(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211037777.6 (22)申请日 2022.08.29 (71)申请人 广西壮族自治区农业科 学院 地址 530007 广西壮 族自治区南宁市大 学 东路174号 (72)发明人 黄金艳　李桂芬　叶云峰　何毅　 覃斯华　解华云　李文信　洪日新　 李天艳　柳唐镜　韦正光　 (74)专利代理 机构 西安合创非凡知识产权代理 事务所(普通 合伙) 61248 专利代理师 支思迪 (51)Int.Cl. G06V 20/68(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01)G06V 10/764(2022.01) G06V 10/77(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于人工智能的甜瓜成熟度检测方法 及系统 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种基于人工智能的甜瓜成熟度检测方法及系统， 该方法采集待检测甜瓜多个方位的侧面图像， 并 得到对应的主成分侧面图； 通过对主成分侧面图 进行两级小波变换得到不同方向的细节图； 利用 细节图在对应方向上的梯度变化获取对应的步 距， 进而得到对应的灰度共生矩阵； 由三个方向 上的灰度共生矩 阵的特征参数组成主成分侧面 图的纹理表征矩阵； 由侧面图像中所有像素点的 平均饱和度、 平均像素值、 像素值变化范围以及 灰度分布均匀程度构成色彩特征矩阵； 由纹理表 征矩阵和色彩特征矩 阵组成每张侧面图像的特 征分析矩阵， 基于特征分析矩阵进行待检测甜瓜 的成熟度检测。 本发明能够准确评估 出甜瓜的成 熟度， 识别精度高。 权利要求书2页 说明书8页 附图2页 CN 115223164 A 2022.10.21 CN 115223164 A 1.一种基于人工智能的甜瓜成熟度检测方法， 其特 征在于， 该 方法包括以下步骤： 采集待检测甜瓜多个方位的侧面图像， 并通过对每张侧面图像进行主成分分析得到对 应的主成分侧面图； 通过对所述主成分侧面图进行两级小波变换得到不同方向的细节图， 所述细节图包括 水平细节图、 垂直细节图和对角线细节图； 利用细节图在对应方向上 的梯度变化获取对应 的步距， 基于所述步距得到在对应方向上 的灰度共生矩阵； 由三个方向上 的灰度共生矩阵 的特征参数组成所述主成分侧面图的纹 理表征矩阵； 计算所述侧面图像中所有像素点的平均像素值以及像素值变化范围； 基于所有像素点 的像素值和平均像素值的差异获取灰度分布均匀程度； 将所述侧面图像转换至包含饱和度 的色彩空间中， 提取饱和度通道图像， 计算饱和度通道图像中的平均饱和度； 由所述平均饱 和度、 平均像素值、 像素值变化范围以及灰度分布均匀程度构成色彩特 征矩阵； 由所述纹理表征矩阵和所述色彩特征矩阵组成每张侧面图像的特征分析矩阵， 基于所 述特征分析矩阵训练分类网络， 将训练完成的分类网络作为甜瓜成熟度检测网络， 以进行 待检测甜瓜的成熟度检测。 2.根据权利要求1所述的一种基于人工智能的甜瓜成熟度检测方法， 其特征在于， 所述 主成分侧面图的获取 方法为： 通过主成分分析获取多个主成分方向， 选取前三个主成分方向对应的图像进行对应位 置像素值加权求和得到所述主成分侧面图。 3.根据权利要求1所述的一种基于人工智能的甜瓜成熟度检测方法， 其特征在于， 所述 通过对所述主成分侧面图进行两级 小波变换得到不同方向的细节图， 包括： 通过第一级小波变换得到所述主成分侧面图的第 一水平细节图、 第 一垂直细节图和第 一对角线细节图， 通过第二级小波变换得到所述主成分侧 面图的第二水平细节图、 第二垂 直细节图和第二对角线细节图； 将第一水平细节图和 第二水平细节图进 行对应位置像素值 的加权求和得到所述水平细节图， 将第一垂 直细节图和第二垂 直细节图进 行对应位置像素 值的加权求和得到所述垂直细节图， 将第一对角线细节图和 第二对角线细节图进 行对应位 置像素值的加权求和得到所述对角线细节图。 4.根据权利要求1所述的一种基于人工智能的甜瓜成熟度检测方法， 其特征在于， 所述 利用细节图在对应方向上的梯度变化获取对应的步距， 包括： 对于水平细节图， 每间隔预设行数提取一行像素点作为待分析行像素， 获取待分析行 像素中每个像素点的水平梯度幅值， 将大于预设幅值阈值的水平梯度幅值对应的像素点作 为第一像素点， 计算每行待分析行像素中每两个相邻的第一像素点之间的第一像素距离， 计算所有第一像素距离的平均值作为所述水平细节图的步距； 对于垂直细节图， 每间隔预设列数提取一列像素点作为待分析列像素， 获取待分析列 像素中每个像素点的垂 直梯度幅值， 将大于预设幅值阈值的垂 直梯度幅值对应的像素点作 为第二像素点， 计算每列待分析列像素中每两个相邻的第二像素点之间的第二像素距离， 计算所有第二像素距离的平均值作为所述垂直细节图的步距； 对于对角线细节图， 提取对角线上的像素点作为待分析对角线像素， 获取待分析对角 线像素中每个像素点在 对角线上的对角梯度幅值， 将大于预设对角幅值阈值的对角梯度幅 值对应的像素点作为第三像素点， 计算每两个相邻的第三像素点之间的第三像素距离， 计权　利　要　求　书 1/2 页 2 CN 115223164 A 2算所有第三像素距离的平均值作为所述对角线细节图的步距。 5.根据权利要求1所述的一种基于人工智能的甜瓜成熟度检测方法， 其特征在于， 所述 纹理表征矩阵的组成方法为： 对于每个方向上的细节图， 获取对应的灰度共生矩阵的纹理对比度、 熵值、 能量值以及 逆方差参数作为特 征征量， 三张细节图的所述特 征征量组成一列， 得到所述纹 理表征矩阵。 6.根据权利要求1所述的一种基于人工智能的甜瓜成熟度检测方法， 其特征在于， 所述 像素值变化范围的获取 方法为： 获取所述侧面图像中像素值最大的前预设数量的像素值， 求均值得到最大灰度均值； 获取所述侧 面图像中像素值最小的前预设数量的像素值， 求均值得到最小灰度均值； 以所 述最大灰度均值和所述 最小灰度均值的差值作为所述像素值变化范围。 7.根据权利要求1所述的一种基于人工智能的甜瓜成熟度检测方法， 其特征在于， 所述 基于所述特 征分析矩阵训练分类网络， 包括： 以所述特征分析矩阵作为分类网络的输入， 通过人工标注标签， 输出为待检测甜瓜的 成熟度， 以交叉熵损失函数作为分类网络的损失函数进 行网络训练， 直至损失函数收敛， 所 述分类网络训练完成。 8.一种基于人工智能的甜瓜成熟度检测系统， 包括存储器、 处理器以及存储在所述存 储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计算机 程序时实现如权利要求1~7任意一项所述一种基于人工智能的甜瓜成熟度检测方法的步 骤。权　利　要　求　书 2/2 页 3 CN 115223164 A 3