本發明專利技術公開了一種基于機器視覺的青蟹分揀方法及系統，本發明專利技術涉及機器視覺技術領域。包括以下步驟：采集若干已知性別青蟹的腹甲紋理圖像信息；建立青蟹性別識別模型，以樣本圖像作為識別模型的輸入數據，并以樣本圖像中的性別標記為標簽，對青蟹性別識別模型進行訓練；采集待分揀青蟹腹甲紋理和背甲輪廓的圖像，進行圖像預處理，同時獲取青蟹的重量信息；將預處理后的腹甲紋理圖像輸入完成訓練的模型中，得到各待分揀青蟹的性別信息，基于預處理后的待分揀青蟹的背甲輪廓圖像，計算青蟹背甲的面積大小；基于青蟹的性別信息、青蟹背甲的面積大小和青蟹重量信息生成綜合評估系數，根據綜合評估系數將青蟹進行等級劃分。
【技術實現步驟摘要】
本專利技術涉及機器視覺，具體為一種基于機器視覺的青蟹分揀方法及系統。
技術介紹
1、青蟹在中國主要分布于南海、東海和黃海等沿海地區，同時也在東南亞和其他熱帶、亞熱帶地區廣泛養殖。不同產地的水溫、鹽度、營養環境、餌料種類等因素會顯著影響青蟹的生長速度、外觀特征和營養風味等。然而，由于供應鏈復雜，青蟹的產地信息在流通過程中容易混淆或缺失，尤其在跨區域貿易中，難以保證原產地信息的準確性。雖然部分大型養殖場和品牌已開始應用區塊鏈、二維碼等技術進行產品追溯，但整體上青蟹產業的溯源體系并不完善，尤其是在小型養殖戶中，溯源技術的應用更為有限。傳統的產地信息采集方式依賴于手工記錄，容易出現人為誤差。此外，缺乏統一的溯源標準和法規監管，使得青蟹從養殖、運輸到銷售過程中的信息缺失或篡改問題難以杜絕。隨著青蟹市場需求的上升，一些不法商販利用偽造產地或摻假行為提高利潤。
2、但是，青蟹的品質分類大多依賴人工操作。在市場或批發環節，工人通常根據外觀、手感等主觀經驗來判斷青蟹的質量。然而，由于青蟹個體大小和形態差異較大，人工分揀耗時費力，而且分揀結果容易受到人工主觀因素的影響，導致分類結果不一致，進而影響市場價格和消費者信任。此外，人工分揀的效率較低，無法適應青蟹大規模上市時的高效處理需求，尤其在高峰期供應鏈壓力較大時，容易導致滯銷或存儲問題。隨著勞動力成本的上升，依賴人工進行青蟹分類的方式成本逐漸增加，尤其是對規模化養殖和銷售的企業來說，這種模式顯得更加不可持續，解決人工品質分類耗時費力問題的關鍵在于推動青蟹品質分類的標準化和自動化。
3、因此亟須開發一種自動且高效的青蟹分揀方法，來提高分揀效率，避免人工分揀過程中可能出現的主觀誤差，確保青蟹的品質分類更加精準和一致，有助于形成統一的市場標準，減少對人力的依賴。
4、現有技術中的，公開號為cn116740473b公開了一種基于機器視覺的漁獲物自動分揀方法及系統，通過獲取漁獲物個體重量信息，根據所述漁獲物個體重量信息進行初步分類；獲取初步分類后的漁獲物圖像信息，根據所述漁獲物圖像信息進行漁獲物類別分析，根據漁獲物類別信息對漁獲物進行再分類；獲取再分類后的漁獲物紅外傳感信息和再分類后的漁獲物圖像信息，對漁獲物進行生命特征分析；獲取進行生命特征分類后的漁獲物外觀圖像信息，根據所述漁獲物外觀圖像信息進行漁獲物外觀狀態分析和質量等級評估。提高了漁獲物分揀的效率性和準確性，同時進行漁獲物質量等級評估。但此方法中，如果訓練數據不夠多樣化，模型可能無法很好地泛化到新的、未見過的漁獲物，尤其是不同種類、大小和外觀的樣本。當漁獲物體重相似時，僅通過重量進行初步分類可能會導致誤分類。不同種類的漁獲物可能在重量上重疊，無法僅憑這一特征進行有效分類。同時處理過程相對復雜，可能導致分揀的效果受到影響，使得分揀系統的實時性、有效性降低。
5、在所述
技術介紹
部分公開的上述信息僅用于加強對本公開的背景的理解，因此它可以包括不構成對本領域普通技術人員已知的現有技術的信息。
技術實現思路
1、本專利技術的目的在于提供一種基于機器視覺的青蟹分揀方法及系統，以解決上述
技術介紹
中提出的問題。
2、為實現上述目的，本專利技術提供如下技術方案：
3、一種基于機器視覺的青蟹分揀方法，具體步驟包括：
4、采集若干已知性別青蟹的腹甲紋理圖像信息，基于人工標記的方式在各腹甲紋理圖像中標記出青蟹的性別，將標記后的腹甲紋理圖像記為樣本圖像，所述青蟹的性別包括雌性和雄性；
5、建立青蟹性別識別模型，以樣本圖像作為識別模型的輸入數據，并以樣本圖像中的性別標記為標簽，對青蟹性別識別模型進行訓練，得到輸入為青蟹腹甲紋理圖像，輸出為圖像中青蟹性別的識別模型；
6、將待分揀青蟹腹甲朝上通過透明傳送帶進入信息采集區，在信息采集區通過高清攝像頭采集待分揀青蟹腹甲紋理和背甲輪廓的圖像信息，對采集的圖像進行圖像增強和降噪預處理，同時在信息采集區設置稱重裝置，用于獲取從信息采集區經過的青蟹重量信息；
7、將預處理后的待分揀青蟹的腹甲紋理圖像輸入完成訓練的青蟹性別識別模型中，得到各待分揀青蟹的性別信息，基于預處理后的待分揀青蟹的背甲輪廓圖像，提取青蟹背甲輪廓圖像的邊緣輪廓特征信息，計算青蟹背甲的面積大小；
8、基于青蟹的性別信息、青蟹背甲的面積大小和青蟹重量信息生成綜合評估系數，根據生成的綜合評估系數與預先設定的等級閾值相對比，根據不同的對比結果將青蟹進行等級劃分，生成并自動綁定等級信息標簽后傳送到對應的包裝箱內。
9、進一步地，采用人工標記的方式在各腹甲紋理圖像中標記出青蟹的性別所依據的具體步驟包括：選擇標注工具labelimg，在標記工具中設置分類，包括雄性和雌性，通過標注工具逐張打開腹甲紋理圖像，根據每張圖像已知的青蟹性別信息，使用標注工具labelimg在相應位置進行標記。
10、進一步地，基于卷積神經網絡建立青蟹性別識別模型，其中所述卷積神經網絡，由輸入層、卷積層、池化層、全連接層和輸出層組成，其中卷積層中的激活函數為tanh函數，對于全連接層，設置全連接層神經元數量為32，初始神經網絡學習率設為0.001，訓練輪數為100。
11、進一步地，所述信息采集區包括兩臺高清攝像機和稱重裝置，信息采集區域的正上方安裝有高清攝像頭1用于對青蟹腹甲信息的收集，底部安裝有高清攝像頭2用于對青蟹背甲信息的收集和測量，同時在信息采集區設置稱重裝置，用于獲取從信息采集區經過的青蟹重量信息，標定gi為第i只待分揀青蟹的重量，其中i為青蟹的索引，i＝1,2,…,n，n表示當前待分揀青蟹的數量。
12、進一步地，將采集的待分揀青蟹的腹甲紋理圖像輸入完成訓練的青蟹性別識別模型中，得到各待分揀青蟹的性別信息，將青蟹的性別信息進行映射編碼，將雌性青蟹的性別信息標記為-1，將雄性青蟹的性別信息標記為1；
13、基于待分揀青蟹的背甲輪廓圖像，提取青蟹背甲輪廓圖像的邊緣輪廓特征信息所依據的方法為：通過canny邊緣檢測算法，找到圖像中亮度變化最大的地方，形成邊緣，優化邊緣檢測的結果，確保只提取出青蟹背甲的邊緣；使用輪廓檢測方法，提取出圖像中的外部輪廓，即青蟹背甲的外圍輪廓，并將其轉換為二值圖像，輪廓區域內圖像像素為255，輪廓區域外背景圖像像素為0，即輪廓區域內圖像為白色，輪廓區域外背景圖像為黑色；基于轉換后的二值圖像，統計輪廓區域的白色像素數量，使用像素計數法計算輪廓面積，以此輪廓面積表征青蟹背甲的面積大小，其中使用像素計數法計算輪廓面積所依據的公式為：
14、mi＝ei*α
15、式中，mi表示第i個待分揀青蟹的背甲面積，ei表示第i個待分揀青蟹背甲圖像中像素為255的像素點個數，α表示每個像素的實際面積。
16、進一步地，基于青蟹的性別信息、青蟹背甲的面積大小和青蟹重量信息生成綜合評估系數，其中綜合評估系數計算所依據的公式為：
17、
18、式中，zh本文檔來自技高網
...
【技術保護點】
1.一種基于機器視覺的青蟹分揀方法，其特征在于，具體步驟包括：
2.根據權利要求1所述的一種基于機器視覺的青蟹分揀方法，其特征在于：采用人工標記的方式在各腹甲紋理圖像中標記出青蟹的性別所依據的具體步驟包括：選擇標注工具LabelImg，在標記工具中設置分類，包括雄性和雌性，通過標注工具逐張打開腹甲紋理圖像，根據每張圖像已知的青蟹性別信息，使用標注工具LabelImg在相應位置進行標記。
3.根據權利要求2所述的一種基于機器視覺的青蟹分揀方法，其特征在于：基于卷積神經網絡建立青蟹性別識別模型，其中所述卷積神經網絡，由輸入層、卷積層、池化層、全連接層和輸出層組成，其中卷積層中的激活函數為Tanh函數，對于全連接層，設置全連接層神經元數量為32，初始神經網絡學習率設為0.001，訓練輪數為100。
4.根據權利要求1所述的一種基于機器視覺的青蟹分揀方法，其特征在于：所述信息采集區包括兩臺高清攝像機和稱重裝置，信息采集區域的正上方安裝有高清攝像頭1用于對青蟹腹甲信息的收集，底部安裝有高清攝像頭2用于對青蟹背甲信息的收集和測量，同時在信息采集區設置稱重裝置，用于獲取從信息采集區經過的青蟹重量信息，標定Gi為第i只待分揀青蟹的重量，其中i為青蟹的索引，i＝1,2,…,n，n表示當前待分揀青蟹的數量。
5.根據權利要求4所述的一種基于機器視覺的青蟹分揀方法，其特征在于：將采集的待分揀青蟹的腹甲紋理圖像輸入完成訓練的青蟹性別識別模型中，得到各待分揀青蟹的性別信息，將青蟹的性別信息進行映射編碼，將雌性青蟹的性別信息標記為-1，將雄性青蟹的性別信息標記為1；
6.根據權利要求5所述的一種基于機器視覺的青蟹分揀方法，其特征在于：基于青蟹的性別信息、青蟹背甲的面積大小和青蟹重量信息生成綜合評估系數，其中綜合評估系數計算所依據的公式為：
7.根據權利要求6所述的一種基于機器視覺的青蟹分揀方法，其特征在于：根據生成的綜合評估系數與預先設定的等級閾值相對比，根據不同的對比結果將青蟹進行等級劃分所依據的邏輯為：標定預先設定的等級閾值為YZ，其中YZ大于0；
8.一種基于機器視覺的青蟹分揀系統，其特征在于：所述基于機器視覺的青蟹分揀系統用于執行權利要求1-7任一項所述的一種基于機器視覺的青蟹分揀方法，包括：
...
【技術特征摘要】
1.一種基于機器視覺的青蟹分揀方法，其特征在于，具體步驟包括：
2.根據權利要求1所述的一種基于機器視覺的青蟹分揀方法，其特征在于：采用人工標記的方式在各腹甲紋理圖像中標記出青蟹的性別所依據的具體步驟包括：選擇標注工具labelimg，在標記工具中設置分類，包括雄性和雌性，通過標注工具逐張打開腹甲紋理圖像，根據每張圖像已知的青蟹性別信息，使用標注工具labelimg在相應位置進行標記。
3.根據權利要求2所述的一種基于機器視覺的青蟹分揀方法，其特征在于：基于卷積神經網絡建立青蟹性別識別模型，其中所述卷積神經網絡，由輸入層、卷積層、池化層、全連接層和輸出層組成，其中卷積層中的激活函數為tanh函數，對于全連接層，設置全連接層神經元數量為32，初始神經網絡學習率設為0.001，訓練輪數為100。
4.根據權利要求1所述的一種基于機器視覺的青蟹分揀方法，其特征在于：所述信息采集區包括兩臺高清攝像機和稱重裝置，信息采集區域的正上方安裝有高清攝像頭1用于對青蟹腹甲信息的收集，底部安裝有高清攝像頭2用于對青蟹背甲信息的收集和測量，同時在信息采集區設置稱重裝置...
【專利技術屬性】
技術研發人員：陳紹堅，馮明飛，段茜茜，陳寶佳，溫小波，吳坤，方康，張慶宇，歐陽雯瑋，
申請(專利權)人：廣州南沙華農漁業研究院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。