【技术实现步骤摘要】
一种基于机器视觉多层次特征的产品标签检测方法
[0001]本专利技术公开了一种基于机器视觉多层次特征的产品标签检测方法，属于工业视觉和图像处理领域
。
技术介绍
[0002]机器视觉在近几年的工业智能检测发展中变得非常重要，已经成为现代化工业生产中的关键部分
。
通过使用工业相机取代人眼，并借助各种图像处理手段和人工智能算法，工业生产中的视觉检测工作已经普遍采用这种高效方式
。
[0003]标签检测是一种与计算机视觉和图像处理相关的技术，它能够帮助工人精准地检测数字图像和视频中特定类别的对象，如药液瓶
、
食品包装瓶
、
酒瓶生产线上的标签
。
在这个场景下，通过模拟生产线情景进行标签检测和字符识别，系统能够实现信息录入和核对，并在快速生产线上提高准确率和检测效率
。
[0004]标签在食品包装中的重要性不言而喻，它承载着食品的特征
、
保存条件
、
期限以及食用人群与食用方法等重要信息
【技术保护点】
【技术特征摘要】
1.
一种基于机器视觉多层次特征的产品标签检测方法，其特征在于：具体包括以下步骤：步骤
1)、CCD
相机根据光电信号，采集合格标签件图像，并传入计算机内；步骤
2)、
对采集的标签模板图像进行预处理；步骤
3)、
对处理后的模板图像进行边缘检测并提取轮廓，计算轮廓中包含的像素面积以及轮廓边缘的角度；步骤
4)、
对步骤
2)
处理后的图像，进行纹理特征提取，通过
GLCM
计算图像中像素间的灰度级对出现的频率
、
分布以及灰度共生矩阵，并从中计算其能量信息；步骤
5)、
对步骤
2)
处理后图像进行频域变换，并提取其低频信息，计算频谱能量；步骤
6)、
将步骤
3)、
步骤
4)
和步骤
5)
得到的参数，按照缺陷出现的频率，赋予不同的权重，得到综合阈值计算公式，并计算判断阈值；；步骤
7)、
输入待检测标签件图像，再次进行步骤
2)、
步骤
3)、
步骤
4)
和步骤
5)
，将得到的参数按照步骤
6)
的计算方法得出综合阈值，并与设置的判断阈值比较，继而判断标签是否合格
。2.
根据权利要求1所述的一种基于机器视觉多层次特征的产品标签检测方法，其特征在于：所述步骤
2)
对模板图像进行预处理，包括灰度化
、
降噪
、
二值化，具体步骤为：步骤
2.1
，对标签件模板图像进行灰度化处理，只保留图像的亮度信息以简化图像矩阵，提高后续算法运算速度；步骤
2.2
，对灰度化后的图像进行滤波，使图像边缘更清晰
。3.
根据权利要求1所述的一种基于机器视觉多层次特征的产品标签检测方法，其特征在于：所述步骤
3)
的具体步骤为：步骤
3.1
，对滤波后的图像进行二值化，采用大津法；步骤
3.2
，对二值化后的图像采用开操作，将标签与瓶身背景分离；步骤
3.3
，将分离后的标签作为研究对象，对其通过
Canny
算子进行边缘提取出标签的外轮廓；步骤
3.4
，计算外轮廓内包含面积，计算公式如下：式中，
Area
表示外轮廓包围区域面积；
P
和
Q
分别表示向量场中的两个分量函数；
d
为外轮廓所在封闭区域；
L
为区域
d
的边界曲线；步骤
3.5
，提取外轮廓下边缘，使用最小二乘法对下边缘进行拟合；设
y
＝
kx+b,
式中：
k
为直线方程斜率；
b
为直线方程截距；
x
表示直线方程的自变量；
y
表示直线方程的因变量；用最小二乘法估计参数时，要求观测值的偏差的加权平方和为最小；对直线拟合来说，就是使下式的值最小：
对上式中的
k、b
分别进行求导，得：求解上述方程组便可求得直线参数
k
和
b
的最佳估计值：把和代入上式，即可求得最小二乘法拟合的直线，其中为直线的斜率，为直线的截距；步骤
3.6
，由拟合出的直线，计算直线的角度，计算公式如下：式中，
Angel
表示轮廓所在直线的角度
。4.
根据权利要求1所述的一种基于机器视觉多层次特征的产品标签检测方法，其特征在于：所述步骤
4)
的具体步骤为：步骤
4.1
，承接步骤
2.2
，确定
GLCM
计算时的参数，包括灰度级别
、
灰度方向和像素偏移；步骤
4.2
，遍历图像中的每个像素，选择参数，来计算图像的
GLCM。
选择像素偏移作为计算参数，图像的灰度级别定义为
G
，图像矩阵定义为
I(x,y)
，像素偏移定义为
(dx,dy)
，则在给定方向上，灰度共生矩阵元素的计算公式为：式中，
M
和
N
分别是图像的行数和列数，
δ
是
Kronecker delta
函数，当其参数相等时为1，否则为0；步骤
4.3
，在得到
GLCM
后，对其进行归一化处理，以便得到概率分布；将
GLCM
的值限制在0‑1范围之间，使其不受图像大小的影响；步骤
4.4
，将归一化后的
GLCM
，运...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。