CN107451999A - 基于图像识别的异物检测方法和装置 - Google Patents

Abstract

本发明公开了一种基于图像识别的异物检测方法，包括采集待检测设备的图像并保存，依据图像生成标准背景图，将图像与标准背景图差分对比，若得到非全零对比图，则根据预设的分割规则分离出异物图像，并依据异物图像提取异物在待检测设备表面的位置信息与面积信息，依据位置信息判断对应位置处的异物是否为由于光影干扰产生的伪异物，若否，继续判断异物的面积信息是否在预设的异物最少像素点范围内，若在，则对应位置处存在异物。本发明可以检测到待检测设备表面是否存在异物，以便在生产过程中及时发现待检测设备上的异物，减少由于不能及时发现异物而造成的损失。本发明还公开了上述方法对应的基于图像识别的异物检测装置。

Description

基于图像识别的异物检测方法和装置

技术领域

本发明涉及异物检测领域，尤其涉及一种基于图像识别的异物检测方法和装置。

背景技术

生产生活中，许多设备在使用过程中，由于设备表面存在异物，而对设备造成磨损、甚至破坏，或者对产品造成不利影响。比如，射频线圈上的金属异物会对射频线圈发射的电磁波形成干扰；飞机跑道上的异物会对高速运动的飞机造成破坏性影响。

故人们需要及时地发现设备表面的异物，进而及时对其进行处理，以避免其对设备或产品造成破坏。

现有技术中的异物检测技术多应用在飞机跑道检测领域，针对的是行李包裹、鸟类等动物尸体等面积较大的异物，如，而针对无线充电线圈等较小的装置表面的如硬币、回形针之类的较小异物的检测方法与装置还存在空白。

因此，如何提供一种能够及时发现设备表面异物的基于图像识别的异物检测方法和装置是本领域技术人员目前需要解决的问题。

发明内容

本发明提供一种基于图像识别的异物检测方法和装置，用于帮助技术人员及时发现设备上的异物，减少由于不能及时发现异物而造成的损失。

为解决上述问题，本发明提供一种基于图像识别的异物检测方法，包括：

采集待检测设备的图像并保存；

依据所述图像生成标准背景图；

将所述图像与所述标准背景图差分对比，得到对比图，若所述对比图为全零对比图，则检测结果为未检测到异物，若所述对比图为非全零对比图，则根据预设的分割规则，分离出异物图像；

依据所述异物图像提取异物在所述待检测设备表面的位置信息与面积信息；

依据所述位置信息判断对应位置处的异物是否为由于光影干扰产生的伪异物，若是伪异物，则检测结果为未检测到异物；若不是伪异物，则判断所述面积信息是否在预设的异物最少像素点范围内，若在，则检测结果为检测到异物，若不在，则检测结果为未检测到异物。

优选的，所述待检测设备的图像通过摄像头采集，所述摄像头的参数根据所述待检测设备的具体尺寸、基于图像识别的异物检测装置与所述待检测设备之间的水平距离、异物检测设备与所述待检测设备表面的相对高度差、异物检测设备控制芯片的图像处理能力进行设置。

优选的，所述采集待检测设备的图像之后，生成标准背景图之前，进一步包括：

依据局部直方图均衡算法对所述图像进行灰度均衡处理，具体包括：依据灰度均衡关系式对图像进行非线性拉伸，重新分配图像像素值。

优选的，所述采集待检测设备的图像之后，生成标准背景图之前，进一步包括：

对所述图像进行多次形态学滤波，得到多次形态学滤波图像；其中，所述多次形态学滤波处理所述图像的具体过程为：

将结构元素的定位锚点与所述图像中待处理像素点的位置对齐，与所述定位锚点相交的像素点构成所述待处理像素点的周围像素集合；

将所述待处理像素点的像素值设为该待处理像素点的周围像素集合中的像素值最大值，得到膨胀滤波图片；

将所述待处理像素点的像素值设为该待处理像素点的周围像素集合中的像素值最小值，得到腐蚀滤波图片；所述膨胀滤波图片与所述腐蚀滤波图片即为所述多次形态学滤波图像；

对所述多次形态学滤波图像进行高斯滤波；其中，所述高斯滤波的具体过程为：

通过二维高斯分布公式，获得高斯核；

用所述高斯核计算所述多次形态学滤波图像中每个像素点的值。

优选的，所述依据待检测设备的图像生成标准背景图的具体过程为：

通过均值背景建模法确定标准背景图的像素灰度值；

通过坐标点标定法对待检测设备上预设的关键点进行定位，由关键点构成的多边形确定的感兴趣区域即为所述标准背景图；

其中，均值背景建模法的具体过程为：

连续取N张背景图像；

将N张所述背景图像上对应像素点的像素值代入像素均值关系式，得到像素均值，所述标准背景图上对应像素点的像素值即为所述像素均值。

优选的，所述依据所述异物图像提取异物在待检测设备表面的位置信息与面积信息的具体过程为：

使用边缘检测算法得到所述异物图像的图像边缘；

通过最小外接矩形算法对所述异物图像进行扫描，获得异物矩形图与异物的矩；

通过坐标计算公式与所述矩计算所述异物矩形图的坐标信息，通过计算所述图像边缘内部像素点的个数计算面积信息；

其中，所述边缘检测算法的具体过程为：

对所述图像进行高斯模糊，计算Gx与Gy；其中Gx表示x方向上的梯度，Gy表示y方向上的梯度；

通过8领域内的像素梯度值进行非最大化抑制，得到图像边缘。

优选的，所述光影干扰产生的伪异物的判断方法为：

对所述对应位置处以特定的范围进行动态框定比较，若在所述对应位置处均存在相似的异物图像，则所述异物不是伪异物，否则，所述异物为由于光影干扰产生的伪异物。

优选的，所述预设的异物最少像素点范围的获得过程为：

统计常见异物的面积信息；

依据统计结果得到所述异物最少像素点的范围。

优选的，若检测结果为未检测到异物，进一步计算系统运行时间，按照预设规则分析当前的环境条件，并根据分析结果选择相应的背景更新算法更新所述标准背景图。

本发明还提供了一种基于图像识别的异物检测装置，包括：

图像采集单元，用于采集待检测设备的图像并保存；

背景生成单元，用于依据所述图像生成标准背景图；

对比分割单元，用于将所述图像与所述标准背景图差分对比，得到对比图，若所述对比图为全零对比图，则检测结果为未检测到异物，若所述对比图为非全零对比图，则根据预设的分割规则，分离出异物图像；

特征提取单元，用于依据所述异物图像提取异物在所述待检测设备表面的位置信息与面积信息；

决策判断单元，用于依据所述位置信息判断对应位置处的异物是否为由于光影干扰产生的伪异物，若是伪异物，则检测结果为未检测到异物；若不是伪异物，则判断所述面积信息是否在预设的异物最少像素点范围内，若在，则检测结果为检测到异物，若不在，则检测结果为未检测到异物。

本发明采集待检测设备的图像，并依据采集到的图像生成标准背景图，并将各个图像与标准背景图差分对比，若得到非全零对比图，则根据经验分割规则进一步分割上述非全零对比图，分离出异物图像，并依据异物图像提取异物的位置信息与面积信息，依据上述位置信息与面积信息判断待检测设备表面对应位置处是否确实存在异物，若存在，需要等待工作人员的处理。利用本发明提供的方法与装置，工作人员能够及时发现待检测设备表面的异物，进而能够及时处理异物，以避免对待检测设备造成损害，或影响待检测设备生产出的产品的质量。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种基于图像识别的异物检测方法的流程图；

图2为本发明提供的基于图像识别的异物检测方法的一个具体实施例的流程图；

图3为本发明提供的一种基于图像识别的异物检测装置的结构示意图。

具体实施方式

本发明的核心是提供一种基于图像识别的异物检测方法和装置，使工作人员能及时发现设备表面的异物，避免对待检测设备造成损害，或影响待检测设备生产出的产品的质量。

为使本领域技术人员能更好地理解本发明的方案，下面将结合附图与具体实施方式对本发明进行详细的说明。

本发明提供一种基于图像识别的异物检测方法，请参见图1，图1所示为本发明一个实施例的流程图。具体包括以下步骤：

步骤s1：采集待检测设备的图像并保存；

步骤s2：依据图像生成标准背景图；

步骤s3：将图像与标准背景图差分对比，得到对比图，若对比图为全零对比图，则检测结果为未检测到异物，若对比图为非全零对比图，则根据预设的分割规则，分离出异物图像；

步骤s4：依据异物图像提取异物在待检测设备表面的位置信息与面积信息；

步骤s5：依据位置信息判断对应位置处的异物是否为由于光影干扰产生的伪异物，若是伪异物，则检测结果为未检测到异物；若不是伪异物，则判断面积信息是否在预设的异物最少像素点范围内，若在，则检测结果为检测到异物，若不在，则检测结果为未检测到异物。

利用本发明提供的方法，工作人员能够及时发现待检测设备表面的异物，进而能够及时排除异物，以避免对待检测设备造成损害，或影响待检测设备生产出的产品的质量。

实施例二

在实施例一的基础上，本发明还提供另外的一个实施例。

本申请的发明人考虑到，由于环境因素的不断变化，设备的标准背景图也需要不断更新以适应外部环境如光照、天气等的变化。

考虑到上述情况，在本实施例中，上述方法还包括：

步骤s6：若检测结果为未检测到异物，进一步计算系统运行时间，按照预设规则分析当前的环境条件，并根据分析结果选择相应的背景更新算法更新标准背景图；

其中，背景更新算法包括快速更新算法与缓慢更新算法，二者均基于背景更新关系式，背景更新关系式为：

其中，α与β均为表示图片在新标准背景图中所占比重的权值参数；P₀(x,y)表示原标准背景图；P₁(x,y)表示最新获得的图像；表示更新后的新标准背景图；

快速更新算法根据预设的快速更新参数设置规则设置背景更新关系式中的α与β的值，使α的值大于β的值；缓慢更新算法根据预设的缓慢更新参数设置规则设置背景更新关系式中的α与β的值，使α的值小于β的值。

上述用于选择背景更新算法的预设规则可以为分析待检测设备所在环境中的光线变化情况选择背景更新算法，比如，当环境光线正常变化，如上午渐变到中午，环境光照随之缓慢变强，则采用缓慢时间更新算法；当环境光照发生突变，如天气忽然转晴或转阴云时，采用快速更新算法。当然也可以根据待检测设备的所处的实际环境设置上述规则，这并不影响本发明的实现。

上述快速更新参数设置规则可以为设置α的值为β的10倍，或其他形式的规则，只要使α的值大于β的值即可，具体的规则并不影响本发明的实现。同样的，缓慢更新参数设置规则的具体形式也并不影响本发明的实现，只要使β的值大于α的值即可。一般在实际应用中，会将α的值设置为远大于β的值或β的值远大于α的值，这里一个值远大于另一个值的标准为一个值为另一个值的10倍及以上。

可以理解的是，本实施例考虑到外部环境的变化可能使采集到的图片与标准背景图差别较大，从而对后续的差分对比、分离异物图像、提取异物的坐标信息与面积信息造成干扰，而定期更新标准背景图，可以在一定程度上使标准背景图随外部环境一起变化，从而排除上述干扰，提高异物检测的准确率，减少误报或漏报等情况。

在本发明的一种具体实施例中，步骤s1的具体过程为：

步骤s11：通过摄像头采集待检测设备的图像，摄像头的参数根据待检测设备的具体尺寸、异物检测设备与待检测设备之间的水平距离、异物检测设备与待检测设备表面的相对高度差、异物检测设备控制芯片的图像处理能力进行设置。

在一种优选实施方式中，步骤s1还包括：

步骤s12：依据局部直方图均衡算法对图像进行灰度均衡处理，具体处理过程如下：

依据灰度均衡关系式对图像进行非线性拉伸，重新分配图像像素值；其中，灰度均衡关系式为：

其中，r表示灰度级，且0≤r≤1；A表示图像的面积；P_r表示灰度r出现的概率，ω表示积分变量，s表示处理后的灰度级，根据s重新分配图像的灰度。

由于待检测装置在图像的局部位置，所以需要对图像进行局部处理即可。

可以理解的是，在图像采集的过程中，由于天气、待检测设备的材质、外光源等因素的影响，待检测设备表面可能出现亮度分布不均匀，甚至曝光的情况，这使得采集到的图像会有亮度差异及灰度分布不均的情况，对其进行灰度均衡处理，可以增强图像的对比图，为后续检测提供画面质量较高的待检测设备图像。

在本发明的另一种具体实施例中，步骤s1进一步包括：

步骤s13：

对图像进行多次形态学滤波，得到多次形态学滤波图像；其中，多次形态学滤波处理图像的具体过程为：

将结构元素的定位锚点与图像中待处理像素点的位置对齐，与定位锚点相交的像素点构成待处理像素点的周围像素集合；

将待处理像素点的像素值设为该待处理像素点的周围像素集合中的像素值最大值，得到膨胀滤波图片；

将待处理像素点的像素值设为该待处理像素点的周围像素集合中的像素值最小值，得到腐蚀滤波图片；膨胀滤波图片与腐蚀滤波图片即为多次形态学滤波图像；

步骤s14：对多次形态学滤波图像进行高斯滤波；其中，高斯滤波的具体过程为：

通过二维高斯分布公式，获得高斯核；其中，二维高斯分布公式为：

其中，x、y分别表示图像中的像素点的横纵坐标，G(x,y)表示二维空间点(x,y)处的分布概率，σ表示方差；

用高斯核计算多次形态学滤波图像中每个像素点的值。

容易知道的是，通过上述包括膨胀、腐蚀在内的多次形态学滤波后，图片中点断线、杂点会大幅度减小，尤其当上述多次形态学滤波方式处理的图像为二值图像时，每个像素点只能被替换为白色像素点或黑色像素点，达到连接轮廓，去除椒盐噪音造成的断线、杂点的目的。将处理后得到的图像在进行高斯滤波。在高斯滤波通过高斯核描述二维情况下的分布概率，以高斯核为模板，可对图片进行高斯滤波。

可以理解的是，在工作过程中，待检测设备及异物检测设备可能处在室内、室外、白天、夜晚等不同环境下，受到日光、灯光、外物镜面反射等未知因素的影响，产生不同形态的图像电子噪音，导致异物检测过程中可能出现误报情况。本申请的发明人发现，椒盐噪音、高斯噪音为影响异物检测准确性的主要噪音类型，采用多次形态学滤波配合5*5内核的高斯滤波即可有效降低误报率。当然，在本发明的其他实施例中，也可以采用其他滤波方式进行噪声过滤，具体的过滤方式并不影响本发明实施例的实现。

这里需要注意的是，步骤s12、步骤s13的顺序可以交换，或者仅用两者之中的一个，这些并不影响本发明实施例的实现。

本发明还提供一种具体实施例，该实施例中的步骤s2的具体过程为：

步骤s21：通过均值背景建模法确定标准背景图的像素灰度值；

步骤s22：通过坐标点标定法对待检测设备的关键点进行定位，由关键点构成的多边形确定的感兴趣区域即为标准背景图。

其中，均值背景建模法的具体过程为：

连续取N张背景图像；

将N张背景图像上对应像素点的像素值代入像素均值关系式，得到像素均值，标准背景图上对应像素点的像素值即为像素均值；其中，像素均值关系式为：

其中，P_i(x,y)表示N张背景图像中的第i张背景图像中坐标为(x,y)的像素点的像素值，表示坐标点(x,y)处的像素均值。

需要注意的是，实际应用中可根据图像采集设备的硬件条件、参数设置等设置N的值，在此以N为10的情况为例进行说明，将10张图片中对应像素点的像素值按照均值关系式求出像素点的像素值均值，以求出来的均值作为标准背景图上该像素点的像素值，上述均值关系式为：

其中，P_i(x,y)表示10张背景图像中的第i张背景图像中坐标为(x,y)的像素点的像素值。

之后通过坐标点标定法，对待检测设备的四个预设的关键点进行定位，通过四个关键点，生成图形掩膜，从而获得四边形ROI感兴趣区域，上述图像即为标准背景图。一般情况下，选择四个关键点定位待检测设备即可产生较好的检测效果。当然，具体选取几个定位点，并不影响本发明实施例的实现，只要能定位待检测设备即可。预设的关键点可以由工作人员手动录入，录入后保存关键点的坐标，需要用时读出保存的坐标即可，也可以采用其他方式确定，这并不影响本发明的实现。这里选用的均值背景建模法，计算速度快且对动态背景敏感。在本发明的其他实施例中，可以采用其他方法建立标准背景图模型，具体的建模方法并不影响本发明实施例的实现。

在本发明提供的另外一种具体实施例中，步骤s3的具体过程为：

步骤s31：将图像与标准背景图进行差分对比，得到对比图。

步骤s32：判断上述对比图是否为全零对比图，若不是，进入步骤s33，若是，表示没有检测到异物，进入步骤s6。

步骤s33：依据预设的分割规则从非全零对比图中分离出异物图像。

其中，分割规则是在大量的灰度直方图实验中观察到的、针对异物检测设备总结出的。依据分割规则分离异物的具体过程为：将最高灰度值概率点按照预设的比重值缩放，可以得到一个最大值与一个最小值，按照差分公式做差，可以得到自适应阈值。上述差分公式为：

其中，P_max表示最高灰度值概率点的最大值，P_min表示最高灰度值概率点的最小值，G表示灰度值，G_th表示自适应阈值。

依据这个自适应阈值对非全零对比图进行二值化分割，即灰度大于该自适应阈值的像素点的灰度设置为255(即黑色)，灰度小于该阈值的像素点的灰度设置为0(即白色)，分离出图像中可能存在的异物的图像。

本发明提供的另一种具体实施例中，步骤s4的具体过称为：

步骤s41：使用边缘检测算法得到异物图像的图像边缘；

步骤s42：通过最小外接矩形算法对异物图像进行扫描，获得异物矩形图与异物的矩；

步骤s43：通过坐标计算公式与矩计算异物矩形图的坐标信息，通过计算图像边缘内部像素点的个数计算面积信息；

其中，边缘检测算法的具体过程为：

对图像进行通过高斯模糊，计算Gx与Gy；其中Gx表示x方向上的梯度，Gy表示y方向上的梯度；

通过8领域内的像素梯度值进行非最大化抑制，得到图像边缘；8领域表示像素点八个方向上的临近像素点；

坐标计算公式为：

其中，M表示图像的矩，p、q表示对图像矩的索引，f表示二维连续函数，表示异物中心点的x坐标，表示异物中心点的y坐标。

需要注意的是，这里也可以采用其他算法计算异物在待检测设备表面的坐标信息与面积信息，具体的算法并不影响本发明实施例的实现。

在本发明其他的具体实施例中，步骤s5的具体过程为：

步骤s51：对上述坐标的对应位置处以特定的范围进行动态框定比较，若在对应位置处均存在相似的异物图像，则异物不是伪异物，否则，异物为由于光影干扰产生的伪异物。

更具体的，若在对应位置处均存在异物，且通过异物矩形图计算得到的异物的坐标信息的差距在预设的阈值内，则认为对应位置处存在相似异物，并进行相应的处理。上述阈值的设置可以根据具体的待检测设备的大小等因素确定，该阈值的设置并不影响本发明的实现。

以待检测设备为发射线圈、异物图像为圆形为例进行说明，上述特定的范围可以是以异物图像的中心为圆心，以异物图像的直径为半径的圆确定的范围。在其他情况下，工作人员可以根据具体情况确定动态框定的范围，只要能完全包含异物图像，并比异物图像大即可，该范围的具体大小不影响本发明的实现。

步骤s52：判断异物面积是否在异物最少像素点范围内。若在上述范围内，则检测结果为检测到异物，结束运行设备，等待复位即可。若不在上述范围内，则进入步骤s6.

更具体的，上述异物最少像素点范围的获得过程可以为：

统计常见异物的面积信息；

依据统计结果得到异物最少像素点的范围。

也可以采用其他方式获得上述范围，这并不影响本发明的实现。

进一步以发射线圈为例对上述过程进行说明，进行多次试验测试常见异物如：硬币、回形针、螺栓等，统计其面积信息；依据统计结果得到异物最少像素点的范围。当然，对于不同设备而言，常见异物种类也不同，根据具体的生产环境确定即可。

请结合图2，图2所示为本发明提供的基于图像识别的异物检测方法的一个具体实施例的流程图。

本发明提供的上述几个具体实施例，均可以使工作人员及时发现待检测设备表面的异物，进而能够及时处理异物，以避免对设备造成损害，或影响产品的质量。

本发明还提供了一种基于图像识别的异物检测装置，如图3所示，图3所示为本发明提供的一种基于图像识别的异物检测装置的结构示意图，基于图像识别的异物检测装置中包括：

图像采集单元41，用于采集待检测设备的图像并保存；

背景生成单元42，用于依据图像生成标准背景图；

对比分割单元43，用于将图像与标准背景图差分对比，若得到全零对比图，则检测结果为未检测到异物，若得到非全零对比图，则根据预设的分割规则，分离出异物图像；

特征提取单元44，用于依据异物图像提取异物在待检测设备表面的位置信息与面积信息；

决策判断单元45，用于依据位置信息判断对应位置处的异物是否为由于光影干扰产生的伪异物，若是伪异物，则检测结果为未检测到异物；若不是伪异物，则判断面积信息是否在预设的异物最少像素点范围内，若在，则检测结果为检测到异物，若不在，则检测结果为未检测到异物。

利用本发明提供的基于图像识别的异物检测装置，可以使工作人员及时发现待检测设备表面的异物，进而能够及时处理异物，以避免对待检测设备造成损害，或影响待检测设备生产出的产品的质量。

以上内容对本发明提供的基于图像识别的异物检测方法和装置进行了详细的介绍。本文用具体的例子对本发明的方法及使用方式进行了阐述，以上例子仅用于帮助理解本发明的技术方案，应当指出，对本领域的技术人员而言，在不脱离本发明的内容、不付出创造性劳动前提下，还可以对本发明进行若干修改，这些修改也在本发明的保护范围内。

Claims (10)

1.一种基于图像识别的异物检测方法，其特征在于，包括：

采集待检测设备的图像并保存；

依据所述图像生成标准背景图；

将所述图像与所述标准背景图差分对比，得到对比图，若所述对比图为全零对比图，则检测结果为未检测到异物，若所述对比图为非全零对比图，则根据预设的分割规则，分离出异物图像；

依据所述异物图像提取异物在所述待检测设备表面的位置信息与面积信息；

依据所述位置信息判断对应位置处的异物是否为由于光影干扰产生的伪异物，若是伪异物，则检测结果为未检测到异物；若不是伪异物，则判断所述面积信息是否在预设的异物最少像素点范围内，若在，则检测结果为检测到异物，若不在，则检测结果为未检测到异物。

2.根据权利要求1所述的检测方法，其特征在于，所述待检测设备的图像通过摄像头采集，所述摄像头的参数根据所述待检测设备的具体尺寸、基于图像识别的异物检测装置与所述待检测设备之间的水平距离、异物检测设备与所述待检测设备表面的相对高度差、异物检测设备控制芯片的图像处理能力进行设置。

3.根据权利要求2所述的检测方法，其特征在于，所述采集待检测设备的图像之后，生成标准背景图之前，进一步包括：

依据局部直方图均衡算法对所述图像进行灰度均衡处理，具体包括：依据灰度均衡关系式对图像进行非线性拉伸，重新分配图像像素值。

4.根据权利要求2所述的检测方法，其特征在于，所述采集待检测设备的图像之后，生成标准背景图之前，进一步包括：

对所述图像进行多次形态学滤波，得到多次形态学滤波图像；其中，所述多次形态学滤波处理所述图像的具体过程为：

将结构元素的定位锚点与所述图像中待处理像素点的位置对齐，与所述定位锚点相交的像素点构成所述待处理像素点的周围像素集合；

将所述待处理像素点的像素值设为该待处理像素点的周围像素集合中的像素值最大值，得到膨胀滤波图片；

将所述待处理像素点的像素值设为该待处理像素点的周围像素集合中的像素值最小值，得到腐蚀滤波图片；所述膨胀滤波图片与所述腐蚀滤波图片即为所述多次形态学滤波图像；

对所述多次形态学滤波图像进行高斯滤波；其中，所述高斯滤波的具体过程为：

通过二维高斯分布公式，获得高斯核；

用所述高斯核计算所述多次形态学滤波图像中每个像素点的值。

5.根据权利要求2所述的检测方法，其特征在于，所述依据待检测设备的图像生成标准背景图的具体过程为：

通过均值背景建模法确定标准背景图的像素灰度值；

通过坐标点标定法对待检测设备上预设的关键点进行定位，由关键点构成的多边形确定的感兴趣区域即为所述标准背景图；

其中，均值背景建模法的具体过程为：

连续取N张背景图像；

将N张所述背景图像上对应像素点的像素值代入像素均值关系式，得到像素均值，所述标准背景图上对应像素点的像素值即为所述像素均值。

6.根据权利要求1所述的检测方法，其特征在于，所述依据所述异物图像提取异物在待检测设备表面的位置信息与面积信息的具体过程为：

使用边缘检测算法得到所述异物图像的图像边缘；

通过最小外接矩形算法对所述异物图像进行扫描，获得异物矩形图与异物的矩；

通过坐标计算公式与所述矩计算所述异物矩形图的坐标信息，通过计算所述图像边缘内部像素点的个数计算面积信息；

其中，所述边缘检测算法的具体过程为：

对所述图像进行高斯模糊，计算Gx与Gy；其中Gx表示x方向上的梯度，Gy表示y方向上的梯度；

通过8领域内的像素梯度值进行非最大化抑制，得到图像边缘。

7.根据权利要求2所述的检测方法，其特征在于，所述光影干扰产生的伪异物的判断方法为：

对所述对应位置处以特定的范围进行动态框定比较，若在所述对应位置处均存在相似的异物图像，则所述异物不是伪异物，否则，所述异物为由于光影干扰产生的伪异物。

8.根据权利要求2所述的检测方法，其特征在于，所述预设的异物最少像素点范围的获得过程为：

统计常见异物的面积信息；

依据统计结果得到所述异物最少像素点的范围。

9.根据权利要求1所述的检测方法，其特征在于，若检测结果为未检测到异物，进一步计算系统运行时间，按照预设规则分析当前的环境条件，并根据分析结果选择相应的背景更新算法更新所述标准背景图。

10.一种基于图像识别的异物检测装置，其特征在于，包括：

图像采集单元，用于采集待检测设备的图像并保存；

背景生成单元，用于依据所述图像生成标准背景图；

对比分割单元，用于将所述图像与所述标准背景图差分对比，得到对比图，若所述对比图为全零对比图，则检测结果为未检测到异物，若所述对比图为非全零对比图，则根据预设的分割规则，分离出异物图像；

特征提取单元，用于依据所述异物图像提取异物在所述待检测设备表面的位置信息与面积信息；

决策判断单元，用于依据所述位置信息判断对应位置处的异物是否为由于光影干扰产生的伪异物，若是伪异物，则检测结果为未检测到异物；若不是伪异物，则判断所述面积信息是否在预设的异物最少像素点范围内，若在，则检测结果为检测到异物，若不在，则检测结果为未检测到异物。