基于低轶稀疏分解的瓶装液体可见异物检测方法及其系统技术方案

本发明专利技术公开了一种基于低轶稀疏分解的瓶装液体可见异物检测方法，包括以下步骤：采集连续帧图像；其中，所述连续帧图像包括当前帧图像和前一帧图像；提取连续帧图像中每一帧图像的特征，设定感兴趣区域；对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像；对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图；其中二值图包括当前帧图像的二值图和前一帧图像的二值图；将所述当前帧图像的二值图和所述前一帧图像的二值图进行差分处理，得到差分图；将差分图进行图像处理去除干扰，输出图像处理后的差分图；根据图像处理后的差分图判断液体中是否存在可见异物；可以有效消除检测干扰，提高检测的准确度。

Detection method and system of visible foreign bodies in bottled liquids based on low-anomalous sparse decomposition

【技术实现步骤摘要】
基于低轶稀疏分解的瓶装液体可见异物检测方法及其系统
本专利技术属于图像处理
，尤其涉及一种基于低轶稀疏分解的瓶装液体可见异物检测方法及其系统。
技术介绍
随着人口持续增长以及各种疾病的增多，医药市场对输液药品的需求量不断扩大，对输液药品的质量需要严格管控，如输液药品中存在纤维、橡胶、毛发等微小的可见杂质，不能达到医药产品质量标准，是需要进行剔除的不合格品。目前，对输液药品如输液瓶液体中是否存在可见异物进行检测的方法，常采用可见异物运动检测法如帧差法、背景消除法以及神经网络分割，但是在可见异物运动检测中，采集图像中可能会存在夹持装置，夹持装置与输液瓶之间可能会存在一定程度的抖动，甚至特殊情况下瓶壁附着有缓慢移动的气泡，这些因素会对帧差法、背景消除法以及神经网络分割法造成干扰，导致检测结果不稳定且不准确。
技术实现思路
为解决上述技术问题，本专利技术实施例提供了一种基于低轶稀疏分解的瓶装液体可见异物检测方法及其系统，可以有效消除夹持装置、瓶壁刻度、划痕、附着气泡等检测干扰，提高检测的准确度。本专利技术实施例的第一方面提供了一种基于低轶稀疏分解的瓶装液体可见异物检测方法，包括以下步骤：采集连续帧图像；其中，所述连续帧图像包括当前帧图像和前一帧图像；提取连续帧图像中每一帧图像的特征，设定感兴趣区域；对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像；对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图；其中二值图包括当前帧图像的二值图和前一帧图像的二值图；将所述当前帧图像的二值图和所述前一帧图像的二值图进行差分处理，得到差分图；将差分图进行图像处理去除干扰，输出图像处理后的差分图；根据图像处理后的差分图判断液体中是否存在可见异物。本专利技术实施例的第一方面的第一种可能实现的方式中，所述提取连续帧图像中每一帧图像的特征，得到感兴趣区域的步骤，包括：将每一帧图像转换为灰度图像，提取所述灰度图像中的灰度特征、梯度特征、边缘特征，获得瓶内液面、瓶底、左侧瓶壁和右侧瓶壁信息；根据所述瓶内液面、瓶底、左侧瓶壁和右侧瓶壁信息，确定感兴趣区域的上坐标、下坐标、左坐标和右坐标，得到感兴趣区域。本专利技术实施例的第一方面的第二种可能实现的方式中，所述对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像的步骤，包括：将所述感兴趣区域转换为观测数据矩阵D，将所述观测数据矩阵D分解为低轶部分矩阵A和稀疏部分矩阵E；分别将低轶部分矩阵A转换为低轶部分图像，将稀疏部分矩阵E转换为稀疏部分图像；其中，式中，λ为非负参数；||E||0为稀疏部分矩阵E的l0范数，即稀疏部分矩阵E中非零元素的个数；rank(A)为低轶部分矩阵A的轶函数，即低轶部分矩阵A中非零奇异值的个数。结合本专利技术实施例的第一方面的第二种可能实现的方式，在第三种可能实现的方式中，所述观测数据矩阵D、低轶部分矩阵A和稀疏部分矩阵E之间满足公式其中，||A||*为低轶部分矩阵A的核范数，即低轶部分矩阵A中所有奇异值之和；||E||1为稀疏部分矩阵E的l1范数，即稀疏部分矩阵E所有元素的绝对值之和。结合本专利技术实施例的第一方面的第三种可能实现的方式中，在第四种可能实现的方式中，通过迭代阈值算法、加速近似梯度算法、增广拉格朗日乘子法或交替方向法求解公式本专利技术实施例的第一方面的第五种可能实现的方式中，所述对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图的步骤中，包括，对所述稀疏部分图像依次进行自适应阈值分割；对自适应阈值分割后的图像进行腐蚀和/或膨胀图像处理，得到二值图。本专利技术实施例的第一方面的第六种可能实现的方式中，所述将差分图进行图像处理去除干扰，输出图像处理后的差分图的步骤，包括：将所述差分图采用腐蚀和/或膨胀进行图像处理，输出图像处理后的差分图。本专利技术实施例的第二方面提供了一种基于低轶稀疏分解的瓶装液体可见异物检测系统，包括：采集图像单元，用于采集连续帧图像；其中，所述连续帧图像包括当前帧图像和前一帧图像；确定感兴趣区域单元，用于提取连续帧图像中每一帧图像的特征，设定感兴趣区域；低轶稀疏分解单元，用于对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像；第一图像处理单元，用于对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图；其中二值图包括当前帧图像的二值图和前一帧图像的二值图；差分处理单元，用于将所述当前帧图像的二值图和所述前一帧图像的二值图进行差分处理，得到差分图；第二图像处理单元，将差分图进行图像处理去除干扰，输出图像处理后的差分图；判断单元，用于根据图像处理后的差分图判断液体中是否存在可见异物。本专利技术实施例的第二方面的第一种可能实现的方式中，所述确定感兴趣区域单元包括提取特征单元和确定感兴趣区域子单元；所述提取特征单元，用于所述将每一帧图像转换为灰度图像，提取所述灰度图像中的灰度特征、梯度特征、边缘特征，获得输液瓶的液面、瓶底、左侧瓶壁和右侧瓶壁信息；所述确定感兴趣区域子单元，用于根据所述输液瓶的液面、瓶底、左侧瓶壁和右侧瓶壁信息，确定感兴趣区域的上坐标、下坐标、左坐标和右坐标，得到感兴趣区域。本专利技术实施例的第二方面的第二种可能实现的方式中，所述第一图像处理单元包括自适应阈值分割子单元和第一图像处理子单元；所述自适应阈值分割子单元，用于对所述稀疏部分图像依次进行自适应阈值分割；所述第一图像处理子单元，用于对自适应阈值分割后的图像进行腐蚀和/或膨胀图像处理，得到二值图。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，一方面对单帧图像进行低秩稀疏分解，可以将夹持装置、输液瓶刻度、文字、划痕等背景与异物有效地分离开来，消除了机械抖动带来的检测干扰；另一方面选取感兴趣区域进行低秩稀疏分解，在不影响检测效果的前提下，提高了计算效率；又一方面利用帧间稀疏部分差分并辅以图像处理手段，有效地去除了细小气泡以及瓶壁附着气泡滑动带来的影响。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是本专利技术提供的基于低轶稀疏分解的瓶装液体可见异物检测方法第一实施例的流程示意图；图2是本专利技术提供的当前帧图像；图3是本专利技术提供的当前帧图像的感兴趣区域图像；图4是本专利技术提供的当前帧感兴趣区域的低轶部分图像；图5是本专利技术提供的当前帧感兴趣区域的稀疏部分图像；图6是本专利技术提供的图像处理后的当前帧感兴趣区域稀疏部分图像；图7是本专利技术提供的连续两帧感兴趣区域稀疏部分差分图；图8是本专利技术提供的包含检测到的可见异物图像；图9是本专利技术提供的基于低轶稀疏分解的瓶装液体可见异物检测系统的第一实施例的结构示意图；图10是本专利技术提供的基于低轶稀疏分解的瓶装液体可见异物检测系统的第二实施例的结构示意图；图11是本专利技术提供的基于低轶稀疏分解的瓶装液体可见异物检测系统的第三实施例的结构示意图。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，本领域的技术人本文档来自技高网...

【技术保护点】
1.一种基于低轶稀疏分解的瓶装液体可见异物检测方法，其特征在于，包括以下步骤：采集连续帧图像；其中，所述连续帧图像包括当前帧图像和前一帧图像；提取连续帧图像中每一帧图像的特征，设定感兴趣区域；对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像；对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图；其中二值图包括当前帧图像的二值图和前一帧图像的二值图；将所述当前帧图像的二值图和所述前一帧图像的二值图进行差分处理，得到差分图；将差分图进行图像处理去除干扰，输出图像处理后的差分图；根据图像处理后的差分图判断液体中是否存在可见异物。

【技术特征摘要】
1.一种基于低轶稀疏分解的瓶装液体可见异物检测方法，其特征在于，包括以下步骤：采集连续帧图像；其中，所述连续帧图像包括当前帧图像和前一帧图像；提取连续帧图像中每一帧图像的特征，设定感兴趣区域；对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像；对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图；其中二值图包括当前帧图像的二值图和前一帧图像的二值图；将所述当前帧图像的二值图和所述前一帧图像的二值图进行差分处理，得到差分图；将差分图进行图像处理去除干扰，输出图像处理后的差分图；根据图像处理后的差分图判断液体中是否存在可见异物。2.根据权利要求1所述的基于低轶稀疏分解的瓶装液体可见异物检测方法，其特征在于，所述提取连续帧图像中每一帧图像的特征，得到感兴趣区域的步骤，包括：将每一帧图像转换为灰度图像，提取所述灰度图像中的灰度特征、梯度特征、边缘特征，获得瓶内液面、瓶底、左侧瓶壁和右侧瓶壁信息；根据所述瓶内液面、瓶底、左侧瓶壁和右侧瓶壁信息，确定感兴趣区域的上坐标、下坐标、左坐标和右坐标，得到感兴趣区域。3.根据权利要求1所述的基于低轶稀疏分解的瓶装液体可见异物检测方法，其特征在于，所述对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像的步骤，包括：将所述感兴趣区域转换为观测数据矩阵D，将所述观测数据矩阵D分解为低轶部分矩阵A和稀疏部分矩阵E；分别将低轶部分矩阵A转换为低轶部分图像，将稀疏部分矩阵E转换为稀疏部分图像；其中，式中，λ为非负参数；||E||0为稀疏部分矩阵E的l0范数，即稀疏部分矩阵E中非零元素的个数；rank(A)为低轶部分矩阵A的轶函数，即低轶部分矩阵A中非零奇异值的个数。4.根据权利要求3所述的基于低轶稀疏分解的瓶装液体可见异物检测方法，其特征在于，所述观测数据矩阵D、低轶部分矩阵A和稀疏部分矩阵E之间满足公式其中，||A||*为低轶部分矩阵A的核范数，即低轶部分矩阵A中所有奇异值之和；||E||1为稀疏部分矩阵E的l1范数，即稀疏部分矩阵E所有元素的绝对值之和。5.根据权利要求4所述的基于低轶稀疏分解的瓶装液体可见异物检测方法，其特征在于，通过迭代阈值算法、加速近似梯度算法、增广拉格朗日乘子法或交替方向法求解公式6.根据权利要求...

【专利技术属性】
技术研发人员：王雨青，陈小林，王博，吴志佳，李荅群，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林,22