System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像数据处理,具体涉及基于机器视觉的标签缺陷检测方法。
技术介绍
1、随着科技的发展,标签已经广泛的应用于生活中的方方面面,比如,可以应用于贴标机轨道尾部边缘挡瓶板上,标签与物品之间已经变得密不可分。由于标签中记载了物品的各种信息,所以标签成为了物品主要信息的有效载体,标签的存在有利于相关质检部门对物品的质量定级,方便消费者对物品质量进行主观以及客观评价。然而,标签在生产过程中往往受到生产设备以及生产工艺等因素的影响,导致生产出来的标签可能存在缺陷,缺陷类型如:标签破损、文字或图案的错误印刷、划痕等。缺陷标签往往使得人们无法获取标签中正确的物品信息,因此对于标签的缺陷检测至关重要。目前,对标签进行缺陷检测时,通常采用的方式为:根据待检测标签的待检测图像和标准图像,采用图像匹配进行缺陷检测,其中,待检测图像是待检测标签的图像,标准图像可以是未发生缺陷的标签的图像,该未发生缺陷的标签可以是与待检测标签规格型号相同的标签。
2、然而,当采用上述方式时,经常会存在如下技术问题:
3、第一,当采用图像匹配,对标签进行缺陷检测时,由于图像匹配的局限性,往往需要待检测标签未发生缺陷时,待检测图像和标准图像相同,即往往需要调节相机的拍摄角度、待检测标签和未发生缺陷的标签的放置方向相同,往往导致对标签进行缺陷检测的效率低下。
4、第二,由于图像匹配,对噪声点往往反应灵敏,对局部较小的缺陷检测效果往往不好,所以直接通过图像匹配,往往导致对标签进行缺陷检测准确度低下。
技术
1、本专利技术的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本专利技术的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
2、为了解决对标签进行缺陷检测的效率和准确度低下的技术问题,本专利技术提出了基于机器视觉的标签缺陷检测方法。
3、本专利技术提供了基于机器视觉的标签缺陷检测方法,该方法包括:
4、获取待检测标签的标签图像,对所述标签图像进行预处理,得到目标标签图像;
5、分别对所述目标标签图像和预先获取的目标模板图像进行轮廓提取,得到待检测标签轮廓集合和模板标签轮廓集合;
6、对于所述待检测标签轮廓集合中的每个待检测标签轮廓,对所述待检测标签轮廓与所述模板标签轮廓集合中的各个模板标签轮廓进行初步匹配,得到所述待检测标签轮廓对应的待匹配轮廓集合;
7、根据所述待检测标签轮廓集合中的待检测标签轮廓对应的待匹配轮廓集合,对所述待检测标签轮廓集合中的待检测标签轮廓进行分类,得到缺陷标签轮廓集合和待细化匹配标签轮廓集合;
8、对于所述待细化匹配标签轮廓集合中的每个待细化匹配标签轮廓,对所述待细化匹配标签轮廓与所述待细化匹配标签轮廓对应的待匹配轮廓集合进行细化匹配,得到所述待细化匹配标签轮廓对应的目标匹配轮廓;
9、根据所述待细化匹配标签轮廓集合中的各个待细化匹配标签轮廓对应的目标匹配轮廓、所述缺陷标签轮廓集合和所述待细化匹配标签轮廓集合,生成所述待检测标签对应的标签缺陷信息。
10、进一步的,在所述分别对所述目标标签图像和预先获取的目标模板图像进行轮廓提取,得到待检测标签轮廓集合和模板标签轮廓集合之前,所述方法还包括:
11、获取样本标签图像集合,其中,所述样本标签图像集合中的样本标签图像是未发生缺陷的样本标签的图像,样本标签的规格型号与所述待检测标签的规格型号相同;
12、对所述样本标签图像集合中的每个样本标签图像进行边缘检测,得到所述样本标签图像对应的样本轮廓集合;
13、对于所述样本标签图像集合中的每个样本标签图像,对所述样本标签图像对应的样本轮廓集合中的样本轮廓进行合并,得到所述样本标签图像对应的合并轮廓集合;
14、对所述样本标签图像集合中的各个样本标签图像对应的合并轮廓集合进行匹配,得到样本匹配轮廓组集合;
15、对所述样本匹配轮廓组集合中样本匹配轮廓组进行异常值剔除,得到初步匹配轮廓组集合;
16、对所述初步匹配轮廓组集合中的初步匹配轮廓组进行标准化,得到目标模板图像。
17、进一步的,所述对所述待检测标签轮廓与所述模板标签轮廓集合中的各个模板标签轮廓进行初步匹配,包括:
18、从所述待检测标签轮廓中随机选取预设数目个轮廓像素点,得到所述待检测标签轮廓对应的轮廓像素点集合;
19、根据所述待检测标签轮廓对应的轮廓像素点集合,从模板标签轮廓中筛选出预设数目个模板轮廓像素点,得到模板标签轮廓对应的模板轮廓像素点集合;
20、根据所述待检测标签轮廓对应的轮廓像素点集合与模板标签轮廓对应的模板轮廓像素点集合,确定所述待检测标签轮廓与模板标签轮廓之间的第一轮廓差异度集合;
21、对所述待检测标签轮廓与模板标签轮廓之间的第一轮廓差异度集合中的第一轮廓差异度进行累加处理,当得到的和小于预先设置的第一差异阈值,并且累加次数等于预设数目时,将模板标签轮廓,确定为所述待检测标签轮廓对应的待匹配轮廓。
22、进一步的,所述根据所述待检测标签轮廓集合中的待检测标签轮廓对应的待匹配轮廓集合,对所述待检测标签轮廓集合中的待检测标签轮廓进行分类,得到缺陷标签轮廓集合和待细化匹配标签轮廓集合,包括:
23、当所述待检测标签轮廓集合中的待检测标签轮廓对应的待匹配轮廓集合中的待匹配轮廓的数量为0时,将待检测标签轮廓,确定为缺陷标签轮廓;
24、当所述待检测标签轮廓集合中的待检测标签轮廓对应的待匹配轮廓集合中的待匹配轮廓的数量大于0时,将待检测标签轮廓,确定为待细化匹配标签轮廓。
25、进一步的,所述对所述待细化匹配标签轮廓与所述待细化匹配标签轮廓对应的待匹配轮廓集合进行细化匹配,得到所述待细化匹配标签轮廓对应的目标匹配轮廓,包括:
26、分别确定所述待细化匹配标签轮廓与所述待细化匹配标签轮廓对应的待匹配轮廓集合中的待匹配轮廓的重心;
27、以所述待细化匹配标签轮廓的重心为圆心,作预先设置的目标数目个目标圆,得到所述待细化匹配标签轮廓对应的目标圆集合;
28、根据所述待细化匹配标签轮廓对应的待匹配轮廓集合中的待匹配轮廓的重心,确定待匹配轮廓对应的待匹配圆集合;
29、根据所述待细化匹配标签轮廓对应的目标圆集合和待匹配轮廓对应的待匹配圆集合,确定所述待细化匹配标签轮廓与待匹配轮廓之间的第二轮廓差异度;
30、根据所述待细化匹配标签轮廓与待匹配轮廓之间的第二轮廓差异度,确定所述待细化匹配标签轮廓与待匹配轮廓之间的轮廓差异程度;
31、根据所述待细化匹配标签轮廓与待匹配轮廓,确定所述待细化匹配标签轮廓与待匹配轮廓之间的轮廓形变度;
32、根据所述待细化匹配标签轮廓与待匹配轮廓之间的第二轮廓差异度、轮廓本文档来自技高网...
【技术保护点】
1.一种基于机器视觉的标签缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,在所述分别对所述目标标签图像和预先获取的目标模板图像进行轮廓提取,得到待检测标签轮廓集合和模板标签轮廓集合之前,所述方法还包括:
3.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述对所述待检测标签轮廓与所述模板标签轮廓集合中的各个模板标签轮廓进行初步匹配,包括:
4.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述根据所述待检测标签轮廓集合中的待检测标签轮廓对应的待匹配轮廓集合,对所述待检测标签轮廓集合中的待检测标签轮廓进行分类,得到缺陷标签轮廓集合和待细化匹配标签轮廓集合,包括:
5.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述对所述待细化匹配标签轮廓与所述待细化匹配标签轮廓对应的待匹配轮廓集合进行细化匹配,得到所述待细化匹配标签轮廓对应的目标匹配轮廓,包括:
6.根据权利要求5所述的一种基于机器视觉的标
7.根据权利要求6所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述根据所述待细化匹配标签轮廓对应的目标圆序列中的目标圆和待匹配轮廓对应的待匹配圆序列中的待匹配圆,确定目标圆和待匹配圆之间的第三轮廓差异度,包括:
8.根据权利要求7所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述根据所述待细化匹配标签轮廓与待匹配轮廓之间的第二轮廓差异度,确定所述待细化匹配标签轮廓与待匹配轮廓之间的轮廓差异程度,包括:
9.根据权利要求5所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述根据所述待细化匹配标签轮廓与待匹配轮廓,确定所述待细化匹配标签轮廓与待匹配轮廓之间的轮廓形变度,包括:
10.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述根据所述待细化匹配标签轮廓集合中的各个待细化匹配标签轮廓对应的目标匹配轮廓、所述缺陷标签轮廓集合和所述待细化匹配标签轮廓集合,生成所述待检测标签对应的标签缺陷信息,包括:
...【技术特征摘要】
1.一种基于机器视觉的标签缺陷检测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,在所述分别对所述目标标签图像和预先获取的目标模板图像进行轮廓提取,得到待检测标签轮廓集合和模板标签轮廓集合之前,所述方法还包括:
3.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述对所述待检测标签轮廓与所述模板标签轮廓集合中的各个模板标签轮廓进行初步匹配,包括:
4.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述根据所述待检测标签轮廓集合中的待检测标签轮廓对应的待匹配轮廓集合,对所述待检测标签轮廓集合中的待检测标签轮廓进行分类,得到缺陷标签轮廓集合和待细化匹配标签轮廓集合,包括:
5.根据权利要求1所述的一种基于机器视觉的标签缺陷检测方法,其特征在于,所述对所述待细化匹配标签轮廓与所述待细化匹配标签轮廓对应的待匹配轮廓集合进行细化匹配,得到所述待细化匹配标签轮廓对应的目标匹配轮廓,包括:
6.根据权利要求5所述的一种基于机器视觉的标...
【专利技术属性】
技术研发人员:胡小凤,康等贵,高玲,史小琳,刘明杨,崔小娇,王瑶,刘荣,曹华,刘付波,
申请(专利权)人:山东鲁抗医药集团赛特有限责任公司,
类型:发明
国别省市:
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。