CN108665438A - 一种玻璃瓶安瓿的瓶头碳化视觉检测方法及系统 - Google Patents

Abstract

本发明公开了一种玻璃瓶安瓿的瓶头碳化视觉检测方法及系统，该方法的步骤为：(1)图像采集和预处理；(2)在形态学梯度图像中使用横向和纵向扫描线束进行强边界探测，通过探测得到坐标点集给出瓶体目标位置区域；(3)瓶头内部目标碳化检测区域分割；(4)基于形态学碳化区块的分类识别；(5)基于形态学重构的瓶头残液的标记与剔除；(6)统计与结果输出；通过形态学重构的思想，将深碳化目标图像和淡碳化目标图像快速且准确的重构出来，提高了检测速度和准确率；并结合碳化发黄的颜色特征和瓶头残液重构的处理方法，进一步确保了瓶头内部目标碳化检测区域的准确定位以及去除了残液对碳化区域的干扰影响。

Description

一种玻璃瓶安瓿的瓶头碳化视觉检测方法及系统

技术领域

本发明属于视觉检测领域，特别涉及一种玻璃瓶安瓿的瓶头碳化视觉检测方法及系统。

背景技术

玻璃瓶安瓿产品质量的检测一直是医药制造领域一个备受关注的问题，而玻璃瓶安瓿在封口过程中是使用高温火焰将玻璃管烧软后封口的，而含有机物的药液如果在瓶口烧结附近时，就会因为高温而发生碳化，贴于安瓿瓶瓶口封口附近。目前，国内绝大多数制药厂会在生产检验环节中，安排人工灯检，工人会用硬质的白色底板放置在瓶子的后方，进行逐一检查，将每一支有碳化现象发生的药瓶挑拣出来，以免上市流通带来不良用药事故。然而人眼检测问题很多：(1)易疲劳，对工人视力损伤大；(2)精度差，细小的半透明淡碳化点人眼很多时候难以发现。(3)效率低。

由于碳化的形成随机性很大，碳化斑点有大有小，形态各异，颜色也有浅有深，检测难度非常大，市面上也一直没有一种能够有效检测玻璃安瓿瓶瓶头碳化的装置或仪器。

发明内容

本发明解决的问题就在于：提出了一种基于机器视觉的图像处理算法，能在高速自动化玻璃瓶安瓿产品质量视觉检测生产线上实现快速准确识别瓶头碳化的作用。

一种玻璃瓶安瓿的瓶头碳化视觉检测方法，包括以下步骤：

步骤1：玻璃瓶安瓿瓶头图像采集与预处理；

步骤2：提取瓶头原始子图I₀；

步骤3：从瓶头原始子图中分割出瓶头内部目标碳化检测区域I_in；

步骤4：使用基于形态学重构的方法对瓶头内部目标碳化检测区域中的碳化区域进行分类识别，提取出深碳化目标图像T_s和淡碳化目标图像T_d；

步骤5：统计深碳化目标图像T_s和淡碳化目标图像T_d中非零元素个数，分别形成深碳化和淡碳化的面积，若得到的面积超过预设值，则判断当前的目标图像检测结果为次品，否则，为正品，完成玻璃瓶安瓿的瓶头碳化视觉检测。

进一步地，所述步骤4的具体处理过程如下：

步骤4.1：对瓶头内部目标碳化检测区域I_in进行灰度形态学膨胀处理后，再与原图做差分，得到差分图像Q；

差分图像Q的计算公式为：b表示用于膨胀处理的纵向线结构元素；

步骤4.2：用瓶头原始子图I₀的红色通道减去蓝色通道，并设置色差阈值进行二值化，得到颜色偏黄的区域，其图像记为BI_c；

步骤4.3：将差分图像Q分别进行两次阈值分割，第一次使用深色碳化区域阈值，得到第一分割图像BI_s；第二次使用深色碳化与浅色碳化区域并存阈值，得到第二分割图像BI_d；

将大阈值分割结果认为是只包含深色碳化的区域，其图像记为BI_s，将小阈值分割结果认为是既包含深色碳化又包含浅色碳化的区域，其图像记为BI_d。

步骤4.4：使用BI_c和BI_s的交集图像作为标记图像，BI_s作为模板图像，进行形态学重构，得到重构后的第一重构图像

步骤4.5：使用Sobel算子在瓶头内部目标碳化检测区域I_in上求取边缘响应图像，并设置边缘强度响应阈值进行分割，得到边缘响应分割图像，标记为BI_e；

步骤4.6：使用BI_e，BI_c和BI_d的交集图像作为标记图像，BI_d作为模板图像，进行形态学重构，得到重构后的第二重构图像

步骤4.7：使用作为标记图像，BI_e作为模板图像，进行形态学重构，得到重构后的第三重构图像

步骤4.8：以作为模板图像，以作为标记图像，进行形态学重构，得到重构后的深碳化目标图像T_s；

步骤4.9：以和进行取或操作后，再减去深碳化目标图像，得到淡碳化目标图像T_d。

进一步地，所述步骤3的具体操作过程如下：

步骤3.1：对瓶头原始子图I₀进行二值化处理；

使用OTSU算法实现瓶头检测区的自适应二值化，小于阈值部分标记为1。

步骤3.2：对二值化后的图像进行区域孔洞填充，得到瓶头整体区域IR₀；

步骤3.3：将瓶头整体区域分别向左、向右、向下按照设置步长d₁，d₂，d₃进行平移，得到三张平移后的图像IR₁，IR₂，IR₃，然后将三张平移图像进行求与操作，得到外边缘轮廓内缩形成的瓶头内部区域IR；

步骤3.4：使用3×3的矩形结构元素对IR₀进行二值形态学腐蚀操作，并和瓶头原始子图I₀进行点乘运算，取出瓶头内部区域子图，记为I₁；

此处形态学腐蚀的作用是去除瓶壁外侧光线的干扰，降低后续处理复杂度。

步骤3.5：对瓶头内部区域子图I₁依次进行二值化处理、区域孔洞填充，得到填充图像BI₁；

此处二值化阈值作为一个可以调整的参数存在以适应不同的光照强度。

步骤3.6：在填充图像BI₁中选取面积最大的区域作为实际的瓶头内部区域BI₂；

步骤3.8：使用8×8的矩形结构元素对实际的瓶头内部区域BI₂进行腐蚀操作，得到腐蚀后的图像BI；

步骤3.9：利用IR和BI生成最终瓶头内部区域R_in：如果BI中最高点大于IR的最高点，则R_in＝IR；反之，R_in＝IR∪BI；

步骤3.10：将最终瓶头内部区域R_in和原图I₀进行点乘操作，得到最终的瓶头内部区域分割结果图像I_in。

进一步地，对深碳化目标图像T_s和淡碳化目标图像T_d进行残液屏蔽后，再进行碳化面积统计，具体过程如下：

步骤5.1：在瓶头内部目标碳化检测区域I_in中求非零元横向均值，得到均值函数f(x)；

步骤5.2：对均值函数f(x)进行阈值分割得到B_f(x)，对均值函数f(x)的微分f′(x)进行二值化分割得到B_f′(x)，阈值设置为20；

对均值函数f(x)进行阈值分割时，所使用的阈值低于瓶内的平均灰度且高于残液薄膜的灰度；

步骤5.3：使用B_f(x)作为模板，B_f′(x)和B_f(x)的交集作为标记，进行1×3线型结构元的形态学重构，得到第四重构图像

步骤5.4：对第四重构图像进行1×17的膨胀，得到膨胀后的图像L_Bf(x)；

步骤5.5：在深碳化目标图像T_s和淡碳化目标图像T_d上，将膨胀后的图像L_Bf(x)中非零元素对应的行内所有像素置为零，形成最终的深碳化目标图像和淡碳化目标图像

进一步地，所述提取瓶头原始子图I₀的具体过程如下：

步骤2.1：对经过步骤1预处理后的图像f，使用3×3的矩形结构元b对f求形态学梯度，得到形态学梯度图像g；

形态学梯度图像g即灰度膨胀和灰度腐蚀之差，公式为：

步骤2.2：在形态学梯度图像g中取定位ROI部分图像的下半部分水平方向取等间距探测线，记探测线位置为X＝(x₁,x₁+step,x₁+2step,x₁+3step,x₁+4step)，step为探测线的间距；

探测线满足以下条件：

1)在定位ROI的下半部分，2)等间距，3)最低探测线不低于ROI的最低处；

在每根探测线上分别从左向右和从右向左扫描找到第一个满足条件的边界点计入左边界和右边界点集合；

边界点满足的条件如下式：

g(x₁+i·step,j)>EdgeGate

其中，x₁是第一条强边缘探测线的位置，i是强边缘探测线的编号，j是线上点列坐标，EdgeGate是边界强度探测阈值，取固定设置值20。

步骤2.3：使用左边界点集的均值作为左边界线，右边界点集的均值作为右边界线，左边边界线确定的区域的中间取三条纵向边界探测线，从上往下扫描得到上边缘点集，以上边缘点集中最高的点作为上边界位置；

步骤2.4：设置固定高度，以上边界位置和设定的固定高度，确定瓶头原始子图的下边界位置；

从图像f中取出以左右边界以及上下边界组成区域，得到瓶头原始子图I₀。

高度的设定，以能够包含安瓿瓶瓶头的主要区域为依据，不同规格的安瓿瓶设置时会有所不同。由于安瓿封口是火烧瓶口，软化后挤压封口的，所以碳化一般会出现的瓶头的上半部分，因此高度的设定也不需要将瓶头区域完全框起来。

进一步地，所述重构处理过程采用3×3的矩形结构元素进行形态学重构。

进一步地，所述步骤1中的预处理是指对采集的玻璃瓶安瓿瓶头图像进行3×3的中值滤波操作。

进一步地，所述步骤4.1中对瓶头内部目标碳化检测区域I_in进行灰度形态学膨胀处理时，使用50×1的纵向线结构元素b进行灰度形态学膨胀。

一种玻璃瓶安瓿的瓶头碳化视觉检测系统，包括：

图像采集与预处理单元，用于玻璃瓶安瓿瓶头图像采集与预处理；

瓶头原始子图提取单元，用于从预处理后的玻璃瓶安瓿瓶头图像中提取瓶头原始子图；

目标碳化检测区域分割单元，用于从瓶头原始子图中分割出瓶头内部的目标碳化检测区域；

深碳化目标图像和淡碳化目标图像提取单元，通过使用基于形态学重构的方法对瓶头内部目标碳化检测区域中的碳化区域进行分类识别，并采用上述的一种玻璃瓶安瓿的瓶头碳化视觉检测方法，进行深碳化目标图像和淡碳化目标图像的提取；

统计与检测单元，通过统计深碳化目标图像和淡碳化目标图像中非零元素个数，计算深碳化和淡碳化的面积，若得到的面积超过预设值，则判断当前的目标图像检测结果为次品，否则，为正品，完成玻璃瓶安瓿的瓶头碳化视觉检测。

进一步地，采用LED平行面板光源进行背光照明，进行图像采集。

有益效果

本发明提供了一种玻璃瓶安瓿的瓶头碳化视觉检测方法及系统，该方法的步骤为：(1)图像采集和预处理；(2)在形态学梯度图像中使用横向和纵向扫描线束进行强边界探测，通过探测得到坐标点集给出瓶体目标位置区域。(3)瓶头内部目标碳化检测区域分割；(4)基于形态学碳化区块的分类识别；(5)基于形态学重构的瓶头残液的标记与剔除；(6)统计与结果输出；通过形态学重构的思想，将深碳化目标图像和淡碳化目标图像快速且准确的重构出来，提高了检测速度和准确率；并结合碳化发黄的颜色特征和瓶头残液重构的处理方法，进一步确保了瓶头内部目标碳化检测区域的准确定位以及去除了残液对碳化区域的干扰影响。

具体如下：

(1)、检测速度快，单瓶单次的检测处理时间在I7-4770处理器上的运算时间小于30ms。

(2)、检测精度高。

(3)、抗干扰能力高，误检率低；充分利用了碳化发黄的颜色特征，对玻璃瓶安瓿瓶头的脏污有一定抗干扰能力；瓶头残液的重构算法使得本方法对瓶头残液有一定的抗干扰能力。

附图说明

图1是本发明中玻璃瓶安瓿瓶头原始图像；

图2是本发明中瓶体目标定位方法的示意图；

图3是平移重叠法构造瓶内区域的示意图；

图4是本发明中所述检测方法的总体框图；

图5是本发明中瓶头残液区域标记算法示意图；

图6是碳化检测效果示意图；

图7是有残液无碳化情况下碳化检测效果示意图；

图8是有残液有碳化情况下碳化检测效果示意图。

具体实施方式

下面将结合附图和实施例对本发明做进一步地说明。

如图1-图5所示，一种玻璃瓶安瓿的瓶头碳化视觉检测方法，其特征在于，包括以下步骤：

步骤1：玻璃瓶安瓿瓶头图像采集与预处理；

采集玻璃瓶安瓿瓶头图像如图1所示；

预处理是指对采集的玻璃瓶安瓿瓶头图像进行3×3的中值滤波操作。

步骤2：提取瓶头原始子图I₀；

所述提取瓶头原始子图I₀的具体过程如下：

步骤2.1：对经过步骤1预处理后的图像f，使用3×3的矩形结构元b对f求形态学梯度，得到形态学梯度图像g；

形态学梯度图像g即为灰度膨胀和灰度腐蚀之差，公式为：

步骤2.2：在形态学梯度图像g中取定位ROI(即图2中的瓶头定位区，ROI区域范围需手动设置)部分图像的下半部分水平方向取等间距探测线，(本实施例中取5根强边界探测线，)记探测线位置为X＝(x₁,x₁+step,x₁+2step,x₁+3step,x₁+4step)，step为探测线的间距；

探测线满足以下条件：

1)在定位ROI的下半部分，2)等间距，3)最低探测线不低于ROI的最低处；

在每根探测线上分别从左向右和从右向左扫描找到第一个满足条件的边界点计入左边界和右边界点集合；

边界点满足的条件如下式：

g(x₁+i·step,j)>EdgeGate

其中，x₁是第一条强边缘探测线的位置，i是强边缘探测线的编号，j是线上点列坐标，EdgeGate是边界强度探测阈值，取固定设置值20。

步骤2.3：使用左边界点集的均值作为左边界线，右边界点集的均值作为右边界线，左边边界线确定的区域的中间取三条纵向边界探测线，从上往下扫描得到上边缘点集，以上边缘点集中最高的点作为上边界位置；

步骤2.4：设置固定高度，以上边界位置和设定的固定高度，确定瓶头原始子图的下边界位置；

从图像f中取出以左右边界以及上下边界组成区域，见图2中的瓶头检测区，得到瓶头原始子图I₀。

高度的设定，以能够包含安瓿瓶瓶头的主要区域为依据，不同规格的安瓿瓶设置时会有所不同。由于安瓿封口是火烧瓶口，软化后挤压封口的，所以碳化一般会出现的瓶头的上半部分，因此高度的设定也不需要将瓶头区域完全框起来。

步骤3：从瓶头原始子图中分割出瓶头内部目标碳化检测区域I_in；

由于碳化只能出现在瓶头内壁上，因此检测算法需要进一步分割出瓶头内部的区域进行处理，如图3和图4所示，具体操作过程如下：

步骤3.1：对瓶头原始子图I₀进行二值化处理；

使用OTSU算法实现瓶头检测区的自适应二值化，小于阈值部分标记为1。

步骤3.2：对二值化后的图像进行区域孔洞填充，得到瓶头整体区域IR₀；

步骤3.3：如图3所示，将瓶头整体区域分别向左、向右、向下按照设置步长d₁，d₂，d₃进行平移，得到三张平移后的图像IR₁，IR₂，IR₃，然后将三张平移图像进行求与操作，得到外边缘轮廓内缩形成的瓶头内部区域IR；

步骤3.4：使用3×3的矩形结构元素对IR₀进行二值形态学腐蚀操作，并和瓶头原始子图I₀进行点乘运算，取出瓶头内部区域子图，记为I₁；

此处形态学腐蚀的作用是去除瓶壁外侧光线的干扰，降低后续处理复杂度。

步骤3.5：对瓶头内部区域子图I₁依次进行二值化处理、区域孔洞填充，得到填充图像BI₁；

此处二值化阈值作为一个可以调整的参数存在以适应不同的光照强度。

步骤3.6：在填充图像BI₁中选取面积最大的区域作为实际的瓶头内部区域BI₂；

步骤3.8：使用8×8的矩形结构元素对实际的瓶头内部区域BI₂进行腐蚀操作，得到腐蚀后的图像BI；

步骤3.9：利用IR和BI生成最终瓶头内部区域R_in：如果BI中最高点大于IR的最高点，则R_in＝IR；反之，R_in＝IR∪BI；

步骤3.10：将最终瓶头内部区域R_in和原图I₀进行点乘操作，得到最终的瓶头内部区域分割结果图像I_in。

步骤4：使用基于形态学重构的方法对瓶头内部目标碳化检测区域中的碳化区域进行分类识别，提取出深碳化目标图像T_s和淡碳化目标图像T_d；

所述步骤4的具体处理过程如下：

步骤4.1：对瓶头内部目标碳化检测区域I_in进行灰度形态学膨胀处理后，再与原图做差分，得到差分图像Q；

使用50×1的纵向线结构元素b将最终的瓶头内部区域分割结果图像I_in进行一次灰度形态学膨胀，再和原图做差分。计算公式为：

步骤4.2：用瓶头原始子图I₀的红色通道减去蓝色通道，并设置色差阈值进行二值化，得到颜色偏黄的区域，其图像记为BI_c；

步骤4.3：将差分图像Q分别进行两次阈值分割，第一次使用深色碳化区域阈值，得到第一分割图像BI_s；第二次使用深色碳化与浅色碳化区域并存阈值，得到第二分割图像BI_d；

将大阈值分割结果认为是只包含深色碳化的区域，其图像记为BI_s，将小阈值分割结果认为是既包含深色碳化又包含浅色碳化的区域，其图像记为BI_d。

步骤4.4：使用BI_c和BI_s的交集图像作为标记图像，BI_s作为模板图像，进行3×3的矩形结构元素进行形态学重构，得到重构后的第一重构图像

步骤4.5：使用Sobel算子在瓶头内部目标碳化检测区域I_in上求取边缘响应图像，并设置边缘强度响应阈值进行分割，得到边缘响应分割图像，标记为BI_e；

步骤4.6：使用BI_e，BI_c和BI_d的交集图像作为标记图像，BI_d作为模板图像，进行3×3的矩形结构元素进行形态学重构，得到重构后的第二重构图像

步骤4.7：使用作为标记图像，BI_e作为模板图像，进行3×3的矩形结构元素进行形态学重构，得到重构后的第三重构图像

步骤4.8：以作为模板图像，以作为标记图像，进行3×3的矩形结构元素进行形态学重构，得到重构后的深碳化目标图像T_s；

步骤4.9：以和进行取或操作后，再减去深碳化目标图像，得到淡碳化目标图像T_d。

对深碳化目标图像T_s和淡碳化目标图像T_d进行残液屏蔽后，再进行碳化面积统计，如图5所示，具体过程如下：

步骤5.1：在瓶头内部目标碳化检测区域I_in中求非零元横向均值，得到均值函数f(x)；

步骤5.2：对均值函数f(x)进行阈值分割得到B_f(x)，对均值函数f(x)的微分f′(x)进行二值化分割得到B_f′(x)，阈值设置为20；

对均值函数f(x)进行阈值分割时，所使用的阈值低于瓶内的平均灰度且高于残液薄膜的灰度；

步骤5.3：使用B_f(x)作为模板，B_f′(x)和B_f(x)的交集作为标记，进行1×3线型结构元的形态学重构，得到第四重构图像

步骤5.4：对第四重构图像进行1×17的膨胀，得到膨胀后的图像L_Bf(x)；

步骤5.5：在深碳化目标图像T_s和淡碳化目标图像T_d上，将膨胀后的图像L_Bf(x)中非零元素对应的行内所有像素置为零，形成最终的深碳化目标图像和淡碳化目标图像

步骤5：统计深碳化目标图像T_s和淡碳化目标图像T_d中非零元素个数，分别形成深碳化和淡碳化的面积，若得到的面积超过预设值，则判断当前的目标图像检测结果为次品，否则，为正品，完成玻璃瓶安瓿的瓶头碳化视觉检测。

图6、图7以及图8分别是应用本发明所述方法对图1、有残液无碳化情况以及有残液有碳化情况进行的碳化检测效果示意图，从图中可以明显看出本发明所述的检测方法检测结果准确有效。

一种玻璃瓶安瓿的瓶头碳化视觉检测系统，包括：

图像采集与预处理单元，用于玻璃瓶安瓿瓶头图像采集与预处理；

瓶头原始子图提取单元，用于从预处理后的玻璃瓶安瓿瓶头图像中提取瓶头原始子图；

目标碳化检测区域分割单元，用于从瓶头原始子图中分割出瓶头内部的目标碳化检测区域；

深碳化目标图像和淡碳化目标图像提取单元，通过使用基于形态学重构的方法对瓶头内部目标碳化检测区域中的碳化区域进行分类识别，并采用本发明所述的一种玻璃瓶安瓿的瓶头碳化视觉检测方法，进行深碳化目标图像和淡碳化目标图像的提取；

统计与检测单元，通过统计深碳化目标图像和淡碳化目标图像中非零元素个数，计算深碳化和淡碳化的面积，若得到的面积超过预设值，则判断当前的目标图像检测结果为次品，否则，为正品，完成玻璃瓶安瓿的瓶头碳化视觉检测。

采用LED平行面板光源进行背光照明，进行图像采集。

以上内容是结合具体的实施方式对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对本发明所述技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或者替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种玻璃瓶安瓿的瓶头碳化视觉检测方法，其特征在于，包括以下步骤：

步骤1：玻璃瓶安瓿瓶头图像采集与预处理；

步骤2：提取瓶头原始子图I₀；

步骤3：从瓶头原始子图中分割出瓶头内部目标碳化检测区域I_in；

步骤4：使用基于形态学重构的方法对瓶头内部目标碳化检测区域中的碳化区域进行分类识别，提取出深碳化目标图像T_s和淡碳化目标图像T_d；

步骤5：统计深碳化目标图像T_s和淡碳化目标图像T_d中非零元素个数，分别形成深碳化和淡碳化的面积，若得到的面积超过预设值，则判断当前的目标图像检测结果为次品，否则，为正品，完成玻璃瓶安瓿的瓶头碳化视觉检测。

2.根据权利要求1所述的方法，其特征在于，所述步骤4的具体处理过程如下：

步骤4.1：对瓶头内部目标碳化检测区域I_in进行灰度形态学膨胀处理后，再与原图做差分，得到差分图像Q；

步骤4.2：用瓶头原始子图I₀的红色通道减去蓝色通道，并设置色差阈值进行二值化，得到颜色偏黄的区域，其图像记为BI_c；

步骤4.3：将差分图像Q分别进行两次阈值分割，第一次使用深色碳化区域阈值，得到第一分割图像BI_s；第二次使用深色碳化与浅色碳化区域并存阈值，得到第二分割图像BI_d；

步骤4.4：使用BI_c和BI_s的交集图像作为标记图像，BI_s作为模板图像，进行形态学重构，得到重构后的第一重构图像

步骤4.5：使用Sobel算子在瓶头内部目标碳化检测区域I_in上求取边缘响应图像，并设置边缘强度响应阈值进行分割，得到边缘响应分割图像，标记为BI_e；

步骤4.6：使用BI_e，BI_c和BI_d的交集图像作为标记图像，BI_d作为模板图像，进行形态学重构，得到重构后的第二重构图像

步骤4.7：使用作为标记图像，BI_e作为模板图像，进行形态学重构，得到重构后的第三重构图像

步骤4.8：以作为模板图像，以作为标记图像，进行形态学重构，得到重构后的深碳化目标图像T_s；

步骤4.9：以和进行取或操作后，再减去深碳化目标图像，得到淡碳化目标图像T_d。

3.根据权利要求2所述的方法，其特征在于，所述步骤3的具体操作过程如下：

步骤3.1：对瓶头原始子图I₀进行二值化处理；

步骤3.2：对二值化后的图像进行区域孔洞填充，得到瓶头整体区域IR₀；

步骤3.3：将瓶头整体区域分别向左、向右、向下按照设置步长d₁，d₂，d₃进行平移，得到三张平移后的图像IR₁，IR₂，IR₃，然后将三张平移图像进行求与操作，得到外边缘轮廓内缩形成的瓶头内部区域IR；

步骤3.4：使用3×3的矩形结构元素对IR₀进行二值形态学腐蚀操作，并和瓶头原始子图I₀进行点乘运算，取出瓶头内部区域子图，记为I₁；

步骤3.5：对瓶头内部区域子图I₁依次进行二值化处理、区域孔洞填充，得到填充图像BI₁；

步骤3.6：在填充图像BI₁中选取面积最大的区域作为实际的瓶头内部区域BI₂；

步骤3.8：使用8×8的矩形结构元素对实际的瓶头内部区域BI₂进行腐蚀操作，得到腐蚀后的图像BI；

步骤3.9：利用IR和BI生成最终瓶头内部区域R_in：如果BI中最高点大于IR的最高点，则R_in＝IR；反之，R_in＝IR∪BI；

步骤3.10：将最终瓶头内部区域R_in和原图I₀进行点乘操作，得到最终的瓶头内部区域分割结果图像I_in。

4.根据权利要求2所述的方法，其特征在于，对深碳化目标图像T_s和淡碳化目标图像T_d进行残液屏蔽后，再进行碳化面积统计，具体过程如下：

步骤5.1：在瓶头内部目标碳化检测区域I_in中求非零元横向均值，得到均值函数f(x)；

步骤5.2：对均值函数f(x)进行阈值分割得到B_f(x)，对均值函数f(x)的微分f′(x)进行二值化分割得到B_f′(x)，阈值设置为20；

对均值函数f(x)进行阈值分割时，所使用的阈值低于瓶内的平均灰度且高于残液薄膜的灰度；

步骤5.3：使用B_f(x)作为模板，B_f′(x)和B_f(x)的交集作为标记，进行1×3线型结构元的形态学重构，得到第四重构图像

步骤5.4：对第四重构图像进行1×17的膨胀，得到膨胀后的图像L_Bf(x)；

步骤5.5：在深碳化目标图像T_s和淡碳化目标图像T_d上，将膨胀后的图像L_Bf(x)中非零元素对应的行内所有像素置为零，形成最终的深碳化目标图像和淡碳化目标图像

5.根据权利要求1-4任一项所述的方法，其特征在于，所述提取瓶头原始子图I₀的具体过程如下：

步骤2.1：对经过步骤1预处理后的图像f，使用3×3的矩形结构元b对f求形态学梯度，得到形态学梯度图像g；

步骤2.2：在形态学梯度图像g中取定位ROI部分图像的下半部分水平方向取等间距探测线，记探测线位置为X＝(x₁,x₁+step,x₁+2step,x₁+3step,x₁+4step)，step为探测线的间距；

探测线满足以下条件：

1)在定位ROI的下半部分，2)等间距，3)最低探测线不低于ROI的最低处；

在每根探测线上分别从左向右和从右向左扫描找到第一个满足条件的边界点计入左边界和右边界点集合；

边界点满足的条件如下式：

g(x₁+i·step,j)>EdgeGate

其中，x₁是第一条强边缘探测线的位置，i是强边缘探测线的编号，j是线上点列坐标，EdgeGate是边界强度探测阈值，取固定设置值20。

步骤2.3：使用左边界点集的均值作为左边界线，右边界点集的均值作为右边界线，左边边界线确定的区域的中间取三条纵向边界探测线，从上往下扫描得到上边缘点集，以上边缘点集中最高的点作为上边界位置；

步骤2.4：设置固定高度，以上边界位置和设定的固定高度，确定瓶头原始子图的下边界位置；

从图像f中取出以左右边界以及上下边界组成区域，得到瓶头原始子图I₀。

6.根据权利要求4所述的方法，其特征在于，所述重构处理过程采用3×3的矩形结构元素进行形态学重构。

7.根据权利要求2所述的方法，其特征在于，所述步骤1中的预处理是指对采集的玻璃瓶安瓿瓶头图像进行3×3的中值滤波操作。

8.根据权利要求2所述的方法，其特征于，所述步骤4.1中对瓶头内部目标碳化检测区域I_in进行灰度形态学膨胀处理时，使用50×1的纵向线结构元素b进行灰度形态学膨胀。

9.一种玻璃瓶安瓿的瓶头碳化视觉检测系统，其特征在于，包括：

图像采集与预处理单元，用于玻璃瓶安瓿瓶头图像采集与预处理；

瓶头原始子图提取单元，用于从预处理后的玻璃瓶安瓿瓶头图像中提取瓶头原始子图；

目标碳化检测区域分割单元，用于从瓶头原始子图中分割出瓶头内部的目标碳化检测区域；

深碳化目标图像和淡碳化目标图像提取单元，通过使用基于形态学重构的方法对瓶头内部目标碳化检测区域中的碳化区域进行分类识别，并采用权利要求1-8任一项所述的一种玻璃瓶安瓿的瓶头碳化视觉检测方法，进行深碳化目标图像和淡碳化目标图像的提取；

统计与检测单元，通过统计深碳化目标图像和淡碳化目标图像中非零元素个数，计算深碳化和淡碳化的面积，若得到的面积超过预设值，则判断当前的目标图像检测结果为次品，否则，为正品，完成玻璃瓶安瓿的瓶头碳化视觉检测。

10.根据权利要求9所述的系统，其特征在于，采用LED平行面板光源进行背光照明，进行图像采集。