[發(fā)明專(zhuān)利]一種基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111134942.5
• 申請(qǐng)日: 2021-09-27
• 公開(kāi)（公告）號(hào): CN113822869A
• 公開(kāi)（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 周卓楹
• 申請(qǐng)（專(zhuān)利權(quán)）人: 望知科技（深圳）有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00;G06T7/136;G06T7/155;G06T7/90;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京德崇智捷知識(shí)產(chǎn)權(quán)代理有限公司 11467
• 代理人: 王金雙

1.一種基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，包括以下步驟：

基于機(jī)器視覺(jué)對(duì)圖像進(jìn)行正反面判斷、圖像預(yù)處理、分割處理、特征提取及分析，獲取圖像的特征參數(shù)值；

根據(jù)所述圖像的特征參數(shù)值，進(jìn)行缺陷檢查，并對(duì)檢測(cè)結(jié)果進(jìn)行判斷；

對(duì)缺陷特征進(jìn)行分類(lèi)，獲取缺陷判斷結(jié)果；

顯示缺陷判斷結(jié)果并輸出。

2.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述對(duì)圖像進(jìn)行正反面判斷的步驟，還包括，

輸入旋轉(zhuǎn)前后兩幀圖像；

對(duì)圖像進(jìn)行分割、灰度化處理；

對(duì)經(jīng)過(guò)分割、灰度化的采集圖像進(jìn)行基于梯度函數(shù)的模糊度分析，獲取模糊度分?jǐn)?shù)；

根據(jù)模糊度分?jǐn)?shù)的高低，進(jìn)行正反面判斷。

3.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述對(duì)經(jīng)過(guò)分割、灰度化的采集圖像進(jìn)行基于梯度函數(shù)的模糊度分析，獲取模糊度分?jǐn)?shù)的步驟，采用如下模糊度分?jǐn)?shù)計(jì)算：

其中，score是模糊度分?jǐn)?shù)，I(x，y)是圖像像素點(diǎn)(x，y)的灰度值，M是圖像的長(zhǎng)，N是圖像的寬。

4.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述圖像預(yù)處理，包括，圖像增強(qiáng)、色彩空間轉(zhuǎn)換、形態(tài)學(xué)處理。

5.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述對(duì)圖像進(jìn)行分割處理，包括，對(duì)圖像進(jìn)行閾值分割和顏色分割。

6.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述對(duì)圖像進(jìn)行特征提取及分析，還包括，參數(shù)特征提取和基于統(tǒng)計(jì)學(xué)的特征提取及分類(lèi)識(shí)別。

7.根據(jù)權(quán)利要求6所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述參數(shù)特征提取，還包括，提取軟袋關(guān)鍵點(diǎn)坐標(biāo)、目標(biāo)區(qū)域位置，填充液體面積值、文字檢測(cè)及識(shí)別分?jǐn)?shù)。

8.根據(jù)權(quán)利要求6所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述基于統(tǒng)計(jì)學(xué)的特征提取及分類(lèi)識(shí)別，還包括，采用PCA主成分分析算法，結(jié)合BP神經(jīng)網(wǎng)絡(luò)及SVM支持向量機(jī)算法進(jìn)行分類(lèi)識(shí)別，提升特征抽取及異物檢測(cè)分類(lèi)的性能。

9.根據(jù)權(quán)利要求6所述的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，其特征在于，所述基于統(tǒng)計(jì)學(xué)的特征提取及分類(lèi)識(shí)別，還包括，

利用PCA)主成分分析算法提取數(shù)據(jù)的特征分量，將高維度數(shù)據(jù)投影到低維空間，輸出數(shù)據(jù)集；

創(chuàng)建并訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，輸出分類(lèi)識(shí)別結(jié)果；

構(gòu)建并訓(xùn)練SVM分類(lèi)器，輸出SVM分類(lèi)器模型。

10.一種基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)系統(tǒng)，其特征在于，包括，圖像攝取單元、圖像處理與分析單元、缺陷檢測(cè)與判斷單元，以及結(jié)果輸出單元，其中，

所述圖像攝取單元，其負(fù)責(zé)圖像的攝取，并將攝取的圖像轉(zhuǎn)化為計(jì)算機(jī)可識(shí)別圖像數(shù)據(jù)，傳送給所述圖像處理與分析單元；

所述圖像處理與分析單元，其對(duì)圖像進(jìn)行基于機(jī)器視覺(jué)的圖像處理和分析，將提取的圖像的特征參數(shù)值發(fā)送給所述缺陷檢測(cè)與判斷模塊；

所述缺陷檢測(cè)與判斷模塊，其將所述圖像的特征參數(shù)值與標(biāo)準(zhǔn)參數(shù)值進(jìn)行比較，進(jìn)行缺陷檢測(cè)，并對(duì)生成的缺陷檢測(cè)結(jié)果進(jìn)行分類(lèi)及特征判斷，生成缺陷判斷結(jié)果；

所述結(jié)果輸出單元，其用于顯示缺陷判斷結(jié)果并輸出。