基于sift特征图像的蚕蛹雌雄分拣和计数装置的制造方法
基于sift特征图像的蚕蛹雌雄分拣和计数装置的制造方法
【专利说明】
[0001]
技术领域： 本发明涉及基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，系统设计了图像采集、分 析、处理模块，并利用本设计的装置实现了蚕蛹性别无损检测。结果证明，检测方法减少了 蚕蛹资源浪费和经济损失，可简便、直观、快速地对蚕蛹评级；检测系统测量精度高，为快速 无损检测蚕蛹性别奠定了理论和实验基础。提出了一种利用数字图像处理技术基于面积， 尾部长宽比以及SIFT融合技术来分辨方法。并通过装置可以准确统计蚕蛹的个数，结果表 明精度高，简便可靠，为快速无损检测蚕蛹质量奠定了理论基础。通过采集、分析被检蚕蛹 图像，应用图像处理软件自动推算出鲜蚕蛹重量，最后对蚕蛹进行自动分拣。
[0002]
【背景技术】： 桑蚕业、蛹丝绸业作为我国典型的链式产业，一直以其产业链长、市场容量大、涉及面 广、附加值高而著称。蚕蛹是蛹丝绸业的主要原料。目前，我国丝绸业产品趋同化明显。同 一蚕品种，雄蚕蛹与雌蚕蛹相比，前者具有蛹丝纤度细，净度优，抱合力好，生丝等级高，织 物弹性好等优点。将雌雄蚕蛹分别利用，可在基本不增加生产投入的情况下大幅度提高产 品附加值，提高丝绸产品质量，对我国实现从丝绸大国向丝绸强国的转变具有十分重要的 战略意义。
[0003] 蚕蛹，又称桑蚕，是一种以桑叶为食料，具有很高经济价值的吐丝昆虫。蚕蛹是完 全变态昆虫，一生要经过卵、幼虫、蛹、成虫等四个完全不同的发育阶段。卵是胚胎发生、发 育并形成幼虫的阶段；幼虫是摄取食物、积贮营养的生长阶段：蛹是从幼虫向成虫过渡的 变态阶段；成虫是交配产卵、繁殖后代的生殖阶段。
[0004] 蚕蛹是蚕蛹蛹期形成的囊形保护层，内含蛹体。保护层包括蛹衣、蛹层和蛹衬等部 分，蛹层是缫丝的主要原料，蛹衣可作为丝棉和絹纺的原料。蚕蛹有椭圆形、椭圆束腰形、 球形或纺锤形等不同形状，雌、雄蚕蛹的形状差异较小，难以依靠蚕蛹形状特征判定蚕蛹性 别。
[0005] 蚕蛹幼虫上蔟结蛹后不久就会变成蚕蛹。蚕蛹体形类似纺锤，分头、胸、腹三个体 段。头部长有复眼和触角；胸部长有胸足和翅；腹部分节。雌蛹腹部大而末端圆，第八腹节 腹面正中有一条纵线；雄蛹腹部小而末端尖，第九腹节腹面中央有一个褐色小点。雌、雄蚕 蛹形状差异较大，可以通过蚕蛹形态特征差异判定蚕蛹性别。
[0006]
【发明内容】
： 本发明的目的是提供基于SIFT特征图像的蚕蛹雌雄分拣和计数装置。 1蚕蛹的性别判断 图像预处理包括图像增强、图像去噪、图像分割、边缘提取等过程，是图像识别与理解 的低层次处理过程。在蚕蛹性别判别研究中，最终结果的准确性和高效性在很大程度上依 赖于图像预处理的质量。
[0007] 1)基于直方图搜索的otsu多阈值法 otsu阈值法属于一种全局最优阈值的搜索方法，当图像中两类的方差相差太大时，会 使分割阈值与强势类的均值距离太近而导致分类失败，在本文中称该图像为otsu不可分。 蚕蛹区域必定符合具有明显波峰的正态分布的叠加特性(可能体现为单峰、多峰或脉冲形 式)，因此，在灰度直方图中，必定存在某一或某几个峰值灰度属于蚕蛹区域。基于上述分 析，将从灰度直方图入手，解决灰度图像的otsu不可分问题。
[0008] 定义1:在特定区域、特定灰度范围内，被特定边缘算子识别为边缘的像素点的个 数与区域总体像素数目的比值，称为边缘密度，用d表示；所有边缘点梯度幅值的均值则称 为边缘强度，用A表示。在本文中，边缘密度和边缘强度通常一起被用来衡量特定区域的纹 理特性。
[0009] 定理1:在灰度直方图中，至少存在一点必定存在某一领域(:二5 ::+5)，使其 邻域中的任意点J'e(f- + 5)满足|2+(i) 2; 成立。
[0010] 证明：对于灰度级为L的灰度图像，如果在灰度为0的某一邻域（0:句内的任意点 都满足,峨）hXi)成立，问题得证；否则，在领域(0=5)中至少有一点*满足A(0) < 成 立； 对于m而言，如果在邻域的任意点满足A(m) 成立，问题得证；否则， 在领域(w=?i+ 5)中至少有一点n满足<M11)成立； 以此类推，由于灰度的取值范围有限，必定而且至少存在一点i，对其某一邻域 :-幻+c?)中的任意点j满足吨）MC；)威立。证毕。
[0011] 定理1说明在灰度直方图中必定有峰值存在。而峰值的灰度极有可能分布于蚕蛹 区域的均值附近。假定在t时刻检测到的n个峰值表示为
，其中W为峰值v丨的灰度，F丨为峰值1丨在某一邻域内的高度均值，< 和4分别为峰值某一 邻域内的边缘密度和边缘强度，则峰值v;属于蚕蛹区域的概率表示为：
其中幻4和4/分别为图像中参考区域中第j类模式的最大峰值灰度、边缘密度和边 缘强度。考虑到强光、阴影和蚕蛹缺损的不利影响，最多把参考区域分为2类。参考区域通 常选择在图像的中下部，形状为三角形或梯形，本文的参考区域是由若干等面积矩形块组 成的梯形，每一矩形块按照最大峰值灰度、边缘密度和边缘强度3种特征进行分类。式（1) 右端的观测模型用来计算当前图像直方图中的峰值i与参考区域中某一类的接近程度。等 式右端运动模型，则对相邻帧图像的峰值相似度进行关联，综合了峰值灰度、峰值高度和峰 值范围的纹理特性(边缘密度和边缘强度)，可以提高对蚕蛹区域的各种特征进行大致估计 的准确性。其中7为归一化参数，使概率的取值介于0和1之间。
[0012] 2)峰值聚类与多阈值分割 由于蚕蛹区域可能体现为多峰分布，对进行降序排列。将概率最大的峰值选取为 聚类中心，利用峰值间边缘密度和边缘强度的相似性进行峰值聚类。假定聚类中心为峰值i，则峰值j与峰值i可以聚为同一类的判定准则为：峰值i与峰值j边缘密度和边缘强度 的相似度大于特定阈值，并且i与j之间的所有峰值都与峰值i同类。对式（1)进行变形 得任意两点间的Otsu公式（2)，显然，公式中
中4勺取值区 间都要做相应调整。
上述算法借助于迭代操作使5逐步远离较高峰值的区域，当迭代方法失效时，则依赖 直方图分析的结果。
[0014] 3)SIFT特征匹配 SIFT特征匹配对两个特征描述器进行比较，如果两个特征描述器的距离小于给定的阈 值，就称这两个特征相互匹配，否则称这两个特征不匹配。特征匹配的方法有很多，但最方 便、最常用的方法是最邻近法，本文也将采用这种方法实现不同图像场景特征间的匹配。下 面给出最邻近点的数学描述：假设一个K维空间的定义域和值域分别表示为R和D，S为K 维空间RXD中所有采样点的集合，d为目标点的向量，则d的最邻近点#必须满足式（5-8) 的条件：
式（5-8)中di为向量d的第i维分量。一个直接、简单的算法是依次计算S中所有点 与目标点d之间的距离，从而找到与d最相邻的点。该算法的时间复杂度为0(N)，其中N为 S中特征点的数目。但是在蚕蛹检测中特征点需要进行大量的匹配，为了提高匹配的效率， 本文使用基于K-D树（K-Dtree) [162-163]的 最邻近点搜索算法，它可以将时间复杂度降 低到 0(l〇g2N)。
[0015] SIFT特征点之间的距离用其描述器的欧几里德距离来表示。SIFT特征匹配是通 过对特征点的描述器进行匹配而实现的。基于K-D树的最邻近法是将已观测到的所有SIFT 特征建立一棵K-D树，并对当前观测到的每个SIFT特征kp，用基于K-D树的最邻近点算法 找到最邻近点kpl和次邻近点kp2。实验表明，如果
越 大，那么kp与kpl匹配的质量就越商。因此如果满足：
则认为kp与kpl匹配，其中A为界于0和1之间的常量。在本文中2 =0.75,这样就排 除了一些匹配误差较大的特征点对。
[0016]SIFT特征应用于蚕蛹检测的最大难题是特征提取和匹配的实时性问题。基于K-D 树的最近邻搜索算法把特征匹配的时间复杂度从〇(.V)降为0(lQg: ，其中N为样本空间 中元素的个数。由于特征提取的时间主要消耗在灰度图像对不同比例高斯核的卷积上，降 低图像分辨率或减小卷积模板的宽度虽然能在一定程度上减少运算，但却以降低正确匹配 率为代价。
[0017]本研究所用CCD摄像头成像技术获取图像，首先进行高斯滤波，经过去噪后的图 像，再根据图像灰度分布特征将采集到的蚕蛹图像进行0TSU法分割，再由分割后蚕蛹区域 尾部的长轴和短轴值比和SIFT特征提取等进行数据融合，通过均值分类判断蚕蛹的性别。 每个蚕蛹的重量数据也可以根据将蚕蛹分段，并加权的方式，计算出个体蚕蛹的重量。
[0018]2蚕蛹雌雄分拣装置 通过1)蚕蛹进料装置，将蚕蛹逐个区分开，落到2)传送带上用过风控装置，将蚕蛹送 到5)的挡板处并通过4)红外探头来检测是否有蚕蛹，如果有触发6)视频识别设备识别装 置中的上下摄像机进行采集图像，6中采用钢化透明玻璃材质，所以，上下均可采集到清晰 的蚕蛹图像，进行图像处理分析后，如果是雄蚕蛹，则机械臂3)推送蚕蛹到8)雄蚕蛹收集 器，否则，通过传送带2)送至7)雌蚕蛹收集器中，如果无法分辨，这通过工控机控制9)拨 片拨至7中右侧，否则拨至左侧，分拣完毕。
[0019]其中，通过机械臂和红外线可以统计出蚕蛹的个数。通过，视频识别装置可以对蚕 蛹的性别进行判别。通过传送带和机械臂可以对其分拣。通过控制板中内嵌的DSP模块灌 写分辨方法。
[0020] 有益效果： (1)信息可追溯：由于对每一批次的蚕蛹可在线统计个数、时间、产地、重量等信息，方 便管理。
[0021] (2)利用率高：电子设备代替人工作业，大大提高工作效率，节约人工成本。
[0022] (3)安全性高：智能设备作业，信息可存储可溯源，也可以应用到网上购物体验 中，蚕蛹的破坏力小。
[0023]【附图说明】： 附图1是蚕蛹雌雄分拣装置 1)蚕蛹进料装置2)传送装置3)机械推手4)红外探头5)挡板6)视频识别设备识别 装置，为透明材质，上下装有摄像机7)雌蚕蛹收集器 8)雄蚕蛹收集器9)分拣拨片10) 微控制器11)显示器 图2蚕蛹图像处理流程图
【具体实施方式】： 1.基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其组成包括：1)蚕蛹进料装置2) 传送装置3)机械推手4)红外探头5)挡板6)视频识别设备识别装置，为透明材质，上下装 有摄像机7)雌蚕蛹收集器8)雄蚕蛹收集器9)分拣拨片10)微控制器11)显示器等主要 部件组成。
[0024] 2.根据权利要求1所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其特征 是：所述的微控制器为基于16位CPU处理芯片扩展板。
[0025] 3.根据权利要求1或2所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置， 其特征是通过1)蚕蛹进料装置，将蚕蛹逐个区分开，落到2)传送带上用过风控装置，将蚕 蛹送到5)的挡板处并通过4)红外探头来检测是否有蚕蛹，如果有触发6)视频识别设备识 别装置中的上下摄像机进行采集图像，6中采用钢化透明玻璃材质，所以，上下均可采集到 清晰的蚕蛹图像，进行图像处理分析后，如果是雄蚕蛹，则机械臂3)推送蚕蛹到8)雄蚕蛹 收集器，否则，通过传送带2)送至7)雌蚕蛹收集器中，如果无法分辨，这通过微控制器控制 9)拨片拨至7中右侧，否则拨至左侧，分拣完毕。
[0026] 4.根据权利要求1或2或3所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装 置，其识别分辨控制触发信号由基于面积，尾部长宽比以及SIFT融合技术来触发。
[0027] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其组成包括：1)蚕蛹进料装置2) 传送装置3)机械推手4)红外探头5)挡板6)视频识别设备识别装置，为透明材质，上下 装有摄像机7)雌蚕蛹收集器8)雄蚕蛹收集器9)分拣拨片10)微控制器11)显示器等主 要部件组成。2. 根据权利要求1所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其特征是： 所述的微控制器为基于16位CPU处理芯片扩展板。3. 根据权利要求1或2所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其特征 是通过1)蚕蛹进料装置，将蚕蛹逐个区分开，落到2)传送带上用过风控装置，将蚕蛹送到 5)的挡板处并通过4)红外探头来检测是否有蚕蛹，如果有触发6)视频识别设备识别装置 中的上下摄像机进行采集图像，6中采用钢化透明玻璃材质，所以，上下均可采集到清晰的 蚕蛹图像，进行图像处理分析后，如果是雄蚕蛹，则机械臂3)推送蚕蛹到8)雄蚕蛹收集器， 否则，通过传送带2 )送至7 )雌蚕蛹收集器中，如果无法分辨，这通过微控制器控制9 )拨片 拨至7中右侧，否则拨至左侧，分拣完毕。4. 根据权利要求1或2或3所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其 识别分辨控制触发信号由基于面积，尾部长宽比以及SIFT融合技术来分辨，计数触发有红 外感应信号完成。
【专利摘要】本发明涉及基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，本发明采用视频的识别分拣装置，较好地解决了人工鉴分蚕蛹容易出现差错，造成雌雄蚕蛹混淆，即造成生产上所说的杂交率降低，蚕种质量下降。蚕蛹性别自动判别可大幅度提高我国雌雄蚕蛹鉴分的劳动效率，缓解制种期劳动力紧张的矛盾，同时能尽力减少雌雄蚕蛹鉴别错误，提高蚕种杂交率，大幅提高我国蚕种质量。本发明通过视频图像处理技术能够自动分拣，识别，还能对机器不能判断的进行再分类，通过低成本、高效率的方式，解决了雌雄蚕蛹的分拣问题。能够节约人力、物力，从而产生巨大的经济效益和社会效益。
【IPC分类】G06M1/272, G06K9/62
【公开号】CN104899595
【申请号】CN201510094468
【发明人】王燕清, 石朝侠
【申请人】哈尔滨理工大学
【公开日】2015年9月9日
【申请日】2015年3月4日
【专利说明】
[0001]
技术领域： 本发明涉及基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，系统设计了图像采集、分 析、处理模块，并利用本设计的装置实现了蚕蛹性别无损检测。结果证明，检测方法减少了 蚕蛹资源浪费和经济损失，可简便、直观、快速地对蚕蛹评级；检测系统测量精度高，为快速 无损检测蚕蛹性别奠定了理论和实验基础。提出了一种利用数字图像处理技术基于面积， 尾部长宽比以及SIFT融合技术来分辨方法。并通过装置可以准确统计蚕蛹的个数，结果表 明精度高，简便可靠，为快速无损检测蚕蛹质量奠定了理论基础。通过采集、分析被检蚕蛹 图像，应用图像处理软件自动推算出鲜蚕蛹重量，最后对蚕蛹进行自动分拣。
[0002]
【背景技术】： 桑蚕业、蛹丝绸业作为我国典型的链式产业，一直以其产业链长、市场容量大、涉及面 广、附加值高而著称。蚕蛹是蛹丝绸业的主要原料。目前，我国丝绸业产品趋同化明显。同 一蚕品种，雄蚕蛹与雌蚕蛹相比，前者具有蛹丝纤度细，净度优，抱合力好，生丝等级高，织 物弹性好等优点。将雌雄蚕蛹分别利用，可在基本不增加生产投入的情况下大幅度提高产 品附加值，提高丝绸产品质量，对我国实现从丝绸大国向丝绸强国的转变具有十分重要的 战略意义。
[0003] 蚕蛹，又称桑蚕，是一种以桑叶为食料，具有很高经济价值的吐丝昆虫。蚕蛹是完 全变态昆虫，一生要经过卵、幼虫、蛹、成虫等四个完全不同的发育阶段。卵是胚胎发生、发 育并形成幼虫的阶段；幼虫是摄取食物、积贮营养的生长阶段：蛹是从幼虫向成虫过渡的 变态阶段；成虫是交配产卵、繁殖后代的生殖阶段。
[0004] 蚕蛹是蚕蛹蛹期形成的囊形保护层，内含蛹体。保护层包括蛹衣、蛹层和蛹衬等部 分，蛹层是缫丝的主要原料，蛹衣可作为丝棉和絹纺的原料。蚕蛹有椭圆形、椭圆束腰形、 球形或纺锤形等不同形状，雌、雄蚕蛹的形状差异较小，难以依靠蚕蛹形状特征判定蚕蛹性 别。
[0005] 蚕蛹幼虫上蔟结蛹后不久就会变成蚕蛹。蚕蛹体形类似纺锤，分头、胸、腹三个体 段。头部长有复眼和触角；胸部长有胸足和翅；腹部分节。雌蛹腹部大而末端圆，第八腹节 腹面正中有一条纵线；雄蛹腹部小而末端尖，第九腹节腹面中央有一个褐色小点。雌、雄蚕 蛹形状差异较大，可以通过蚕蛹形态特征差异判定蚕蛹性别。
[0006]
【发明内容】
： 本发明的目的是提供基于SIFT特征图像的蚕蛹雌雄分拣和计数装置。 1蚕蛹的性别判断 图像预处理包括图像增强、图像去噪、图像分割、边缘提取等过程，是图像识别与理解 的低层次处理过程。在蚕蛹性别判别研究中，最终结果的准确性和高效性在很大程度上依 赖于图像预处理的质量。
[0007] 1)基于直方图搜索的otsu多阈值法 otsu阈值法属于一种全局最优阈值的搜索方法，当图像中两类的方差相差太大时，会 使分割阈值与强势类的均值距离太近而导致分类失败，在本文中称该图像为otsu不可分。 蚕蛹区域必定符合具有明显波峰的正态分布的叠加特性(可能体现为单峰、多峰或脉冲形 式)，因此，在灰度直方图中，必定存在某一或某几个峰值灰度属于蚕蛹区域。基于上述分 析，将从灰度直方图入手，解决灰度图像的otsu不可分问题。
[0008] 定义1:在特定区域、特定灰度范围内，被特定边缘算子识别为边缘的像素点的个 数与区域总体像素数目的比值，称为边缘密度，用d表示；所有边缘点梯度幅值的均值则称 为边缘强度，用A表示。在本文中，边缘密度和边缘强度通常一起被用来衡量特定区域的纹 理特性。
[0009] 定理1:在灰度直方图中，至少存在一点必定存在某一领域(:二5 ::+5)，使其 邻域中的任意点J'e(f- + 5)满足|2+(i) 2; 成立。
[0010] 证明：对于灰度级为L的灰度图像，如果在灰度为0的某一邻域（0:句内的任意点 都满足,峨）hXi)成立，问题得证；否则，在领域(0=5)中至少有一点*满足A(0) < 成 立； 对于m而言，如果在邻域的任意点满足A(m) 成立，问题得证；否则， 在领域(w=?i+ 5)中至少有一点n满足<M11)成立； 以此类推，由于灰度的取值范围有限，必定而且至少存在一点i，对其某一邻域 :-幻+c?)中的任意点j满足吨）MC；)威立。证毕。
[0011] 定理1说明在灰度直方图中必定有峰值存在。而峰值的灰度极有可能分布于蚕蛹 区域的均值附近。假定在t时刻检测到的n个峰值表示为
，其中W为峰值v丨的灰度，F丨为峰值1丨在某一邻域内的高度均值，< 和4分别为峰值某一 邻域内的边缘密度和边缘强度，则峰值v;属于蚕蛹区域的概率表示为：
其中幻4和4/分别为图像中参考区域中第j类模式的最大峰值灰度、边缘密度和边 缘强度。考虑到强光、阴影和蚕蛹缺损的不利影响，最多把参考区域分为2类。参考区域通 常选择在图像的中下部，形状为三角形或梯形，本文的参考区域是由若干等面积矩形块组 成的梯形，每一矩形块按照最大峰值灰度、边缘密度和边缘强度3种特征进行分类。式（1) 右端的观测模型用来计算当前图像直方图中的峰值i与参考区域中某一类的接近程度。等 式右端运动模型，则对相邻帧图像的峰值相似度进行关联，综合了峰值灰度、峰值高度和峰 值范围的纹理特性(边缘密度和边缘强度)，可以提高对蚕蛹区域的各种特征进行大致估计 的准确性。其中7为归一化参数，使概率的取值介于0和1之间。
[0012] 2)峰值聚类与多阈值分割 由于蚕蛹区域可能体现为多峰分布，对进行降序排列。将概率最大的峰值选取为 聚类中心，利用峰值间边缘密度和边缘强度的相似性进行峰值聚类。假定聚类中心为峰值i，则峰值j与峰值i可以聚为同一类的判定准则为：峰值i与峰值j边缘密度和边缘强度 的相似度大于特定阈值，并且i与j之间的所有峰值都与峰值i同类。对式（1)进行变形 得任意两点间的Otsu公式（2)，显然，公式中
中4勺取值区 间都要做相应调整。
上述算法借助于迭代操作使5逐步远离较高峰值的区域，当迭代方法失效时，则依赖 直方图分析的结果。
[0014] 3)SIFT特征匹配 SIFT特征匹配对两个特征描述器进行比较，如果两个特征描述器的距离小于给定的阈 值，就称这两个特征相互匹配，否则称这两个特征不匹配。特征匹配的方法有很多，但最方 便、最常用的方法是最邻近法，本文也将采用这种方法实现不同图像场景特征间的匹配。下 面给出最邻近点的数学描述：假设一个K维空间的定义域和值域分别表示为R和D，S为K 维空间RXD中所有采样点的集合，d为目标点的向量，则d的最邻近点#必须满足式（5-8) 的条件：
式（5-8)中di为向量d的第i维分量。一个直接、简单的算法是依次计算S中所有点 与目标点d之间的距离，从而找到与d最相邻的点。该算法的时间复杂度为0(N)，其中N为 S中特征点的数目。但是在蚕蛹检测中特征点需要进行大量的匹配，为了提高匹配的效率， 本文使用基于K-D树（K-Dtree) [162-163]的 最邻近点搜索算法，它可以将时间复杂度降 低到 0(l〇g2N)。
[0015] SIFT特征点之间的距离用其描述器的欧几里德距离来表示。SIFT特征匹配是通 过对特征点的描述器进行匹配而实现的。基于K-D树的最邻近法是将已观测到的所有SIFT 特征建立一棵K-D树，并对当前观测到的每个SIFT特征kp，用基于K-D树的最邻近点算法 找到最邻近点kpl和次邻近点kp2。实验表明，如果
越 大，那么kp与kpl匹配的质量就越商。因此如果满足：
则认为kp与kpl匹配，其中A为界于0和1之间的常量。在本文中2 =0.75,这样就排 除了一些匹配误差较大的特征点对。
[0016]SIFT特征应用于蚕蛹检测的最大难题是特征提取和匹配的实时性问题。基于K-D 树的最近邻搜索算法把特征匹配的时间复杂度从〇(.V)降为0(lQg: ，其中N为样本空间 中元素的个数。由于特征提取的时间主要消耗在灰度图像对不同比例高斯核的卷积上，降 低图像分辨率或减小卷积模板的宽度虽然能在一定程度上减少运算，但却以降低正确匹配 率为代价。
[0017]本研究所用CCD摄像头成像技术获取图像，首先进行高斯滤波，经过去噪后的图 像，再根据图像灰度分布特征将采集到的蚕蛹图像进行0TSU法分割，再由分割后蚕蛹区域 尾部的长轴和短轴值比和SIFT特征提取等进行数据融合，通过均值分类判断蚕蛹的性别。 每个蚕蛹的重量数据也可以根据将蚕蛹分段，并加权的方式，计算出个体蚕蛹的重量。
[0018]2蚕蛹雌雄分拣装置 通过1)蚕蛹进料装置，将蚕蛹逐个区分开，落到2)传送带上用过风控装置，将蚕蛹送 到5)的挡板处并通过4)红外探头来检测是否有蚕蛹，如果有触发6)视频识别设备识别装 置中的上下摄像机进行采集图像，6中采用钢化透明玻璃材质，所以，上下均可采集到清晰 的蚕蛹图像，进行图像处理分析后，如果是雄蚕蛹，则机械臂3)推送蚕蛹到8)雄蚕蛹收集 器，否则，通过传送带2)送至7)雌蚕蛹收集器中，如果无法分辨，这通过工控机控制9)拨 片拨至7中右侧，否则拨至左侧，分拣完毕。
[0019]其中，通过机械臂和红外线可以统计出蚕蛹的个数。通过，视频识别装置可以对蚕 蛹的性别进行判别。通过传送带和机械臂可以对其分拣。通过控制板中内嵌的DSP模块灌 写分辨方法。
[0020] 有益效果： (1)信息可追溯：由于对每一批次的蚕蛹可在线统计个数、时间、产地、重量等信息，方 便管理。
[0021] (2)利用率高：电子设备代替人工作业，大大提高工作效率，节约人工成本。
[0022] (3)安全性高：智能设备作业，信息可存储可溯源，也可以应用到网上购物体验 中，蚕蛹的破坏力小。
[0023]【附图说明】： 附图1是蚕蛹雌雄分拣装置 1)蚕蛹进料装置2)传送装置3)机械推手4)红外探头5)挡板6)视频识别设备识别 装置，为透明材质，上下装有摄像机7)雌蚕蛹收集器 8)雄蚕蛹收集器9)分拣拨片10) 微控制器11)显示器 图2蚕蛹图像处理流程图
【具体实施方式】： 1.基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其组成包括：1)蚕蛹进料装置2) 传送装置3)机械推手4)红外探头5)挡板6)视频识别设备识别装置，为透明材质，上下装 有摄像机7)雌蚕蛹收集器8)雄蚕蛹收集器9)分拣拨片10)微控制器11)显示器等主要 部件组成。
[0024] 2.根据权利要求1所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其特征 是：所述的微控制器为基于16位CPU处理芯片扩展板。
[0025] 3.根据权利要求1或2所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置， 其特征是通过1)蚕蛹进料装置，将蚕蛹逐个区分开，落到2)传送带上用过风控装置，将蚕 蛹送到5)的挡板处并通过4)红外探头来检测是否有蚕蛹，如果有触发6)视频识别设备识 别装置中的上下摄像机进行采集图像，6中采用钢化透明玻璃材质，所以，上下均可采集到 清晰的蚕蛹图像，进行图像处理分析后，如果是雄蚕蛹，则机械臂3)推送蚕蛹到8)雄蚕蛹 收集器，否则，通过传送带2)送至7)雌蚕蛹收集器中，如果无法分辨，这通过微控制器控制 9)拨片拨至7中右侧，否则拨至左侧，分拣完毕。
[0026] 4.根据权利要求1或2或3所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装 置，其识别分辨控制触发信号由基于面积，尾部长宽比以及SIFT融合技术来触发。
[0027] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其组成包括：1)蚕蛹进料装置2) 传送装置3)机械推手4)红外探头5)挡板6)视频识别设备识别装置，为透明材质，上下 装有摄像机7)雌蚕蛹收集器8)雄蚕蛹收集器9)分拣拨片10)微控制器11)显示器等主 要部件组成。2. 根据权利要求1所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其特征是： 所述的微控制器为基于16位CPU处理芯片扩展板。3. 根据权利要求1或2所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其特征 是通过1)蚕蛹进料装置，将蚕蛹逐个区分开，落到2)传送带上用过风控装置，将蚕蛹送到 5)的挡板处并通过4)红外探头来检测是否有蚕蛹，如果有触发6)视频识别设备识别装置 中的上下摄像机进行采集图像，6中采用钢化透明玻璃材质，所以，上下均可采集到清晰的 蚕蛹图像，进行图像处理分析后，如果是雄蚕蛹，则机械臂3)推送蚕蛹到8)雄蚕蛹收集器， 否则，通过传送带2 )送至7 )雌蚕蛹收集器中，如果无法分辨，这通过微控制器控制9 )拨片 拨至7中右侧，否则拨至左侧，分拣完毕。4. 根据权利要求1或2或3所述的基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，其 识别分辨控制触发信号由基于面积，尾部长宽比以及SIFT融合技术来分辨，计数触发有红 外感应信号完成。
【专利摘要】本发明涉及基于SIFT特征图像的蚕蛹雌雄分拣和计数装置，本发明采用视频的识别分拣装置，较好地解决了人工鉴分蚕蛹容易出现差错，造成雌雄蚕蛹混淆，即造成生产上所说的杂交率降低，蚕种质量下降。蚕蛹性别自动判别可大幅度提高我国雌雄蚕蛹鉴分的劳动效率，缓解制种期劳动力紧张的矛盾，同时能尽力减少雌雄蚕蛹鉴别错误，提高蚕种杂交率，大幅提高我国蚕种质量。本发明通过视频图像处理技术能够自动分拣，识别，还能对机器不能判断的进行再分类，通过低成本、高效率的方式，解决了雌雄蚕蛹的分拣问题。能够节约人力、物力，从而产生巨大的经济效益和社会效益。
【IPC分类】G06M1/272, G06K9/62
【公开号】CN104899595
【申请号】CN201510094468
【发明人】王燕清, 石朝侠
【申请人】哈尔滨理工大学
【公开日】2015年9月9日
【申请日】2015年3月4日
最新回复(0)