外观质量检测方法及系统技术方案

本发明专利技术提供了一种外观质量检测方法及系统，其方法包括获取图片，其中，图片包括待检测物品的图像和/或背景图像和/异物图像；对图片进行分割，得到若干第一超像素，将若干第一超像素按照设定分类参数分成若干像素簇，且对应的外观情况标记在每一像素簇的每一第一超像素上；分别提取每一像素簇中每一第一超像素对应的特征，并将每一第一超像素对应的特征作为训练数据集；采用训练数据集训练分类模型，得到训练好的分类模型，其系统包括图像获取模块、图像分割模块、模型训练模块、分类模型模块和判断模块。本发明专利技术判断的准确性高，判断的结果更能精准的反应整体的外观质量结果，而且效率更高。率更高。率更高。

【技术实现步骤摘要】
外观质量检测方法及系统


[0001]本专利技术涉及外观检测
，具体地，涉及外观质量检测方法及系统。

技术介绍

[0002]基于机器视觉的产品外观质量、表面缺陷检测系统应用越来越广，在家电、汽车等行业，设计良好的机器视觉系统可以快速轻松的识别微波炉、轴承等零部件和产品的划痕、缺角、打印模糊等外观、表面缺陷，节约大量人力。
[0003]上述类别的产品对产品表面缺陷有清晰的定义，因此识别起来相对方便，同时对缺陷检测准确度要求高，一般需要逐一在检验台上对产品表面进行360度无死角检验。
[0004]但是，在中药材、农产品加工等行业中，物料数量大，颗粒小，一般都通过传送带在工厂中输送物料，并且在原料的存储、加工过程中需要多次检验物料外观质量，以评估一些关键生产环节的质量控制是否合格，在这种情况下，逐个无死角检验每个粮食、药材颗粒的外观质量就变得成本过高，耗时过长，因此实现起来很难。
[0005]目前，对于物料数量大和颗粒小的中药材、农产品等常用的检验方法一般是对每一批物料进行手工抽样，然后对抽样的样本进行检验，根据样本的好坏来判断整体的好坏，但一批物料一般都有几十吨，甚至更多，手工抽样量只有几百克，导致抽样误差过大，难以准确反应一批物料的真实外观质量情况。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术的目的是提供一种外观质量检测方法及系统。
[0007]第一方面，本专利技术提供一种外观质量检测方法，包括如下步骤：
[0008]获取图片，其中，图片包括待检测物品的图像和/或背景图像和/或异物图像；
[0009]对图片进行分割，得到若干第一超像素，将若干第一超像素按照设定分类参数分成若干像素簇，其中，每一像素簇代表一种外观情况，且对应的外观情况标记在每一像素簇的每一第一超像素上；
[0010]分别提取每一像素簇中每一第一超像素对应的特征，并将特征作为训练数据集；
[0011]采用训练数据集训练分类模型，得到训练好的分类模型；
[0012]将处理数据集中的每一第二超像素对应的特征输入到训练好的分类模，输出每一第二超像素外观质量结果；
[0013]根据每一第二超像素的外观质量结果判断整体的外观质量结果。
[0014]可选地，对图片进行分割，得到若干第一超像素，进一步包括：
[0015]设定分割参数，其中，参数包括超参数的个数、紧致度、平滑系数、最大尺寸因子和最小尺寸因子；
[0016]根据设定的分割参数对图片进行分割，分割完成后，获得设定个数的第一超像素。
[0017]可选地，将第一超像素按照设定分类参数分成若干像素簇，进一步包括：
[0018]设定分类参数，其中，分类参数包括颜色阈值，每一像素簇对应一颜色阈值；
[0019]计算每一第一超像素的颜色值，根据设定的颜色阈值将每一第一超像素划分到对应的像素簇内。
[0020]可选地，计算每一超像素的颜色值，进一步包括：
[0021]获取每一第一超像素中的每一像素的颜色值；
[0022]计算每一第一超像素中的所有像素的颜色值的平均值，得出的平均值作为对应第一超像素的颜色值。
[0023]可选地，分别提取每一像素簇中每一第一超像素对应的特征，进一步包括：
[0024]绘制每一第一超像素的HSV颜色通道直方图和颜色通道梯度直方图；
[0025]根据HSV颜色通道直方图和颜色通道梯度直方图获取颜色通道的均值、最大值、最小值和方差；
[0026]提取每一第一超像素的凹凸度和周长。
[0027]可选地，根据每一第二超像素的外观质量结果判断整体的外观质量结果，进一步包括：
[0028]将同属于一张图片的第二超像素的外观质量结果分到一结果数据集中；
[0029]计算外观质量结果为异常的第二超像素的数量和结果数据集中的第二超像素的数量的比例，根据得出的比例结果判断整体的外观质量结果。
[0030]另一方面，本专利技术还提供了一种外观质量检测系统，用于实施上述的方法，包括图像获取模块、图像分割模块、模型训练模块、分类模型模块和判断模块，其中，
[0031]图像获取模块，用于获取图片，其中，图片包括待检测物品的图像和/或背景图像和/异物图像；
[0032]图像分割模块，用于对图片进行分割，得到若干第一超像素，将若干第一超像素按照设定分类参数分成若干像素簇，其中，每一像素簇代表一种外观情况，且对应的外观情况标记在每一像素簇的每一第一超像素上；
[0033]模型训练模块，用于分别提取每一像素簇中每一第一超像素对应的特征，并将特征作为训练数据集，采用训练数据集训练分类模型，得到训练好的分类模型；
[0034]分类模型模块，用于将处理数据集中的每一第二超像素对应的特征作为输入，并输出每一第二超像素外观质量结果；
[0035]判断模块，用于根据每一第二超像素的外观质量结果判断整体的外观质量结果。
[0036]与现有技术相比，本专利技术具有如下的有益效果：
[0037]本专利技术，将获取的图片分割成超像素后，采用设定分类参数对若干超像素进行快速分类形成像素簇，每一像素簇代表一种外观情况，该标记方式相对现有的手工标记的方式，效率更高，标记后的像素簇中的超像素提取特征后训练分类模型，然后通过训练后的分类模型输出识别结果，并通过识别结果判断整体的外观质量结果，判断的准确性高，判断的结果更能精准的反应整体的外观质量结果，而且效率更高。
附图说明
[0038]通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：
[0039]图1为本专利技术实施例一提供的外观质量检测方法的流程图；
[0040]图2为本专利技术实施例一提供的图片分割的流程图；
[0041]图3为本专利技术实施例一提供的第一超像素的特征提取流程图；
[0042]图4为本专利技术实施例一提供的外观结果判断流程图；
[0043]图5为本专利技术实施例二提供的外观质量检测系统框图；
[0044]图6为本专利技术实施例一提供的异常值分布直方图。
具体实施方式
[0045]下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。
[0046]实施例一
[0047]请参阅图1，本实施例中的外观质量检测方法可以包括如下步骤：
[0048]S1，获取图片，其中，图片包括待检测物品的图像和/或背景图像和/或异物图像，图片的获取可以是通过摄像机等进行获取，摄像机可以按照设定的时间进行拍照。
[0049]可以理解的是，该方法可以用于在中药材、农产品等物料数量大，颗粒小的待检测物中，在上述中药材和农产品在加工过程中，一般都是通过传送本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种外观质量检测方法，其特征在于，包括如下步骤：获取图片，其中，所述图片包括待检测物品的图像和/或背景图像和/或异物图像；对图片进行分割，得到若干第一超像素，将若干所述第一超像素按照设定分类参数分成若干像素簇，其中，每一像素簇代表一种外观情况，且对应的外观情况标记在每一像素簇的每一第一超像素上；分别提取每一所述像素簇中每一第一超像素对应的特征，并将每一所述第一超像素对应的特征作为训练数据集；采用所述训练数据集训练分类模型，得到训练好的分类模型；将处理数据集中的每一第二超像素对应的特征输入到训练好的分类模，输出每一第二超像素外观质量结果；根据每一第二超像素的外观质量结果判断整体的外观质量结果。2.根据权利要求1所述的外观质量检测方法，其特征在于，所述对图片进行分割，得到若干第一超像素，进一步包括：设定分割参数，其中，参数包括超参数的个数、紧致度、平滑系数、最大尺寸因子和最小尺寸因子；根据设定的分割参数对图片进行分割，分割完成后，获得设定个数的第一超像素。3.根据权利要求2所述的外观质量检测方法，其特征在于，所述将所述第一超像素按照设定分类参数分成若干像素簇，进一步包括：设定分类参数，其中，分类参数包括颜色阈值，每一像素簇对应一颜色阈值；计算每一第一超像素的颜色值，根据设定的颜色阈值将每一所述第一超像素划分到对应的像素簇内。4.根据权利要求3所述的外观质量检测方法，其特征在于，所述计算每一超像素的颜色值，进一步包括：获取每一第一超像素中的每一像素的颜色值；计算每一第一超像素中的所有像素的颜色值的平均值，得出的平均值作为对应第一超像素的颜色值。5.根据权利要...

【专利技术属性】
技术研发人员：董雁适，施一明，朱长华，张婧，
申请(专利权)人：至控科技湖州创新研究院有限公司，
类型：发明
国别省市：