[發明專利]一種基于自定義算法的食品包裝瑕疵樣本的生成方法

在審

• 申請號: 202210516676.0
• 申請日: 2022-05-13
• 公開（公告）號: CN114820556A
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 楊樂;于海峰;楊劭璠;解永暢;王正松
• 申請（專利權）人: 東北大學秦皇島分校
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/13;G06T5/00
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李在川

本發明屬于機器視覺檢測技術領域，設計了一種基于自定義算法的食品包裝瑕疵樣本的生成方法，對塑封包裝存在的瑕疵進行檢測；首先采集食品包裝瑕疵圖像樣本數據集；采樣所有瑕疵圖像樣本紋理的灰度與曲率；通過采樣數據隨機生成曲線，隨機產生曲線的數量與姿態，再將瑕疵繪制到背景圖像上生成成一張表面有瑕疵的圖像；本發明在缺乏真實缺陷數據時，通過模擬表面瑕疵缺陷的特性，隨機合成大量表面瑕疵缺陷圖像，填補真實表面瑕疵缺陷圖像數據不足的空白，從而輔助相關瑕疵缺陷檢測算法提高檢測性能。

技術領域

本發明屬于機器視覺檢測技術領域，具體涉及一種基于自定義算法的食品包裝瑕疵樣本的生成方法。

背景技術

在方便速食類產品加工生產中，在對于食品的塑封時，由于塑封時高溫產生的水蒸氣、空氣、食品湯汁等因素，食品包裝袋塑封不合格的情況時有發生，塑封不合格的食品包裝袋極易被空氣中的有害的細菌、病毒、真菌及寄生蟲污染。食用被污染的食物，可能會對消費者人身安全造成危害。

食品安全問題的存在嚴重危害了消費者的人身健康和合法權益，同時也會對食品加工和銷售企業的聲譽和造成重大損失。目前，食品加工企業對于塑封食品包裝的檢測方式主要是人工檢測，然而該檢測方式效率低，且漏檢率高。落后的檢測方式加大了企業的成本，增加了食品生產行業的安全隱患，檢測方式急需改進。

現有的機器視覺檢測方法中，基于深度學習的表面瑕疵缺陷檢測方法存在兩個核心問題：

需要收集大量的表面瑕疵缺陷圖像來提高算法的檢測性能；

對于一個新的產品，由于其表面瑕疵缺陷圖像數據在短期內無法大收集，導致算法無法很好的適應新的產品從而影響算法的檢測性能。

在金屬、木材、硬塑料板領域已有大量瑕疵生成算法產出并獲得了較好的成果與優秀的實際應用性能，但塑封包裝食品紋理復雜多變，并非簡單的直線擬合，目前暫時還沒有關于塑封食品紋理缺陷生成方面的研究，相關需求迫切。

發明內容

針對現有技術的不足，本發明提出一種基于自定義算法的食品包裝瑕疵樣本的生成方法。

一種基于自定義算法的食品包裝瑕疵樣本的生成方法，具體包括以下步驟：

步驟1：采集食品包裝瑕疵圖像樣本數據集；通過形態學開運算對采集的數據集進行去除噪聲處理；

通過對食品包裝瑕疵樣本圖像像素灰度值分布曲線進行最小二乘法擬合，以分布曲線兩峰值對應像素為區間邊緣，使離散的值形成一條平滑曲線；以區間內局部極小值作為閾值，對圖像進行二值化；對二值化圖像進行鄰域運算，取像素點a*a鄰域內眾數對像素點重新賦值，由此保留連續紋理，去除獨立噪聲；

最小二乘法擬合過程如下：

f(x)＝a₀+a₁*x+a₂*x²+...+a_k*x^k

a＝(X^TX)^-1X^TY

其中，f(x)為擬合的灰度值分布曲線方程，為灰度值，a為系數矩陣，y_n為灰度值是x_n的像素的數量，X為方程多項式矩陣，Y為數量矩陣；T為X矩陣的轉置；

步驟2：構建高斯濾波器，對去噪后食品包裝瑕疵圖像樣本進行標準高斯濾波，得到圖像樣本特征參數；