[發明專利]一種液體異物視覺檢測方法及系統

在審

• 申請號: 202111136312.1
• 申請日: 2021-09-27
• 公開（公告）號: CN113870328A
• 公開（公告）日: 2021-12-31
• 發明（設計）人: 朱樊
• 申請（專利權）人: 望知科技（深圳）有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06T7/10;G06T5/30;G06T5/20;G06T5/10;G06T5/00;G06N3/08;G06N3/04
• 代理公司: 北京德崇智捷知識產權代理有限公司 11467
• 代理人: 王金雙

一種液體異物視覺檢測方法，包括以下步驟：基于傅里葉?梅林變換和無監督變形配準模型，進行圖像配準；對配準后的圖像進行預處理操作；對預處理后的圖像進行圖像序列幀差；對序列幀差后的圖像進行后處理；獲取適應性深度學習模型；采用廣義多圖像摳圖算法提取系統瑕疵。本發明還提供一種液體異物視覺檢測系統，提高圖像配準的精度；使得微小異物分割結果更加明晰，同時也進一步過濾了背景噪聲；確保了檢測精度、擴大生產效益，減小生產損失。

技術領域

本發明涉及機器視覺圖像處理技術領域，特別是涉及一種液體異物視覺檢測方法及系統。

背景技術

缺陷檢測通常是指對產品表面缺陷的檢測，表面缺陷檢測是采用先進的機器視覺檢測技術，對產品表面的斑點、凹坑、劃痕、色差、缺損等缺陷進行檢測。

目前，利用圖像處理技術實現醫藥行業產品質量檢測自動化即智能燈檢機已經多年，但是針對產品檢測對象都是形狀和位置不變的條件下進行。對于像輸液袋中異物缺陷檢測這樣的任務，由于物體形狀，位置和外界環境變化，以及產品表面有各種印刷信息，使得不管是傳統的模式識別方法以及深度學習的方法都無法取得較高的檢測準確度。

現有的智能燈檢機，存在如下技術問題：

1、序列圖像的配準精度低；

2、將經典視覺檢測運用到液體瑕疵檢測各種噪聲如反光和氣泡與微小異物的對比度不高，使得檢測結果不精確；

3、對于操作有人員變化或生產配方微調，可能會引入一些瑕疵波動，甚至新增瑕疵；

4、現有燈檢機具備樣品實時檢測功能，卻缺乏對系統瑕疵的監測和報警；

5、現有燈檢機多利用工業控制計算機來進行檢測運算和儲存，成本高，需要工程師當場調試。

發明內容

為了解決現有技術存在的不足，本發明的目的在于提供一種液體異物視覺檢測方法及系統，基于頻域空間變換的圖像配準和/或機器學習，提高圖像配準的精度；采用有效的圖像預處理和后處理方法，以及圖像序列幀差法，獲取高信噪比的序列圖像；采用追加訓練方法，確保檢測精度；通過廣義多圖像摳圖算法定時將瑕疵信息進行集合分析，并將系統瑕疵的信息及時反饋；采用深度學習算法，使系統不但能在本地運行，還可以遷移到云端和邊緣端。

為實現上述目的，本發明提供的液體異物視覺檢測方法，包括以下步驟：

基于傅里葉-梅林變換和無監督變形配準模型，進行圖像配準；

對配準后的圖像進行預處理操作；

對預處理后的圖像進行序列幀差；

對序列幀差后的圖像進行后處理；

獲取適應性深度學習模型；

采用廣義多圖像摳圖算法提取系統瑕疵。

進一步地，所述基于傅里葉-梅林變換進行圖像配準的步驟，還包括，

將圖像尺度、旋轉的計算轉化為該圖像傅里葉變換的幅值；

在對數極坐標系中的平移；

通過傅里葉變換位移理論計算出平移量；

反變換得到旋轉與平移參數。

進一步地，所述基于無監督變形配準模型進行圖像配準的步驟，還包括，

使用卷積神經網絡，訓練多對配準圖像，參數化配準模型函，得到基于核函數參數的配準場；

采用標準的基于梯度的計算方法，構建空間變換網絡計算配準后的圖像。

進一步地，所述對配準后的圖像進行預處理操作的步驟，還包括，