像素点划分为正常点集合和异常点集合，对所述异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，将所有优化灰度值和所述正常点集合中的每个像素点的灰度值按照大小排序，得到对应的灰度值优化集合，根据所述灰度值优化集合得到所述分区的灰度分布均匀指标，根据所述正方形窗口中每个分区的灰度分布均匀指标，获取所述正方形窗口的整体颜色均匀指标；获取每个所述正方形窗口的整体颜色均匀指标，根据每个所述正方形窗口的整体颜色均匀指标，对所述同一批次的苹果进行品质评估。其中，选择同一批次的多个苹果，对每个苹果表面的皮孔区域进行统计，按照表格法分区，使每个皮孔能均匀的落在每个表格中，由于不同苹果分出的表格存在大小差异，所以找到皮孔区域分布较为稀疏的苹果对应的表格与分布较为密集的苹果对应的表格，结合两个表格的皮孔区域分布进行表格自适应，得到最佳表格，将最佳表格作为对同一批次苹果分区的标准，根据表格中每个单元格的灰度均匀值得到颜色均匀指标，颜色均匀指标越大，苹果颜色越均匀，对应苹果的品质越好，因此，可根据颜色均匀指标确定苹果的品质等级，由此提高根据苹果的表面图像进行苹果品质的等级划分的准确性。附图说明[0051] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0052] 图1是本发明实施例一提供的一种基于图像识别的苹果品质分析评估方法的方法流程图；[0053] 图2是本发明实施例一提供的一个苹果的表面图像经过灰度化处理得到的灰度图像。具体实施方式[0054] 下面详细描述本公开的实施例，所述实施例的示例在附图中示出。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。[0055] 需要说明的是，本公开的说明书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与本公开的一些方面相一致的装置和方法的例子。[0056] 为了说明本发明的技术方案，下面通过具体实施例来进行说明。[0057] 参见图1，是本发明实施例一提供的一种基于图像识别的苹果品质分析评估方法的方法流程图，如图1所示，该方法可以包括：[0058] 步骤S101，针对同一批次的苹果，分别获取每个所述苹果的表面图像，对每个所述表面图像进行灰度化处理，得到对应的灰度图像；[0059] 由于光源及拍摄角度对苹果图像有所影响，因此在保证光源及拍摄角度相同的条件下对每个苹果的表面进行图像采集，以排除环境对每个苹果的表面图像造成的影响。[0060] 首先限定光源位置处于苹果果柄正上方 ，拍摄角度为果柄向上，果柄顶端向左 ，果柄底端处于正中心位置，按照限定的条件采集同一批次的苹果的表面图像，然后对采集的每一个表面图像进行灰度化处理得到对应的灰度图像。[0061] 步骤S102，分别在每个所述灰度图像中构建包含苹果的正方形窗口，根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格，根据所述最佳表格分别将每个所述正方形窗口划分为多个分区。[0062] 根据苹果自身具有的皮孔特征：品质越好的苹果，皮孔数量适中，分布均匀。选择同一批次的多个苹果，对表面皮孔进行统计计算，按照表格法分区，使每个皮孔能均匀的落在每个表格中的概率相同，由于不同苹果分出的表格存在大小差异，所以找到皮孔区域分布较为稀疏的苹果对应的表格与分布较为密集的苹果对应的表格，结合两个表格的皮孔区域分布进行表格自适应，得到大小适中的表格，将该表格作为对同一批次苹果划分的最佳表格，则最佳表格的获取方法为：[0063] （1）分别在每个所述灰度图像中构建包含苹果的正方形窗口。[0064] 具体的，针对任一灰度图像，对所述灰度图像进行边缘检测，得到所述灰度图像中的苹果边缘，分别计算所述苹果边缘上每两个边缘点之间的垂直距离，得到最大垂直距离作为初始窗口边长，以所述初始窗口边长的长度构建所述灰度图像中包含苹果的正方形窗口。[0065] 其中，边缘检测为现有技术，此处不再赘述。[0066] 需要说明的是，边缘检测的目的是基于灰度图像中的苹果边缘能够构建一个刚好包含整个苹果的最小外接正方形区域，也即是正方形窗口。同理，获取所有灰度图像对应的正方形窗口。[0067] （2）根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格。[0068] 具体的，针对任一正方形窗口，利用阈值分割获取所述正方形窗口中的皮孔区域，将所述正方形窗口平分，得到初始表格，将所述初始表格中的每个单元格作为初始分区，统计每个所述初始分区中皮孔区域的数量得到皮孔数量集合，计算所述皮孔数量集合的四分位数间距，若所述四分位数间距大于预设间距，则在所述正方形窗口上任选两个相邻的皮孔区域，分别获取所述两个相邻的皮孔区域的区域中心点，计算所述两个相邻的皮孔区域的区域中心点之间的距离，将所述距离作为一个单位，对所述初始分区的边长减小所述一个单位得到新分区边长，根据所述新分区边长将所述正方形窗口划分为N个新分区；[0069] 将所述N个新分区组成的表格作为初始表格，重复所述四分位数间距的获取步骤，直至所述四分位数间距小于或等于所述预设间距，得到最终分区边长；[0070] 以所述最终分区边长为分母，以所述正方形窗口的边长为分子，得到对应的边长比值，若所述边长比值为正整数，则根据所述最终分区边长对所述正方形窗口进行正方形分区，得到对应的自适应正方形表格；[0071] 若所述边长比值不为正整数，则将所述边长比值向上取整，得到目标比值，根据所述目标比值对所述正方形窗口的边长进行扩展，得到目标正方形窗口，根据所述最终分区边长对所述目标正方形窗口进行正方形分区，得到对应的自适应正方形表格；[0072] 获取每个所述正方形窗口的自适应正方形表格，根据每个所述正方形窗口的自适应正方形表格，获取用于划分所有正方形窗口的最佳表格。[0073] 在一实施方式中，参照图2，其为一个苹果的表面图像经过灰度化处理得到的灰度图像，图2中，苹果区域中的白色点状区域为皮孔区域，由于皮孔区域的灰度值与周围大部分区域的灰度值差异较大，因此可以利用阈值分割技术获取皮孔区域。[0074] 针对任一正方形窗口，利用阈值分割技术获取该正方形窗口中的皮孔区域，其中，阈值分割技术为现有技术，此处不再赘述。[0075] 将该正方形窗口平分为4等份，得到 的初始表格，将初始表格中的每个单元格记为初始分区，统计每个初始分区中皮孔区域的数量，将每个初始分区中皮孔区域的数量按照从小到大的顺序排列得到皮孔数量集合，计算皮孔数量集合的四分位数间距，设置预设间距为1，此处不做限制，实施者可根据实施场景设置，若皮孔数量集合的四分位数间距小于或等于1，则该初始分区的边长的大小合适，将该初始分区的边长直接作为最终分区边长。[0076] 若皮孔数量集合的四分位数间距大于1，则在该正方形窗口中任选两个相邻的皮孔区域，根据每个皮孔区域中像素点的坐标得到皮孔区域的区域中心点，计算两个相邻的皮孔区域的区域中心点之间的距离，将该距离作为一个单位，对初始分区的边长缩减一个单位得到新分区边长，根据新分区边长将该正方形窗口划分为N个新分区，将N个新分区组成的表格作为初始表格，重复四分位数间距的获取步骤，直到四分位数间距小于或等于1，此时该正方形窗口中的每个皮孔区域能够均匀的落在该初始表格中的每个初始分区中，进而将此时的初始分区的边长作为最终分区边长。[0077] 例如，初始表格中有9个初始分区，皮孔数量集合为{7，7，8，9，9，10，10，10，11}，计算四分位数间距：Q1位置为2.5，Q1=7.5；Q2位置为5，Q2=9；Q3位置为7.5，Q3=10，四分位数间距为Q3?Q1=2.5，此时四分位数间距大于1，则对初始分区进行调整，假设两个相邻的皮孔区域的区域中心点之间的距离为1，将初始分区的边长缩减1得到新分区边长，根据新分区边长将正方形窗口划分了36个新分区，将这36个新分区组成的表格作为初始表格，此时初始表格中的皮孔数量集合为：[0078] {1，1，1，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，2，3，3，3，3，3，3，3，3，3，3，3，3}，重新计算四分位数间距：Q1位置为9.25，Q1=2；Q2位置为18.5，Q2=2；Q3位置为27.75，Q3=3，四分位数间距为Q3?Q1=1。此时四分位数间距小于或等于1，则将当前的初始表格中的初始分区的边长作为最终分区边长，也即是将新分区的边长作为最终分区边长。[0079] 在得到最终分区边长之后，即可利用最终分区边长将该正方形窗口平均划分为多个正方形的分区，但考虑到无法保证最终分区边长可以把该正方形窗口平分为多个正方形的分区，因此，将最终分区边长作为分母，该正方形窗口的边长作为分子，计算最终分区边长与正方形窗口的边长的比值，若比值为正整数，则说明最终分区边长能够将该正方形窗口正好平均划分为多个正方形的分区，则将利用最终分区边长对该正方形窗口划分好的所有分区作为该正方形窗口的自适应正方形表格；若比值不为正整数，则说明该正方形窗口无法根据最终分区边长进行正方形的分区，需要对该正方形窗口的边长进行扩展，以保证比值为正整数，具体的，将比值向上取整，得到目标比值，将目标比值与最终分区边长的乘积作为对该正方形窗口的边长进行扩展后的目标边长，进而将该正方形窗口的边长扩展至目标边长，得到目标正方形窗口，此时根据最终分区边长对目标正方形窗口进行正方形分区，得到对应的自适应正方形表格。[0080] 例如，正方形窗口的边长为9，最终分区边长为4，将最终分区边长作为分母，正方形窗口的边长作为分子，则最终分区边长与正方形窗口的边长的比值为2.25，将2.25向上取整得到目标比值为3，目标比值3与最终分区边长4的乘积为12，则将正方形窗口的边长扩展为12，得到目标正方形窗口，此时目标正方形窗口能够被最终分区边长刚好划分为9个正方形的分区。[0081] 按照上述自适应正方形表格的获取方法，得到所有正方形窗口的自适应正方形表格，之后，根据每个正方形窗口的自适应正方形表格，获取用于划分所有正方形窗口的最佳表格，用于作为同一批次苹果表面的分区标准，使得每个苹果的每个皮孔区域能均匀的落在其最佳表格中的每个分区的概率相同。[0082] 优选的，根据每个所述正方形窗口的自适应正方形表格，获取用于划分所有正方形窗口的最佳表格，包括：[0083] 统计每个所述自适应正方形表格中包含的皮孔区域总数量，将最小的皮孔区域总数量对应的自适应正方形表格作为最小表格，将最大的皮孔区域总数量对应的自适应正方形表格作为最大表格；[0084] 针对所述最小表格中的任一正方形分区，计算所述正方形分区中的每个皮孔区域的区域中心点分别到所述正方形分区的四条边的距离，得到最小距离，在所述最小表格中的所有正方形分区对应的最小距离中获取最大值；[0085] 针对所述最大表格中的任一正方形分区，计算所述正方形分区中的每个皮孔区域的区域中心点分别到所述正方形分区的四条边的距离，得到最大距离，在所述最大表格中的所有正方形分区对应的最大距离中获取最小值；[0086] 将所述最大值和所述最小值组成分区边长区间，若所述最大表格中的正方形分区的边长处于所述分区边长区间内，则将所述最大表格作为最佳表格；[0087] 若所述最大表格中的正方形分区的边长不在所述分区边长区间内，则将所述最大值作为最大边长，根据所述最大边长对所述最大表格对应的正方形窗口进行正方形分区得到目标表格，将所述目标表格作为初始表格，重复所述四分位数间距的获取步骤，直至所述四分位数间距小于或等于所述预设间距，得到最佳分区边长，根据所述最佳分区边长对所述最大表格对应的正方形窗口进行分区，得到最佳表格。[0088] 在一实施方式中，统计每个自适应正方形表格中包含的皮孔区域总数量，将最小的皮孔区域总数量对应的自适应正方形表格作为最小表格，针对最小表格中的任一正方形分区，计算该正方形分区中的每个皮孔区域的区域中心点分别到该正方形分区的四条边的距离，得到最小距离，在最小表格中的所有正方形分区对应的最小距离中获取最大值，同理，将最大的皮孔区域总数量对应的自适应正方形表格作为最大表格，在最大表格中的所有正方形分区对应的最大距离中获取最小值。[0089] 假设分区边长区间为[2，4]，若最大表格中的正方形分区的边长为4，可见4刚好在分区边长区间中，则将最大表格作为苹果表面的分区标准，也即是将最大表格作为最佳表格；若最大表格中的正方形分区的边长为5，可见5不在分区边长区间中，则将最大表格对应的正方形窗口按照边长为4进行正方形分区，得到目标表格，按照上述初始表格对应的四分位数间距的获取步骤，获取目标表格对应的四分位数间距，若目标表格对应的四分位数间距小于或等于1，则说明边长4的大小合适，则将边长4作为最佳分区边长，并利用最佳分区边长对最佳表格对应的正方形窗口进行分区，得到最佳表格；反之，若目标表格对应的四分位数间距大于1，按照上述最终分区边长的方法，获取目标表格对应的最终分区边长作为最佳表格分区边长，进而利用最佳分区边长对最大表格对应的正方形窗口进行分区，得到最佳表格。[0090] 步骤S103，针对任一正方形窗口中的任一分区，将所述分区内的像素点划分为正常点集合和异常点集合，对所述异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，将所有优化灰度值和所述正常点集合中的每个像素点的灰度值按照大小排序，得到对应的灰度值优化集合，根据所述灰度值优化集合得到所述分区的灰度分布均匀指标，根据所述正方形窗口中每个分区的灰度分布均匀指标，获取所述正方形窗口的整体颜色均匀指标。[0091] 获得每个正方形窗口的分区后，由于每个正方形窗口的分区中可能存在皮孔区域或噪声干扰造成的异常点，需要对异常点的存在进行分析，因此，本发明实施例中，针对任一正方形窗口，将该正方形窗口作为待分析正方形窗口，针对待分析正方形窗口中的任一分区，首先将该分区内的像素点划分为正常点集合和异常点集合，然后，对异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，尽量排除异常点的干扰。[0092] 其中，将该分区内的像素点划分为正常点集合和异常点集合，划分方法为：[0093] 根据所述分区中的每个像素点的灰度值和预设数量的灰度值区间，分别获取每个所述灰度值区间对应的灰度值频数；[0094] 针对所述分区中的任一像素点，在预设邻域范围内获取所述像素点的邻域像素点，分别计算所述像素点的灰度值与每个所述邻域像素点的灰度值之间的差值绝对值，对每个所述差值绝对值进行归一化处理，得到对应的归一化值；[0095] 将每个所述邻域像素点的灰度值所属的灰度值区间的灰度值频数作为权重，对所有归一化值进行加权后取均值，得到所述像素点的加权差均值；[0096] 计算每个所述邻域像素点的灰度值所属的灰度值区间的灰度值频数的平均值作为频数均值，将所述像素点的灰度值所属的灰度值区间的灰度值频数与所述频数均值之间的差值绝对值作为第一变量，将所述像素点的加权差均值与所述第一变量的乘积作为所述像素点的异常程度；[0097] 获取所述分区中每个像素点的异常程度，对每个所述异常程度进行归一化处理，得到对应的异常程度归一化值，若所述分区中的任一像素点的异常程度归一化值大于预设异常值，则将所述像素点标记为异常点，得到异常点集合；[0098] 若所述分区中的任一像素点的异常程度归一化值小于或等于所述预设异常值，则将所述像素点标记为正常点，得到正常点集合。[0099] 在一实施方式中，针对待分析正方形窗口中的任一分区，获取该分区中每个像素点的灰度值，对该分区中每个像素点的灰度值进行直方图统计，其中横坐标为灰度值，纵坐标为灰度值频数，将灰度值按区间进行分组，设置区间大小为2，此处不做限制，实施者可根据实施场景设置，得到每个分组的灰度值频数。[0100] 针对该分区的任一像素点，设置预设邻域范围为8，此处不做限制，实施者可根据实施场景设置，分别计算该像素点的灰度值与其8邻域范围内的8个邻域像素点的灰度值之间的差值绝对值，对这8个差值绝对值进行相加得到差值之和，分别计算每个差值绝对值占差值之和的比例，得到对应的邻域像素点与该像素点之间的差值绝对值的归一化值，即对这8个差值绝对值进行归一化处理，将每个邻域像素点的灰度值所属的分组的灰度值频数作为权重，对8个归一化值进行加权得到加权差值，计算8个加权差值的平均值作为加权差均值，则加权差均值的公式为：[0101][0102] 其中，T表示该像素点的加权差均值，i表示8个邻域像素点按从左到右，从上到下的顺序分别记为1，2，3，4，5，6，7，8， 表示第i个邻域像素点的灰度值所属的分组的灰度值频数， 表示第i个邻域像素点与该像素点之间的差值绝对值对应的归一化值。[0103] 获取到该像素点的加权差均值后，计算8个邻域像素点的灰度值所属的分组的灰度值频数的平均值作为频数均值，将该像素点的灰度值所属的分组的灰度值频数与频数均值之间的差值绝对值作为第一变量，将该像素点的加权差均值与第一变量的乘积作为该像素点的异常程度，则异常程度的公式为：[0104][0105] 其中，K表示该像素点的异常程度，T表示像素点的加权差均值， 表示该像素点的灰度值所属的分组的灰度值频数， 表示频数均值， 表示绝对值符号。[0106] 同理，获取该分区中每个像素点的异常程度，对每个像素点的异常程度进行Min?Max归一化处理得到对应的异常程度归一化值，使得每个像素点的异常程度归一化值都在[0，1]内，其中，Min?Max归一化为现有技术，此处不再赘述。[0107] 需要说明的是，异常程度归一化值越。硎径杂Φ南袼氐阌胫芪У牧谟蛳袼氐愕幕叶戎翟浇咏，该像素点为正常点的概率越大，异常程度归一化值越大，表示对应的像素点与周围的邻域像素点的灰度值的差异越明显，该像素点为异常点的概率越大。[0108] 设置预设异常值为0.6，此处不做限制，实施者可根据实施场景设置，若该异常程度归一化值大于0.6，则将对应的像素点标记为异常点，得到异常点集合，若该异常程度归一化值小于或等于0.6，则将对应的像素点标记为正常点，得到正常点集合。[0109] 其中，对异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，优化方法为：[0110] 针对所述异常点集合中的任一异常点，在所述分区中以所述异常点为中心构建预设尺寸的待分析区域，计算所述待分析区域内异常点的数量与所述待分析区域内所有像素点的数量的比值作为异常点数量比值，计算所述异常点集合中所有异常点的异常点数量比值的均值作为密集程度；[0111] 若所述密集程度小于预设密集程度阈值，则将所述异常点集合中的任一像素点作为目标点，对所述目标点所在的待分析区域中除所述目标点以外的所有像素点的灰度值按照从小到大的顺序排列得到灰度值序列，获取所述灰度值序列的四分位数作为所述目标点的优化灰度值；[0112] 若所述密集程度大于或等于所述预设密集程度阈值，则直接将所述异常点集合中的每个像素点的灰度值作为优化灰度值。[0113] 在一实施方式中，针对异常点集合中的任一异常点，设置预设尺寸的待分析区域为 网格，此处不做限制，实施者可根据实施场景设置，在该分区中以该异常点为中心构建 网格，计算网格内异常点的数量与网格内所有像素点的数量的比值作为异常点数量比值，计算异常点集合中所有异常点的异常点数量比值的均值作为密集程度；[0114] 设置预设密集程度阈值为0.2，此处不做限制，实施者可根据实施场景设置，若密集程度小于0.2，则该异常点集合为非品质异常，非品质异常是由于苹果的皮孔等自身因素造成的，这种异常点一般均匀离散的分布在苹果表面，需要进行数值优化使其尽可能的减小对灰度均匀分布指标计算的影响。因此需要对该异常点集合中的每个异常点进行数值优化，将该异常点集合中的任一像素点作为目标点，对目标点所在的网格中除目标点以外的所有像素点的灰度值按照从小到大排序，计算排序后的灰度值的四分位数中的Q2值，将Q2值作为目标点的优化灰度值，同理得到异常点集合中每个像素点的优化灰度值。[0115] 若密集程度大于或等于0.2，则该异常点集合为品质异常，品质异常是由于瑕疵造成的异常点，这种异常点一般分布较为集中，多数聚集于某片局部区域，由于品质异常是需要检测出来的，所以品质异常不需要进行数值优化，直接将该异常点集合中的每个像素点的灰度值作为优化灰度值。[0116] 将所有优化灰度值和正常点集合中的每个像素点的灰度值按照从小到大的顺序排序得到该分区的灰度值优化集合，同理，获取待分析正方形窗口中每个分区的灰度值优化集合。[0117] 进一步的，在对分区灰度优化之后，考虑到品质好的苹果颜色均匀，且灰度值相似，所以使用每个分区的灰度值的四分位数间距表示灰度值差异大小情况，同时，颜色均匀的图像具有低对比度的特点，计算每个分区中的灰度对比度，由灰度值的四分位数间距和灰度对比度计算每个分区的灰度分布均匀指标，之后，根据每个分区的灰度分布均匀指标得到每个正方形窗口的整体颜色均匀指标。[0118] 其中，由灰度值的四分位数间距和灰度对比度计算每个分区的灰度分布均匀指标，包括：[0119] 根据所述灰度值优化集合中的最大灰度值和最小灰度值得到对比度，根据所述灰度值优化集合中的所有灰度值，获取灰度值的四分位数间距，将所述对比度与所述灰度值的四分位数间距之间的乘积作为所述分区的灰度均匀值；[0120] 计算所述灰度值优化集合中的所有灰度值的平均值；[0121] 计算所述灰度均匀值与所述平均值的乘积作为灰度分布均匀指标。[0122] 在一实施方式中，针对待分析正方形窗口中的任一分区，根据该分区的灰度值优化集合中的最大灰度值和最小灰度值得到对比度，根据该分区的灰度值优化集合中的所有灰度值获取灰度值的四分位数间距，将对比度与灰度值的四分位数间距之间的乘积作为该分区的灰度均匀值。[0123] 其中，对比度通过Michelson对比度公式计算，则对比度公式为：[0124][0125] 其中， 表示对比度， 表示灰度值优化集合中的最大灰度值， 表示灰度值优化集合中的最小灰度值。[0126] 需要说明的是，若灰度值的四分位数间距小于 ，因此灰度值的四分位数间距越大，则 越大，对比度越大，即灰度值的差距越明显，灰度值的分布越不均匀。[0127] 将对比度与灰度值的四分位数间距之间的乘积作为该分区的灰度均匀值，则灰度均匀值的计算公式为：[0128][0129] 其中，E表示灰度均匀值，S表示灰度值的四分位数间距， 表示对比度。[0130] 需要说明的是，E越。硎靖梅智幕叶戎捣植荚骄，S越。硎靖梅智谙袼氐愕幕叶戎翟较嗨， 越小表示该分区内像素点的灰度值的差距越。炼仍骄，E的取值范围为[0,1)。[0131] 例如，该分区的灰度值优化集合为{10,10,10,11,11,12}，Q1位置为1.75，Q1=10；Q2位置为3.5，Q2=10.5；Q3位置为5.23；Q3=11.23，则该灰度值优化集合的灰度值的四分位数间距为S=Q3?Q1=11.23?10=1.23，对比度约为0.09，则该分区的灰度均匀值，该灰度值优化集合中的所有灰度值的平均值为10.67。[0132] 获取该分区的灰度值优化集合中的所有灰度值的平均值，将该分区的灰度均匀值与平均值的乘积作为该分区的灰度分布均匀指标，同理获取待分析正方形窗口中每个分区的灰度分布均匀指标，进而得到待分析正方形窗口的整体颜色均匀指标。[0133] 其中，待分析正方形窗口的整体颜色均匀指标的获取包括：[0134] 针对所述正方形窗口中的任一行，根据对应行的全部分区的灰度分布均匀指标，构建对应行的颜色均匀曲线，其中，所述颜色均匀曲线的横坐标表示分区的位置，纵坐标表示对应行的每个分区的灰度分布均匀指标；[0135] 分别获取所述颜色均匀曲线上的每两个相邻坐标点之间的夹角的角度，得到所有角度的角度均值，将预设角度值与所述角度均值之间的差值作为角度差值，将所述角度差值与所述预设角度值的比值作为曲线平滑度；[0136] 获取所述正方形窗口中所有行的曲线平滑度，根据所述所有行的曲线平滑度得到所述正方形窗口的整体颜色均匀指标。[0137] 在一实施方式中，选择待分析正方形窗口中的任一行，此处不做限制，实施者可根据实施场景选择行或列，根据该行中全部分区的灰度分布均匀指标构建该行的颜色均匀曲线，其中，横坐标表示分区所处的列数，纵坐标表示该行中全部分区的灰度分布均匀指标。[0138] 分别计算该行的颜色均匀曲线上每两个相邻坐标点之间的夹角的角度，例如点A和点B为两个相邻的坐标点，则点A和点B的夹角的角度的计算公式为：[0139][0140] 其中， 表示点A和点B的夹角的角度， 表示反正弦函数， 表示点A的纵坐标， 表示点B的纵坐标， 表示点A的横坐标， 表示点B的横坐标， 表示绝对值符号。[0141] 同理计算该行的颜色均匀曲线上的所有角度得到所有角度的角度均值，将预设角度值与角度均值之间的差值作为角度差值，将角度差值与预设角度值的比值作为曲线平滑度，则曲线平滑度的计算公式为：[0142][0143] 其中，表示曲线平滑度，90表示预设角度值， 表示角度均值。[0144] 假设该行的颜色均匀曲线上的灰度分布均匀指标为{1.18，1.21，1.19，1.18，1.20，1.19，1.18}，其中点A的坐标为（1,1.18），点B的坐标为（2，1.21），则点A和点B之间的夹角的角度为 1.17，同理计算该行的颜色均匀曲线上的所有角度得到角度集合为{1.17，1.14，0.57，1.14，0.57，0.57}，根据角度集合得到角度均值 =0.86，则该行的颜色均匀曲线的曲线平滑度为 。[0145] 同理，计算待分析正方形窗口中所有行的曲线平滑度，根据所有行的曲线平滑度得到待分析正方形窗口的整体颜色均匀指标。[0146] 其中，根据所有行的曲线平滑度得到待分析正方形窗口的整体颜色均匀指标，包括：[0147] 将所有行的曲线平滑度相加得到曲线平滑度总值，针对任一行的曲线平滑度，计算所述曲线平滑度与所述曲线平滑度总值的比值作为所述曲线平滑度的权重，对所有行的曲线平滑度进行加权求和得到所述正方形窗口的整体颜色均匀指标。[0148] 将待分析正方形窗口中所有行的曲线平滑度相加得到曲线平滑度总值，针对任一行的曲线平滑度，将该行的曲线平滑度与曲线平滑度总值的比值作为该行的曲线平滑度的权重，其中，比值保留两位小数，同理得到待分析正方形窗口中所有行的曲线平滑度的权重，对待分析正方形窗口中所有行的曲线平滑度进行加权求和，对应得到的结果作为待分析正方形窗口的整体颜色均匀指标。[0149] 步骤S104，获取每个所述正方形窗口的整体颜色均匀指标，根据每个所述正方形窗口的整体颜色均匀指标，对所述同一批次的苹果进行品质评估。[0150] 由于苹果品质越好，颜色越均匀，所以整体颜色均匀指标越大，所以，根据每个正方形窗口的整体颜色均匀指标对同一批次的每个苹果进行品质划分。[0151] 其中，根据每个正方形窗口的整体颜色均匀指标对同一批次的每个苹果进行品质划分，包括：[0152] 针对任一整体颜色均匀指标，若所述整体颜色均匀指标在预设指标范围内，则所述整体颜色均匀指标所对应的苹果的品质为所述预设指标范围对应的品质等级。[0153] 在一实施方式中，设置不同品质等级对应的整体颜色均匀指标的预设指标范围分别为[0.95,1]，[0.90，0.95），[0.85，0.90），[0.80，0.85），[0，0.80），此处不做限制，实施者可根据实施场景设置。[0154] 若正方形窗口的整体颜色均匀指标在[0.95，1]，则对应苹果的颜色非常均匀，品质记为特级，此类苹果果皮光滑无瑕疵，颜色鲜艳均匀，无凹陷，无虫洞。[0155] 若正方形窗口的整体颜色均匀指标在[0.90，0.95），则对应苹果的颜色较为均匀，微量区域可能有瑕疵，品质记为一级，此类苹果果皮有微量瑕疵，颜色鲜艳但不够均匀，轻微凹陷，无虫洞。[0156] 若正方形窗口的整体颜色均匀指标在[0.85，0.90），则对应苹果的颜色不够均匀，较少分区有瑕疵，品质记为二级，此类苹果果皮有较少瑕疵，颜色略暗淡不够均匀，有略微凹陷，无虫洞。[0157] 若正方形窗口的整体颜色均匀指标在[0.80，0.85），则对应苹果的颜色均匀程度较低，较多分区有瑕疵，品质记为三级，此类苹果果皮有较多瑕疵，颜色暗淡不均匀，有凹陷，可能有虫洞。[0158] 若正方形窗口的整体颜色均匀指标在[0，0.80），则对应苹果的品质不好。[0159] 综上所述，本发明实施例针对同一批次的苹果，分别获取每个所述苹果的表面图像，对每个所述表面图像进行灰度化处理，得到对应的灰度图像；分别在每个所述灰度图像中构建包含苹果的正方形窗口，根据每个所述正方形窗口中的皮孔分布特征，获取用于划分所有正方形窗口的最佳表格，根据所述最佳表格分别将每个所述正方形窗口划分为多个分区；针对任一正方形窗口中的任一分区，将所述分区内的像素点划分为正常点集合和异常点集合，对所述异常点集合中的每个像素点的灰度值进行优化，对应得到优化灰度值，将所有优化灰度值和所述正常点集合中的每个像素点的灰度值按照大小排序，得到对应的灰度值优化集合，根据所述灰度值优化集合得到所述分区的灰度分布均匀指标，根据所述正方形窗口中每个分区的灰度分布均匀指标，获取所述正方形窗口的整体颜色均匀指标；获取每个所述正方形窗口的整体颜色均匀指标，根据每个所述正方形窗口的整体颜色均匀指标，对所述同一批次的苹果进行品质评估。其中，选择同一批次的多个苹果，对每个苹果表面的皮孔区域进行统计，按照表格法分区，使每个皮孔能均匀的落在每个表格中，由于不同苹果分出的表格存在大小差异，所以找到皮孔区域分布较为稀疏的苹果对应的表格与分布较为密集的苹果对应的表格，结合两个表格的皮孔区域分布进行表格自适应，得到最佳表格，将最佳表格作为对同一批次苹果分区的标准，根据表格中每个单元格的灰度均匀值得到颜色均匀指标，颜色均匀指标越大，苹果颜色越均匀，对应苹果的品质越好，因此，可根据颜色均匀指标确定苹果的品质等级，由此提高根据苹果的表面图像进行苹果品质的等级划分的准确性。[0160] 以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

专利地区：陕西

专利申请日期：2024-08-22

专利公开日期：2024-11-08

专利公告号：CN118691690B