一种基于机器视觉的预制菜生产检测方法技术

本发明专利技术涉及图像数据处理技术领域，提出了一种基于机器视觉的预制菜生产检测方法，包括：获取封装灰度图；根据相邻像素点之间图像信息的差异获取近邻差异系数；根据近邻差异系数的排序结果获取外侧显著像素点集合；根据外侧显著像素点集合内每个像素点的封装距离获取每个像素点的中心权重；根据中心权重获取热封包装袋的顶点；根据单边边缘线上像素点图像信息的突变程度获取封装异常度以及封装异常序列；根据所有单边边缘线的封装异常序列获取最外侧轮廓的异常指数；根据最外侧轮廓的异常指数获取预制菜包装的检测评估系数。本发明专利技术避免热封造成的边缘倾斜与封装缺陷之间的混淆造成的检测误差，实现对不同类型预制菜包装完整性的精准检测。整性的精准检测。整性的精准检测。

【技术实现步骤摘要】
一种基于机器视觉的预制菜生产检测方法


[0001]本专利技术涉及图像数据处理
，具体涉及一种基于机器视觉的预制菜生产检测方法。

技术介绍

[0002]预制菜又称预制调理食品，是提前准备好的菜品统称，在需要的时候快速加热或烹饪，以节省时间、提高效率。预制菜的生产流程包括采购、加工、包装、运输以及储存等阶段，其中预制菜的包装是预制菜保鲜的关键，若预制菜的包装出现破损或者漏气，则会导致菜品变质，同时对人们的身体健康造成影响。
[0003]传统的计算机视觉对食品包装检测的方法可移植性较弱，在对预制菜的包装进行检测时，不同的包装检测的效果不同，不确定性较高，会出现包装上缺陷检测效果较差的问题。除此之外，现阶段预制菜生产包装绝大多数通过真空塑封的方式进行包装，由于预制菜内菜品的形状各不相同，在包装期间会形成不规则的边缘扭曲，而当包装出现轻微破损或者漏气缺陷时，上述真空塑封造成的边缘扭曲与包装缺陷之间存在一定程度的视觉混淆性，对包装密封性、完整性的检测造成极大的干扰，易生成检测误差。

技术实现思路

[0004]本专利技术提供一种基于机器视觉的预制菜生产检测方法，以解决预制菜生产热封时的包装扭曲与包装缺陷之间区分精度低的问题，所采用的技术方案具体如下：本专利技术一个实施例一种基于机器视觉的预制菜生产检测方法，该方法包括以下步骤：获取预制菜包装的封装灰度图；根据封装灰度图的边缘检测结果获取最外侧轮廓以及内侧热封轮廓；根据最外侧轮廓上相邻像素点之间图像信息的差异获取每个边缘像素点的近邻差异系数；根据最外侧轮廓上所有边缘像素点近邻差异系数的排序结果获取外侧显著像素点集合；根据外侧显著像素点集合内像素点之间的封装特征获取外侧显著像素点集合对应的聚类结果，将所述聚类结果中每个聚类簇的中心点作为热封包装袋的顶点；根据相邻两个顶点确定的单边边缘线上像素点图像信息的突变程度获取所述单边边缘线上每个封装异常点的封装异常度；将每条单边边缘线上所有封装异常点的封装异常度组成的序列作为每条单边边缘线的封装异常序列；根据所有单边边缘线的封装异常序列获取封装轮廓的异常指数；根据待检测预制菜封装轮廓的异常指数与标准包装时封装轮廓的异常指数获取待检测预制菜的检测结果。
[0005]优选的，所述根据最外侧轮廓上相邻像素点之间图像信息的差异获取每个边缘像素点的近邻差异系数的方法为：将以最外侧轮廓上每个边缘像素点为起始点，按照顺时针的顺序在最外侧轮廓上所取预设数量个连续边缘像素点组成的集合作为每个边缘像素点的近邻集合；
将每个边缘像素点与其近邻集合内所有像素点梯度方向之间差值的分布方差作为每个边缘像素点的近邻差异系数。
[0006]优选的，所述根据最外侧轮廓上所有边缘像素点近邻差异系数的排序结果获取外侧显著像素点集合的方法为：获取最外侧轮廓上所有边缘像素点的近邻差异系数按照降序顺序排列的排列结果，将所述排列结果中前预设数量个边缘像素点组成的集合作为外侧显著像素点集合。
[0007]优选的，所述根据外侧显著像素点集合内像素点之间的封装特征获取外侧显著像素点集合对应的聚类结果的方法为：根据外侧显著像素点集合内每个像素点的封装距离获取每个像素点的中心权重；获取外侧显著像素点集合内所有像素点的中心权重按照降序顺序排列的排列结果，将所述排列结果中前预设数量个中心权重对应的像素点作为聚类算法的中心点，利用聚类算法获取外侧显著像素点集合内所有像素点的聚类结果。
[0008]优选的，所述根据外侧显著像素点集合内每个像素点的封装距离获取每个像素点的中心权重的方法为：分别获取外侧显著像素点集合内每个像素点与外侧显著像素点集合内每个像素点之间的欧式距离，将所述每个像素点与外侧显著像素点集合内所有像素点之间的欧式距离的和作为每个像素点的封装距离；将外侧显著像素点集合内每个像素点的封装距离的和作为分母，将所述每个像素点的封装距离与分母的比值作为每个像素点的中心权重。
[0009]优选的，所述根据相邻两个顶点确定的单边边缘线上像素点图像信息的突变程度获取所述单边边缘线上每个封装异常点的封装异常度的方法为：根据单边边缘线的边缘序列内相邻元素的梯度信息差异获取单边边缘线的边缘信息差序列；将利用突变点检测算法获取的单边边缘线对应的边缘信息差序列中的突变点作为单边边缘线上的封装异常点，将每个封装异常点在所述边缘信息差序列对应元素的均值作为每个封装异常点的第一影响因子；根据封装异常点与最外侧轮廓上顶点之间的空间距离获取每个封装异常点的映射距离差；每个封装异常点的封装异常度由第一影响因子、映射距离差两部分组成，其中，所述封装异常度与第一影响因子、映射距离差成正比关系。
[0010]优选的，所述根据单边边缘线的边缘序列内相邻元素的梯度信息差异获取单边边缘线的边缘信息差序列的方法为：将单边边缘线的两个顶点分别作为起始点和终点，将单边边缘线上所有边缘像素点按照顺时针顺序的排序结果作为单边边缘线的边缘序列；分别获取所述边缘序列内相邻像素点梯度幅值之间差值的绝对值、梯度方向之间差值的绝对值，将以所述梯度幅值之间差值的绝对值为指数，以所述梯度方向之间差值的绝对值为底数的计算结果作为相邻像素点之间的边缘信息差，将所有相邻像素点之间的边缘信息差组成的序列作为单边边缘线对应的边缘信息差序列。
[0011]优选的，所述根据封装异常点与最外侧轮廓上顶点之间的空间距离获取每个封装异常点的映射距离差的方法为：
获取每个封装异常点与最外侧轮廓上每个顶点之间的欧式距离，将所述欧式距离中最大值对应的顶点作为每个封装异常点的平行远顶点，将与所述平行远顶点在同一条单边边缘线且不与每个封装异常点在同一条单边边缘线上的顶点作为每个封装异常点的平行近顶点；将每个封装异常点与其平行远顶点之间欧氏距离在水平方向上的投影值作为每个封装异常点的远投影值，将每个封装异常点与其相邻封装异常点的远投影值之间的差值绝对值作为每个封装异常点的远投影差值；将每个封装异常点与其平行近顶点之间欧氏距离在水平方向上的投影值作为每个封装异常点的近投影值，将每个封装异常点与其相邻封装异常点的近投影值之间的差值绝对值作为每个封装异常点的近投影差值；每个封装异常点的映射距离差由每个封装异常点的远投影差值、近投影差值两部分组成，其中，所述映射距离差与远投影差值、近投影差值成正比关系。
[0012]优选的，所述根据所有单边边缘线的封装异常序列获取封装轮廓的异常指数的方法为：将最外侧轮廓上所有单边边缘线的封装异常序列的变异系数的最大值作为第一组成因子；将内侧轮廓上所有单边边缘线的封装异常序列的变异系数的最大值作为第二组成因子；封装轮廓的异常指数由第一组成因子、第二组成因子两部分组成，其中，所述异常指数与第一组成因子、第二组成因子成正比关系。
[0013]优选的，所述根据待检测预制菜封装轮廓的异常指数与标准包装时封装轮廓的异常指数获取待检测预制菜的检测结果的方法为：将每类预制菜标准封装时封装轮廓对应的异常指数作为每类预制菜的参考阈值，将待检测预制菜封装轮廓的异常指数与其对应类别的参考阈值的差值绝对值作为待检测预制菜的检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器视觉的预制菜生产检测方法，其特征在于，该方法包括以下步骤：获取预制菜包装的封装灰度图；根据封装灰度图的边缘检测结果获取最外侧轮廓以及内侧热封轮廓；根据最外侧轮廓上相邻像素点之间图像信息的差异获取每个边缘像素点的近邻差异系数；根据最外侧轮廓上所有边缘像素点近邻差异系数的排序结果获取外侧显著像素点集合；根据外侧显著像素点集合内像素点之间的封装特征获取外侧显著像素点集合对应的聚类结果，将所述聚类结果中每个聚类簇的中心点作为热封包装袋的顶点；根据相邻两个顶点确定的单边边缘线上像素点图像信息的突变程度获取所述单边边缘线上每个封装异常点的封装异常度；将每条单边边缘线上所有封装异常点的封装异常度组成的序列作为每条单边边缘线的封装异常序列；根据所有单边边缘线的封装异常序列获取封装轮廓的异常指数；根据待检测预制菜封装轮廓的异常指数与标准包装时封装轮廓的异常指数获取待检测预制菜的检测结果。2.根据权利要求1所述的一种基于机器视觉的预制菜生产检测方法，其特征在于，所述根据最外侧轮廓上相邻像素点之间图像信息的差异获取每个边缘像素点的近邻差异系数的方法为：将以最外侧轮廓上每个边缘像素点为起始点，按照顺时针的顺序在最外侧轮廓上所取预设数量个连续边缘像素点组成的集合作为每个边缘像素点的近邻集合；将每个边缘像素点与其近邻集合内所有像素点梯度方向之间差值的分布方差作为每个边缘像素点的近邻差异系数。3.根据权利要求1所述的一种基于机器视觉的预制菜生产检测方法，其特征在于，所述根据最外侧轮廓上所有边缘像素点近邻差异系数的排序结果获取外侧显著像素点集合的方法为：获取最外侧轮廓上所有边缘像素点的近邻差异系数按照降序顺序排列的排列结果，将所述排列结果中前预设数量个边缘像素点组成的集合作为外侧显著像素点集合。4.根据权利要求1所述的一种基于机器视觉的预制菜生产检测方法，其特征在于，所述根据外侧显著像素点集合内像素点之间的封装特征获取外侧显著像素点集合对应的聚类结果的方法为：根据外侧显著像素点集合内每个像素点的封装距离获取每个像素点的中心权重；获取外侧显著像素点集合内所有像素点的中心权重按照降序顺序排列的排列结果，将所述排列结果中前预设数量个中心权重对应的像素点作为聚类算法的中心点，利用聚类算法获取外侧显著像素点集合内所有像素点的聚类结果。5.根据权利要求4所述的一种基于机器视觉的预制菜生产检测方法，其特征在于，所述根据外侧显著像素点集合内每个像素点的封装距离获取每个像素点的中心权重的方法为：分别获取外侧显著像素点集合内每个像素点与外侧显著像素点集合内每个像素点之间的欧式距离，将所述每个像素点与外侧显著像素点集合内所有像素点之间的欧式距离的和作为每个像素点的封装距离；将外侧显著像素点集合内每个像素点的封装距离的和作为分母，将所述每个像素点的封装距离与分母的比值作为每个像素点的中心权重。6.根据权利要求1所述的一种基于机器视觉的预制菜生产检测方法，其特征在于，所述
根据相邻两个顶点确定的单边边缘线上像素点图像信息的突变程度获取所述单边边缘线上每个封装异常点的封装异常度的方法为：根据单边边缘线的边缘序列内相邻元素的梯度信息差异获取单边边缘线的边缘信息差序列；将利用突变点检测...

【专利技术属性】
技术研发人员：李英，程海红，徐欣，刘少杰，
申请(专利权)人：泰安金冠宏食品科技有限公司，
类型：发明
国别省市：