專利名稱：一種顆粒物計數方法及其裝置的制作方法
技術領域：
本發明屬于信息技術領域，涉及一種顆粒物計數方法及其裝置。
背景技術：
所謂千粒重是以克表示的一千粒谷粒(種子)的重量，它是體現谷粒大小與飽滿程度的一項指標，是檢驗谷粒質量和作物考種的內容，也是釀酒過程中的重要評價指標。目前對于千粒重指標的測定主要基于人工計數的方式實現，即數取一千粒谷粒(種子)并通過稱量方式獲得谷粒重量。采用這種人工計數的方法，由于人眼長時間的高強度工作后容易疲勞，計數準確性難以保證，且計數效率較低。為了提高計數效率，目前出現了各種采用識別技術對谷粒進行計數的方法與技術，例如以下專利就公開了采用識別技術對谷粒(顆粒)進行計數的方法或設備。申請號為“02126213.6”，名稱為“采用散射光直方圖快速辨別顆粒的方法及設備”的發明專利就公開了快速辨別懸浮在液體或氣體中的原生物和其他微生物之類的微觀顆粒的獨特方法和設備，該方法包括采用激光之類的強光源照射要檢測的顆粒，通過環繞檢測區的一組光傳感器檢測散射光，將檢測到的光線轉換成電信號，采用至少一個發生頻率/概率直方圖比較導出的信號，從而對存在的微觀顆粒進行定性和/或定量識別。該專利方法主要應用于識別懸浮在液體或氣體中的原生動物和其它微生物之類的微觀顆粒，對于立體環境下的懸浮微粒識別具有一定的優勢，但是該方法作為平面非懸浮顆粒的識別存在的不足為:(I)利用光傳感設備對于設備本身和實驗環境有很高要求，設備昂貴不利于工業化應用；(2)利用光散射技術對于立體圖像中的顆粒識別一般需要通過多個角度拍攝以達到顆粒物的定位，而對于平面圖像的微粒識別，該方法并不適合；(3)該方法僅涉及到微粒(微粒團)的識別，而未對堆疊和粘連情況進行細分考慮。申請號為“2 01110267255.0”的發明專利就公布了名稱為“一種數字圖像中顆粒
狀對象的自動分割方法”，該方法針對數字圖像，尤其是顯微圖像中顆粒狀對象的灰度、結構分布與幾何形狀等特點，先應用自動閾值法將目標與背景分離；然后計算其梯度向量場，在梯度向量場中搜索關鍵點，理想的關鍵點在8鄰域均有相應的梯度向量分布，其梯度值為零，獲取的關鍵點作為每一個顆粒狀對象的中心；接著定義一個新的基于灰度與空間位置的有效能量函數用以計算方向梯度，將其代替傳統的灰度梯度；最后應用主動輪廓模型搜尋顆粒狀對象的邊界。該專利方法依然對于識別對象的環境和圖像拍攝環境提出較高要求，即該方法僅適用于顯微鏡圖像中的顆粒物識別，顯微鏡圖像一般背景單一，且具有熒光標記作為識別靶標，因此與普通拍攝環境下采集得到的非顯微鏡圖像的顆粒物識別有著明顯差異，并且是否適用于該應用場景存在一定的疑問。申請號為“95102156.7”的發明專利就公開了名稱為“谷物顆粒顏色分揀機”，本發明通過用一臺分揀機既在可見光范圍內檢測和去除顏色與谷粒不同的異物，也在近紅外范圍內識別和去除顏色與谷粒相同或透明的異物。該專利僅涉及到物理顏色識別分揀方法，對于谷粒的計數并未提出解決方案，即該方法對于谷粒的品質檢測具有一定優勢，但是對于谷粒的計數識別并未實際用途。此外，該方法需要適用近紅外設備進行檢測，該設備的成本使得檢測中涉及的設備成本和人力成本大大增加。因此，該方法對于谷粒計數和千粒重的測定并不適用。申請號為“200810052381.2”的發明專利就公開了名稱為“基于視覺識別的顆粒物
料分選分級方法”，它包括獲取樣品圖像、圖像特征信息預處理、設計分類器、建立特征信息專家庫和待選物料分選與特征信息專家庫進行匹配、進行分選分級。該方法適用于顆粒物料的分級篩選，因此對于顆粒物料的計數問題并未給出解決方案。同時，該方法涉及到相對比較繁瑣的流程，一定程度上限定了系統的適用范圍和應用場景。綜上所述，目前已有的技術雖然提高了對顆粒計數的準確性和計數效率，實現了自動化檢測，但這些技術通常需要專業和昂貴的設備(比如激光或者近紅外)，或者對圖像質量要求較高，同時結構比較復雜，對操作人員要求較高。不適合現場作業中輕量化的解決方案。
發明內容
本發明針對現有顆粒物識別計數方法中存在的不足，提供了一種顆粒物計數方法及其裝置。本發明是通過如下技術方案予以實現的。一種顆粒物計數方法，利用拍照裝置進行顆粒物圖像采集，使用智能圖像處理及機器學習技術實現對顆粒物的識別計數，通過計數模塊在拍照的同時進行圖像數據管理及處理，在拍照完成的時候進行快速的圖像預識別，篩選出不符合要求的照片，完成準確計數，其主要方法步驟如下:(I)顆粒物圖像采集，通過接口調用相機的設備驅動，使用鍵盤和鼠標來操縱拍
昭.>、、、 (2)將采集的顆粒物圖像轉化為RGB數值矩陣，調節圖像的明暗，增強對比度；(3)利用K-Means聚類算法自動篩選有效區域；(4)利用邊緣識別技術識別獨立的顆粒；(5)對識別出來的獨立顆粒進行建模，得到關于顆粒的輪廓形狀特征、大小特征的統計模型；(6)預估懷疑的粘連塊，根據獨立顆粒模型進行模擬填充，估算出包含的數目，并輸出粘連規則和切割效果圖；(7)對輸出的切割效果圖進行人工評判，結合人工計數結果算出識別的精度，使用機器學習的方法對存在粘連和堆疊的區域采用人工計數的方式輔助計算機系統學習該情況下的顆粒物的識別和計數，若識別計數的準確率大于95%，完成對顆粒物的計數，并輸出計數結果，否則，將人工識別的結果替換預估的粘連塊，重新訓練模型，直到機器學習系統模型達到穩定。上述步驟(I)中顆粒物圖像采集包括如下步驟:a、將顆粒物樣品取出放置于透明板或白板上；b、平鋪顆粒物，使顆粒物均勻地布滿照相設備的取景范圍；C、采集圖像；
d、重復b和c步驟兩次以達到取樣的隨機目的，獲得n*3張圖像，η為樣品數量。作為本發明的另一目的，提供了一種顆粒物計數裝置，包括透明托盤及置于透明托盤四周的物料照明光源，在透明托盤上方放置有照相設備，照相設備通過數據線與計算機連接，通過接口調用照相設備的設備驅動，使用鍵盤和鼠標來操縱拍照。所述物料照明光源的角度可以調節。所述物料照明光源為光線強度可調的白色LED光源。所述物料照明光源包括一組置于透明托盤左側的左側燈、置于透明托盤右側的右側燈及置于透明托盤背面的背燈。本發明的有益效果是:與現有技術相比，本發明使用智能圖像處理和機器學習技術實現對顆粒物的快速準確識別計數，通過以顆粒物圖像采集獲得的顆粒物(谷粒)圖像作為處理對象，首先利用圖像識別計數對于顆粒物(谷粒)覆蓋區域進行自動選取，并且對于一些非復雜區域(不存在粘連和堆疊的區域)的谷粒進行直接計數。對于存在粘連和堆疊的區域，通過機器學習的方法進行智能識別和計數。本發明只需采用一個能簡易安裝的拍照裝置和普通的家用相機對一批顆粒進行拍照，然后將圖像文件導入計算機，使用建立模型對圖像進行處理。采用圖像識別技術精確識別獨立的顆粒，利用統計模型針對不同類型的顆粒物(高粱、水稻等)識別并估算粘連的顆粒物，最后得到精確的計數。并使用人工計數的方式對結果進行檢測，根據修正的結果重新訓練模型，不斷提升模型的精度。本發明采用的拍照裝置安裝和部署容易，可以快速安裝在多種環境。對場地光源和照相器材的要求也不高，能夠快速獲取顆粒的照片信息。通過帶有人工干預的統計模型 和機器學習方法，可以將檢測和訓練結合起來，增加了計算機識別的精度。能夠很方便地應用到顆粒物計數的生產環境，取代人工計數的方式，大幅度地提高工作效率。本發明充分發揮了現代圖像處理的處理速度快、結果一致性強、批量處理的優點，從而實現對顆粒物高效、快速、準確地計數。整個測定過程人工依賴低，表現出良好的可重復性和高效性，同時拍照裝置對圖像的質量要求不高，可在顆粒物計數領域廣泛推廣使用。
圖1為本發明流程圖；圖2為本發明中計數裝置結構示意圖。圖中:1-透明托盤，2-左側燈，3-背燈，4-右側燈，5-照相設備，6_計算機，7_數據線，8-顆粒物。
具體實施例方式下面結合實施例進一步描述本發明的技術方案，但要求保護的范圍并不局限于所述。如圖1所示，一種顆粒物計數方法，利用拍照裝置進行顆粒物圖像采集，使用智能圖像處理及機器學習技術實現對顆粒物的識別計數，通過計數模塊在拍照的同時進行圖像數據管理及處理，在拍照完成的時候進行快速的圖像預識別，篩選出不符合要求的照片，完成準確計數，其主要方法步驟如下:(I)顆粒物圖像采集，通過接口調用相機的設備驅動，使用鍵盤和鼠標來操縱拍
昭.>、、、 (2)將采集的顆粒物圖像轉化為RGB數值矩陣，調節圖像的明暗，增強對比度；(3)利用K-Means聚類算法自動篩選有效區域；該步驟中所述K-Means算法是輸入聚類個數k，以及包含η個數據對象的數據庫，輸出滿足方差最小標準的k個聚類。k-means算法接受輸入量k ;然后將η個數據對象劃分為k個聚類以便使得所獲得的聚類滿足，同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個中心對象(引力中心)來進行計算的。(4)利用邊緣識別技術識別獨立的顆粒；該步驟中所述邊緣識別技術是通過圖像的外輪廓識別算法提取顆粒物(谷粒)的外圍輪廓，并獲得中間處理對象顆粒物(谷粒)區域(即不包括背景白板區域)，其算法包括基于小波變換的圖像輪廓識別、基于robert因子的圖像輪廓識別、基于Iaplace算子因子的圖像輪廓識別、基于高斯濾波的輪廓識別。(5)對識別出來的獨立顆粒進行建模，得到關于顆粒的輪廓形狀特征、大小特征的統計模型；(6)預估懷疑的粘連塊，根據獨立顆粒模型進行模擬填充，估算出包含的數目，并輸出粘連規則和切割效果
(7)對輸出的切割效果圖進行人工評判，結合人工計數結果算出識別的精度，使用機器學習的方法對存在粘連和堆疊的區域采用人工計數的方式輔助計算機系統學習該情況下的顆粒物的識別和計數，若識別計數的準確率大于95%，完成對顆粒物的計數，并輸出計數結果，否則，將人工識別的結果替換預估的粘連塊，重新訓練模型，直到機器學習系統模型達到穩定。上述步驟(I)中顆粒物圖像采集包括如下步驟:a、將顆粒物樣品取出放置于透明板或白板上；b、平鋪顆粒物，使顆粒物均勻地布滿照相設備的取景范圍；C、采集圖像；d、重復b和c步驟兩次以達到取樣的隨機目的，獲得n*3張圖像，η為樣品數量。本發明中所述的計數模塊可實現對圖像數據的管理處理，允許用戶通過可視化界面管理采集獲得圖像，并且能通過圖像識別和機器學習方法實現對顆粒物(谷粒)圖像的識別計數。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的算法。機器學習算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。因為學習算法中涉及了大量的統計學理論，機器學習與統計推斷學聯系尤為密切，也被稱為統計學習理論。因此，本發明所述方法通過訓練好的機器學習模型，可以對于存在粘連和堆疊的顆粒物(谷粒)區域進行智能地識別和計數。如圖2所示，為實現上述顆粒物計數方法，本發明提供了一種顆粒物計數裝置，包括透明托盤I及置于透明托盤I四周的物料照明光源，在透明托盤I上方放置有照相設備5，照相設備5通過數據線7與計算機6連接，通過接口調用照相設備5的設備驅動，使用鍵盤和鼠標來操縱拍照。 所述物料照明光源的角度可以調節。所述物料照明光源為光線強度可調的白色LED光源。所述物料照明光源包括一組置于透明托盤I左側的左側燈2、置于透明托盤I右側的右側燈4及置于透明托盤I背面的背燈3。本發明所在使用時，在照相區域水平放置一個透明托盤1，在透明托盤I的上方，左側，右側和背面各設置一組角度和光線強度可調的物料照明光源，物料照明光源分別為置于透明托盤I左側的左側燈2、置于透明托盤I右側的右側燈4及置于透明托盤I背面的背燈3，且均為高亮度白色LED光源。照相設備5放置于透明托盤I頂部。當需要拍照時，將顆粒物8散置于透明托盤I上，并隨機抹勻顆粒物8。將照相設備5通過數據線7連接到計算機6，通過接口調用照相設備5的設備驅動，使用鍵盤和鼠標來操縱拍照。通過計數模塊在拍照的同時進行圖像數據管理及處理，在拍照完成的時候進行快速的圖像預識別，篩選出不符合要求的照片。根據每次的檢測結果訓練模型并調整模型的參數，不斷提升模型的精度。本發明在使用時如果不具備以上裝置，還可以通過以下方式進行替換:將顆粒物(谷粒)樣品平鋪于白色(或透明色)的平板上，在平板垂直上方約50厘米處架設圖像采集設備，保證光源及圖像采集設備焦距穩定即可完成對顆粒物圖像的采集和計數，結構簡單，操作方 便。
權利要求
1.一種顆粒物計數方法，其特征在于:利用拍照裝置進行顆粒物圖像采集，使用智能圖像處理及機器學習技術實現對顆粒物的識別計數，通過計數模塊在拍照的同時進行圖像數據管理及處理，在拍照完成的時候進行快速的圖像預識別，篩選出不符合要求的照片，完成準確計數，其主要方法步驟如下: (1)顆粒物圖像采集，通過接口調用相機的設備驅動，使用鍵盤和鼠標來操縱拍照； (2)將采集的顆粒物圖像轉化為RGB數值矩陣，調節圖像的明暗，增強對比度； (3)利用K-Means聚類算法自動篩選有效區域； (4)利用邊緣識別技術識別獨立的顆粒； (5)對識別出來的獨立顆粒進行建模，得到關于顆粒的輪廓形狀特征、大小特征的統計模型； (6)預估懷疑的粘連塊，根據獨立顆粒模型進行模擬填充，估算出包含的數目，并輸出粘連規則和切割效果圖； (7)對輸出的切割效果圖進行人工評判，結合人工計數結果算出識別的精度，使用機器學習的方法對存在粘連和堆疊的區域采用人工計數的方式輔助計算機系統學習該情況下的顆粒物的識別和計數， 若識別計數的準確率大于95%，完成對顆粒物的計數，并輸出計數結果，否則，將人工識別的結果替換預估的粘連塊，重新訓練模型，直到機器學習系統模型達到穩定。
2.根據權利要求1所述的一種顆粒物計數方法，其特征在于:所述步驟(I)中顆粒物圖像采集包括如下步驟: a、將顆粒物樣品取出放置于透明板或白板上； b、平鋪顆粒物，使顆粒物均勻地布滿照相設備的取景范圍； C、采集圖像； d、重復b和c步驟兩次以達到取樣的隨機目的，獲得n*3張圖像，η為樣品數量。
3.一種實現如權利要求1或2所述方法的顆粒物計數裝置，其特征在于:包括透明托盤(I)及置于透明托盤(I)四周的物料照明光源，在透明托盤(I)上方放置有照相設備(5)，照相設備(5)通過數據線(7)與計算機(6)連接，通過接口調用照相設備(5)的設備驅動，使用鍵盤和鼠標來操縱拍照。
4.根據權利要求3所述的顆粒物計數裝置，其特征在于:所述物料照明光源的角度可以調節。
5.根據權利要求3所述的顆粒物計數裝置，其特征在于:所述物料照明光源為光線強度可調的白色LED光源。
6.根據權利要求3所述的顆粒物計數裝置，其特征在于:所述物料照明光源包括一組置于透明托盤(I)左側的左側燈(2)、置于透明托盤(I)右側的右側燈(4)及置于透明托盤(I)背面的背燈(3)。
全文摘要
本發明公開了一種顆粒物計數方法及其裝置，利用拍照裝置進行顆粒物圖像采集，使用智能圖像處理及機器學習技術實現對顆粒物的識別計數，在照相區域放置一個透明托盤，在透明托盤的上方，左側，右側和背面各設置了一組角度和光線強度可調的物料照明光源，照相設備放置于透明托盤上方并與計算機連接，通過接口調用照相設備的設備驅動，使用鍵盤和鼠標來操縱完成對顆粒物的拍照，通過計數模塊在拍照的同時進行圖像數據管理及處理，在拍照完成的時候進行快速的圖像預識別，篩選出不符合要求的照片，完成準確計數。本發明充分發揮了現代圖像處理的處理速度快、結果一致性強、可批量處理的優點，從而實現對顆粒物高效、快速、準確地計數。
文檔編號G01N15/00GK103226088SQ20131011954
公開日2013年7月31日 申請日期2013年4月8日 優先權日2013年4月8日
發明者汪地強, 余苓, 雷良波, 楊婧, 胡光源, 楊浩, 王莉, 劉百戰, 陳超英 申請人:貴州茅臺酒股份有限公司
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
