[發(fā)明專利]檢測工業(yè)產(chǎn)品包裝破損的方法

有效

• 申請?zhí)枺?/td>: 201410127324.1
• 申請日: 2014-03-31
• 公開（公告）號: CN103903265B
• 公開（公告）日: 2016-11-09
• 發(fā)明（設(shè)計）人: 周武能;劉娣;胡飛;周劉為;張詳位;孔超波
• 申請（專利權(quán)）人: 東華大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G01N21/88
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩

1.一種檢測工業(yè)產(chǎn)品包裝破損的方法，其特征在于，步驟為：

第一步、用碗狀光源(1)罩住待拍攝的繩團(tuán)包裝產(chǎn)品(2)，碗狀光源(1)的壁上有R、G、B三色LED光源，根據(jù)繩團(tuán)包裝產(chǎn)品(2)顏色調(diào)節(jié)三色LED光源形成的光源色彩，使得三色LED光源形成的光源的色彩與繩團(tuán)包裝產(chǎn)品(2)顏色有較大反差，碗狀光源(1)的光源自頂部出后與同軸光源光學(xué)透鏡系統(tǒng)(3)連接，廣角鏡頭作為視頻拍攝單元(4)，由視頻拍攝單元(4)獲得連續(xù)拍攝的兩幀原始圖像；

第二步、運用霍夫變換對兩幀原始圖像進(jìn)行圓分割，提取出兩幀原始圖像中的感興趣區(qū)域，將提取出的感興趣區(qū)域分別進(jìn)行小波變換，增加了感興趣區(qū)域中的邊緣信息和高頻分析，從而得到圖像f(x，y)及圖像g(x，y)；

第三步、將圖像f(x，y)與圖像g(x，y)進(jìn)行圖像融合，融合系數(shù)由拉普拉斯能量EOL及感興趣區(qū)域局部灰度對比度VI決定，得到融合圖像O₁；

第四步、將融合后的RGB圖像O₁轉(zhuǎn)換到HIS空間，再進(jìn)行閾值處理，利用閾值處理后的圖像進(jìn)行破損判別。

2.如權(quán)利要求1所述的一種檢測工業(yè)產(chǎn)品包裝破損的方法，其特征在于，所述第三步包括：

步驟3.1、將大小為M×N的圖像f(x，y)與圖像g(x，y)填充為(M+2)×(N+2)的圖像，圖像f(x，y)與圖像g(x，y)的填充形式一致，圖像f(x，y)填充部分的像素值為f(1,j)=f(2,j)f(M+2,j)=f(M+1,j),j=1,2,···,N+2,f(i,1)=f(i,2)f(i,M+2)=f(i,M+1),i=2,3,···,M+2,]]>將填充后的圖像f(x，y)與圖像g(x，y)分別記為圖像f′(x，y)與圖像g′(x，y)；

步驟3.2、將圖像f′(x，y)與圖像g′(x，y)進(jìn)行歸一化處理后，分別計算圖像f′(x，y)與圖像g′(x，y)中各個像素點的拉普拉斯能量EOL及感興趣區(qū)域局部灰度對比度VI，得到與圖像f′(x，y)相對應(yīng)的尺寸大小為M×N的由同一圖像的所有拉普拉斯能量EOL組成的矩陣E_f及由同一圖像的所有感興趣區(qū)域局部灰度對比度VI組成的矩陣V_f，得到與圖像g′(x，y)相對應(yīng)的尺寸大小為M×N的由同一圖像的所有拉普拉斯能量EOL組成的矩陣E_g及由同一圖像的所有感興趣區(qū)域局部灰度對比度VI組成的矩陣V_g，矩陣E_f、矩陣V_f、矩陣E_g及矩陣V_g中的各點分別記為E_fij、V_fij、E_gij及V_gij，i及j分別為相應(yīng)矩陣的行坐標(biāo)與列坐標(biāo)；

步驟3.3、獲得融合圖像O₁，O₁＝ω₁g₁+ω₂f₁，ω₁及ω₂為預(yù)先設(shè)定的系數(shù)，g1=Σi,j∈g(x,y)(ω1Vfij+ω2Vgij),f1=Σi,j∈f(x,y)(ω1Efij+ω2Egij).]]>

3.如權(quán)利要求2所述的一種檢測工業(yè)產(chǎn)品包裝破損的方法，其特征在于，在所述步驟3.2中，在計算圖像f′(x，y)或圖像g′(x，y)中各個像素點的拉普拉斯能量EOL時，選擇大小為3×3的窗口ω，窗口ω中心位置處的坐標(biāo)為(u，v)，其像素值為f(u，v)，則有EOL=Σ(u,v)∈ω(fuu+fvv)2,]]>其中：

f_uu+f_vv＝-f(u-1，v-1)-4f(u-1，v)-f(u-1，v+1)

-4f(u，v-1)+20f(u，v)-4f(u，v+1)；

-f(u+1，v-1)-4f(u+1，v)-f(u+1，v+1)

在計算圖像f′(x，y)或圖像g′(x，y)中各個像素點的感興趣區(qū)域局部灰度對比度VI時，選擇大小為3×3的窗口ω，窗口ω中心位置處的坐標(biāo)為(u，v)，其像素值為f(u，v)，則有VI=1NΣ(u,v)∈ω(1mk)α·|f(u,v)-mk|mk,]]>m_k為窗口ω中所有像素灰度平均值，N為窗口ω中像素總數(shù)，α為常數(shù)。