一种橘红鲜果胚囊参数预测方法及系统

摘要

本发明涉及一种橘红鲜果胚囊参数预测方法及系统，采用双目及其视觉测量橘红鲜果的体积并修正，利用悬臂梁结构的称重模块将重量信号放大处理后得到重量参数，根据密度信息计算橘红鲜果橘白体积和橘红鲜果胚囊体积，并且采用神经网络模型对数据进行处理，得到准确的橘红鲜果胚囊参数，以便于根据橘红鲜果胚囊的预测结果，生成优化的加工刀具给进参数及刀具扩张参数，控制胚囊旋挖去囊的自动化操作，可以提高去囊的效果和速度。

说明书

技术领域

本发明涉及中药材加工领域，特别是涉及一种橘红鲜果胚囊参数预测方法及系统。

背景技术

化橘红是一种产于广东化州的名贵中药材，以原植物化州柚为基础，将化橘红鲜果的果皮切为五瓣或七瓣去掉果瓤，将果皮经传统工艺加工烘干后即为五爪、七爪化橘红原药材，具有健胃行气、止咳化痰的功效，因此化橘红鲜果去囊是传统化橘红加工中必不可少的步骤。

近年来多以采摘果龄在41-55天的胎果作为毛橘红原药材，不需去囊即可，而果龄大于55天，果径大于90mm的原果一般需要去囊。目前化橘红鲜果主要通过人工采摘，适宜的采摘期非常短；随着化橘红种植面积不断扩大，作为季节性临时用工，采摘人工短缺，采摘能力不足，来不及采摘的果子快速长大均需去囊，每年采摘的鲜果中有一半都需要去囊。而目前化橘红鲜果去囊主要依靠人工切开果皮，挖去果瓤，速度慢，除成本较高外，由于人工短缺加工产能受限，限制了企业的效益和发展。

现有技术提供了一种可以通过获取或设定参数，控制刀具给进深度、扩张尺寸的鲜果去囊装置，以期对不同果茎、胚囊大小的橘红鲜果均较好去囊；但实际农产品加工中，特别是作为橘红鲜果个体，从早期的球状逐渐长成椭球状或大小头明显的柚子状差异比较大，在果龄大于55天后，果子整体外形体积增大速度远低于内部的胚囊增大速度，果皮及橘白部分日渐变薄而胚囊日渐增大，每一天都有新的变化。由于果树个体开花授粉时间的差异，生长差异，即使同一棵果树的橘红鲜果也存在较大的个体差异，可能导致同一天采摘的橘红鲜果即使是外部体积、果形相近，内部胚囊大小可能也差异较大，不同天采摘的橘红鲜果差异更大。因此，依靠人工经验设定一个普适性强的加工刀具给进参数及刀具扩张参数，对经验要求较高，且普适性较差，很难找到一个合适的参数适用于橘红去囊的批量加工。并且橘红果皮橘白和胚囊也存在明显的性状区别，切开后借助机器视觉等技术是可以区分和评估胚囊的大小的，但需将橘红鲜果对半切开进行视觉的胚囊检测铣挖，破坏了橘红果形且生产效率低。

发明内容

本发明的目的是提供一种准确预测橘红鲜果胚囊参数的方法及系统，便于后续实现橘红鲜果自动化去囊处理。

为实现上述目的，本发明提供了如下方案：

一种橘红鲜果胚囊参数预测方法，所述方法包括：

获取橘红鲜果的基本参数、橘红鲜果胚囊实测参数和待测橘红鲜果的基本参数；所述橘红鲜果的基本参数包括：橘红鲜果体积、橘红鲜果重量、橘红鲜果橘白体积和橘红鲜果胚囊体积；所述橘红鲜果胚囊实测参数包括：胚囊最大半径、胚囊高度和胚囊底部距离；

以多个橘红鲜果相应的基本参数为输入，以所述多个橘红鲜果的实测参数为输出，对神经网络模型进行训练；并利用训练后的神经网络模型对所述待测橘红鲜果的基本参数进行处理，获得相应的胚囊参数预测结果。

可选的，获取所述橘红鲜果体积的方法具体包括：

获取所述橘红鲜果的双视角图像；

对所述双视角图像进行预处理，得到预处理双视角图像；

根据所述预处理双视角图像，对所述橘红鲜果的位置偏移误差进行修正，得到位置偏移误差修正后的双视角图像；

对所述位置偏移误差修正后的双视角图像进行半径误差修正，得到所述橘红鲜果的实际半径；

利用所述橘红鲜果的实际半径计算所述橘红鲜果体积。

可选的，获取所述橘红鲜果橘白体积和所述橘红鲜果胚囊体积的具体方法包括：

获取所述橘红鲜果体积、所述橘红鲜果重量、橘红鲜果果皮橘白密度和橘红鲜果胚囊密度；

利用公式

其中，ρ

可选的，利用悬臂梁结构的称重模块测量所述橘红鲜果重量。

可选的，采用监督学习方法对所述神经网络模型进行训练。

一种橘红鲜果胚囊参数预测系统，所述方法包括：

参数获取单元，用于获取橘红鲜果的基本参数、橘红鲜果胚囊实测参数和待测橘红鲜果的基本参数；所述橘红鲜果的基本参数包括：橘红鲜果体积、橘红鲜果重量、橘红鲜果橘白体积和橘红鲜果胚囊体积；所述橘红鲜果胚囊实测参数包括：胚囊最大半径、胚囊高度和胚囊底部距离；

预测单元，用于以多个橘红鲜果相应的基本参数为输入，以所述多个橘红鲜果的实测参数为输出，对神经网络模型进行训练；并利用训练后的神经网络模型对所述待测橘红鲜果的基本参数进行处理，获得相应的胚囊参数预测结果。

可选的，所述参数获取单元包括橘红鲜果体积计算子单元，该子单元具体包括：

图像获取模块，用于获取所述橘红鲜果的双视角图像；

预处理模块，用于对所述双视角图像进行预处理，得到预处理双视角图像；

位置偏移误差修正模块，用于根据所述预处理双视角图像，对所述橘红鲜果的位置偏移误差进行修正，得到位置偏移误差修正后的双视角图像；

半径误差修正模块，用于对所述位置偏移误差修正后的双视角图像进行半径误差修正，得到所述橘红鲜果的实际半径；

橘红鲜果体积计算模块，用于利用所述橘红鲜果的实际半径计算所述橘红鲜果体积。

可选的，所述参数获取单元还包括：橘红鲜果橘白体积和橘红鲜果胚囊体积计算子单元，该子单元具体包括：

参数获取模块，用于获取所述橘红鲜果体积、所述橘红鲜果重量、橘红鲜果果皮橘白密度和橘红鲜果胚囊密度；

橘红鲜果橘白体积和橘红鲜果胚囊体积计算模块，用于利用公式

其中，ρ

根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明根据橘红鲜果体积、橘红鲜果重量、橘红鲜果果皮橘白密度和橘红鲜果胚囊密度计算求解橘红鲜果胚囊体积和橘白体积，利用神经网络模型分析得到橘红鲜果胚囊参数，该预测过程不会破坏橘红鲜果的果形，并且预测结果准确；根据橘红鲜果胚囊参数的预测结果，可以生成优化的加工刀具给进参数及刀具扩张参数，控制胚囊旋挖去囊的自动化操作，可以提高去囊的效果和速度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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。

图1为本发明提供的橘红鲜果胚囊参数预测方法流程示意图；

图2为摄像头X拍摄的橘红鲜果图像的纵切面图像；

图3为摄像头X拍摄的橘红鲜果图像的纵切面图像中取得的矩形图；

图4为距离位置偏差修正的原理图；

图5为半径误差的修正的原理图；

图6为本发明提供的橘红鲜果胚囊参数预测系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的说明书和权利要求书以及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)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。应当理解，这样描述的对象在适当情况下可以互换。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。

在本专利文档中，下文论述的附图以及用来描述本发明公开的原理的各实施例仅用于说明，而不应解释为限制本发明公开的范围。所属领域的技术人员将理解，本发明的原理可在任何适当布置的系统中实施。将详细说明示例性实施方式，在附图中示出了这些实施方式的实例。此外，将参考附图详细描述根据示例性实施例的终端。附图中的相同附图标号指代相同的元件。

本发明说明书中使用的术语仅用来描述特定实施方式，而并不意图显示本发明的概念。除非上下文中有明确不同的意义，否则，以单数形式使用的表达涵盖复数形式的表达。在本发明说明书中，应理解，诸如“包括”、“具有”以及“含有”等术语意图说明存在本发明说明书中揭示的特征、数字、步骤、动作或其组合的可能性，而并不意图排除可存在或可添加一个或多个其他特征、数字、步骤、动作或其组合的可能性。附图中的相同参考标号指代相同部分。

本发明的目的是提供一种准确预测橘红鲜果胚囊参数的方法及系统，便于提高后续自动化去囊的效果和速度。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

如图1所示，为橘红鲜果胚囊参数预测方法流程图，该方法包括：

步骤101：获取橘红鲜果的基本参数、橘红鲜果胚囊实测参数和待测橘红鲜果的基本参数；所述橘红鲜果的基本参数包括：橘红鲜果体积、橘红鲜果重量、橘红鲜果橘白体积和橘红鲜果胚囊体积；所述橘红鲜果胚囊实测参数包括：胚囊最大半径、胚囊高度和胚囊底部距离；

步骤102：以多个橘红鲜果相应的基本参数为输入，以所述多个橘红鲜果的实测参数为输出，采用监督学习方法对神经网络模型进行训练；并利用训练后的神经网络模型对所述待测橘红鲜果的基本参数进行处理，获得相应的胚囊参数预测结果。

本发明利用神经网络模型对胚囊参数进行预测，提高预测的准确度和效率。

对于橘红鲜果重量，采用基于应变电阻桥的悬臂梁结构，当重物放在悬臂梁上时引起其形变进而在应变电阻桥上产生对应的变化信号，将电桥的变化信号数据放大处理后即可得到橘红鲜果的重量，使测量的重量准确。

因为橘红鲜果个体从早期的球状逐渐长成椭球状或大小头明显的柚子状差异比较大，在对胚囊参数进行预测的过程中，需要考虑体积的影响，因此橘红鲜果体积的测量至关重要。为了提高体积测量的准确性和扩大体积测量方案的实用性，本发明采用双视角机器视觉的方法对橘红鲜果的体积进行测量，测量方法具体包括：

获取所述橘红鲜果的双视角图像；

对所述双视角图像进行预处理，得到预处理双视角图像；

根据所述预处理双视角图像，对所述橘红鲜果的位置偏移误差进行修正，得到位置偏移误差修正后的双视角图像；

对所述位置偏移误差修正后的双视角图像进行半径误差修正，得到所述橘红鲜果的实际半径；

利用所述橘红鲜果的实际半径计算所述橘红鲜果体积。

位于同一高度成90度视角设置在鲜果放置区域外两侧的摄像头X和摄像头Y，对于橘红鲜果摆放位置中心点的相应距离为h

橘红鲜果经过摄像头X拍摄后形成的图像，在不考虑测量误差，球半径误差(球体成像半径遮挡误差)，不对中误差(鲜果不在中心点造成的距离误差)，水果果形误差(水果放置姿态不垂直，果形不对称造成误差)的情况下，摄像头得到的图像数据经过参数计算得到橘红鲜果纵切面图像数据如图2，在纵切面上截取一个小矩形如图3所示，其参数对一个圆柱体的直径和高，将纵切面截取为多个小矩形，将其对应的多个小圆柱体的体积累加即可求得橘红鲜果的体积。

但实际应用中橘红鲜果可能出现橘红果形不对称的情形，以及放置位置不在视角设定中心点位置，姿态不是垂直放置等问题，采用单一位置的摄像头，无法修正上述情形下的误差，采用旋转被测对象的方法获取目标对现象的三维点云图也可以解决上述问题，但存在成本较高，设备复杂，旋转耗时等问题，采用双视角的两个摄像头则可以尽可能的减小上述误差。

针对不对称误差的修正：

当果形不是标准的球形或椭球形，一侧大一侧小时，单目摄像头拍到其中一幅进行体积计算时误差较大。采用双视角将两个视角的图像截取的对应的半径数据作为椭圆柱体的长短轴，可以减小橘红鲜果果形不对称误差，所求的体积将会准确的多。

针对距离位置偏差修正：

图4为距离位置偏差修正的原理图。当物体位置偏离设定的中心点时，其采集的图像数据(最大的垂直剖面图)位置也是偏离设定中心点的，但计算的过程仍按中心点位置计算，必定带来计算误差。当采用双视角摄像头时可以根据摄像头Y测得的图像中心点的对应位置，评估X方向上的偏移，修正摄像头X的距离误差，同理通过摄像头X测得的图像中心点的对应位置，评估Y方向上的偏移，修正摄像头Y的距离误差。

针对不垂直误差的修正：

由于单目摄像头不能采集深度信息，当水果姿态不是垂直放置而是倾斜放置时，采用单个摄像头拍摄的图像无法获取水果的姿态信息。由于水果被沿X轴倾斜放置，则X轴上采集的图像不能反映水果姿态的倾斜，与真实的图像误差非常大，对应的Y轴上的摄像头Y采集到了水果的倾斜姿态，通过两个摄像头采集图像的组合，可以减小倾斜姿态的水果体积测量误差。

针对半径误差的修正：

对于球状物体成像时，由于光线沿直线照射，光线无法从球体最大截面点通过，通常会将A点的投影作为目标的最大圆周点，造成测量误差，该误差称为半径误差，但在摄像头透镜平面到球体中心点最大界面距离h已知的条件下，是可以对该误差进行修正的。

如图5所示设透镜平面中心点为O

求解方程时会产生两个解，实际应用中，摄像头透镜平面到物体的距离h通常要大于R很多，在约束条件为h

根据修正后得到的橘红鲜果半径计算橘红鲜果的体积，可以提高体积计算的准确性。

本发明获取所述橘红鲜果橘白体积和所述橘红鲜果胚囊体积的具体方法包括：

获取所述橘红鲜果体积、所述橘红鲜果重量、橘红鲜果果皮橘白密度和橘红鲜果胚囊密度；

利用公式

其中，ρ

橘红鲜果果皮橘白的密度和橘红鲜果胚囊的密度是橘红鲜果的重要参数，根据该重要特征参数计算得到的橘红鲜果橘白体积和橘红鲜果胚囊体积更加接近真实情况。

本发明基于双目机器视觉对橘红鲜果体积进行修正，利用悬臂梁结构的称重模块将重量信号放大处理后得到重量参数，根据密度信息计算橘红鲜果橘白体积和橘红鲜果胚囊体积，并且采用神经网络模型对数据进行处理，得到准确的橘红鲜果胚囊参数。

如图6所示，本发明还提供了了与橘红鲜果胚囊参数预测方法对应的系统，该系统包括：参数获取单元201和预测单元202。

参数获取单元201，用于获取橘红鲜果的基本参数、橘红鲜果胚囊实测参数和待测橘红鲜果的基本参数；所述橘红鲜果的基本参数包括：橘红鲜果体积、橘红鲜果重量、橘红鲜果橘白体积和橘红鲜果胚囊体积；所述橘红鲜果胚囊实测参数包括：胚囊最大半径、胚囊高度和胚囊底部距离；

预测单元202，用于以多个橘红鲜果相应的基本参数为输入，以所述多个橘红鲜果的实测参数为输出，对神经网络模型进行训练；并利用训练后的神经网络模型对所述待测橘红鲜果的基本参数进行处理，获得相应的胚囊参数预测结果。

参数获取单元201包括：橘红鲜果体积计算子单元和橘红鲜果橘白体积和橘红鲜果胚囊体积计算子单元。

橘红鲜果体积计算子单元具体包括：

图像获取模块，用于获取所述橘红鲜果的双视角图像；

预处理模块，用于对所述双视角图像进行预处理，得到预处理双视角图像；

位置偏移误差修正模块，用于根据所述预处理双视角图像，对所述橘红鲜果的位置偏移误差进行修正，得到位置偏移误差修正后的双视角图像；

半径误差修正模块，用于对所述位置偏移误差修正后的双视角图像进行半径误差修正，得到所述橘红鲜果的实际半径；

橘红鲜果体积计算模块，用于利用所述橘红鲜果的实际半径计算所述橘红鲜果体积。

橘红鲜果橘白体积和橘红鲜果胚囊体积计算子单元具体包括：

参数获取模块，用于获取所述橘红鲜果体积、所述橘红鲜果重量、橘红鲜果果皮橘白密度和橘红鲜果胚囊密度；

橘红鲜果橘白体积和橘红鲜果胚囊体积计算模块，用于利用公式

其中，ρ

本发明提供的预测系统同样可以实现预测方法的技术效果。

对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。