本发明属于检测技术领域，具体地说，本发明涉及一种基于条纹投影的苹果果梗和花萼检测方法。
背景技术：
水果是人们日常生活中的主要营养来源之一。随着生活品质的提高，人们对水果的品质要求也越来越高。水果的产值大部分是由产后处理和加工创造出来的，因此如何提高水果的产后加工成为了提高我国水果市场竞争力的关键。消费者主要根据水果的外部品质判断果品质量，因此根据水果外部品质进行分级是非常必要的。水果品质快速检测是影响我国果品产后价值和国际市场竞争力的重要技术。
传统的水果产后处理和加工通过人工或机械方式来实现分级。人工方式来实现分级，存在劳动量大、精度和效率低、无统一标准和过分依赖人的主观因素等缺点；机械方式来实现分级，会造成水果的机械损伤，缺陷果会加速整批水果损坏的速度。
目前使用的果梗和花萼与缺陷识别技术和方法主要有高光谱成像技术、多光谱成像技术、多相机系统、3d图像分析等，但是这些方法存在数据量大、分析速度慢、成本高等缺点。
对于计算机视觉用于苹果品质自动检测方面，可以根据苹果大小、形状、颜色以及表面缺陷进行检测，机器视觉系统已经能够很好的实现根据苹果的尺寸和颜色将水果分成不同等级，但是在根据表面缺陷进行分级时仍旧存在一些困难。
从传统的苹果检测系统到现在自动在线分级系统，将果梗和花萼与真正的缺陷区分开来一直是难题中的难题。通常由机器视觉系统获得的苹果图像，有缺陷的表面比健康水果表面具有更低的反射率，即两者灰度值不同，因此可以通过灰度值将缺陷果分离出来。但是，苹果的果梗和花萼区域也比健康的表面具有更低的反射率，它们具有和缺陷相似的灰度特征，因此仅仅使用传统的灰度特征进行分割，就容易将果梗和花萼误认为是缺陷，从而造成将正常果误判为缺陷果。
苹果的果梗和花萼与缺陷的正确识别对在线分级有重要意义，高效的完成果梗和花萼与缺陷的识别不仅能够有效的改善苹果质量，也有助于提高消费者满意度，增强我国苹果产业的竞争力以及提高利润水平。
在苹果品质快速检测领域中一直存在一个难题：如何对苹果的果梗和花萼与缺陷进行在线实时有效的识别，特别是针对具有相似形状和大小的苹果的果梗和花萼与缺陷的特殊情况，在实际生产中难以通过图像识别对两者进行有效区分。
技术实现要素：
本发明提供一种基于条纹投影的苹果果梗和花萼检测方法，以解决上述背景技术中存在的问题。
为了实现上述目的，本发明采取的技术方案为：一种基于条纹投影的苹果果梗和花萼检测方法，具体包括以下步骤：
步骤s1：搭建条纹投影苹果果梗和花萼检测系统，包括投影仪、摄像机和计算机；所述投影仪分别向参考平面和被测苹果表面投射正弦条纹，摄像机同步采集调制后的条纹图像ii(x,y)，并将采集的数据导入计算机进一步处理；
步骤s2：利用条纹分析方法得到包裹相位分布φ(x,y)和对应的条纹级次k(x,y)，并在此基础上计算得到相位分布φ(x,y)；参考平面和被测苹果的相位分布分别表示为φbg(x,y)、φobj(x,y)；
步骤s3：在参考平面相位分布φbg(x,y)的基础上，构建参考平面的偏转相位
步骤s4：苹果的相位分布φobj(x,y)分别与参考平面的偏转相位
步骤s5：分别对苹果的原始相位图φn(x,y),n∈[1,9]进行孔洞填充，得到填充相位图
步骤s6：分别将填充相位图
步骤s7：设定阈值t对相位差值图
优选的，所述步骤s1中，所述摄像机采集的条纹图像ii(x,y)，其光强分布可表示为：
ii(x,y)＝a(x,y) b(x,y)cos[φ(x,y) δi]；
其中：(x,y)表示摄像机的像素坐标；i＝1,2,...,step(step≥3)表示相移步数；a(x,y)表示图像平均背景强度；b(x,y)表示条纹调制度；φ(x,y)表示包裹相位分布；δi＝2π(i-1)/step表示相移量。
优选的，所述步骤s2中，所述包裹相位分布φ(x,y)，其数学计算公式为：
所述步骤s2中，所述条纹级次k(x,y)，通过双频法得到的计算公式为：
其中：fh和fl分别表示高频条纹和低频条纹的频率；φl(x,y)表示单周期低频条纹的相位；φ(x,y)表示包裹相位分布；
所述步骤s2中，所述相位分布φ(x,y)，其数学计算公式为：
φ(x,y)＝φ(x,y) 2πk(x,y)。
优选的，所述步骤s3中，所述参考平面的偏转相位
其中，k1、k2分别表示参考平面偏转相位的偏转系数，通过调整该系数实现参考平面相位的多方向偏转。
优选的，所述步骤s4中，所述苹果的原始相位图φn(x,y),n∈[1,9]，其数学计算公式分别为：
优选的，所述步骤s6中，所述相位差值图
优选的，所述步骤s7中，所述边缘图像e(x,y)，可采用sobel、canny通用的边缘检测计算得到。
优选的，所述步骤s7中，所述检测结果d(x,y)，其数学计算公式为：
d(x,y)＝r1(x,y)∪r2(x,y)∪r3(x,y)∪...∪r8(x,y)∪r9(x,y)∪e(x,y)。
采用以上技术方案的有益效果是：
1、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，既避免了人工方式来实现分级，存在劳动量大、精度和效率低、无统一标准和过分依赖人的主观因素等缺点；有避免了机械方式来实现分级，会造成水果的机械损伤，缺陷果会加速整批水果损坏的速度问题。
2、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，能够有效识别苹果果梗和花萼，不易受苹果表面缺陷和外界环境光照的因素影响，鲁棒性高、适用性好，减小了果梗和花萼区域对苹果缺陷检测的影响，避免了使用传统的灰度特征进行分割，容易将果梗和花萼误认为是缺陷，避免了将正常果误判为缺陷果的问题。
3、本发明的技术方案设备成本不高、计算复杂度低、易于实现，能够满足实际生产中高速在线监测的要求。
附图说明
图1是本发明基于条纹投影的苹果果梗和花萼检测方法的流程图；
图2是本发明基于条纹投影的苹果果梗和花萼检测方法的原理示意图；
图3是本发明基于条纹投影的苹果果梗和花萼检测方法的检测结果；
具体实施方式
下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，目的是帮助本领域的技术人员对本发明的构思、技术方案有更完整、准确和深入的理解，并有助于其实施。
如图1至图3所示，本发明是一种基于条纹投影的苹果果梗和花萼检测方法，具体包括以下步骤：
步骤s1：搭建条纹投影苹果果梗和花萼检测系统，包括投影仪、摄像机和计算机；所述投影仪分别向参考平面和被测苹果表面投射正弦条纹，摄像机同步采集调制后的条纹图像ii(x,y)，并将采集的数据导入计算机进一步处理；
步骤s2：利用条纹分析方法得到包裹相位分布φ(x,y)和对应的条纹级次k(x,y)，并在此基础上计算得到相位分布φ(x,y)；参考平面和被测苹果的相位分布分别表示为φbg(x,y)、φobj(x,y)；
步骤s3：在参考平面相位分布φbg(x,y)的基础上，构建参考平面的偏转相位
步骤s4：苹果的相位分布φobj(x,y)分别与参考平面的偏转相位
步骤s5：分别对苹果的原始相位图φn(x,y),n∈[1,9]进行孔洞填充，得到填充相位图
步骤s6：分别将填充相位图
步骤s7：设定阈值t对相位差值图
所述步骤s1中，所述摄像机采集的条纹图像ii(x,y)，其光强分布可表示为：
ii(x,y)＝a(x,y) b(x,y)cos[φ(x,y) δi]；
其中：(x,y)表示摄像机的像素坐标；i＝1,2,...,step(step≥3)表示相移步数；a(x,y)表示图像平均背景强度；b(x,y)表示条纹调制度；φ(x,y)表示包裹相位分布；δi＝2π(i-1)/step表示相移量。
所述步骤s2中，所述包裹相位分布φ(x,y)，其数学计算公式为：
所述步骤s2中，所述条纹级次k(x,y)，通过双频法得到的计算公式为：
其中：fh和fl分别表示高频条纹和低频条纹的频率；φl(x,y)表示单周期低频条纹的相位；φ(x,y)表示包裹相位分布；
所述步骤s2中，所述相位分布φ(x,y)，其数学计算公式为：
φ(x,y)＝φ(x,y) 2πk(x,y)。
所述步骤s3中，所述参考平面的偏转相位
其中，k1、k2分别表示参考平面偏转相位的偏转系数，通过调整该系数实现参考平面相位的多方向偏转。
所述步骤s4中，所述苹果的原始相位图φn(x,y),n∈[1,9]，其数学计算公式分别为：
所述步骤s6中，所述相位差值图
所述步骤s7中，所述边缘图像e(x,y)，可采用sobel、canny通用的边缘检测计算得到。
所述步骤s7中，所述检测结果d(x,y)，其数学计算公式为：
d(x,y)＝r1(x,y)∪r2(x,y)∪r3(x,y)∪...∪r8(x,y)∪r9(x,y)∪e(x,y)。
综上所述：
1、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，既避免了人工方式来实现分级，存在劳动量大、精度和效率低、无统一标准和过分依赖人的主观因素等缺点；有避免了机械方式来实现分级，会造成水果的机械损伤，缺陷果会加速整批水果损坏的速度问题。
2、本发明提供的一种基于条纹投影的苹果果梗和花萼检测方法，能够有效识别苹果果梗和花萼，不易受苹果表面缺陷和外界环境光照的因素影响，鲁棒性高、适用性好，减小了果梗和花萼区域对苹果缺陷检测的影响，避免了使用传统的灰度特征进行分割，容易将果梗和花萼误认为是缺陷，避免了将正常果误判为缺陷果的问题。
3、本发明的技术方案设备成本不高、计算复杂度低、易于实现，能够满足实际生产中高速在线监测的要求。
以上结合附图对本发明进行了示例性描述，显然，本发明具体实现并不受上述方式的限制，只要是采用了本发明的方法构思和技术方案进行的各种非实质性的改进；或未经改进，将本发明的上述构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。
1.一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：具体包括以下步骤：
步骤s1：搭建条纹投影苹果果梗和花萼检测系统，包括投影仪、摄像机和计算机；所述投影仪分别向参考平面和被测苹果表面投射正弦条纹，摄像机同步采集调制后的条纹图像ii(x,y)，并将采集的数据导入计算机进一步处理；
步骤s2：利用条纹分析方法得到包裹相位分布φ(x,y)和对应的条纹级次k(x,y)，并在此基础上计算得到相位分布φ(x,y)；参考平面和被测苹果的相位分布分别表示为φbg(x,y)、φobj(x,y)；
步骤s3：在参考平面相位分布φbg(x,y)的基础上，构建参考平面的偏转相位
步骤s4：苹果的相位分布φobj(x,y)分别与参考平面的偏转相位
步骤s5：分别对苹果的原始相位图φn(x,y),n∈[1,9]进行孔洞填充，得到填充相位图
步骤s6：分别将填充相位图
步骤s7：设定阈值t对相位差值图
2.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤s1中，所述摄像机采集的条纹图像ii(x,y)，其光强分布可表示为：
ii(x,y)＝a(x,y) b(x,y)cos[φ(x,y) δi]；
其中：(x,y)表示摄像机的像素坐标；i＝1,2,...,step(step≥3)表示相移步数；a(x,y)表示图像平均背景强度；b(x,y)表示条纹调制度；φ(x,y)表示包裹相位分布；δi＝2π(i-1)/step表示相移量。
3.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：
所述步骤s2中，所述包裹相位分布φ(x,y)，其数学计算公式为：
所述步骤s2中，所述条纹级次k(x,y)，通过双频法得到的计算公式为：
其中：fh和fl分别表示高频条纹和低频条纹的频率；φl(x,y)表示单周期低频条纹的相位；φ(x,y)表示包裹相位分布；
所述步骤s2中，所述相位分布φ(x,y)，其数学计算公式为：
φ(x,y)＝φ(x,y) 2πk(x,y)。
4.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤s3中，所述参考平面的偏转相位
其中，k1、k2分别表示参考平面偏转相位的偏转系数，通过调整该系数实现参考平面相位的多方向偏转。
5.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤s4中，所述苹果的原始相位图φn(x,y),n∈[1,9]，其数学计算公式分别为：
6.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤s6中，所述相位差值图
7.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤s7中，所述边缘图像e(x，y)，可采用sobel、canny通用的边缘检测计算得到。
8.根据权利要求1所述的一种基于条纹投影的苹果果梗和花萼检测方法，其特征在于：所述步骤s7中，所述检测结果d(x，y)，其数学计算公式为：
d(x，y)＝r1(x，y)∪r2(x，y)∪r3(x，y)∪...∪r8(x，y)∪r9(x，y)∪e(x，y)。
技术总结