[發明專利]一種基于深度自學習的煙包包裝外觀檢測方法

有效

• 申請號: 202010727482.6
• 申請日: 2020-07-27
• 公開（公告）號: CN111738963B
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 葉明;王翰林;王李蘇
• 申請（專利權）人: 南京大樹智能科技股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/40;G06T5/50;G06T7/00;G06T7/11;G06K9/46
• 代理公司: 南京蘇創專利代理事務所(普通合伙) 32273
• 代理人: 張艷

本發明涉及一種基于深度自學習的煙包包裝外觀檢測方法，首先采集標準圖像并基于積分面積的NCC算法生成模板；采集所有缺陷圖像進行訓練，設定允許的缺陷公差。使用雙工位CCD傳感器采集檢測圖像，對圖像進行對齊、融合和光照遷移修正。最后與模板進行比較，進行判斷檢測圖像是否合格。本申請，克服了反光造成的檢測困難，檢測范圍廣、操作簡單，檢測精密度高、檢測準確率高。

技術領域

本發明涉及一種基于深度自學習的煙包包裝外觀檢測方法，屬于煙包智能檢測技術領域。

背景技術

隨著科技不斷進步，煙草行業對煙包包裝質量檢測的要求越來越高，對檢測指標、檢測速度、六面全檢測、可靠性等提出了新的挑戰。基于成像原理對小包外觀包裝進行檢測的方法國內外已有很多，但這些檢測方法存在，存在檢測速度慢、無法檢查反光包裝材料、設置繁瑣、調整不方便，不穩定、檢測準確率低等問題。針對上述現有技術存在的不足，本發明提供一種使用簡單、檢測速度快、檢測結果可靠的基于深度自學習的煙包包裝外觀檢測方法。

發明內容

為了解決上述技術問題，本發明提供一種基于深度自學習的煙包包裝外觀檢測方法，包括

步驟一，采集至少三個標準包裝外觀的六個面的圖像，采用基于積分圖像的生成模板圖像，然后利用NCC算法對其他標準圖像進行計算，最后根據多個NCC計算結果后計算標準偏差；

步驟二，采集至少20個不合格包裝外觀的六個面的NG圖，使用NCC算法對NG圖像進行檢測，而后根據標準偏差找出缺陷區域，并獲得缺陷區域的幾何特征參數，最后根據幾何特征參數自動設置缺陷公差；

步驟三，利用雙工位CCD傳感器采集待測煙包的六個面圖像，對圖像采取進行對齊、融合和光照遷移修正處理，將獲得的圖像進行NCC計算，而后根據標準偏差找出缺陷區域，并得到待測煙包缺陷特征數據；

步驟四，將步驟三得到的待測煙包缺陷特征數據與模板進行對比，如果缺陷特征數據在步驟二設置的允許的缺陷公差之內，則判斷此待測煙包包裝外觀合格，否則判斷此待測煙包外觀不合格，并發出剔除不合格件的指令。

進一步的，所述步驟1中的基于積分圖像的NCC算法包括步驟：

從標準圖像上到下、從左到右計算得到和的標準模板積分圖像公式如下：

ii(x,y)＝ii(x-1,y)+i(x,y)+ii(x,y-1)-ii(x-1,y-1)

其中ii(x,y)表示為(0,0)到(x,y)所有像素點灰度值之和,即積分圖。i(x,y)表示(x,y)處像素點灰度值；

NCC的計算公式可以表示為如下：

其中m*n表示窗口大小,且(x,y)∈m*n。f表示模板圖像，r表示檢測圖像，∑_i∑_jf²(x+i,y+j)表示模板積分圖平方和，∑_i∑_jr²(x+i,y+j)表示待檢積分圖平方和，μ_f表示模板積分圖任意窗口的均值，μ_r表示待檢積分圖像任意窗口的均值。

通過NCC公式計算，積分圖像建立起來窗口下面的待檢測圖像與模板的和與平方和以及他們的交叉乘積五個積分圖索引之后，輸出計算結果。

進一步的，所述步驟3中，只需要至少三包以上標準圖像，啟用自動設置缺陷公差時至少需要20包以上NG煙包圖像，不啟用自動設置缺陷公差時可以手動修改。

進一步的，所述步驟三中的對齊處理包括

步驟a：使用sobel濾波核獲得的煙包梯度圖像；