一种基于图像背景概率图的食用油杂质检测方法技术

本发明专利技术公开了一种基于图像背景概率图的食用油杂质检测方法，属于杂质检测技术领域。本发明专利技术主要包括建立背景概率图以及异物检测，背景概率图用于对油瓶瓶体纹路进行背景建模，其步骤为：对图像进行ROI提取；继而进行图像预处理与阈值分割突出纹路部分；采用基于学习函数学习序列图像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；在获得背景概率图后可进行异物检测，其步骤为：对待测图像做ROI提取与预处理；与背景概率图相乘并作阈值分割提取候选对象；选取多特征，采用基于SVM分类器的方式排除干扰，识别异物。本发明专利技术能排除拍摄图片中油瓶周围环境的干扰，准确并最大程度提取油体检测区域，提取油体中的可见异物。

【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，食用油瓶大多体积大、重量重、瓶内油体粘稠性大，因而油内异物运动速度缓慢，传统的旋转急停硬件平台，和帧间差分法及其各种改进算法无法有效地提取异物。因此，现有的灌装液体杂质检测方法，不能有效地进行食用油杂质检测。经检索，中国专利申请号201510566518.6，申请日为2015年9月8日，专利技术创造名称为：一种基于图像处理的瓶装液体杂质检测系统及其检测方法；该申请案的检测系统包括机械部分和机器视觉部分，机械部分包括步进电机、传送带、定滑轮和机械夹持装置；机器视觉部分包括拍照暗箱及相关内部构造、FPGA板、通信串口、显示模块、报警模块和上位机软件。该申请案的检测方法如下：采集图像；通过种子填充算法使图像从背景中分割出来；模糊处理滤除椒盐噪声及干扰像素；二值化处理提高对比度；通过腐蚀与膨胀操作使图像全部连接去除细小噪声，使杂质变得清晰可见；最后进行轮廓跟踪和提取获得杂质数量、形状和位置。中国专利号ZL 201210560198.X，申请日为2012年12月20日，专利技术创造名称为：一种透明液体杂质检测系统及其检测方法；该申请案利用多台CCD相机采集待检品序列图像并存储；通过图像预处理进行图像背景抑制；对背景抑制后的图像进行处理，实现目标检测与跟踪；对目标进行特征提取，根据其特征进行杂质识别，判断是否为杂质。上述申请案均能够在不同程度提高图像获取和处理速度，从而代替人工检测，提高检测质量和速度。但正如上文分析，上述申请案不能有效地进行食用油杂质检测，仍需提出一种更具可行性的方案。
技术实现思路
1.专利技术要解决的技术问题为解决通过人眼观测食用油中异物成本高、效率低的问题，本专利技术提出了一种基于图像背景概率图的食用油杂质检测方法；本专利技术有效地解决了食用油瓶与酒瓶、药瓶的一系列不同特性而造成现有检测方法不能有效地进行食用油杂质检测的问题，能有效地去除瓶身各种纹路的干扰，最终达到识别油体内异物的效果。2.技术方案为了解决上述问题，本专利技术提供的技术方案为：本专利技术的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(region of interest)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--也即瓶身纹路部分；3)由于步骤2)所得图像中像素灰度值普遍较小，所以进行阈值分割，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，所得图像中随着纹路的突出，异物部分也会得到突出；；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，最终达到去除干扰部分，识别可见异物的效果。更进一步地，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，去除小的空洞与干扰，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 i m a g e 本文档来自技高网...

【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