一种全方位的药瓶外观缺陷检测方法技术

本发明专利技术属于机器视觉检测技术，涉及一种全方位的药瓶外观缺陷检测方法,包括获取药瓶外观图像信息；将获取的图像信息采用语义‑像素融合检测评判标准边界模糊的微小外观缺陷；同时，采用孪生缺陷分类网络，识别特征差异明显、样本稀少的较大外观缺陷以及由于生产工艺或外界环境变化而产生的未知缺陷。对药瓶进行360°全方位的缺陷检测，还克服了现有的缺陷检测方法易受环境影响、缺陷评判标准模糊和对未知缺陷表现较差等瓶颈。

【技术实现步骤摘要】
一种全方位的药瓶外观缺陷检测方法
本专利技术属于机器视觉检测技术，涉及一种全方位的药瓶外观缺陷检测方法。
技术介绍
玻璃药瓶是制药领域常用的药品容器，主要应用于盛装口服液、疫苗、粉末等。由于制造工艺、天然气压力、着火温度、油渍溅落、异物附着等客观因素，药瓶将产生大量的外观缺陷和尺寸错误。在当前的玻璃口服液药瓶生产线上有30多种不同种类的缺陷。缺陷会导致药瓶的质量问题，如气密性差等，引发药液泄露和药物变质，危及患者的生命安全。目前药瓶生产厂家普遍使用人工检测，该方法效率低，成本高，且长时间灯检会对人眼造成伤害。部分厂家采用视觉检测系统进行药瓶检测，该设备以机器视觉检测方法为核心，集光路成像、自动控制、图像识别以及I/O等模块为一体。但是，当前的药瓶视觉检测设备上使用的外观缺陷检测方法仍有一些问题，例如，传统检测方法受环境光影响大，一旦成像环境变化，需要调节大量参数重新校准，操作极其繁琐；随着深度学习技术的发展，该缺陷检测方法对环境变化有良好的抗干扰能力；但是基于深度学习的缺陷检测方法仅能识别缺陷类别与位置，无法计算缺陷的像素级特征，如面积本文档来自技高网...

【技术保护点】
1.一种全方位的药瓶外观缺陷检测方法，其特征在于，/n获取药瓶外观图像信息；/n将获取的图像信息采用语义-像素融合检测评判标准边界模糊的微小外观缺陷；同时，/n采用孪生缺陷分类网络，识别特征差异明显、样本稀少的较大外观缺陷以及由于生产工艺或外界环境变化而产生的未知缺陷。/n

【技术特征摘要】
1.一种全方位的药瓶外观缺陷检测方法，其特征在于，
获取药瓶外观图像信息；
将获取的图像信息采用语义-像素融合检测评判标准边界模糊的微小外观缺陷；同时，
采用孪生缺陷分类网络，识别特征差异明显、样本稀少的较大外观缺陷以及由于生产工艺或外界环境变化而产生的未知缺陷。


2.如权利要求1所述的方法，其特征在于，所述语义-像素融合检测从输入端到输出端，分别包括目标检测网络、类型滤波器、以及阈值滤波器对图像信息进行处理。


3.如权利要求1或2所述的方法，其特征在于，所述语义-像素融合检测包括：
获取瓶口、瓶身、瓶底三个角度的图像；
对图像进行预处理，其中，预处理包括：降采样、边缘检测和匹配定位，再进行感兴趣区域提取；
将待检测样本提取出的感兴趣区域输入基于深度学习的目标检测网络，目标检测网络的选择根据不同模型的实际表现对比进行更换，通过对Faster-RCNN、YoloV3+DarkNet与YoloV3+MobileNetV1目标检测网络性能进行综合比较，选择表现最好的Faster-RCNN进行目标检测；
将所有目标检测得到的语义级缺陷信息进行类型滤波，划分为可容忍与不可容忍缺陷；
对于不可容忍缺陷，直接根据该缺陷识别结果的置信度高低进行判断；
对于可容忍缺陷，判断缺陷识别的置信度，以及对区域级缺陷结果进行面积、长度和灰度等像素级特征计算。


4.如权利要求3所述的方法，其特征在于，所述预处理包括具体包括：
对原始图像进行降采样，将各部位图像的长和宽缩短为原始图像的1/4，在保留缺陷信息的同时减少计算量；
对降采样图像进行边缘检测，分别使用X方向与Y方向的Sobel算子对各部位灰度图像进行卷积操作，设降采样图像为A，Gx是对A进行x方向上的卷积结果，GY是对A进行y方向上的卷积结果，二者结合后的边缘检测结果图像为G，具体见公式(1)、公式(2)：






将边缘检测结果图的长宽分别放大4倍，恢复原始图像的大小后，对其进行轮廓提取，选取瓶口、瓶底、瓶身最大外包络作为目标轮廓，并计算目标轮廓的最小外接矩形，取瓶口、瓶身与瓶底的外边沿所在列作为药瓶图像的标定列，得到标定列的起始坐标为(X，Y)，完成匹配定位；
以标定列起始坐标(X，Y)为基准，提取感兴趣区域ROI，即从被处理的图像以任意形状勾勒出需要处理的区域，设ROI形状...

【专利技术属性】
技术研发人员：玄玉波，郭赟，何厚良，杜文聪，徐泷基，陈庆华，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22