基于机器视觉的标签外观检测方法及终端设备技术

本发明专利技术适用于标签外观检测技术领域，提供了一种基于机器视觉的标签外观检测方法及终端设备，包括：采集待检测标签图像；对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量；根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像；所述差值比对为像素差值比对；在所述差值图像的像素值大于预设像素值时，判定所述待检测标签图像存在缺陷。本发明专利技术能够提高标签外观检测效率，降低错误率。

Label appearance detection method and terminal equipment based on machine vision

The invention is applicable to the technical field of tag provides a visual inspection, machine vision label appearance detection method and terminal equipment, which is based on the detected image acquisition of the label; the detected label image feature point detection, the first feature points and first feature description vector; according to the characteristics of the first to be detected the first point of the label image and feature vectors, and second feature points and second characteristics of the standard image template description vector, the detected label image and the standard image template matching and difference comparison, get the difference image; difference comparison for pixel difference comparison; in the pixel value of the image difference the pixel is greater than the preset value, judging the detected label image defects. The invention can improve the efficiency of the appearance detection of the label and reduce the error rate.

【技术实现步骤摘要】
基于机器视觉的标签外观检测方法及终端设备
本专利技术属于标签外观检测
，尤其涉及一种基于机器视觉的标签外观检测方法及终端设备。
技术介绍
市场上出售的饮料瓶和药瓶等商品瓶身上通常都贴有标签，目前，瓶身贴上标签后通常由人工对标签外观进行质量检测，如检测标签是否存在划痕、污迹、褶皱、缺角等缺陷，这种方法检测效率很低。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于机器视觉的标签外观检测方法及终端设备，以解决现有技术中对瓶身标签的外观质量检测效率低的问题。本专利技术实施例的第一方面提供了一种基于机器视觉的标签外观检测方法，包括：采集待检测标签图像；对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量；根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像；所述差值比对为像素差值比对；所述差值图像的像素值大于预设像素值时，判定所述待检测标签图像存在缺陷。优选的，所述采集待检测标签图像之前，所述方法还包括：对标准图像模板进行特征点检测，得到第二特征点和第二特征描述向量。优选的，所述对标准图像模板进行特征点检测，得到第二特征点和第二特征描述向量，具体为：将所述标准图像模板分成N部分，分别对每部分进行特征点检测，得到第二特征点和第二特征描述向量；所述对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量，具体为：将所述待检测标签图像分成N部分，分别对每部分进行特征点检测，得到第一特征点和第一特征描述向量；所述将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像，具体为：将所述待检测标签图像的每一部分分别与所述标准图像模板的对应部分进行匹配和差值比对，得到差值图像；所述N为大于1的整数。优选的，所述根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像，具体包括：将所述第一特征点和所述第一特征描述向量分别与所述第二特征点和所述第二特征描述向量进行匹配，并生成匹配误差值；若所述匹配误差值大于预设误差值，则去除所述匹配点，再通过随机抽样一致性算法去除错误的匹配点，得到剩余匹配点；通过剩余匹配点生成仿射变换矩阵；所述仿射变换矩阵为所述标准图像模板与所述待检测标签图像之间的转换矩阵；通过所述仿射变换矩阵对所述标准图像模板进行变换，得到变换标准图像模板；根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述变换标准图像模板进行配准和差值比对，得到差值图像。优选的，所述在所述差值图像的像素值大于预设像素值时，判定所述待检测标签图像存在缺陷，具体包括：提取所述标准图像模板中的字符区域，根据所述字符区域，去除所述差值图像中所述字符区域覆盖范围内的虚警；和/或采用模板先验场景信息，去除灰度值差异造成的虚警；在去除虚警后的所述差值图像的像素值大于预设像素值时，判定所述待检测标签图像存在缺陷。优选的，所述将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像，具体包括：将所述待检测标签图像与所述标准图像模板进行匹配；通过快速鲁棒直线检测方法对匹配后的所述标准图像模板和所述待检测标签图像进行边缘检测；通过差值比对得到差值图像。优选的，所述方法还包括：提取所述待检测标签图像的条形码位置；根据所述条形码位置判断所述待检测标签图像是否存在倾斜缺陷。本专利技术实施例的第二方面提供了一种基于机器视觉的标签外观检测装置，包括：图像采集单元，用于采集待检测标签图像；第一特征点检测单元，用于对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量；差值图像获取单元，根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像；所述差值比对为像素差值比对；分析单元，用于所述差值图像的像素值大于预设像素值时，判定所述待检测标签图像存在缺陷。本专利技术实施例的第三方面提供了一种基于机器视觉的标签外观检测终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例第一方面提供的基于机器视觉的标签外观检测方法的步骤。本专利技术实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本专利技术实施例第一方面提供的基于机器视觉的标签外观检测方法的步骤。本专利技术实施例与现有技术相比存在的有益效果是：本专利技术实施例通过对采集的待检测标签图像进行特征点给检测，再将待检测标签图像与标准图像模板进行匹配和差值比对，得到差值图像，在检测到差值图像的像素值大于预设像素值时，判定待检测标签图像是否存在缺陷。本专利技术实施例能够提高检测效率，并降低错误率。附图说明为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例一提供的基于机器视觉的标签外观检测方法的实现流程示意图；图2是本专利技术实施例二提供的基于机器视觉的标签外观检测装置的示意图；图3是本专利技术实施例三提供的基于机器视觉的标签外观检测终端设备示意图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。为了说明本专利技术所述的技术方案，下面通过具体实施例来进行说明。实施例一请参考图1，图1是本专利技术实施例一提供的基于机器视觉的标签外观检测方法的实现流程示意图，基于机器视觉的标签外观检测方法包括以下步骤：步骤S101，采集待检测标签图像。在本专利技术实施例中，通过面阵相机采集瓶身各个面的标签图像作为待检测标签图像。面阵相机的个数与瓶身上贴有标签的面的个数一致，例如，瓶身上有三个面贴有标签，则采用三个面阵相机分别采集瓶身上每个面的标签图像。步骤S102，对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量。在本专利技术实施例中，可以通过加速稳健特征(SeepedUpRobustFeatures，SURF)算法对所述待检测标签图像进行特征点检测，保证特征点不变性和效率。优选的，采集待检测标签图像之前，该基于机器视觉的标签外观检测方法还包括：对标准图像模板进行特征点检测，得到第二特征点和第二特征描述向量。在本专利技术实施例中，在采集待检测标签图像之前，需要对标准图像模板进行特征点检测，得到第二特征点和第二特征描述向量。所述标准图像模板可以通过采集标准标签图像作为标准图像模板，或者，本文档来自技高网...

【技术保护点】
一种基于机器视觉的标签外观检测方法，其特征在于，包括：采集待检测标签图像；对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量；根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像；所述差值比对为像素差值比对；在所述差值图像的像素值大于预设像素值时，判定所述待检测标签图像存在缺陷。

【技术特征摘要】
1.一种基于机器视觉的标签外观检测方法，其特征在于，包括：采集待检测标签图像；对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量；根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像；所述差值比对为像素差值比对；在所述差值图像的像素值大于预设像素值时，判定所述待检测标签图像存在缺陷。2.如权利要求1所述的基于机器视觉的标签外观检测方法，其特征在于，所述采集待检测标签图像之前，所述方法还包括：对标准图像模板进行特征点检测，得到第二特征点和第二特征描述向量。3.如权利要求2述的基于机器视觉的标签外观检测方法，其特征在于，所述对标准图像模板进行特征点检测，得到第二特征点和第二特征描述向量，具体为：将所述标准图像模板分成N部分，分别对每部分进行特征点检测，得到第二特征点和第二特征描述向量；所述对所述待检测标签图像进行特征点检测，得到第一特征点和第一特征描述向量，具体为：将所述待检测标签图像分成N部分，分别对每部分进行特征点检测，得到第一特征点和第一特征描述向量；所述将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像，具体为：将所述待检测标签图像的每一部分分别与所述标准图像模板的对应部分进行匹配和差值比对，得到差值图像；所述N为大于1的整数。4.如权利要求1所述的基于机器视觉的标签外观检测方法，其特征在于，所述根据所述待检测标签图像的第一特征点和第一特征描述向量，以及标准图像模板的第二特征点和第二特征描述向量，将所述待检测标签图像与所述标准图像模板进行匹配和差值比对，得到差值图像，具体包括：将所述第一特征点和所述第一特征描述向量分别与所述第二特征点和所述第二特征描述向量进行匹配，并生成匹配误差值；若所述匹配误差值大于预设误差值，则去除所述匹配点，再通过随机抽样一致性算法去除错误的匹配点，得到剩余匹配点；通过剩余匹配点生成仿射变换矩阵；所述仿射变换矩阵为所述标准图像模板与所述待检测标签图像之间的转换矩阵；通过所述仿射变换矩阵对所述标准图像模板进行变换，得到变换标准图像模板；根据所述待检测标签图像的第一...

【专利技术属性】
技术研发人员：孔庆杰，孙旭光，陈智慧，
申请(专利权)人：东莞理工学院，精锐视觉智能科技深圳有限公司，
类型：发明
国别省市：广东,44