CN110223276A - 一种基于图像处理的瓶盖检测方法及装置 - Google Patents
一种基于图像处理的瓶盖检测方法及装置 Download PDFInfo
- Publication number
- CN110223276A CN110223276A CN201910453169.5A CN201910453169A CN110223276A CN 110223276 A CN110223276 A CN 110223276A CN 201910453169 A CN201910453169 A CN 201910453169A CN 110223276 A CN110223276 A CN 110223276A
- Authority
- CN
- China
- Prior art keywords
- bottle cap
- pixel
- image
- value
- setting
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000003708 edge detection Methods 0.000 claims description 12
- 238000003825 pressing Methods 0.000 claims description 11
- 238000004321 preservation Methods 0.000 claims description 7
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000000034 method Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 241000239290 Araneae Species 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种基于图像处理的瓶盖检测方法，包括：采集需要处理的瓶盖图像，并在瓶盖图像上选取感兴趣区域；过滤感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像；将边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像；在瓶盖位置图像上通过特征对比的方式对瓶盖的产品质量参数进行检测。本发明还提供了一种基于图像处理的瓶盖检测装置，包括采集单元、边缘图像处理单元、位置图像处理单元及检测单元。本发明提供的基于图像处理的瓶盖检测方法及装置，提高了检测的准确性，可用于各种瓶盖的检测。
Description
技术领域
本发明涉及视觉处理技术领域，特别涉及一种基于图像处理的瓶盖检测方法及装置。
背景技术
PET瓶盖是否合格事关食品问题，所以严格把控食品生产过程中的卫生，保证食品的安全至关重要。现如今国内大部分企业和产品生产车间采用传统的肉眼识别，这种识别方法速度慢，检测人员容易疲劳，可靠性差。不论从实用性还是从企业成本需求考虑，采用原理简单、成本低廉、易操作的图像处理的方法来对食品进行检测是一种趋势。
目前，对于PET瓶盖检测的方法和装置主要分成三类：人工检测、传感器检测和计算机视觉的检测。人工检测是传统的工业检测的方法，主要由检测员通过肉眼观察来检测每个PET瓶盖是否存在缺陷，存在的问题有：检测率低，速度慢，数据统计汇总困难和成本高。传感器检测是利用各种传感器来进行检测，比如利用色彩光电传感器来检测瓶盖颜色，存在的问题有：容易受到外界环境的影响，系统通用性差，检测内容过少。现在主流的检测方法是利用机器代替人眼，即计算机视觉来完成PET瓶盖的检测，该检测方法速度快，数据统计汇总能力强，但检测的准确性低、可拓展性差。
发明内容
本发明针对现有技术中存在的技术问题，提供一种基于图像处理的瓶盖检测方法及装置。
本发明解决上述技术问题的技术方案如下：
一种基于图像处理的瓶盖检测方法，包括：
采集需要处理的瓶盖图像，并在所述瓶盖图像上选取感兴趣区域；
过滤所述感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像；
将所述边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像；
在所述瓶盖位置图像上通过特征对比的方式对瓶盖的产品质量参数进行检测。
进一步的，过滤所述感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像，包括：
将瓶盖图像上感兴趣区域转换为rgb格式的灰度图，并运用Canny算子对所述灰度图进行边缘检测，得到包含瓶盖轮廓的第一边缘图像；
对所述第一边缘图像的边缘进行连通域搜索，删除像素点数量小于设定值的连通域，得到第二边缘图像。
进一步的，将所述边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像，包括：
对所述第二边缘图像进行列遍历，将像素不为0的点保存到点集中；
对所述点集中每个点的X轴方向梯度、Y轴方向梯度及方向角进行计算，保留方向角在设定的阈值以内的像素点，得到瓶盖顶部平面的离散分布点的集合；
对瓶盖顶部平面的离散分布点的集合进行拟合，得到瓶盖顶部平面所在线段上的各点坐标及瓶盖顶部的倾斜角；
根据瓶盖顶部平面位置信息和瓶盖的尺寸信息，初定位瓶盖底部位置及瓶盖左右边缘轮廓，形成瓶盖位置图像；
在所述位置图像中寻找最突出的左右两点为瓶肩支撑环位置；
寻找最突出的左右两点和瓶盖盖顶最高点共三个点，定位得到瓶盖准确位置，然后对瓶盖进行旋转校正。
进一步的，所述瓶盖的产品质量参数包括：瓶盖的压合缝隙、颜色、拉条完整度、盖底破损及盖底字符。
进一步的，通过特征对比的方式对瓶盖的压合缝隙进行检测，包括：
对所述瓶盖位置图像中瓶盖的左边缘轮廓及右边缘轮廓进行遍历，如果某一边缘点的像素值大于设定的阈值，则满足计数条件；
若连续满足计数条件的数量大于或等于设置值n，则将这一组满足计数条件的连续点记录保存；若满足计数条件的连续点数量小于n，则重新计数；
遍历完成后，若存在记录保存的瓶盖判定为压合缝隙不合格；若不存在记录保存的瓶盖，则判定颜色合格。
进一步的，通过像素对比的方式对瓶盖的颜色进行检测包括：
将所述瓶盖位置图像中的盖帽区域图像由rgb通道转换为hsv格式通道；
遍历盖帽区域图像的像素点，对每个像素点的h、s、v值分别与设定的h、s、v值进行比较，若差值的绝对值均小于设定的阈值，则进行计数；
统计计算的像素点占盖帽区域的比例，若比例小于设定的阈值，则瓶盖判定为颜色不合格；若比例大于设定的阈值，则判定颜色合格。
进一步的，通过像素对比的方式对瓶盖的拉条完整度进行检测，包括：
设定像素变换值，当所述瓶盖位置图像中瓶盖的拉条区域的图像中的某像素点大于或等于像素变换值时，将像素点处理为设定像素值的像素点；当拉条区域的图像的某像素点小于像素变换值时，将像素点处理为无像素点；
搜索拉条区域图像的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断拉条完整度不合格；若连通域的长宽小于设定的阈值则判断拉条完整度合格。
进一步的，通过像素对比的方式对瓶盖的盖底破损进行检测，包括：
设定二值处理临界值，当所述瓶盖位置图像中的盖底区域的图像中的某像素点的像素值大于或等于二值处理临界值时，将像素点处理为设定像素值的像素点；当盖底区域图像的某像素点的像素值小于二值处理临界时，将像素点处理为无像素点；
搜索盖底区域图像的的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断盖底破损度不合格；若连通域的长宽小于设定的阈值则判断盖底破损度合格。
进一步的，通过像素对比的方式对瓶盖的盖底字符进行检测，包括：
运用Canny算子对所述瓶盖位置图中的瓶盖盖底区域的图像进行边缘检测；
统计边缘点占比，若边缘点占比小于设定的阈值，则判断盖底区域不存在字符；若边缘点占比大于或等于设定的阈值，则判断盖底区域存在字符。
本发明还提供了一种基于图像处理的瓶盖的检测装置，包括：
采集单元，采集需要处理的瓶盖图像，并在所述瓶盖图像上选取感兴趣区域；
边缘图像处理单元，过滤所述感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像；
位置图像处理单元，将所述边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像；
检测单元，在所述瓶盖位置图像上通过特征对比的方式对瓶盖的产品质量参数进行检测。
本发明提供的基于图像处理的瓶盖检测方法及装置至少具备以下优点：
本发明提供的基于图像处理的瓶盖检测方法及装置，采集需要处理的瓶盖图像，并在瓶盖图像上选取感兴趣区域，将集瓶盖所在区域的图像上感兴趣的部分处理为包含瓶盖轮廓的边缘图像，可得到较为准确的瓶盖边缘图像；进一步对瓶盖边缘图像过滤干扰像素点，并得到优化后的瓶盖边缘图像。在优化后的瓶盖边缘图像中采集像素点，并将像素点拟合、定位、旋转校正后获得准确的瓶盖图像及位置。通过像素对比的方式对瓶盖的产品质量参数进行检测，提高了检测的准确性，可用于各种瓶盖的检测。本发明提供的基于图像处理的瓶盖检测方法及装置，可以适应产线多瓶型切换，满足现代高速生产线上瓶盖有无、颜色、破损、字符有无、拉条破损等检测项。不仅能克服瓶身倾斜、链道抖动、瓶身水珠和毛刺等的影响，而且检测率达到99.9％以上。
进一步，本发明提供的基于图像处理的瓶盖检测方法，采集需要处理的瓶盖图像后，运用Canny算子进行边缘检测，可得到较为准确的瓶盖边缘图像；进一步对瓶盖边缘图像进行连通域搜索，删除像素点数量小于设定值的连通域，可过滤干扰像素点，并得到优化后的瓶盖边缘图像，提高了检测精度。
进一步，本发明提供的基于图像处理的瓶盖检测方法，在优化后的瓶盖边缘图像中采集像素点，并将像素点拟合得到瓶盖顶部平面位置信息；根据瓶盖顶部平面位置信息和瓶盖的尺寸信息，初定位瓶盖底部位置及瓶盖左右边缘轮廓，形成瓶盖位置图像；然后通过三点定位的方法，得到瓶盖准确位置，最后对瓶盖进行旋转校正，获得准确的瓶盖图像及位置，进一步提高了检测精度。
附图说明
图1为本发明实施例提供的基于图像处理的瓶盖检测方法流程图；
图2为本发明实施例提供的基于图像处理的瓶盖检测装置结构示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
实施例一
参见图1，本发明实施例提供了一种基于图像处理的瓶盖检测方法，包括如下步骤S1-S4：
步骤S1、采集需要处理的瓶盖图像，并在瓶盖图像上选取感兴趣区域。
其中，瓶盖图像的采集方式可有多种，常规的采集设备如摄像机、照相机等，通过采集设备拍摄瓶盖图像后，上传至处理器进一步处理。
步骤S2、过滤感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像。
具体的，步骤S2包括：
步骤S21、将瓶盖图像上感兴趣区域转换为rgb通道的灰度图，并运用Canny算子对灰度图进行边缘检测，得到包含瓶盖轮廓的第一边缘图像。
其中，感兴趣区域为像素点比较密集的区域，是瓶盖存在的区域。Canny算子是广泛应用于边缘检测的方法，运用Canny算子对灰度图进行边缘检测，可得到较为准确的瓶盖边缘图像。
步骤S22、对第一边缘图像的边缘进行连通域搜索，删除像素点数量小于设定值的连通域，得到第二边缘图像。
例如，对第一边缘图像的边缘进行连通域搜索，删除像素点数量小于10的连通域，可有的效排出干扰像素点，进一步提高检测精度。
步骤S3、将边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像。
具体的，步骤S3包括：
步骤S31、对第二边缘图像进行列遍历，将像素不为0的点保存到点集中。
对第二边缘图像进行列遍历，获取像素不为0的像素点，可网罗瓶盖上所有的像素点；当然，在网罗的全部像素点中，也包含一些干扰像素点，干扰像素点可在后续步骤中予以优化。
步骤S32、对点集中每个点的X轴方向梯度、Y轴方向梯度方向梯度及方向角进行计算，保留方向角在设定的阈值以内的像素点，得到瓶盖顶部平面的离散分布点的集合。
步骤S33、对瓶盖顶部平面的离散分布点的集合进行拟合，得到瓶盖顶部平面所在线段上的各点坐标及瓶盖顶部的倾斜角。
例如，计算x方向梯度执行程序：
delta_x＝grayImg.at<uchar>(ii-1,jj+1)+grayImg.at<uchar>(ii,jj+1)*2+grayImg.at<uchar>(ii+1,jj+1)-grayImg.at<uchar>(ii-1,jj-1)-grayImg.at<uchar>(ii,jj-1)*2-grayImg.at<uchar>(ii+1,jj-1)。
计算y方向梯度执行程序：
delta_y＝grayImg.at<uchar>(ii+1,jj-1)+grayImg.at<uchar>(ii+1,jj)*2+grayImg.at<uchar>(ii+1,jj+1)-grayImg.at<uchar>(ii-1,jj-1)-grayImg.at<uchar>(ii-1,jj)*2-grayImg.at<uchar>(ii-1,jj+1)。
计算方向角执行程序：
α＝atan2(abs(delta_y)，abs(delta_x))*180/3.14159。
步骤S34、根据瓶盖顶部平面位置信息和瓶盖的尺寸信息，初定位瓶盖底部位置及瓶盖左右边缘轮廓，形成瓶盖位置图像。
步骤S35、在位置图像中寻找最突出的左右两点为瓶肩支撑环位置。
步骤S36、寻找最突出的左右两点和瓶盖盖顶最高点共三个点，定位得到瓶盖准确位置，然后对瓶盖进行旋转校正。
步骤S4、在瓶盖位置图像上通过特征对比的方式对瓶盖的产品质量参数进行检测。其中瓶盖的产品质量参数包括：压合缝隙、颜色及拉条完整度。
具体的，步骤S4中，通过特征对比的方式对瓶盖的压合缝隙进行检测，包括：
步骤S401、对瓶盖位置图像中瓶盖的左边缘轮廓及右边缘轮廓进行遍历，如果某一边缘点的像素值大于设定的阈值，则满足计数条件。步骤S402、若连续满足计数条件的数量大于或等于设置值n，则将这一组满足计数条件的连续点记录保存；若满足计数条件的连续点数量小于n，则重新计数。步骤S403、遍历完成后，若存在记录保存的瓶盖判定为压合缝隙不合格；若不存在记录保存的瓶盖，则判定颜色合格。
步骤S4中，通过特征对比的方式对瓶盖的颜色进行检测包括：
步骤S404、将瓶盖位置图像中的盖帽区域的图像由rgb通道转换为hsv通道。步骤S405、遍历盖帽区域图像的像素点，对每个像素点的h、s、v值分别与设定的h、s、v值进行比较，若差值的绝对值均小于设定的阈值，则进行计数。步骤S406、统计计算的像素点占盖帽区域的比例，若比例小于设定的阈值，则瓶盖判定为颜色不合格；若比例大于设定的阈值，则判定颜色合格。
步骤S4中，通过像素对比的方式对瓶盖的拉条完整度进行检测，包括：
步骤S407、设定像素变换值，当瓶盖位置图像中的拉条区域的图像中的某像素点大于或等于像素变换值时，将像素点处理为设定像素值的像素点；当拉条区域的图像的某像素点小于像素变换值时，将像素点处理为无像素点。步骤S408、搜索拉条区域图像的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断拉条完整度不合格；若连通域的长宽小于设定的阈值则判断拉条完整度合格。
步骤S4中，通过像素对比的方式对瓶盖的盖底破损进行检测，包括：
步骤S409、设定二值处理临界值，当瓶盖位置图像中的盖底区域的图像中的某像素点的像素值大于或等于二值处理临界值时，将像素点处理为设定像素值的像素点；当盖底区域图像的某像素点的像素值小于二值处理临界时，将像素点处理为无像素点。步骤S410、搜索盖底区域图像的的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断盖底破损度不合格；若连通域的长宽小于设定的阈值则判断盖底破损度合格。
步骤S4中通过像素对比的方式对瓶盖的盖底字符进行检测，包括：
步骤S411、运用Canny算子对瓶盖位置图像中的盖底区域的图像进行边缘检测。步骤S912、统计边缘点占比，若边缘点占比小于设定的阈值，则判断盖底区域不存在字符；若边缘点占比大于或等于设定的阈值，则判断盖底区域存在字符。
需要说明的是，本发明实施例中设定的阈值，阈值的大小根据精度要求不同而不同，可根据实际需要灵活设置。
实施例二
参见图2，本发明实施例还提供了一种基于图像处理的瓶盖的检测装置2，该装置基于实施例一提供的图像处理的瓶盖的检测实现，具体包括：采集单元21、边缘处理处理单元22、位置图像处理单元23及检测单元24。
采集单元21用于采集需要处理的瓶盖图像，并在瓶盖图像上选取感兴趣区域。
边缘图像处理单元22用于过滤感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像。其中，边缘处理处理单元22包括：
图像转换模块221，用于将瓶盖图像上感兴趣区域转换为rgb格式的灰度图，并运用Canny算子对灰度图进行边缘检测，得到包含瓶盖轮廓的第一边缘图像。
图像优化模块222，用于对第一边缘图像的边缘进行连通域搜索，删除像素点数量小于设定值的连通域，得到第二边缘图像。
位置图像处理单元23用于将边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像。其中，位置图像处理单元23包括：
像素点遍历模块231，对第二边缘图像进行列遍历，将像素不为0的像素点保存到点集中。
拟合模块232，将点集中的点拟合得到瓶盖顶部平面位置信息。具体的拟合过程为：对点集中每个点的X轴方向梯度、Y轴方向梯度方向梯度及方向角进行计算，保留方向角在设定的阈值以内的像素点，得到瓶盖顶部平面的离散分布点的集合。对瓶盖顶部平面的离散分布点的集合进行拟合，得到瓶盖顶部平面所在线段上的各点坐标及瓶盖顶部的倾斜角。
第一定位模块233，根据瓶盖顶部平面位置信息和瓶盖的尺寸信息，初定位瓶盖底部位置及瓶盖左右边缘轮廓，形成瓶盖位置图像。
第二定位模块234，在位置图像中寻找最突出的左右两点为瓶瓶肩支撑环位置；寻找最突出的左右两点和瓶盖盖顶最高点共三个点，定位得到瓶盖准确位置，然后对瓶盖进行旋转校正。
检测单元24用于在瓶盖位置图像上通过特征对比的方式对瓶盖的产品质量参数进行检测。其中，检测单元24包括：
压合缝隙检测模块241，对瓶盖位置图像中的瓶盖左边缘轮廓及右边缘轮廓进行遍历，如果某一边缘点的像素值大于设定的阈值，则满足计数条件。若连续满足计数条件的数量大于或等于设置值n，则将这一组满足计数条件的连续点记录保存；若满足计数条件的连续点数量小于n，则重新计数。遍历完成后，若存在记录保存的瓶盖判定为压合缝隙不合格；若不存在记录保存的瓶盖，则判定颜色合格。
颜色检测模块242，将瓶盖位置图像中的盖帽区域的图像由rgb格式转换为hsv格式。步骤S405、遍历盖帽区域图像的像素点，对每个像素点的h、s、v值分别与设定的h、s、v值进行比较，若差值的绝对值均小于设定的阈值，则进行计数。统计计算的像素点占盖帽区域的比例，若比例小于设定的阈值，则瓶盖判定为颜色不合格；若比例大于设定的阈值，则判定颜色合格。
拉条完整度检测模块243，设定像素变换值，当瓶盖位置图像中的拉条区域的图像中的某像素点大于或等于像素变换值时，将像素点处理为设定像素值的像素点；当拉条区域的图像的某像素点小于像素变换值时，将像素点处理为无像素点。步骤S408、搜索拉条区域图像的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断拉条完整度不合格；若连通域的长宽小于设定的阈值则判断拉条完整度合格。
盖底破损检测模块244，设定二值处理临界值，当瓶盖位置图像中的盖底区域的图像中的某像素点的像素值大于或等于二值处理临界值时，将像素点处理为设定像素值的像素点；当盖底区域图像的某像素点的像素值小于二值处理临界时，将像素点处理为无像素点。搜索盖底区域图像的的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断盖底破损度不合格；若连通域的长宽小于设定的阈值则判断盖底破损度合格。
盖底字符检测模块245，运用Canny算子对瓶盖位置图像中的盖底区域的图像进行边缘检测。步骤S912、统计边缘点占比，若边缘点占比小于设定的阈值，则判断盖底区域不存在字符；若边缘点占比大于或等于设定的阈值，则判断盖底区域存在字符
本发明实施例提供的基于图像处理的瓶盖检测方法及装置至少具备以下优点：
本发明实施例提供的基于图像处理的瓶盖检测方法及装置，采集需要处理的瓶盖所在区域的图像后，将集瓶盖所在区域的图像上感兴趣的部分处理为包含瓶盖轮廓的边缘图像，可得到较为准确的瓶盖边缘图像；进一步对瓶盖边缘图像过滤干扰像素点，并得到优化后的瓶盖边缘图像。在优化后的瓶盖边缘图像中采集像素点，并将像素点拟合、定位、旋转校正后获得准确的瓶盖图像及位置。通过像素对比的方式对瓶盖的压合缝隙、颜色、拉条完整度、盖底破损及盖底字符进行检，提高了检测的准确性，可用于各种瓶盖的检测。本发明提供的基于图像处理的瓶盖检测方法及装置，可以适应产线多瓶型切换，满足现代高速生产线上瓶盖有无、颜色、破损、字符有无、拉条破损等检测项。不仅能克服瓶身倾斜、链道抖动、瓶身水珠和毛刺等的影响，而且检测率达到99.9％以上。
本发明实施例提供的基于图像处理的瓶盖检测方法及装置，采集需要处理的瓶盖图像后，运用Canny算子进行边缘检测，可得到较为准确的瓶盖边缘图像；进一步对瓶盖边缘图像进行连通域搜索，删除像素点数量小于设定值的连通域，可过滤干扰像素点，并得到优化后的瓶盖边缘图像，提高了检测精度。
本发明实施例提供的基于图像处理的瓶盖检测方法及装置，在优化后的瓶盖边缘图像中采集像素点，并将像素点拟合得到瓶盖顶部平面位置信息；根据瓶盖顶部平面位置信息和瓶盖的尺寸信息，初定位瓶盖底部位置及瓶盖左右边缘轮廓，形成瓶盖位置图像；然后通过三点定位的方法，得到瓶盖准确位置，最后对瓶盖进行旋转校正，获得准确的瓶盖图像及位置，进一步提高了检测精度。
本领域内的技术人员应明白，本发明的实施例可提供为方法、装置、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于图像处理的瓶盖检测方法，其特征在于，包括：
采集需要处理的瓶盖图像，并在所述瓶盖图像上选取感兴趣区域；
过滤所述感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像；
将所述边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像；
在所述瓶盖位置图像上通过特征对比的方式对瓶盖的产品质量参数进行检测。
2.根据权利要求1所述的基于图像处理的瓶盖检测方法，其特征在于，过滤所述感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像，包括：
将瓶盖图像上感兴趣区域转换为rgb格式的灰度图，并运用Canny算子对所述灰度图进行边缘检测，得到包含瓶盖轮廓的第一边缘图像；
对所述第一边缘图像的边缘进行连通域搜索，删除像素点数量小于设定值的连通域，得到第二边缘图像。
3.根据权利要求2所述的基于图像处理的瓶盖检测方法，其特征在于，将所述边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像，包括：
对所述第二边缘图像进行列遍历，将像素不为0的点保存到点集中；
对所述点集中每个点的X轴方向梯度、Y轴方向梯度及方向角进行计算，保留方向角在设定的阈值以内的像素点，得到瓶盖顶部平面的离散分布点的集合；
对瓶盖顶部平面的离散分布点的集合进行拟合，得到瓶盖顶部平面所在线段上的各点坐标及瓶盖顶部的倾斜角；
根据瓶盖顶部平面位置信息和瓶盖的尺寸信息，初定位瓶盖底部位置及瓶盖左右边缘轮廓，形成瓶盖位置图像；
在所述位置图像中寻找最突出的左右两点为瓶肩支撑环位置；
寻找最突出的左右两点和瓶盖盖顶最高点共三个点，定位得到瓶盖准确位置，然后对瓶盖进行旋转校正。
4.根据权利要求1-3任一项所述的基于图像处理的瓶盖检测方法，其特征在于，所述瓶盖的产品质量参数包括：瓶盖的压合缝隙、颜色、拉条完整度、盖底破损及盖底字符。
5.根据权利要求4所述的基于图像处理的瓶盖检测方法，其特征在于，通过特征对比的方式对瓶盖的压合缝隙进行检测，包括：
对所述瓶盖位置图像中瓶盖的左边缘轮廓及右边缘轮廓进行遍历，如果某一边缘点的像素值大于设定的阈值，则满足计数条件；
若连续满足计数条件的数量大于或等于设置值n，则将这一组满足计数条件的连续点记录保存；若满足计数条件的连续点数量小于n，则重新计数；
遍历完成后，若存在记录保存的瓶盖判定为压合缝隙不合格；若不存在记录保存的瓶盖，则判定颜色合格。
6.根据权利要求4所述的基于图像处理的瓶盖检测方法，其特征在于，通过像素对比的方式对瓶盖的颜色进行检测包括：
将所述瓶盖位置图像中的盖帽区域图像由rgb通道转换为hsv格式通道；
遍历盖帽区域图像的像素点，对每个像素点的h、s、v值分别与设定的h、s、v值进行比较，若差值的绝对值均小于设定的阈值，则进行计数；
统计计算的像素点占盖帽区域的比例，若比例小于设定的阈值，则瓶盖判定为颜色不合格；若比例大于设定的阈值，则判定颜色合格。
7.根据权利要求4所述的基于图像处理的瓶盖检测方法，其特征在于，通过像素对比的方式对瓶盖的拉条完整度进行检测，包括：
设定像素变换值，当所述瓶盖位置图像中瓶盖的拉条区域的图像中的某像素点大于或等于像素变换值时，将像素点处理为设定像素值的像素点；当拉条区域的图像的某像素点小于像素变换值时，将像素点处理为无像素点；
搜索拉条区域图像的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断拉条完整度不合格；若连通域的长宽小于设定的阈值则判断拉条完整度合格。
8.根据权利要求4所述的基于图像处理的瓶盖检测方法，其特征在于，通过像素对比的方式对瓶盖的盖底破损进行检测，包括：
设定二值处理临界值，当所述瓶盖位置图像中的盖底区域的图像中的某像素点的像素值大于或等于二值处理临界值时，将像素点处理为设定像素值的像素点；当盖底区域图像的某像素点的像素值小于二值处理临界时，将像素点处理为无像素点；
搜索盖底区域图像的的设定像素值的连通域，计算连通域的长宽，若连通域的长宽大于或等于设定的阈值则判断盖底破损度不合格；若连通域的长宽小于设定的阈值则判断盖底破损度合格。
9.根据权利要求4所述的基于图像处理的瓶盖检测方法，其特征在于，通过像素对比的方式对瓶盖的盖底字符进行检测，包括：
运用Canny算子对所述瓶盖位置图中的瓶盖盖底区域的图像进行边缘检测；
统计边缘点占比，若边缘点占比小于设定的阈值，则判断盖底区域不存在字符；若边缘点占比大于或等于设定的阈值，则判断盖底区域存在字符。
10.一种基于图像处理的瓶盖的检测装置，其特征在于，包括：
采集单元，采集需要处理的瓶盖图像，并在所述瓶盖图像上选取感兴趣区域；
边缘图像处理单元，过滤所述感兴趣区域的干扰像素点，得到包含瓶盖轮廓的边缘图像；
位置图像处理单元，将所述边缘图像上的像素点拟合、定位以及旋转校正得到瓶盖位置图像；
检测单元，在所述瓶盖位置图像上通过特征对比的方式对瓶盖的产品质量参数进行检测。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910453169.5A CN110223276A (zh) | 2019-05-28 | 2019-05-28 | 一种基于图像处理的瓶盖检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910453169.5A CN110223276A (zh) | 2019-05-28 | 2019-05-28 | 一种基于图像处理的瓶盖检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110223276A true CN110223276A (zh) | 2019-09-10 |
Family
ID=67818364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910453169.5A Pending CN110223276A (zh) | 2019-05-28 | 2019-05-28 | 一种基于图像处理的瓶盖检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110223276A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112132135A (zh) * | 2020-08-27 | 2020-12-25 | 南京南瑞信息通信科技有限公司 | 一种基于图像处理的电网传输线检测方法、存储介质 |
| CN115018849A (zh) * | 2022-08-09 | 2022-09-06 | 江苏万容机械科技有限公司 | 基于边缘检测的瓶体歪盖识别方法 |
| FR3144278A1 (fr) * | 2022-12-21 | 2024-06-28 | Sidel Participations | Procédé de détection de la position de récipients |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001209794A (ja) * | 2000-01-26 | 2001-08-03 | Matsushita Electric Works Ltd | 外観検査方法 |
| CN102192911A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院自动化研究所 | 一种基于机器视觉的金属瓶盖质量检测系统和方法 |
| CN102636490A (zh) * | 2012-04-12 | 2012-08-15 | 江南大学 | 基于机器视觉的轴承防尘盖表面缺陷检测方法 |
| CN106370659A (zh) * | 2016-08-17 | 2017-02-01 | 湘潭大学 | 一种瓶体封装质量视觉检测方法 |
| CN108389179A (zh) * | 2018-01-15 | 2018-08-10 | 湖南大学 | 一种基于机器视觉的罐盖表面缺陷检测方法 |
-
2019
- 2019-05-28 CN CN201910453169.5A patent/CN110223276A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001209794A (ja) * | 2000-01-26 | 2001-08-03 | Matsushita Electric Works Ltd | 外観検査方法 |
| CN102192911A (zh) * | 2010-03-17 | 2011-09-21 | 中国科学院自动化研究所 | 一种基于机器视觉的金属瓶盖质量检测系统和方法 |
| CN102636490A (zh) * | 2012-04-12 | 2012-08-15 | 江南大学 | 基于机器视觉的轴承防尘盖表面缺陷检测方法 |
| CN106370659A (zh) * | 2016-08-17 | 2017-02-01 | 湘潭大学 | 一种瓶体封装质量视觉检测方法 |
| CN108389179A (zh) * | 2018-01-15 | 2018-08-10 | 湖南大学 | 一种基于机器视觉的罐盖表面缺陷检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 严佳栋: "基于机器人视觉的饮料瓶质量检测算法", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112132135A (zh) * | 2020-08-27 | 2020-12-25 | 南京南瑞信息通信科技有限公司 | 一种基于图像处理的电网传输线检测方法、存储介质 |
| CN112132135B (zh) * | 2020-08-27 | 2023-11-28 | 南京南瑞信息通信科技有限公司 | 一种基于图像处理的电网传输线检测方法、存储介质 |
| CN115018849A (zh) * | 2022-08-09 | 2022-09-06 | 江苏万容机械科技有限公司 | 基于边缘检测的瓶体歪盖识别方法 |
| CN115018849B (zh) * | 2022-08-09 | 2022-11-08 | 江苏万容机械科技有限公司 | 基于边缘检测的瓶体歪盖识别方法 |
| FR3144278A1 (fr) * | 2022-12-21 | 2024-06-28 | Sidel Participations | Procédé de détection de la position de récipients |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106338521B (zh) | 增材制造表面及内部缺陷与形貌复合检测方法及装置 | |
| CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
| CN110223276A (zh) | 一种基于图像处理的瓶盖检测方法及装置 | |
| CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
| CN101424514B (zh) | 基于图像处理的卷尺刻度在线自动检测系统及方法 | |
| CN104835175B (zh) | 一种基于视觉注意机制的核环境中目标检测方法 | |
| CN106529559A (zh) | 一种指针式圆形多仪表盘实时读数识别方法 | |
| CN102704215B (zh) | 基于dst文件解析与机器视觉结合的绣布自动切割方法 | |
| CN108760747A (zh) | 一种3d打印模型表面缺陷视觉检测方法 | |
| CN106228161A (zh) | 一种指针式表盘自动读数方法 | |
| CN106951905A (zh) | 一种基于tof相机的树上苹果识别与定位方法 | |
| CN108921819B (zh) | 一种基于机器视觉的验布装置及方法 | |
| CN109741314A (zh) | 一种零件的视觉检测方法及系统 | |
| DE102015005267A1 (de) | Informationsverarbeitungsvorrichtung, Verfahren dafür und Messvorrichtung | |
| CN109145708A (zh) | 一种基于rgb和d信息融合的人流量统计方法 | |
| CN108320280A (zh) | 基于视觉清晰度与轮廓提取的熔池图像异常检测方法 | |
| CN103308523B (zh) | 多尺度瓶口缺陷检测方法及装置 | |
| CN105913013A (zh) | 双目视觉人脸识别算法 | |
| CN107358628B (zh) | 基于靶标的线阵图像处理方法 | |
| CN106971393B (zh) | 一种玉米籽粒的表型测量方法及系统 | |
| CN104424632B (zh) | 一种视频对比度异常检测方法及装置 | |
| CN107729853A (zh) | 一种适用于变电站窄刻度指针式仪表的自动识别方法 | |
| CN110108712A (zh) | 多功能视觉缺陷检测系统 | |
| CN106127145A (zh) | 瞳孔定位及跟踪方法 | |
| CN109324056B (zh) | 一种基于机器视觉的缝纫线迹测量方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190910 |