具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本实施例公开了一种餐具清洁度自动评价装置，所述装置包括：监测箱1、摄像装置2、光源设备、图像处理设备和操作面板3，所述监测箱1内设置有置物架，在置物架上放置被测餐具，所述光源设备安装在监测箱1内顶部，所述操作面板3安装在监测箱1外侧面，操作面板3与光源设备和置物架的驱动设备连接，控制光源设备亮度以及控制置物架的转动角度，所述监测箱1顶部还安装有摄像装置2，通过摄像装置2采集单件餐具图像，摄像装置2将采集的图像传送至图像处理设备，对单件餐具图像中的污点图像进行识别、面积计算与数量统计，按照评价规则进行评分，得出单件餐具的清洁度。

所述监测箱1顶面设置有推拉盖4，推拉盖4相邻安装有支架6，通过支架6安装摄像装置2，打开推拉盖4，通过摄像装置2采集监测箱1内部餐具表面图像，对餐具表面的正面、背面分别进行采集，摄像装置2将采集的图像发送至图像处理设备。推拉盖4能够打开，形成开口，摄像装置2的摄像头透过开口拍摄监测箱1内餐具的图像。

监测箱1的侧面设置有双开推拉门5，打开推拉门5将餐具放入监测箱1内的置物架上，所述置物架底部安装有旋转电机，通过旋转电机能够调整置物架角度，旋转电机与操作面板3连接。由于餐具放在置物架上之后，餐具形状不同，可能会导致采集的图像由于角度偏差导致面积差异，因此，通过旋转电机带动置物架转动，使置物架上的餐具转动，便于摄像装置2采集不同角度的餐具图像。

光源设备安装在监测箱1内顶部，光源设备发出的灯光向下照射餐具，使餐具上的污点能够清晰展现，便于摄像装置2采集污点图像，一般采用均光光源，控制面板与监测箱内的光源设备连接，通过控制面板调节监测箱内的光源设备的亮度。操作面板3上的按键均设置有背光灯板，有触控操作时，通过背光均光灯发光，照亮按键。便于清晰展现按键，避免出现误触、误操作。

实施例2

本实施例公开了一种餐具清洁度自动评价方法，所述方法为：通过图像处理设备的软件，根据餐具种类对拍照采集的图像进行分类，不同种类的餐具污点计算方式不同，对餐具类型进行细分选择后，根据不同类型餐具，对餐具图像进行灰度处理与边沿识别后识别污点，通过设置不同的斜面面积参数，对拍照获得的污点面积进行修正，获得实际估算面积，计算污点个数、每个污点的面积及全部污点的总面积，在设备每次使用前进行一次校准，全部测量完成后进行一次校准验证。

图像测量面积的校准采用白色A4纸进行，A4纸是由国际标准化组织的ISO216定义的，其规格为210mm×297mm，一张A4纸的面积为62370mm² _。

具体校准操作步骤为：

步骤1：通过图像处理设备软件界面上的“图像测量面积校准”按钮，进入专用“图像测量面积校准”界面；

步骤2：进入“图像测量面积校准”界面后，在“图像显示”区域内，显示在“监测箱”的拍摄区域内放置的A4纸的实时状态；

步骤3：点击“校准”按钮，拍摄A4纸照片，通过边沿识别等一系列图像处理，在“信息显示”栏内，显示校准结果，包括照片中拍摄的A4纸的长、宽、面积尺寸以及全部面积内所包含的像素点数量，因A4纸的总面积固定，所以能够以此修订每个像素点的尺寸；

步骤4：确认该校准过程无误后，点击“设置参数”按钮，将本次的校准结果写入“图像处理设备”的配置文件，用于后续试验污点面积的计算；

“设置参数”完成后，可点击“参数验证”按钮，对A4纸重新拍照，设备会按“图像处理设备”的配置文件中的参数进行测量，然后在“信息显示”位置，输出“验证结果”，包括照片中拍摄的A4纸的长、宽、面积尺寸以及全部面积内所包含的像素点数量，用于与试验人员与“校准结果”进行比较，以此确认设备工作正常，试验可正常进行；

步骤5：点击“返回”按钮，退出并关闭该“图像测量面积校准”界面，点击“返回”按钮后有关于“退出”的二次确认，进行“校准”功能关闭的确认。

图像处理设备在餐具分类后对餐具图像进行灰度处理与边沿识别，对图像中的污点进行识别，并计算单个污点的面积，统计污点数量，计算出污点总面积。图像处理设备对餐具面积的计算结果进行修正，测试过程中发现污点面积的修正参数不正确可以通过修改配置参数重新测量并修正结果。图像处理设备在扫描污点过程中，在图形有效区域内扫描分析4个像素点的亮度均值，并将4个像素点的亮度均值与周围900个像素点的亮度平均值做比对，差值大于阈值则判断此区域为异常区域，对每个污点进行编号，便于最终确认。阈值在配置文件parameter.tcl可以灵活设定。本实施例中当前设定值为异常阈值为0.95，如果采样的4个像素的亮度平均值小于周围900个像素点的亮度平均值*0.95，则认为该4个像素点为异常点。亮度值范围为“0～255”，数值越高越亮；

或者当单个像素的亮度小于150时，也判断该像素点为异常点，该值同样在配置文件parameter.tcl可以灵活设定，一般设置亮度值为小于150，则判定该像素点为污点。

在一个具体例子中，拍摄餐盘图像“image_R,G,B”是红，绿，蓝三色分量图片信息；是作为参考信息，因为不同的颜色分量可以体现不同的污染情况的特征，可以辅助试验人员对最终污染程度的确认。图像“edge”是边沿识别结果，图像“gray”是灰度图片，图像“s”是原始图片就是照相机生成的原始图片，图像“show_org”是“污点识别原始图片”，图像“show”是在“show_org”基础上对污点加了编号。

图像“s”，是原始照片，目的是把餐具的污染情况尽可能清晰地拍摄下来；

图像“edge”，通过边沿识别技术即图形二值化分布，把餐具从照片中取出来，圈定大概污点面积和位置；此步骤完成是以“gray”图片为基础；

图像“show_org”，识别、标记污点，通过测量亮度值，在识别为污染物面积的有效区域内扫描4个像素点，取其4个像素亮度值的平均值作为Y1值，再取周围900个像素点的平均值作为Y2值；考虑到测量的精度需要，一般可将Y1与Y2值差异判定范围在0.90～0.95之间进行设置，也可以在更大的范围内进行设置；当4个像素亮度值平均值的Y1值小于周围900个像素点平均值的Y2值5％，则认为这4个像素点为污点(亮度比周围低)；或者，当某一单个像素的亮度小于150时，即使其与周围的亮度值比较未超过阈值，也认为该像素点为污点；反之当上述2个污点的判定条件都不能满足时，则认为这该像素点为非污点(亮度与周围相同或更高，且亮度大于150)；此步骤完成是以“image_R,G,B”中某一颜色测量分量为基础，会精细确定污点的具体边沿，并以此计算每个污点的面积；

图像“show”是在“show_org”基础上对污点进行编号，以便最终试验人员确认时，如发现有误判断的污点(如，餐具本身瑕疵)，可以对应的将该编号点的面积从总面积计算中减去。编号规则为，将所探测到的污点按从左到右，从上到下进行排序，然后编号。

默认为4个像素测量点的亮度平均值与周围900个像素参考点的亮度平均值进行比较，考虑到测量的精度需要，也可以使用更少的点进行比较，如，使用1个像素测量点与周围10个像素参考点的平均值进行比较，测量精度会提升，但也需要更高的CPU计算能力，以及数据处理的时间；可根据需求对图像处理设备进行设置，以获得更精确的测量结果；

除了比较亮度值，也可以选取“image_R,G,B”不同的颜色分量进行测量比较，可得到略有差异的测量结果，可以作为参考，本项目中，采用RGB值中的B分量(蓝色分量)，或直接使用“gray”的图像进行处理，与实际试验人员视觉评价的结果比较接近。如果污染物中存在较多绿色污点，可考虑使用RGB值中的G分量(绿色分量)进行图像处理，将所获得的测量结果作为参考。

根据测量餐具表面不同位置的曲率，应把通过拍摄获得的每个污染物面积的测量结果进行拉伸，以尽可能得到接近实际污染物面积的结果；图像曲率的修正值，根据各餐具类型进行设定，其修正是在测量过程中自动完成的，无需手动调整；原始计算结果在不同斜率下的修正结果。修正参数通过读取配置文件modPar.tcl获取，如果测试过程中发现修正参数不准确可以通过修改配置参数重新测量并修正结果。

参考图2，为深盘的扫描示意图，图中∠1为53.50°，∠2为22.75°，从深盘边缘到∠1处的横向距离a为2.06cm，从深盘边缘到∠2处的横向距离b为4.17cm；参考图3，为浅盘的扫描示意图，图中∠1为34.00°，∠2为21.05°，从浅盘边缘到∠1处的横向距离a为2.18cm，从浅盘边缘到∠2处的横向距离b为4.14cm；参考图4，为作料碟的扫描示意图，图中∠1为49.30°，∠2为26.50°，从作料碟边缘到∠1处的横向距离a为2.44cm，从作料碟边缘到∠2处的横向距离b为4.47cm；参考图5，为米饭碗的扫描示意图，图中∠1为65.75°，∠2为25.60°，从米饭碗边缘到∠1处的横向距离a为2.42cm，从深盘边缘到∠2处的横向距离b为5.54cm。

图2-图5中，餐具最外沿位置到∠1处(长度为a)，实际估算面积的计算公式为：

实际估算面积＝拍照测量面积/cos∠1；

从餐具的∠1位置至∠2位置处(长度为b-a)，实际估算面积的计算公式为：

实际估算面积＝拍照测量面积/cos∠2；

参考图6，为面碗的扫描示意图，图中∠1为73.30°，∠2为57.45°，∠3为34.95°，从面碗边缘到∠1处的横向距离a为0.70cm，从面碗边缘到∠2处的横向距离b为2.20cm，从面碗边缘到∠3处的横向距离c为4.92cm；

参考图7，为大汤碗的扫描示意图，图中∠1为77.70°，∠2为59.15°，∠3为33.45°，从大汤碗边缘到∠1处的横向距离a为0.87cm，从面碗边缘到∠2处的横向距离b为2.54cm，从面碗边缘到∠3处的横向距离c为5.55cm。

图6-图7中，餐具最外沿位置到∠1处(长度为a)，实际估算面积的计算公式为：

实际估算面积＝拍照测量面积/cos∠1；

从餐具的∠1位置至∠2位置处(长度为b-a)，实际估算面积的计算公式为：

实际估算面积＝拍照测量面积/cos∠2；

从餐具的∠2位置至∠3位置处(长度为c-b)，实际估算面积的计算公式为：

实际估算面积＝测量面积/cos∠3；

对于图像曲率自动修正中争议较大的污染物面积，可以采用“单点面积测量”的方法进行更为准确的测量，“单点面积测量”通过黑色的专用支架，将存在污点的被测餐具表面尽可能摆放水平，居中放置于镜头正下方，通过软件上的“单点面积测量”程序，对该污点位置进行拍照，仅计算该区域内污染物的面积；以“手动增加污点”的方式将该面积增加入前面的自动测量结果，然后累计为总面积，作为本餐具的测量结果。

图像处理设备通过算法匹配进一步确定污点属性和面积，并且能够针对存在争议的污点进行人工删除或增加污点。图像处理设备连接有显示设备，通过显示设备展示图像内污点的位置信息，确定污点面积与数量，形成污点的数据统计表，按照规则要求，对餐具的清洁程度进行评分。

本发明公开的一种餐具清洁度自动评价方法，通过摄像装置采集单件餐具图像，图像处理设备对餐具图像进行处理，识别出污点图像包括精确的边沿位置，计算单个污点面积，统计污点数量，并计算出总的污染物面积，实现对餐具上污点的识别和统计。对于有争议的污点，可以手动删除或通过“单点面积测量”的方法进行更为精确的测量，然后手动添加该污点，本方法实现对餐具清洁度的自动计算，提升检测效率，同时增加了测量的准确度。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。