食用油杂质的视觉检测方法技术

本发明专利技术涉及一种食用油杂质的视觉检测方法，所述方法包括：获取待检测食用油的图像信息；对所述图像信息进行滤波去噪和图像差分处理，结合视觉注意机制得出所述图像信息中的显著区域；通过支持相量机对所述图像信息中的显著区域中的杂质类型进行判断和辨别，以得到食用油杂质的视觉检测结果。本发明专利技术的有益效果为：通过若干工业相机以及红外摄像机、适合的光照条件等搭建出食用油杂质的检测环境，光电部分针对食用油尤其是桶装食用油的桶状、体积和光学折射特性，保证食用油桶内各部位的杂质较清晰的呈现出来，而对于显示的食用油中的图像信息中的显著区域则通过算法实现了食用油桶壁阴影、气泡和其它杂质干扰的滤波，实现了杂质的准确分割和辨识。

Visual inspection method of edible oil impurities

The present invention relates to an edible oil impurity visual detection method, the method comprises: acquiring image information for detection of edible oil; the image information filtering and image difference processing, combined with the visual attention mechanism that the salient region in image information; impurity type significant area phasor of machine in the image information in the judgment and recognized by the support, to get the results of visual inspection of edible oil impurities. The beneficial effect of the invention is: through a number of industrial cameras and infrared cameras, suitable lighting conditions to build a testing environment of edible oil impurities, photoelectric part for edible oils especially bottled edible oil barrel, volume and optical refraction, ensure the edible parts of the oil tank impurity is clearly revealed, and the salient regions of the image information display in edible oil by the algorithm of the edible oil drum wall shadow, bubbles and other impurities interference filter, to achieve accurate segmentation and identification of impurities.

【技术实现步骤摘要】
食用油杂质的视觉检测方法
本专利技术实施例涉及数据处理领域，尤其涉及一种食用油杂质的视觉检测方法。
技术介绍
我国的花生油生产线自动化程度较高，但在花生油质检环节基本上还依赖于人工灯检方式。人工灯检方式效率和精度都较低，对检测工人的眼睛损害很大。随着智能制造技术的发展，用机器视觉替代人眼检测已经成为亟待解决的问题。机器视觉检测设备在国外发达国家已广泛使用，如饮料检测、口服液检测和安瓿检测等，主要厂家有德国Seidenada、意大利Brevetti、日本Esia等。意大利Brevetti生产的小容量药品检查机属于间歇式视觉检测设备，主要检测装量在1-20毫升之间，速度一般为150-300瓶/分钟。其获取的图像非常稳定，但速度较慢。德国Seidenader公司生产的异物检查机采取跟踪式视觉检测，主要用于1-100毫升安瓿、西林瓶等小针制剂。其最大优点是速度较快，但其机械装置相对间歇式更复杂。日本Eisai公司生产的全自动检查机采用光敏传感器判断出运动异物，主要针对安瓿、口服液和大输液等不同装量的试剂。近几年，国内的各个高校、研究院和企业等机构也开始研究机器视觉技术在药液、酒、饮料等检测中的应用。湖南大学与湖南千山制药机械股份有限公司联合研发的玻璃瓶大输液产品质量智能检测线、劲酒产品质量智能检测线，湖南正中的安瓿全自动智能灯检机等。李彬对二维阈值分割算法进行了改进，提高了算法的抗噪性，有效避免了错误划分，加强了图像的分割效果，对其他的研究者有一定的指导意义。杨福刚、孙同景等针对大输液和注射剂的杂质检测，提出了基于视觉传感器异物检测方法、航迹关联判断杂质运动轨迹和基于人工免疫捕捉异物运动轨迹的检测方法。张辉在大输液视觉检测与识别技术的研究中，针对传统细胞神经网络的分割准确率低的问题，采用了改进型模糊细胞神经网络结构，并通过实验测试证明其有效地克服了传统细胞神经网络无法解决的边缘检出问题，使得异物分割图像能更好的接近真实图像。周博文在保健酒智能检测机器人技术研究中，提出了基于中值的加权均值滤波算法，既能有效的滤除噪声，又能有效的保留运动目标。范彬、杨丽、冯云松、杨华等针对红外图像的特点，提出了一种改进的红外图像分割算法。以上所有的研究都是针对于口服液、保健酒、大输液、注射剂等液体，由于花生油生产过程中的异物过滤技术、产品包装、透光性、溶液浓度以及杂质标准都与其他液体不同，因此，针对安瓶瓶、注射剂等的国内外现有的机器视觉检测设备并不适用于桶装花生油。南京汇川图像视觉技术有限公司申请的《一种基于图像背景概率图的食用油杂质检测方法》(申请号为201610278380.4)公开了一种基于图像背景概率图的食用油杂质检测方法。该专利技术申请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，然后基于背景和实测图像的差来进行异物检测。此方法只能对固定形状的桶装食用油进行检测，而且不能有效消除食用油泡沫对杂质检测的影响。现有技术有两个主要缺点：1.桶装食用油瓶体较大，现有技术的光照方案不能有效穿透瓶体，不能保证瓶体内各个部位的杂质被有效检测到。2.桶装食用油在灌装的过程中形成大量的气泡，对杂质的检测形成了非常大的干扰，现有技术一般采用运动跟踪的方法来解决，但由于气泡数量巨大，而且形状各异，此方法在实际中效果不佳。
技术实现思路
为了克服相关技术中存在的技术问题，本专利技术提供一种食用油杂质的视觉检测方法，以实现利用基于视觉注意机制和水平集分割结合的杂质检测方法，避免食用油中的气泡噪音等干扰，准确检测食用油中包含的杂质。第一方面，本专利技术实施例提供了一种食用油杂质的视觉检测方法，所述方法包括：获取待检测食用油的图像信息；对所述图像信息进行滤波去噪和图像差分处理，结合视觉注意机制得出所述图像信息中的显著区域；通过支持相量机对所述图像信息中的显著区域中的杂质类型进行判断和辨别，以得到食用油杂质的视觉检测结果。结合另一方面，在另一方面的一种可能的实施方式中，所述获取待检测食用油的图像信息，包括：利用红外摄像、组合镜头以及合适的光照条件对特定位置设定拍摄参数，以搭建图像获取平台；获取所述特定位置处的待检测食用油的图像信息。结合另一方面，在另一方面的一种可能的实施方式中，所述对所述图像信息进行滤波去噪和图像差分处理，结合视觉注意机制得出所述图像信息中的显著区域，包括：获取所述特定位置处的待检测食用油的图像信息，包括：通过所述红外摄像组合镜头对所述特定位置的食用油的不同部位进行检测，检测出出现杂质的部位；对所述出现杂质的部位进行标记，形成所述显著区域，并对所述显著区域进行滤波去噪、图像差分结合视觉注意机制处理。结合另一方面，在另一方面的一种可能的实施方式中，所述对所述图像信息进行滤波去噪和图像差分处理，包括：用一个M*M模板扫描所述图像信息中每一个像素；在所述M*M模板模板中选择K个与待处理像素的灰度值最接近的像素点，其中，K>M；对K个像素点统计其灰度值之和后取它们的平均值，并用平均值来替换原来的像素值。结合另一方面，在另一方面的一种可能的实施方式中，所述对所述图像信息进行滤波去噪和图像差分处理，还包括：利用不同时间采集的图像信息进行差分，包括：对获得的时间序列图像相同位置像素点灰度值求差；当灰度差值大于设定的阈值，将该像素点对应位置为所述显著区域。结合另一方面，在另一方面的一种可能的实施方式中，所述结合视觉注意机制得出所述图像信息中的显著区域包括：通过所述图像信息中的非显著区域检测所述显著区域，利用相位谱替代显著区域的图像信息，基于相位谱的显著图计算模型基于如下算式：其中m是显著区域，g是高斯滤波算子，k是大于等于2的整数，*是卷积，是图像x相位谱的反变换，结合另一方面，在另一方面的一种可能的实施方式中，根据所述计算模型中模型参数的选择，模型的计算包括：对输入的显著区域的图像信息适当变换，缩小其尺寸，消除图像的纹理细节；所述参数k是以Hadamard积相乘，带有显著区域的图像信息的灰度在[0,1]区间变化时，所述参数k使所述显著区域包含的像素的突显程度拉开距离，所述参数k增大，则所述显著区域中的显著度的像素点显著度更高，所述显著区域中的显著度的像素点显著度低的点逐渐消失，以筛选出显著度最高的像素点；其中，卷积模板大小和标准差δ的参数决定了包含有显著区域的图像信息中的显著区域显示的形状。结合另一方面，在另一方面的一种可能的实施方式中，所述方法还包括：利用Mumford-Shah模型对所述非显著区域进行二次滤波。9、根据权利要求8所述的方法，其特征在于，所述Mumford-Shah模型的能量函数是：其中，μ,v是非负常数，Ω表示图像区域，I0表示初始图像，I表示逼近原始图像I0的一个分段光滑图像，曲线C表示图像区域的边界；利用水平集方法，通过最小化能量函数求解，活动轮廓曲线C将图像区域Ω分为曲线内外两部分，曲线内和曲线外分别表示为I+和I-，同时，使用水平集函数替代活动轮廓曲线C(t)，水平集函数依旧采用SDF函数形式。结合另一方面，在另一方面的一种可能的实施方式中，所述获取待检测食用油的图像信息之前，还包括：对所述待检测的食用油进行杂质均匀操作，以使所述待检测食用油中形成的显著区域均匀显示。本专利技术通过若干工业相本文档来自技高网...

【技术保护点】
一种食用油杂质的视觉检测方法，其特征在于，所述方法包括：获取待检测食用油的图像信息；对所述图像信息进行滤波去噪和图像差分处理，结合视觉注意机制得出所述图像信息中的显著区域；通过支持相量机对所述图像信息中的显著区域中的杂质类型进行判断和辨别，以得到食用油杂质的视觉检测结果。

【技术特征摘要】
1.一种食用油杂质的视觉检测方法，其特征在于，所述方法包括：获取待检测食用油的图像信息；对所述图像信息进行滤波去噪和图像差分处理，结合视觉注意机制得出所述图像信息中的显著区域；通过支持相量机对所述图像信息中的显著区域中的杂质类型进行判断和辨别，以得到食用油杂质的视觉检测结果。2.根据权利要求1所述的方法，其特征在于，所述获取待检测食用油的图像信息，包括：利用红外摄像、组合镜头以及合适的光照条件对特定位置设定拍摄参数，以搭建图像获取平台；获取所述特定位置处的待检测食用油的图像信息。3.根据权利要求2所述的方法，其特征在于，所述对所述图像信息进行滤波去噪和图像差分处理，结合视觉注意机制得出所述图像信息中的显著区域，包括：获取所述特定位置处的待检测食用油的图像信息，包括：通过所述红外摄像组合镜头对所述特定位置的食用油的不同部位进行检测，检测出出现杂质的部位；对所述出现杂质的部位进行标记，形成所述显著区域，并对所述显著区域进行滤波去噪、图像差分结合视觉注意机制处理。4.根据权利要求1所述的方法，其特征在于，所述对所述图像信息进行滤波去噪和图像差分处理，包括：用一个M*M模板扫描所述图像信息中每一个像素；在所述M*M模板模板中选择K个与待处理像素的灰度值最接近的像素点，其中，K>M；对K个像素点统计其灰度值之和后取它们的平均值，并用平均值来替换原来的像素值。5.根据权利要求1或4所述的方法，其特征在于，所述对所述图像信息进行滤波去噪和图像差分处理，还包括：利用不同时间采集的图像信息进行差分，包括：对获得的时间序列图像相同位置像素点灰度值求差；当灰度差值大于设定的阈值，将该像素点对应位置为所述显著区域。6.根据权利要求1所述的方法，其特征在于，所述结合视觉注意机制得出所述图像信息中的显著区域包括：通过所述图像信息中的非显著区域检测所述显著区域...

【专利技术属性】
技术研发人员：陈守森，邵燕，许强，刘立静，李华伟，姜泉竹，高超，庄福宝，
申请(专利权)人：山东商务职业学院，
类型：发明
国别省市：山东,37