[發(fā)明專利]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)（專利權(quán)）人: 望知科技（深圳）有限公司
• 主分類號(hào): G06T7/00
• 分類號(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

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，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，獲取缺陷判斷結(jié)果；顯示缺陷判斷結(jié)果并輸出。本發(fā)明還提供一種基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)系統(tǒng)，在降低計(jì)算復(fù)雜度的同時(shí)保留最佳特征信息，減少了精度的損失，提升了檢測(cè)分類任務(wù)的性能，以及檢測(cè)降低數(shù)據(jù)處理復(fù)雜度；節(jié)省儲(chǔ)存空間、提高檢測(cè)識(shí)別速度、降低生產(chǎn)成本的精度與速度。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器視覺(jué)圖像處理技術(shù)領(lǐng)域，特別是涉及一種基于機(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)。

背景技術(shù)

缺陷檢測(cè)通常是指對(duì)產(chǎn)品表面缺陷的檢測(cè)，表面缺陷檢測(cè)是采用先進(jìn)的機(jī)器視覺(jué)檢測(cè)技術(shù)，對(duì)產(chǎn)品表面的斑點(diǎn)、凹坑、劃痕、色差、缺損等缺陷進(jìn)行檢測(cè)。

現(xiàn)有技術(shù)中，對(duì)包裝產(chǎn)品及印刷品的缺陷檢測(cè)越來(lái)越多地采用機(jī)器視覺(jué)缺陷檢測(cè)技術(shù)。現(xiàn)有的機(jī)器視覺(jué)缺陷檢測(cè)方法，大多是面對(duì)的對(duì)象通常具有形狀規(guī)則、表面堅(jiān)固、不透明等特點(diǎn)的剛性物體，而且由于深度學(xué)習(xí)對(duì)數(shù)據(jù)的依賴，導(dǎo)致數(shù)據(jù)的體量和維度成指數(shù)級(jí)增長(zhǎng)，從而影響計(jì)算效率和分類識(shí)別性能。

另外，目前對(duì)包裝透明、質(zhì)地柔軟、不易固定且易發(fā)生褶皺變形的產(chǎn)品檢測(cè)研究較少，如何利用機(jī)器視覺(jué)的缺陷檢測(cè)方法對(duì)透明的軟性包裝袋產(chǎn)品的外觀及印刷缺陷進(jìn)行檢測(cè)，是目前亟待解決的問(wèn)題。

發(fā)明內(nèi)容

為了解決現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供一種基于機(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)，利用成像、統(tǒng)計(jì)方法對(duì)數(shù)據(jù)進(jìn)行特征提取，結(jié)合BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)算法進(jìn)行分類識(shí)別，降低數(shù)據(jù)處理復(fù)雜度、提高檢測(cè)識(shí)別速度。

為實(shí)現(xiàn)上述目的，本發(fā)明提供的基于機(jī)器視覺(jué)的透明軟性包裝袋靜態(tài)檢測(cè)方法，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，獲取缺陷判斷結(jié)果；

顯示缺陷判斷結(jié)果并輸出。

進(jìn)一步地，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。

進(jìn)一步地，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。

進(jìn)一步地，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。

進(jìn)一步地，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。

進(jìn)一步地，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)的特征提取及分類識(shí)別。

進(jìn)一步地，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)。

進(jìn)一步地，所述基于統(tǒng)計(jì)學(xué)的特征提取及分類識(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)行分類識(shí)別，提升特征抽取及異物檢測(cè)分類的性能。