【技术实现步骤摘要】
本专利技术涉及杂质检测
,更具体地说,涉及一种基于图像背景概率图的食用油杂质检测方法。
技术介绍
我国的食用油生产工业基本实现了自动化,但是油质杂质检测环节目前大多仍是采用人工检测方式。随着机器视觉理论的发展与完善,用机器代替人眼做检测和判断成为未来发展的趋势,这将减少人力劳动,降低检测成本,提高检测精度与效率,产业的自动化与智能化程度随之得到进一步提高。现有对灌装液体进行基于机器视觉的杂质检测的研究,多集中于啤酒瓶、安瓿瓶等行业。在硬件平台上,常用的检测系统采取高速旋转-急停-摄像-图像处理的模式。而在检测算法上,秦垚等人(“基于液面分割的安瓿内漂浮小目标检测算法”)针对传统帧间差分法提取液体内运动杂质时抑制液面噪声的不足,提出基于Legendre正交矩的检测算法。而Fang等人(“Binocular automatic particle inspection machine for bottled medical liquid examination”)针对传统单目相机差分算法中的动态背景干扰和景深窄的问题,提出了使用双目相机进行检测的方法。Qin等人(“Study of on-line inspection technique for foreign substance in Ampoule”)提出一种反射照明法来突出安瓿瓶体中的异物,并对序列图像采取基于亚像素配准的两级差分算法,提取瓶中异物的运动轨迹。但是食用油瓶与酒瓶、药瓶杂质检测不同,食用油瓶瓶身大多都有各种复杂纹路,因而仅凭改进打光方式无法满足对具有各式各样纹路的油瓶的检测需求;其次 ...
【技术保护点】
一种基于图像背景概率图的食用油杂质检测方法,其步骤为:建立背景概率图:1)对采集图像进行目标检测油体区域ROI提取;2)对提取的油体区域进行背景重建前的图像预处理,主要包括:将图像转为灰度图,并进行横向图像配准与矫正,使油体区域居于图像中间位置;对图像进行平滑滤波,继而与原图像做差,提取需进行背景重建的部分;3)对步骤2)所得图像进行阈值分割,进一步突出纹路部分;4)取100‑300张经步骤1)~3)处理后图像作为样本图像集,采用基于学习函数更新背景图的方式重建背景,并将最终所得背景图像归一化得背景概率图;进行异物检测:i)对待检测图像进行步骤1)和2)所述ROI提取以及预处理操作;ii)将步骤i)所得图像与已得背景概率图相乘,并作阈值分割,去除瓶身纹路干扰,提取候选对象;iii)对每一个候选对象,继续选取灰度值、对比度、形状、位置特征作为SVM分类器的输入向量,经过分类器训练和分类后,最终去除干扰部分,识别可见异物。
【技术特征摘要】
1.一种基于图像背景概率图的食用油杂质检测方法,其步骤为:建立背景概率图:1)对采集图像进行目标检测油体区域ROI提取;2)对提取的油体区域进行背景重建前的图像预处理,主要包括:将图像转为灰度图,并进行横向图像配准与矫正,使油体区域居于图像中间位置;对图像进行平滑滤波,继而与原图像做差,提取需进行背景重建的部分;3)对步骤2)所得图像进行阈值分割,进一步突出纹路部分;4)取100-300张经步骤1)~3)处理后图像作为样本图像集,采用基于学习函数更新背景图的方式重建背景,并将最终所得背景图像归一化得背景概率图;进行异物检测:i)对待检测图像进行步骤1)和2)所述ROI提取以及预处理操作;ii)将步骤i)所得图像与已得背景概率图相乘,并作阈值分割,去除瓶身纹路干扰,提取候选对象;iii)对每一个候选对象,继续选取灰度值、对比度、形状、位置特征作为SVM分类器的输入向量,经过分类器训练和分类后,最终去除干扰部分,识别可见异物。2.根据权利要求1所述的一种基于图像背景概率图的食用油杂质检测方法,其特征在于:步骤1)采用Meanshift图像分割算法,将彩色图像分割并标记为不同类别Mi,继而计算每个类别的面积,及其中轴线相对于图像中轴线的偏移量,提取属于目标检测油体区域的类别,最终通过形态学处理,去除空洞与干扰,获得完整准确的油体区域;其中:图像中轴线为: X i m a g e = 1 N i m a g e Σ n = 1 N i m a g e x n ]]>Mi的横向中轴线为: X M i = 1 N M i Σ k = 1 N M i x i k ]]>Mi的横向中轴线相对于图像中轴线的偏移量为: O M i = | X M i - X image | ]]>上式中,Nimage、分别代表图像的像素个数及Mi的像素个数,xn、分别为图像中的第n个像素点的横坐标及Mi中第k个像素点的横坐标。3.根据权利要求2所述的一种基于图像背景概率图的食用油杂质检测方法,其特征在于:步骤2)中,图像的平滑滤波过程为:对横向图像配准与矫正后图像R'(i,j)的每个像素点,设定(2a+1)×(2a+1)大小的窗口,定义窗口内图像的能量值均值为平滑后图像中对应像素点的灰度值,具体公式为: μ ( i , j ) = 1 n W Σ i ′ = i - a i + a Σ j ′ = j - a j + a R ′ ( i ′ , j ′ ) ]]>上式中,μ(i,j)为平滑后图像的灰度值,nW为窗口中灰度值不为0的像素点的个数。4.根据权利要求3所述的一种基于图像背景概率图的食用油杂质检测方法,其特征在于:步骤3)进行阈值分割后图像G(i,j): G ( i , j ) = 255 D ( i , j ) ≥ T 0 e l s e , ]]> D ( i , j ) = μ ( i , j ) ...
【专利技术属性】
技术研发人员:李勃,俞芳芳,董蓉,许斌,梁振华,
申请(专利权)人:南京汇川图像视觉技术有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。