CN107194910B - 一种基于混合阈值的提环检测方法 - Google Patents

一种基于混合阈值的提环检测方法 Download PDF

Info

Publication number
CN107194910B
CN107194910B CN201710215103.3A CN201710215103A CN107194910B CN 107194910 B CN107194910 B CN 107194910B CN 201710215103 A CN201710215103 A CN 201710215103A CN 107194910 B CN107194910 B CN 107194910B
Authority
CN
China
Prior art keywords
lifting ring
lifting
sawtooth
sequence
ring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710215103.3A
Other languages
English (en)
Other versions
CN107194910A (zh
Inventor
刘燕
梁振华
董蓉
李勃
陈和国
史德飞
查俊
黄璜
周子卿
史春阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Huichuan Image Vision Technology Co ltd
Original Assignee
Nanjing Huichuan Image Vision Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Huichuan Image Vision Technology Co ltd filed Critical Nanjing Huichuan Image Vision Technology Co ltd
Priority to CN201710215103.3A priority Critical patent/CN107194910B/zh
Publication of CN107194910A publication Critical patent/CN107194910A/zh
Application granted granted Critical
Publication of CN107194910B publication Critical patent/CN107194910B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0008—Industrial image inspection checking presence/absence
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques

Abstract

一种基于混合阈值方法的提环检测方法，首先根据瓶身的先验知识扫描定位提环锯齿的位置；然后采用大津阈值法和直方图阈值法相结合的策略提取锯齿相应区域的序列化特征信息；最后根据序列信息判定定位区域是否为锯齿，以确定提环有无以及提环是否压到位；提环检测利用提环锯齿部分特征信息提取进行检测判定依据，并根据混合阈值方法的策略，去除锯齿之间交错干扰，极大提高提环检测准确率，实现提环的准确检测。

Description

一种基于混合阈值的提环检测方法
技术领域
本发明涉及机器视觉与视频图像处理技术领域，具体为一种快速的基于混合阈值方法的提环检测方法。
背景技术
传统大容量(如5L)灌装瓶身外观检测多为人工肉眼检测为主，例如对提环的检测，现有的瓶装产品提环在压到瓶颈上后形成锯齿，卡在瓶口，便于拎提。然而人工检测不仅成本代价大，而且易疲劳容易出现漏检或误检以及速度慢等情况，导致准确率和效率都较低，这与大规模工业化产线生产极不协调，利用自动化产线检测提环，能有效解决这些问题。
针对提环检测的需求，现有技术中，部分产线采用了在生产线安装一个机械检测装置，其检测手段是设定好固定宽度的槽型装置，由于带有提环的瓶身与未带有提环的瓶身在一般情况下宽度相差较大，通过对灌装提环宽度为依据检测是否有提环。但是这种方法一方面会由于机械长期使用会出现老化松动会导致宽度检测准确率大幅降低，另一方面瓶身出现挂标等异常情况时单单使用宽度检测会造成大量误检，因为挂标是人工进行套装的，会出现各种形态，时常出现挂标翘起，导致无提环却宽度达标导致漏检，有无检测正确率不能达到要求，并且不能检测出提环是否正确压到位的情况。本发明利用计算机视觉和图像处理算法来避免机械检测设置老化松动等问题，同时通过提环锯齿的识别进行提环检测，能有效解决宽度检测导致的漏检、误检等问题，适用于异常情况处理和是否正确压到位的检测。
对提环图像直接阈值化来提取锯齿信息的方法操作简单、运算较快，但是仅对锯齿交错清晰，简单明了的情况下有效，且易受锯齿相互间的干扰。为实现自动提环检测算法的工业化应用，实时性和正确率都需满足。本发明提出一种基于混合阈值的提环检测方法。快速提取锯齿部分的序列化特征信息，作为判定锯齿有无依据，并提出大津法与直方图阈值法相结合的策略，排除锯齿之间的交错遮挡导致的干扰，极大提高提环检测准确率，并满足提环检测的效率要求。
发明内容
本发明要解决的问题是：现有提环检测系统依赖人眼观察，效率低下；现有通过机械设备完成提环检测的方法耐用性不强，不满足工业生产的长期耐用性要求；现有能够快速检测提环的方法仅能应对简单提环图像，对瓶颈挂标、压位检测等其他情况效果较差。总而言之，现有方法难以做到高实时性和高正确率的兼容。
本发明的技术方案为：一种基于混合阈值的提环检测方法，对瓶身上是否有提环以及提环是否正确压到位进行检测，具体步骤包括：
1)利用瓶身的先验知识，使用水平、垂直扫描定位出提环部分及提环锯齿部分；
2)采用大津阈值法对提取的提环锯齿部分进行处理，得到锯齿二值化图像；
3)根据得到的锯齿二值化图，序列化提取特征信息：
对图片宽度为W像素的锯齿二值化图从左往右扫描，步长为k个像素，设定图像中高度值为H，序列值为N，H(x)和N[x]分别表示对应列x的高度以及序列值；如列x的前后列的差值difH达到高度差阈值，即设定所在位置x的序列值N[x]为“1”，否则为“0”：
Figure GDA0002435417210000021
根据初步得到的N[x]序列进行遍历，对于出现的孤立的序列值‘1’或者‘0’取反，得到锯齿序列信息，即序列化特征信息分布规律；
4)根据序列化特征信息分布规律，设定正常提环图片为正样本，无提环或提环未压到位的图片为负样本，统计总结出正负样本序列规律并通过序列分布、相邻占空比准则，实现判定：
①若序列中“0”“1”交错次数<4，或“1”序列的长度为0，或“0”序列的长度为0，则判定提环缺失或未正确压位；
②若连续“0”序列的长度大于等于图片宽度的三分之一，则判定提环缺失或未正确压位；
③若连续为“1”或连续为“0”的子序列相邻占空比在(1.25，4)之内，则判定为找到提环的一个突出锯齿部分；
④如果根据步骤③查找到的突出锯齿个数大于等于3，则判定提环存在且正确压到位；否则提环缺失或未正确压位；
5)如若上述判定结果为真，即提环存在且正确压到位，直接输出结果；如若上述结果为假，即可能提环不存在或者未正确压到位，则采用直方图阈值法对1)得出的提环锯齿图像进行处理，进行步骤6)；
6)重复3)、4)步骤，将所得检测判定结果作为最终结果输出，真表示提环存在并压到位，假表示有其他错误。
步骤1)具体为：先进行由上往下水平扫描定位到瓶盖上方，根据瓶盖高度定位到瓶颈位置，再进行水平扫描定位至提环位置上方，根据提环高度确定提环部分；提环部分定位后，水平扫描得到瓶盖宽度，根据宽度和提环部分最终确定提环锯齿部分。
步骤5)中的直方图阈值法具体为：先对提环锯齿图像的灰度图像计算灰度直方图，首先通过粗尺度多边形拟合得到直方图中的灰度值转折点，然后对转折点以横坐标从大到小排序，最后计算相邻点的纵坐标差值，第一个与相邻的下一点之间纵坐标差值绝对值大于100的点即最后一个峰结束点位置，将该位置所对应的坐标值作为提环锯齿图像的二值化阈值点，从而得到锯齿图像的二值化图。
本发明提出一种基于混合阈值方法的提环检测方法，既满足实时性又具有较高正确率。其有益效果在于：1)提出利用图像处理算法快速自动化检测提环有无以及是否正确压到位的方法，极大提升生产线的效率和准确性；2)以提环锯齿部分为依据，检测提环有无以及压到位与否，相对于机械装置宽度检测可以去除瓶颈挂标的干扰，同时解决了锯齿间相互遮挡导致误检的情况，进一步提高检测质量；3)本发明使用大津阈值法结合直方图阈值法的混合阈值方法，分割提取锯齿部分，去除锯齿间的交错干扰，实现自动、准确的提环检测。
附图说明
图1为本发明方法的流程框图。
图2为本发明实施例待检测提环图像。
图3为本发明实施例提环位置定位图。
图4为本发明方法针对锯齿遮挡情况的直方图阈值图。
图5为本发明实施例提环检测结果图。
具体实施方式
本发明提供了一种新的提环检测方法，快速、自动化实现高准确率的提环检测。本发明方法主要包括基于图像处理的提环位置定位、基于大津阈值和直方图阈值相结合的锯齿序列信息提取、根据锯齿序列信息实现提环检测等三个部分。
本发明利用对提环上锯齿的位置定位以及有无检测来实现对提环有无以及是否正确压到位的检测，如图1所示，首先对待处理的提环检测图像进行预处理操作，如去噪，滤波，形态化，分割等操作，以便之后位置定位；其次，依据瓶盖高度等瓶身方面的先验知识进行扫描，精确定位出提环以及提环锯齿部分所在位置；接着对提环锯齿部分进行大津阈值法处理，提取序列化特征，并判断是否有提环；然后，如果上述处理结果为假，则需另外采用直方图阈值法进行处理，再使用序列化提取锯齿特征信息作为判定提环有无的依据，避免锯齿的各个小锯齿部分出现相互遮挡导致检测错误的特殊情况；最后根据序列特征信息的分布判定锯齿有无，从而确定提环有无的最终检测结果。
具体实施说明如下：
1)基于图像处理的提环位置定位：
瓶身结果分为瓶盖、瓶身、提环等结构部分，首先截取所要检测的部分的边界，进行滤波，以及小颗粒去除，去除图像的噪点和干扰。为定位出提环锯齿位置，先由上往下水平扫描定位到瓶盖上方，根据瓶盖高度定位到瓶颈位置，再水平扫描定位至提环位置上方，根据提环高度确定提环部分；提环部分定位后，垂直扫描得到瓶盖宽度，根据瓶盖宽度和提环部分最终确定提环锯齿部分；
2)基于大津阈值和直方图阈值相结合的混合阈值方法的锯齿序列信息提取：
大津阈值法利用以最大类间方差的差别衡量为标准得到的阈值，将原图像分成前景、背景两个图像，得到锯齿二值化图像。如果大津阈值的结果为假，则说明所测图像有可能无提环，也有可能提环锯齿之间相互遮挡导致提环检测错误。
为排除这样的误检的可能性，本发明对定位提取的提环锯齿部分重新阈值处理。经研究，发现锯齿遮挡情况的图像中前后锯齿灰度值分布存在差异，同时同为一排的锯齿灰度值相似，现有的自适应阈值处理不能满足不同图像通用处理的要求，本发明采用直方图阈值法来解决这种问题，先对灰度图像计算灰度直方图，根据原图特征可知恰当的二值化阈值处在直方图中最后一个峰的结束处；为了计算这个结束点位置，首先通过粗尺度多边形拟合可以得到直方图中的灰度值转折点，然后对转折点按照x坐标从大到小排序，最后计算相邻点的y坐标差值，第一个与相邻的下一个点之间y坐标差值绝对值大于100的点即为最后一个峰结束点位置。
3)根据锯齿序列信息实现提环检测：
根据得到的图像宽度为W像素的锯齿二值化图，通过从左往右对图片进行步长k个像素的方式前后位置高度值进行比较，设定图像中高度值为H，序列值为N，H(x)和N[x]分别表示对应列x的高度以及序列值；如列x的前后列的差值difH达到高度差阈值，即设定所在位置x的序列值N[x]为“1”，否则为“0”：
Figure GDA0002435417210000051
根据初步得到的N[x]序列进行遍历，对于出现的孤立的序列值‘1’或者‘0’取反，得到更准确的锯齿序列信息。
4)根据锯齿序列信息分布统计总结发现，正常带有提环的锯齿部分序列会呈现连续1序列、连续0序列交错分布的情况，且交错次数大于4，即突出锯齿部分大于等于3个；但是对于未正确压到位的以及无提环等锯齿应在部分序列杂乱无章，或者整个1序列或0序列，同时无提环的相邻占空比相较于提环锯齿的相邻占空比要明显大很多，设定正常提环图片为正样本，无提环或提环未压到位的图片为负样本，统计总结出正负样本序列规律并通过序列分布、相邻占空比准则，进行如下判定：
①若序列中“0”“1”交错次数<4，或“1”序列的长度为0，或“0”序列的长度为0，则判定提环缺失或未正确压位；
②若连续“0”序列的长度大于等于图片宽度的三分之一，则判定提环缺失或未正确压位；
③若连续为“1”或连续为“0”的子序列相邻占空比在(1.25，4)之内，则判定为找到提环的一个突出锯齿部分；
④如果根据步骤③查找到的突出锯齿个数大于等于3，则判定提环存在且正确压到位；否则提环缺失或未正确压位。
5)根据图像处理代码，如若上述判定结果为真，即提环存在且正确压到位，直接输出结果；如若上述结果为假，即可能提环不存在或者未正确压到位，则采用直方图阈值法对1)得出的提环锯齿图像进行处理，进行步骤6)；也就是如果大津阈值处理后输出结果为错误，才会调用直方图阈值处理模块。
其中，直方图阈值法具体为：先对提环锯齿图像的灰度图像计算灰度直方图，首先通过粗尺度多边形拟合得到直方图中的灰度值转折点，然后对转折点以横坐标从大到小排序，最后计算相邻点的纵坐标差值，第一个与相邻的下一点之间纵坐标差值绝对值大于100的点即最后一个峰结束点位置，将该位置所对应的坐标值作为提环锯齿图像的二值化阈值点，从而得到锯齿图像的二值化图。
6)重复3)、4)步骤，将所得检测判定结果作为最终结果输出，真表示提环存在并压到位，假表示有其他错误。
图2、3、4、5为本发明实施效果图，待检测提环图像来源于某灌装生产线上的提环图像数据集，其中瓶盖高度ch和提环高度lh分别设置为310、85。图2显示了数据集中的3幅待检测提环检测图像，分别为(a)、(b)、(c)，图3为对应图2待测图像提取的提环位置定位图，图4为本发明针对锯齿遮挡情况的直方图，图中的下方大圆点为查找到的可以区分前后齿轮的用于二值化的阈值，对应图2中的(b)图像。图3可见，不同提环图像的定位后的锯齿分布情况有不同的差异。图5为本发明检测结果图，图5(a)、(b)、(c)分别对应于图2(a)、(b)、(c)的3幅图像的检测结果。由图5(b)可见所提直方图阈值算法图能够准确定位适合的阈值。由图5可见，本发明对各种提环位置情况的检测结果准确。对整个数据集的测试统计表明，按照上述系数设置，无漏检、错检图像，正确率达99％，且在VS平台下平均每幅图像处理时间仅需20ms以内，本发明方法实现了既高正确率又高实时性的检测。

Claims (3)

1.一种基于混合阈值的提环检测方法，其特征是对瓶身上是否有提环以及提环是否正确压到位进行检测，具体步骤包括：
1)利用瓶身的先验知识，使用水平、垂直扫描定位出提环部分及提环锯齿部分；
2)采用大津阈值法对提取的提环锯齿部分进行处理，得到锯齿二值化图；
3)根据得到的锯齿二值化图，序列化提取特征信息：
对图片宽度为W像素的锯齿二值化图从左往右扫描，步长为k个像素，设定图像中高度值为H，序列值为N，H(x)和N[x]分别表示对应列x的高度以及序列值；如列x的前后列的差值difH达到高度差阈值，即设定所在位置x的序列值N[x]为“1”，否则为“0”：
Figure FDA0002435417200000011
根据初步得到的N[x]序列进行遍历，对于出现的孤立的序列值‘1’或者‘0’取反，得到锯齿序列信息，即序列化特征信息分布规律；
4)根据序列化特征信息分布规律，设定正常提环图片为正样本，无提环或提环未压到位的图片为负样本，统计总结出正负样本序列规律并通过序列分布、相邻占空比准则，实现判定：
①若序列中“0”“1”交错次数<4，或“1”序列的长度为0，或“0”序列的长度为0，则判定提环缺失或未正确压到位；
②若连续“0”序列的长度大于等于图片宽度的三分之一，则判定提环缺失或未正确压到位；
③若连续为“1”或连续为“0”的子序列相邻占空比在(1.25，4)之内，则判定为找到提环的一个突出锯齿部分；
④如果根据步骤③查找到的突出锯齿个数大于等于3，则判定提环存在且正确压到位；否则提环缺失或未正确压到位；
5)如若上述判定结果为真，即提环存在且正确压到位，直接输出结果；如若上述结果为假，即可能提环不存在或者未正确压到位，则采用直方图阈值法对1)得出的提环锯齿图像进行处理，进行步骤6)；
6)重复3)、4)步骤，将所得检测判定结果作为最终结果输出，真表示提环存在并压到位，假表示有其他错误。
2.根据权利要求1所述的一种基于混合阈值的提环检测方法，其特征是步骤1)具体为：先进行由上往下水平扫描定位到瓶盖上方，根据瓶盖高度定位到瓶颈位置，再进行水平扫描定位至提环位置上方，根据提环高度确定提环部分；提环部分定位后，水平扫描得到瓶盖宽度，根据宽度和提环部分最终确定提环锯齿部分。
3.根据权利要求1所述的一种基于混合阈值的提环检测方法，其特征是步骤5)中的直方图阈值法具体为：先对提环锯齿图像的灰度图像计算灰度直方图，首先通过粗尺度多边形拟合得到直方图中的灰度值转折点，然后对转折点以横坐标从大到小排序，最后计算相邻点的纵坐标差值，第一个与相邻的下一点之间纵坐标差值绝对值大于100的点即最后一个峰结束点位置，将该位置所对应的坐标值作为提环锯齿图像的二值化阈值点，从而得到锯齿图像的二值化图。
CN201710215103.3A 2017-04-02 2017-04-02 一种基于混合阈值的提环检测方法 Active CN107194910B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710215103.3A CN107194910B (zh) 2017-04-02 2017-04-02 一种基于混合阈值的提环检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710215103.3A CN107194910B (zh) 2017-04-02 2017-04-02 一种基于混合阈值的提环检测方法

Publications (2)

Publication Number Publication Date
CN107194910A CN107194910A (zh) 2017-09-22
CN107194910B true CN107194910B (zh) 2020-06-09

Family

ID=59871357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710215103.3A Active CN107194910B (zh) 2017-04-02 2017-04-02 一种基于混合阈值的提环检测方法

Country Status (1)

Country Link
CN (1) CN107194910B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096795A (zh) * 2010-11-25 2011-06-15 西北工业大学 磨损二维条码图像识别方法
CN103578095A (zh) * 2012-07-24 2014-02-12 南京理工大学 基于灰度直方图的多阈值分割法
CN105608457A (zh) * 2015-12-18 2016-05-25 湖南华南光电(集团)有限责任公司 直方图灰度矩阈值分割法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9384114B2 (en) * 2013-09-04 2016-07-05 AppDynamics, Inc. Group server performance correction via actions to server subset

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096795A (zh) * 2010-11-25 2011-06-15 西北工业大学 磨损二维条码图像识别方法
CN103578095A (zh) * 2012-07-24 2014-02-12 南京理工大学 基于灰度直方图的多阈值分割法
CN105608457A (zh) * 2015-12-18 2016-05-25 湖南华南光电(集团)有限责任公司 直方图灰度矩阈值分割法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于机器视觉的啤酒瓶瓶口检测系统的研究;张田田;《中国优秀硕士学位论文全文数据库信息科技辑》;20111215;全文 *

Also Published As

Publication number Publication date
CN107194910A (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
CN103258198B (zh) 一种表格文档图像中字符提取方法
CN115082419B (zh) 一种吹塑箱包生产缺陷检测方法
CN104504388B (zh) 一种路面裂缝识别和特征提取算法及系统
CN110084241B (zh) 一种基于图像识别的电表自动读数方法
CN103258201B (zh) 一种融合全局和局部信息的表格线提取方法
CN110070523B (zh) 一种用于瓶底的异物检测方法
CN110210477B (zh) 一种数字式仪表读数识别方法
CN104537651B (zh) 一种路面图像中裂缝比例检测方法及系统
CN107730521B (zh) 一种图像中屋脊型边缘的快速检测方法
CN108960011B (zh) 部分遮挡的柑橘果实图像识别方法
CN104636706A (zh) 一种基于梯度方向一致性复杂背景条码图像自动分割方法
CN106373140B (zh) 一种基于单目视觉的透明及半透明液体杂质检测方法
CN109886935A (zh) 一种基于深度学习的道面异物检测方法
CN104700423A (zh) 一种瓶盖检测方法和装置
CN113298769B (zh) Fpc软排线外观缺陷检测方法、系统和介质
CN116704516B (zh) 一种用于水溶肥料包装的视觉检测方法
CN109540925A (zh) 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法
CN104112123A (zh) 一种用于子弹表观缺陷检测的aoi系统的缺陷特征提取与识别方法
CN114926410A (zh) 制动盘外观缺陷检测方法
CN112365448A (zh) 一种经编织造过程中的织物疵点检测方法
CN110060239B (zh) 一种用于瓶子瓶口的缺陷检测方法
CN107194910B (zh) 一种基于混合阈值的提环检测方法
CN117330582A (zh) 一种高分子pe薄膜表面晶点检测系统
CN112233111A (zh) 一种基于数字图像处理的隧道缝隙检测方法
CN109461150B (zh) 一种基于机器视觉的纱线管颜色分拣方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant