一种基于X-Ray图像的烟草缺陷检测方法
技术领域
本发明涉及一种烟草缺陷检测方法,尤其涉及一种基于X-Ray图像的烟草缺陷检测方法。
背景技术
香烟是我国需求量较大且较为稳定的产品之一。目前各大烟草制造企业的制丝、卷接都是在高速流水线上进行,香烟制造设备的自动化程度高,机械电器控制系统复杂,生产过程中可能会因为各种原因出现不合格品。随着烟草行业对产品质量的要求越来越高,卷烟的质量就体现了卷烟的品牌价值,传统采用人工检测方式需要耗费大量的人力资源、费时长、不稳定,重要的是,针对香烟过滤嘴部分的缺陷检测目前仍然没有一种简单有效的检测方法,成为烟草行业中一个亟待解决的问题。
发明内容
本发明的目的在于通过一种基于X-Ray图像的烟草缺陷检测方法,来解决以上背景技术部分提到的问题。
为达此目的,本发明采用以下技术方案:
一种基于X-Ray图像的烟草缺陷检测方法,其包括如下步骤:
S101、采集烟草X-Ray(X光线)图片,生成二值化图像;根据整条烟的几何特征,通过所述二值化图像,定位整条烟位置;
S102、定位分割单盒烟;
S103、根据烟盒的位置特征,定位香烟过滤嘴检测部位;
S104、对预处理后的图像每列进行跳跃点分析,获取跃变图;
S105、针对所述跃变图进行连通性分析,找出缺陷区域。
特别地,所述步骤S101中采集烟草X-Ray图片,具体包括:
在采集烟草X-Ray图片时,X-Ray发射源与接收元器件设置的相对位置呈预设角度倾斜。
特别地,所述步骤S101中生成二值化图像,根据整条烟的几何特征,通过所述二值化图像,定位整条烟位置,具体包括:
根据OSTU算法选取阈值生成二值化图像,根据烟草整条烟盒的长宽固定比例关系进行筛选,定位整条烟位置;其中,OSTU算法由大律提出,是一种自适应阈值图像分割方法。
特别地,所述步骤S102具体包括:
对步骤S101中根据OSTU算法选取的阈值进行灰度偏移,生成易于烟盒分割的二值化图像;
对所述易于分割的二值化图像进行横向搜索,获得分割点,并根据包括烟盒等距分布在内的特征对分割点进行二次确认与筛选,完成单烟盒分割。
特别地,所述步骤S104具体包括:
对于灰度图像进行n×1纵向算子平滑滤波处理,其中n大小可调;
根据设定的图像纵向压缩比进行纵向压缩,并保留缺陷灰度跃变带状区域;
根据灰度跨度和跨度像素距离对每列像素点进行跳跃点分析;根据烟盒构造特征,在烟草的两边区域和中间区域采取不同的参数配置,每列获取的跃变点形成完整的跃变图。
特别地,所述步骤S105具体包括:对跃变图进行横向连通性分析,找出缺陷区域。
本发明提出的基于X-Ray图像的烟草缺陷检测方法根据整条烟的几何特征,通过二值化图像,定位整条烟位置;定位分割单盒烟;精确定位香烟过滤嘴检测部位;纵向压缩后,对图像每列进行跳跃点分析,获取跃变图;针对跃变图进行连通性分析,找出缺陷区域。本发明能够实现烟草缺陷的准确判定,快速可靠地给出缺陷检测结果,具有很强的适应性,并且检测时不会破坏烟草,可以实现自动批量检测。
附图说明
图1为本发明实施例提供的基于X-Ray图像的烟草缺陷检测方法流程图;
图2为本发明实施例提供的X-Ray发射源与接收元器件呈垂直角度时采集的X-Ray图片;
图3为本发明实施例提供的X-Ray发射源与接收元器件呈预设角度倾斜时采集的X-Ray图片;
图4为本发明实施例提供的根据OSTU算法选取阈值生成的二值化图像;
图5为本发明实施例提供的易于烟盒分割的二值化图像;
图6为本发明实施例提供的存在缺陷的过滤嘴局部图像;
图7为本发明实施例提供的跃变图;
图8为本发明实施例提供的横向连通性分析示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容,除非另有定义,本文所使用的所有技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述具体的实施例,不是旨在于限制本发明。
请参照图1所示,图1为本发明实施例提供的基于X-Ray图像的烟草缺陷检测方法流程图。
本实施例中基于X-Ray图像的烟草缺陷检测方法具体包括如下步骤:
S101、采集烟草X-Ray(X光线)图片,生成二值化图像;根据整条烟的几何特征,通过所述二值化图像,定位整条烟位置。
于本实施例,X-Ray图片采集对成像机构有特殊要求。烟草X-Ray图片缺陷检测区域为过滤嘴部分,由于烟盒本身结构的影响,在X-Ray发射源与接收元器件呈垂直角度时,采集的烟草X-Ray图片如图2所示,根据图中标注的方框区域可明显看出,烟盒盖对图像处理有较大干扰。因此,在采集烟草X-Ray图片时,本发明将X-Ray发射源与接收元器件设置的相对位置呈预设角度倾斜设置,采集结果如图3所示,从图中标注的方框区域与图2对比可知,消除了烟盒对图像处理的干扰。需要说明的是,所述预设角度可在具体实现中通过实验获得,详细过程在此不再赘述。具体的,本实施例中根据OSTU算法选取阈值生成二值化图像,如图4所示,并根据烟草整条烟盒的长宽固定比例关系进行筛选,定位整条烟位置。其中,OSTU算法由大律提出,是一种自适应阈值图像分割方法。
S102、定位分割单盒烟。具体包括:一、对步骤S101中根据OSTU算法选取的阈值进行灰度偏移,生成易于烟盒分割的二值化图像,如图5所示,图中标注的方框区域为分割线区域。另外,所述灰度偏移需根据实际情况灵活调整,只要生成的二值化图像对本领域技术人员来说易于烟盒分割即可,无特定要求。
二、对所述易于分割的二值化图像进行横向搜索,获得分割点,并根据包括烟盒等距分布在内的特征对分割点进行二次确认与筛选,完成单烟盒分割。
S103、根据烟盒的位置特征,定位香烟过滤嘴检测部位。如图6所示,图6中标注的椭圆区域为缺陷部位,有明显灰度跃变,是由过滤嘴中异常空洞导致。
S104、对预处理后的图像每列进行跳跃点分析,获取跃变图。具体包括:
一、对于灰度图像进行n×1纵向算子平滑滤波处理,其中n大小可调。
二、根据设定的图像纵向压缩比进行纵向压缩,使得图片抗干扰能力更强并保留缺陷灰度跃变带状区域。
三、根据灰度跨度和跨度像素距离对每列像素点进行跳跃点分析;根据烟盒构造特征,在烟草的两边区域和中间区域采取不同的参数配置,每列获取的跃变点形成完整的跃变图。如图7所示,图中标注的椭圆处为缺陷部位。
S105、针对所述跃变图进行连通性分析,找出缺陷区域,如图8所示,可根据位置关系去除烟盒过滤嘴处有金线塑料封条干扰。
本发明的技术方案能够实现烟草缺陷的准确判定,快速可靠地给出缺陷检测结果,具有很强的适应性,且检测时不会破坏烟草,可以实现自动批量检测。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。