一种瓶装液体异物检测方法及系统技术方案

本发明专利技术提供了一种瓶装液体异物检测方法及系统，该方法在进入生产线前将瓶装液体进行倒置，在生产线上两个不同位置放置两台图像采集装置对相同区域进行成像，基于稀疏表征的方法对采集的图像中的异常进行检测。本发明专利技术提供的技术方案，能将异常从复杂的背景完整地检测出来，抗噪性能好，更加利于实际生产中复杂、干扰大的环境。本发明专利技术采用的基于稀疏表征的序列图像瓶装液体异物检测检测精度高，抗噪性好，且对设备要求不高，降低了检测系统的成本，为生产线上瓶装液体异物检测自动化的实现提供了技术支持。

【技术实现步骤摘要】
一种瓶装液体异物检测方法及系统
本专利技术涉及图像处理
，具体涉及一种瓶装液体异物检测方法及系统。
技术介绍
近年来，为了满足广大消费者的巨大需求，啤酒、注射液及饮料等瓶装液体产品生产行业平稳而快速发展。只有采用新科技才能够提高产品质量，降低生产成本，提高企业的竞争力。随着生产的现代化，产品的生产和包装设备的自动化程度越来越高。目前，瓶装液体生产厂家均采用机械设备对产品进行灌装、自动封口，这种生产方式虽然效率高，但是存一定的弊端，自动封装过程中瓶口的材料以及灌装容器的沉淀等可能会落入瓶中污染液体。这些液体中包含的异物会极大地影响产品质量，同时也会带来安全问题。因此，生产厂家需要采取一定的检测手段对已经封口的瓶装液体进行检测，将包含异物的不合格产品找到并剔除。此外，在实际生产过程中，为了节约成本，实现绿色生产，会对旧瓶进行回收利用，这时瓶身上的划痕与瑕疵就会对检测带来干扰，增加检测难度。目前，传统的瓶装液体异物检测方法为人工灯检法。人工灯检法是指人工将封装好的瓶装液体成品从生产线上取下，通过轻微的晃动或倒置，将其对准一定的特殊光源，观察其中是否含有悬浮的异物，并将含有异物的不合格产品从生产线上剔除。但是，长期工作会产生视觉疲劳，检测精度会降低，并且，人工灯检法速度慢，因此，传统的人工灯检法并不适用于现代化大型生产。近年来，随着图像处理技术的发展，基于图像处理的瓶装液体异物检测方法利用成像技术对生产线上的瓶装液体成像，并将采集到的图像利用图像技术处理，找到含有异物的产品将其自动剔除。基于图像处理的方法在检测效果、检测成本等方面有着明显的优势。而基于图像处理的检测方法主要分为基于单帧图像的方法、基于视频序列图像的方法。基于单帧图像的检测法在静态的情况下完成图像的采集，进而利用图像处理算法实现产品的检测，该方法的操作难度较小，但对算法要求高，且不能克服瓶身上的划痕与瑕疵。基于视频序列图像的方法将待检测产品进入高速旋转的状态后急停，然后连续拍摄，获取多序列图像，然后对序列图像进行检测实现产品的检测，该种方法检测效果虽好，但是对机械设备的要求很高，检测系统比较昂贵。
技术实现思路
有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种瓶装液体异物检测方法及系统，以解决现有技术中无法克服瓶身上的划痕与瑕疵，导致瓶装液体异物检测精度低的问题。为实现以上目的，本专利技术采用如下技术方案：一种瓶装液体异物检测方法，在生产线的不同位置分别设置第一图像采集装置和第二图像采集装置后，执行以下步骤：步骤S1、分别读取第一图像采集装置和第二图像采集装置拍摄的第一彩色图像和第二彩色图像，并将所述第一彩色图像和第二彩色图像分别转换为第一灰度图像和第二灰度图像；其中，所述第一彩色图像和第二彩色图像为生产线上同一倒置瓶装液体在不同时刻的彩色图像；步骤S2、分别对所述第一灰度图像和第二灰度图像进行有效检测区域的标定；步骤S3、分别对第一灰度图像中的有效检测区域和第二灰度图像中的有效检测区域进行稀疏表征，得到第一异常检测图像和第二异常检测图像；步骤S4、分别对所述第一异常检测图像和第二异常检测图像进行二值化，得到二值化的第一异常检测图像和二值化的第二异常检测图像；步骤S5、分别对二值化的第一异常检测图像和二值化的第二异常检测图像中的不同连通域进行标记；步骤S6、删除二值化的第一异常检测图像和二值化的第二异常检测图像中重合的连通域所对应的图像，判定剩余的连通域为瓶装液体异物。优选地，所述步骤S2包括：步骤S21、将灰度图像Hi按列等分为两个子灰度图像Hi1和Hi2，其中，i＝1,2，i＝1时，H1为第一灰度图像；i＝2时，H2为第二灰度图像；步骤S22、根据公式计算子灰度图像Hi1的每列像素灰度值Si1(l)，根据公式计算Hi2的每列像素灰度值Si2(l)；其中，m为灰度图像Hi像素的总行数，m≥1，为正整数；n为灰度图像Hi像素的总列数，n≥2，为正整数；I(m,l)为第m行第l列像素的灰度值；步骤S23、求Si1(l)的最小值minSi1(l)和Si2(l)的最小值minSi2(l)，并将minSi1(l)所在的列和minSi2(l)所在的列之间的区域标定为有效检测区域。优选地，所述步骤S3包括：步骤S31、将有效检测区域所对应的灰度图像Hi转换为二维矩阵Xi；步骤S32、将二维矩阵Xi近似分解为低秩矩阵Li与稀疏矩阵Si之和：Xi～Li+Si,rank(Li)≤r,rank(Si)≤k；其中，rank(Li)为低秩矩阵Li的秩，r为rank(Li)的最大值；card(Si)为稀疏矩阵Si的非零元素的个数，k为card(Si)的最大值；步骤S33、将二维矩阵Xi赋值给Li，将零矩阵赋值给Si，以初始化低秩矩阵Li和稀疏矩阵Si；步骤S34、计算第t次相对分解误差其中t≥1；步骤S35、当第t次相对分解误差时，对低秩矩阵Li和稀疏矩阵Si进行更新迭代，直到其中，ε为最大允许相对分解误差，||·||F是矩阵的F范数；Sit为第t次迭代得到的稀疏矩阵，Lit为第t次迭代得到的低秩矩阵；步骤S36、标定对应的图像为异常检测图像。优选地，所述步骤S35中，对所述低秩矩阵Li和稀疏矩阵Si进行更新迭代，具体为：步骤S351、构造奇异值下降快的低秩矩阵步骤S352、利用随机矩阵和对进行投影得到Y1与Y2：其中，和为实数集，x＝二维矩阵Xi的列数，y＝二维矩阵Xi的行数；步骤S353、对矩阵Y1与Y2进行QR分解：Y1＝Q1R1，Y2＝Q2R2；步骤S354、对低秩矩阵进行秩为r的估计，得到低秩矩阵Lit：其中，q为非负整数，由用户预先设定；步骤S355、利用Lit对Sit进行更新：Sit＝PΩ(Xi-Lit)。PΩ(·)是指将矩阵投影到集合Ω上，Ω是|X-Lit|前k个最大元素组成集合的非空子集，k≥1。优选地，所述步骤S4具体为：利用固定阈值分割法，分别对所述第一异常检测图像和第二异常检测图像进行二值化，得到二值化的第一异常检测图像和二值化的第二异常检测图像。优选地，所述步骤S5具体为：分别对二值化的第一异常检测图像和二值化的第二异常检测图像中的不同连通域进行标记，用不同的数值作为每个连通域的标记值；根据不同的标记值依次找到二值化的第一异常检测图像中连通域所在的位置，并判断二值化的第二异常检测图像相应位置是否也存在连通域，若是，则将所述连通域所在区域标记值赋值为0，去除所述连通域。一种瓶装液体异物检测系统，包括设置在生产线的不同位置的第一图像采集装置和第二图像采集装置，还包括：图像读取单元，用于分别读取第一图像采集装置和第二图像采集装置拍摄的第一彩色图像和第二彩色图像，并将所述第一彩色图像和第二彩色图像分别转换为第一灰度图像和第二灰度图像；其中，所述第一彩色图像和第二彩色图像为生产线上同一倒置瓶装液体在不同时刻的彩色图像；检测区域标定单元，用于分别对所述第一灰度图像和第二灰度图像进行有效检测区域的标定；稀疏表征单元，用于分别对第一灰度图像中的有效检测区域和第二灰度图像中的有效检测区域进行稀疏表征，得到第一异常检测图像和第二异常检测图像；二值化单元，用于分别对所述第一异常检测图像和第二异常检测图像进行二值化，得到二值化的第一异常检测图像和二值化的本文档来自技高网...

【技术保护点】
一种瓶装液体异物检测方法，其特征在于，在生产线的不同位置分别设置第一图像采集装置和第二图像采集装置后，执行以下步骤：步骤S1、分别读取第一图像采集装置和第二图像采集装置拍摄的第一彩色图像和第二彩色图像，并将所述第一彩色图像和第二彩色图像分别转换为第一灰度图像和第二灰度图像；其中，所述第一彩色图像和第二彩色图像为生产线上同一倒置瓶装液体在不同时刻的彩色图像；步骤S2、分别对所述第一灰度图像和第二灰度图像进行有效检测区域的标定；步骤S3、分别对第一灰度图像中的有效检测区域和第二灰度图像中的有效检测区域进行稀疏表征，得到第一异常检测图像和第二异常检测图像；步骤S4、分别对所述第一异常检测图像和第二异常检测图像进行二值化，得到二值化的第一异常检测图像和二值化的第二异常检测图像；步骤S5、分别对二值化的第一异常检测图像和二值化的第二异常检测图像中的不同连通域进行标记；步骤S6、删除二值化的第一异常检测图像和二值化的第二异常检测图像中重合的连通域所对应的图像，判定剩余的连通域为瓶装液体异物。

【技术特征摘要】
1.一种瓶装液体异物检测方法，其特征在于，在生产线的不同位置分别设置第一图像采集装置和第二图像采集装置后，执行以下步骤：步骤S1、分别读取第一图像采集装置和第二图像采集装置拍摄的第一彩色图像和第二彩色图像，并将所述第一彩色图像和第二彩色图像分别转换为第一灰度图像和第二灰度图像；其中，所述第一彩色图像和第二彩色图像为生产线上同一倒置瓶装液体在不同时刻的彩色图像；步骤S2、分别对所述第一灰度图像和第二灰度图像进行有效检测区域的标定；步骤S3、分别对第一灰度图像中的有效检测区域和第二灰度图像中的有效检测区域进行稀疏表征，得到第一异常检测图像和第二异常检测图像；步骤S4、分别对所述第一异常检测图像和第二异常检测图像进行二值化，得到二值化的第一异常检测图像和二值化的第二异常检测图像；步骤S5、分别对二值化的第一异常检测图像和二值化的第二异常检测图像中的不同连通域进行标记；步骤S6、删除二值化的第一异常检测图像和二值化的第二异常检测图像中重合的连通域所对应的图像，判定剩余的连通域为瓶装液体异物。2.根据权利要求1所述的瓶装液体异物检测方法，其特征在于，所述步骤S2包括：步骤S21、将灰度图像Hi按列等分为两个子灰度图像Hi1和Hi2，其中，i＝1,2，i＝1时，H1为第一灰度图像；i＝2时，H2为第二灰度图像；步骤S22、根据公式计算子灰度图像Hi1的每列像素灰度值Si1(l)，根据公式计算Hi2的每列像素灰度值Si2(l)；其中，m为灰度图像Hi像素的总行数，m≥1，为正整数；n为灰度图像Hi像素的总列数，n≥2，为正整数；I(m,l)为第m行第l列像素的灰度值；步骤S23、求Si1(l)的最小值minSi1(l)和Si2(l)的最小值minSi2(l)，并将minSi1(l)所在的列和minSi2(l)所在的列之间的区域标定为有效检测区域。3.根据权利要求2所述的瓶装液体异物检测方法，其特征在于，所述步骤S3包括：步骤S31、将有效检测区域所对应的灰度图像Hi转换为二维矩阵Xi；步骤S32、将二维矩阵Xi近似分解为低秩矩阵Li与稀疏矩阵Si之和：Xi～Li+Si,rank(Li)≤r,rank(Si)≤k；其中，rank(Li)为低秩矩阵Li的秩，r为rank(Li)的最大值；card(Si)为稀疏矩阵Si的非零元素的个数，k为card(Si)的最大值；步骤S33、将二维矩阵Xi赋值给Li，将零矩阵赋值给Si，以初始化低秩矩阵Li和稀疏矩阵Si；步骤S34、计算第t次相对分解误差其中t≥1；步骤S35、当第t次相对分解误差时，对低秩矩阵Li和稀疏矩阵Si进行更新迭代，直到其中，ε为最大允许相对分解误差，s.t.rank(Li)≤r,card(Si)≤k，||·||F是矩阵的F范数；Sit为第t次迭代得到的稀疏矩阵，Lit为第t次迭代得到的低秩矩阵；步骤S36、标定时Sit对应的图像为异常检测图像。4.根据权利要求3所述的瓶装液体异物检测方法，其特征在于，所述步骤S35中，对所述低秩矩阵Li和稀疏矩阵Si进行更新迭代，具体为：步骤S351、构造奇异值下降快的低秩矩阵步骤S352、利用随机矩阵和对进行投影得到Y1与Y2：A2＝Y1，其中，和为实数集，x＝二维矩阵Xi的列数，y＝二维矩阵Xi的行数；步骤S353、对矩阵Y1与Y2进行QR分解：Y1＝Q1R1，Y2＝Q2R2；步骤S354、对低秩矩阵进行秩为r的估计，得到低秩矩阵Lit：其中，q为非负整数，由用户预先设定；步骤S355、利用Lit对Sit进行更新：Sit＝PΩ(Xi-Lit)。PΩ(·)是指将矩阵投影到集合Ω上，Ω是|X-Lit|前k个最大元素组成集合的非空子集，k≥1。5.根据权利要求1所述的瓶装液体异物检测方法，其特征在于，所述步骤S4具体为：利用固定阈值分割法，分别对所述第一异常检测图像和第二异常检测图像进行二值化，得到二值化的第一异常检测图像和二值化的第二异常检测图像。6.根据权利要求5所述的瓶装液体异物检测方法，其特征在于，所述步骤S5具体为：分别对二值化的第一异...

【专利技术属性】
技术研发人员：李伟，邓潇雅，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：北京,11