CN110501346A - 基于多光谱图像采集技术的品质检测系统 - Google Patents
基于多光谱图像采集技术的品质检测系统 Download PDFInfo
- Publication number
- CN110501346A CN110501346A CN201910906077.8A CN201910906077A CN110501346A CN 110501346 A CN110501346 A CN 110501346A CN 201910906077 A CN201910906077 A CN 201910906077A CN 110501346 A CN110501346 A CN 110501346A
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- wave band
- multispectral
- training sample
- 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.)
- Granted
Links
Classifications
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- 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
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/892—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles characterised by the flaw, defect or object feature examined
-
- 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
- G06T7/11—Region-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
- G06T7/136—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
- G01N2021/845—Objects on a conveyor
- G01N2021/8455—Objects on a conveyor and using position detectors
-
- 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
-
- 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
- G01N21/89—Investigating the presence of flaws or contamination in moving material, e.g. running paper or textiles
- G01N21/8901—Optical details; Scanning details
- G01N2021/8908—Strip illuminator, e.g. light tube
-
- 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
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Textile Engineering (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于多光谱图像采集技术的品质检测系统,涉及光谱技术领域,该品质检测系统基于多光谱相机构建,多光谱相机能够在较短时间内对样本进行拍照获取多光谱图像,再结合输送装置可以实现样本的360°全方位图像获取,从而可以快速获取样本的完整信息;控制装置基于一种全新的波段运算方法来增强品质特征区域从而有效检测分割区域实现品质检测,操作简单快速有效,而且波段运算方法的运算量较小,可以满足在线检测要求,实时性较强。
Description
技术领域
本发明涉及光谱技术领域,尤其是一种基于多光谱图像采集技术的品质检测系统。
背景技术
目前在各行各业,为了保证产品的质量,通常需要对产品进行品质检测,目前常见的品质检测方法主要包括机器视觉、热成像技术、核磁共振技术以及高光谱图像检测方法等。
传统检测方法比如机器视觉在品质检测中可以对产品的尺寸和形状等进行鉴别,但是对内部品质难以检测。而热成像以及核磁共振技术虽然可以反映产品的内部属性,但是检测方式复杂且检测成本高,不利于推广应用。基于推进式的高光谱成像技术实行线扫描方式,扫描速度慢、不利于实时检测。而且传统检测方法总是基于产品的一个角度,对该角度下的整个产品进行研究,易受到品质特征面积小、品质特征不明显等因素的影响,检测准确率不高。
发明内容
本发明人针对上述问题及技术需求,提出了一种基于多光谱图像采集技术的品质检测系统,本发明的技术方案如下:
一种基于多光谱图像采集技术的品质检测系统,该品质检测系统包括输送装置、多光谱图像采集装置和控制装置;输送装置包括辊子输送机、摩擦板、位移传感器和输送控制器,辊子输送机包括至少两个并列的圆柱辊子,摩擦板的表面粗糙且设置在辊子输送机下方与圆柱辊子接触,位移传感器设置在图像采集位置处且朝向辊子输送机,输送控制器连接辊子输送机和位移传感器;多光谱图像采集装置包括多光谱相机、相机控制器、光源和光源控制器,多光谱相机均设置在图像采集位置处且朝向辊子输送机,相机控制器连接多光谱相机;光源朝向辊子输送机并照射图像采集位置,光源控制器连接光源;
控制装置连接输送控制器、相机控制器和光源控制器;将N个训练样本沿着辊子输送机的输送方向依次放置在辊子输送机上,每个训练样本分别设置在相邻两个圆柱棍子之间,每个训练样本包括若干处属于同一品质类型的品质特征;控制装置启动输送控制器,输送控制器控制辊子输送机输送训练样本,圆柱辊子与摩擦板进行摩擦而滚动从而带动训练样本滚动;当位移传感器检测到输送至图像采集位置处的训练样本时,控制装置启动相机控制器,相机控制器控制多光谱相机采集图像采集位置处的训练样本在滚动过程中的至少两个位置的多光谱图像;控制装置获取每个训练样本的至少两个位置的多光谱图像并处理为训练样本的样本图像;并从训练样本的样本图像中截取训练样本上的品质特征处的图像为品质特征区域图像;控制装置根据各个品质特征区域图像确定重要波段,并基于重要波段构建多光谱图像的波段计算公式;
将待测样本放置在辊子输送机上的相邻两个圆柱棍子之间,控制装置获取待测样本的至少两个位置的多光谱图像并处理为待测样本的待测图像,控制装置按照波段计算公式对待测图像进行计算得到待测样本的结果图像,根据预设分割阈值对待测样本的结果图像进行图像分割提取得到待测样本的品质特征位置。
其进一步的技术方案为,基于重要波段构建多光谱图像的波段计算公式,包括构建如下波段计算公式:
其中,IB(i,j)是对多光谱图像计算得到的结果图像,I1(i,j)是多光谱图像的第一重要波段的光谱值,I2(i,j)是多光谱图像的第二重要波段的光谱值,I3(i,j)是多光谱图像的第三重要波段的光谱值且第三重要波段是反应颜色特征的波段。
其进一步的技术方案为,根据各个品质特征区域图像确定重要波段,包括:
针对每一种品质类型,从截取得到的与品质类型对应的所有品质特征区域图像中随机选取M个品质特征区域图像并计算M个品质特征区域图像的平均光谱值得到品质类型的平均光谱图形,平均光谱图像反应不同波长下的平均光谱值;
对比各个不同品质类型的平均光谱图形,根据各个平均光谱图形的波峰波谷确定重要波段。
其进一步的技术方案为,根据各个平均光谱图形的波峰波谷确定重要波段,包括:选取不同平均光谱波形同时出现波峰波谷最多的若干个波段作为重要波段。
其进一步的技术方案为,该系统还包括:
控制装置按照波段计算公式对各个品质类型对应的训练样本的样本图像进行计算得到结果图像;
对于每一种品质类型,根据品质类型对应的各个训练样本的结果图像确定品质类型对应的亮度分割阈值;
对各个品质类型对应的亮度分割阈值进行综合得到预设分割阈值。
其进一步的技术方案为,多光谱相机覆盖的波长为676~952nm。
本发明的有益技术效果是:
本申请公开了一种基于多光谱图像采集技术的品质检测系统,该品质检测系统基于多光谱相机构建,多光谱相机能够在较短时间内对样本进行拍照获取多光谱图像,再结合输送装置可以实现样本的360°全方位图像获取,从而可以快速获取样本的完整信息;控制装置基于一种全新的波段运算方法来增强品质特征区域从而有效检测分割区域实现品质检测,操作简单快速有效,而且波段运算方法的运算量较小,可以满足在线检测要求,实时性较强。
附图说明
图1是本申请公开的品质检测系统的结构图。
图2是本申请公开的品质检测系统的结构图的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做进一步说明。
本申请公开了一种基于多光谱图像采集技术的品质检测系统,请参考图1,该品质检测系统主要包括输送装置、多光谱图像采集装置和控制装置。其中,输送装置包括辊子输送机1、摩擦板2、位移传感器3和输送控制器4,输送控制器4连接辊子输送机1,辊子输送机1包括至少两个并列固定的圆柱辊子,相邻两个圆柱辊子之间的间隙小于样本5的尺寸。辊子输送机1通常还包括链轮和链条,链条套设在链轮上并连接圆柱棍子,输送控制器4控制链轮转动从而通过链条带动圆柱辊子以一定速度前进,输送控制器4可以控制辊子输送机1的输送方向和输送速度等参数。摩擦板2设置在辊子输送机1下方与圆柱辊子接触,摩擦板2的表面粗糙来增大摩擦系数,当圆柱辊子输送时与摩擦板2摩擦使相邻两个圆柱辊子之间同向转动,从而带动放于两个圆柱辊子之间的样本5旋转。位移传感器3设置在图像采集位置处且朝向辊子输送机1,可以检测到其所在位置处是否有样本5经过,位移传感器3连接输送控制器4,位移传感器3在实际应用时可以设置在输送装置的机架上,图中仅用于示意其余样本5之间的相对位置关系。
多光谱图像采集装置包括多光谱相机6、相机控制器7、光源8和光源控制器9,多光谱相机覆盖的波长为676~952nm,多光谱相机6均设置在图像采集位置处且朝向辊子输送机1,相机控制器7连接多光谱相机6。光源8朝向辊子输送机1并照射图像采集位置,光源控制器9连接光源8。
控制装置连接输送控制器4、相机控制器7和光源控制器9,从而对输送装置和多光谱图像采集装置进行集中性的控制和信号采集。该品质检测系统的工作过程如下,请参考图2:
1、将N个训练样本沿着辊子输送机1的输送方向依次放置在辊子输送机1上,每个训练样本分别设置在相邻两个圆柱棍子之间。其中,每个训练样本包括若干处属于同一品质类型的品质特征,则该训练样本对应该品质类型。本申请中的品质特征是用户在对产品进行品质检测时感兴趣的特征,其所属的品质类型属于产品的缺陷、成分含量和杂质情况中的至少一种品质大类。比如用于反映产品的缺陷的品质类型包括产品外部/内部的腐烂、疤痕、疮痂、凹陷、病变等;用于反映产品的成分含量的品质类型包括产品的浓度、含糖量、药物残留量、有机物含量等;用于反映产品杂质情况的品质类型包括产品的杂质含量或杂质浓度等。这N个训练样本对应的品质类型通常是用于反映产品的同一品质大类,比如N个训练样本对应的品质类型都反映产品的缺陷,则可以是一个训练样本对应产品外部的腐烂这一品质类型,一个训练样本对应产品外部的疤痕这一品质类型;而对于对应产品外部的腐烂的训练样本来说,该训练样本可以包含多处腐烂处,每一处腐烂处即为一处品质特征。
2、控制装置启动输送控制器4,输送控制器4控制辊子输送机1沿着输送方向输送训练样本,同时,圆柱辊子与摩擦板2进行摩擦而滚动从而带动训练样本滚动,因此此时圆柱辊子有前进和转动两个行为。
3、当训练样本被输送至图像采集位置处时会被位移传感器3检测到,则位移传感器3反馈信号给输送控制器4,输送控制器4停止向前输送圆柱辊子,也即停止圆柱辊子的前进行为,但保留转动行为。同时输送控制器4将信号反馈给控制装置,控制装置启动相机控制器。
4、光源控制器9控制光源8照射训练样本且光源控制器9可以调节光源8的亮度。相机控制器7控制多光谱相机6采集图像采集位置处的训练样本在滚动过程中的至少两个位置的多光谱图像。在实际操作时,多光谱相机6被设置为每隔500ms拍照一次,这样一个训练样本可以得到4个位置的4张多光谱图像,多光谱图像采集装置将采集到的图像发送给控制装置。
5、控制装置获取每个训练样本的至少两个位置的多光谱图像并将其处理为训练样本的样本图像,可以通过图像拼接方法得到样本图像,得到的样本图像即为训练样本完整的表面图像。
6、从每个训练样本的样本图像中截取该训练样本上的品质特征处的图像为品质特征区域图像,品质特征区域图像的图像大小为自定义值,当一个训练样本包含多处品质特征时,可以从该训练样本的样本图像中截取出多个品质特征区域图像,由于一个训练样本对应一种品质类型,则从该训练样本的样本图像中截取出的所有品质特征区域图像都对应该品质类型。比如某个训练样本对应的品质类型为腐烂,则从该训练样本的样本图像中截取出的各个品质特征区域图像对应的品质类型均为腐烂,且这些品质特征区域图像分别是该训练样本上的各处腐烂处的多光谱图像。
7、控制装置根据各个品质特征区域图像确定重要波段,包括如下步骤:
S1、针对每一种品质类型,从截取得到的与该品质类型对应的所有品质特征区域图像中随机选取M个品质特征区域图像,每一种品质类型选取的品质特征区域图像的个数相同,且这些品质特征区域图像可以来自不同的训练样本、也可以来自相同的训练样本。
S2、计算M个品质特征区域图像的平均光谱值,然后得到该品质类型的平均光谱图形,平均光谱图像即反应不同波长下的平均光谱值。
S3、对比各个不同品质类型的平均光谱图形,根据各个平均光谱图形的波峰波谷确定重要波段,也即选取不同平均光谱波形同时出现波峰波谷最多的若干个波段作为重要波段。在本申请中,在选取重要波段时会考虑颜色问题,则在选取重要波段时会从多光谱相机的反应颜色特征的波段中进行选择。
8、基于重要波段构建针对任意多光谱图像的波段计算公式,在本申请中,选取三个重要波段I1、I2和I3构建简单运算公式从而加快运算速度,构建的波段计算公式如下:
其中,IB(i,j)是对多光谱图像计算得到的结果图像,I1(i,j)是多光谱图像的第一重要波段I1的光谱值,I2(i,j)是多光谱图像的第二重要波段I2的光谱值,I3(i,j)是多光谱图像的第三重要波段I3的光谱值。其中,第三重要波段I3是反应颜色特征的波段,第一重要波段I1是数值相对大的波段,第二重要波段I2是比第一重要波段I1数值小的波段。
在完成上述波段计算公式的构建后,可以利用本申请的品质检测系统对待测样本进行品质检测,具体操作为:将待测样本放置在辊子输送机上的相邻两个圆柱棍子之间,控制装置获取待测样本的至少两个位置的多光谱图像并处理为待测样本的待测图像,与上述步骤1-5的操作相同,本申请不再赘述。控制装置按照上述构建得到的波段计算公式对待测图像进行计算,也即选取出待测图像中三个重要波段I1、I2和I3的光谱值,并按照如下公式进行计算,从而得到待测样本的结果图像,该结果图像是对待测图像的品质特征区域亮度增强、其他区域亮度减弱的图像。控制装置根据预设分割阈值对待测样本的结果图像进行图像分割,可以将结果图像中的背景部分的像素变为0,从而提取得到待测样本的品质特征位置,也即提取得到待测样本中包含用户感兴趣的特征的区域,从而实现对待测样本的品质检测。
在分割时会使用到预设分割阈值,该预设分割阈值是根据不同品质类型综合得到的,则本申请在构建波段计算公式后,还包括如下步骤9和10:
9、控制装置按照波段计算公式对各个品质类型对应的训练样本的样本图像进行计算得到结果图像。对于每一种品质类型,根据品质类型对应的各个训练样本的结果图像确定品质类型对应的亮度分割阈值,如上所述,结果图像中品质特征区域亮度较强、其他区域亮度较弱,则根据品质特征区域和其他区域之间的亮度差值即可以确定亮度分割阈值。
10、对各个品质类型对应的亮度分割阈值进行综合得到预设分割阈值,综合的原则可以自行配置,使得该预设分割阈值可以实现对各个品质类型的分割,比如对于腐烂这一品质类型的亮度分割阈值可以是10~20;对于疤痕这一品质类型的亮度分割阈值可以选为15~20;则综合腐烂和疤痕这两个品质类型可以选择预设分割阈值为20,从而可以满足这两个品质类型的分割。
以上所述的仅是本申请的优选实施方式,本发明不限于以上实施例。可以理解,本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化,均应认为包含在本发明的保护范围之内。
Claims (6)
1.一种基于多光谱图像采集技术的品质检测系统,其特征在于,所述品质检测系统包括输送装置、多光谱图像采集装置和控制装置;所述输送装置包括辊子输送机、摩擦板、位移传感器和输送控制器,所述辊子输送机包括至少两个并列的圆柱辊子,所述摩擦板的表面粗糙且设置在所述辊子输送机下方与所述圆柱辊子接触,所述位移传感器设置在图像采集位置处且朝向所述辊子输送机,所述输送控制器连接所述辊子输送机和所述位移传感器;所述多光谱图像采集装置包括多光谱相机、相机控制器、光源和光源控制器,所述多光谱相机设置在图像采集位置处且朝向所述辊子输送机,所述相机控制器连接所述多光谱相机;所述光源朝向所述辊子输送机并照射所述图像采集位置,所述光源控制器连接所述光源;
所述控制装置连接所述输送控制器、相机控制器和光源控制器;将N个训练样本沿着所述辊子输送机的输送方向依次放置在所述辊子输送机上,每个所述训练样本分别设置在相邻两个圆柱棍子之间,每个所述训练样本包括若干处属于同一品质类型的品质特征;所述控制装置启动所述输送控制器,所述输送控制器控制所述辊子输送机输送所述训练样本,所述圆柱辊子与所述摩擦板进行摩擦而滚动从而带动所述训练样本滚动;当所述位移传感器检测到输送至所述图像采集位置处的训练样本时,所述控制装置启动所述相机控制器,所述相机控制器控制所述多光谱相机采集图像采集位置处的训练样本在滚动过程中的至少两个位置的多光谱图像;所述控制装置获取每个所述训练样本的至少两个位置的多光谱图像并处理为所述训练样本的样本图像;并从所述训练样本的样本图像中截取所述训练样本上的品质特征处的图像为品质特征区域图像;所述控制装置根据各个品质特征区域图像确定重要波段,并基于所述重要波段构建多光谱图像的波段计算公式;
将待测样本放置在所述辊子输送机上的相邻两个圆柱棍子之间,所述控制装置获取所述待测样本的至少两个位置的多光谱图像并处理为所述待测样本的待测图像,所述控制装置按照所述波段计算公式对所述待测图像进行计算得到所述待测样本的结果图像,根据预设分割阈值对所述待测样本的结果图像进行图像分割提取得到所述待测样本的品质特征位置。
2.根据权利要求1所述的品质检测系统,其特征在于,所述基于所述重要波段构建多光谱图像的波段计算公式,包括构建如下波段计算公式:
其中,IB(i,j)是对所述多光谱图像计算得到的结果图像,I1(i,j)是所述多光谱图像的第一重要波段的光谱值,I2(i,j)是多光谱图像的第二重要波段的光谱值,I3(i,j)是多光谱图像的第三重要波段的光谱值且所述第三重要波段是反应颜色特征的波段。
3.根据权利要求1所述的品质检测系统,其特征在于,所述根据各个品质特征区域图像确定重要波段,包括:
针对每一种品质类型,从截取得到的与所述品质类型对应的所有品质特征区域图像中随机选取M个品质特征区域图像并计算所述M个品质特征区域图像的平均光谱值得到所述品质类型的平均光谱图形,所述平均光谱图像反应不同波长下的平均光谱值;
对比各个不同品质类型的平均光谱图形,根据各个平均光谱图形的波峰波谷确定所述重要波段。
4.根据权利要求3所述的品质检测系统,其特征在于,所述根据各个平均光谱图形的波峰波谷确定所述重要波段,包括:选取不同平均光谱波形同时出现波峰波谷最多的若干个波段作为所述重要波段。
5.根据权利要求1-4任一所述的品质检测系统,其特征在于,所述系统还包括:
所述控制装置按照所述波段计算公式对各个品质类型对应的训练样本的样本图像进行计算得到结果图像;
对于每一种品质类型,根据所述品质类型对应的各个训练样本的结果图像确定所述品质类型对应的亮度分割阈值;
对各个品质类型对应的亮度分割阈值进行综合得到所述预设分割阈值。
6.根据权利要求1-4任一所述的品质检测系统,其特征在于,所述多光谱相机覆盖的波长为676~952nm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906077.8A CN110501346B (zh) | 2019-09-24 | 2019-09-24 | 基于多光谱图像采集技术的品质检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910906077.8A CN110501346B (zh) | 2019-09-24 | 2019-09-24 | 基于多光谱图像采集技术的品质检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110501346A true CN110501346A (zh) | 2019-11-26 |
CN110501346B CN110501346B (zh) | 2021-02-19 |
Family
ID=68592617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910906077.8A Active CN110501346B (zh) | 2019-09-24 | 2019-09-24 | 基于多光谱图像采集技术的品质检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110501346B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114505239A (zh) * | 2021-12-29 | 2022-05-17 | 中国烟草总公司郑州烟草研究院 | 烟丝异物剔除设备及剔除方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020075476A1 (en) * | 2000-12-20 | 2002-06-20 | Chalker B. Alan | Methods and apparatus for non-invasively identifying conditions of eggs via multi-wavelength spectral comparison |
CN2874482Y (zh) * | 2005-12-09 | 2007-02-28 | 江西农业大学 | 水果高光谱图像采集装置 |
CN101013091A (zh) * | 2007-01-25 | 2007-08-08 | 江西农业大学 | 一种无损检测水果表面的粪便和农药污染物的方法和装置 |
CN103792235A (zh) * | 2014-01-10 | 2014-05-14 | 内蒙古农业大学 | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测方法与装置 |
CN105067532A (zh) * | 2015-07-15 | 2015-11-18 | 浙江科技学院 | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 |
CN207215690U (zh) * | 2017-08-09 | 2018-04-10 | 四川农业大学 | 一种高光谱食品检测系统 |
-
2019
- 2019-09-24 CN CN201910906077.8A patent/CN110501346B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020075476A1 (en) * | 2000-12-20 | 2002-06-20 | Chalker B. Alan | Methods and apparatus for non-invasively identifying conditions of eggs via multi-wavelength spectral comparison |
CN2874482Y (zh) * | 2005-12-09 | 2007-02-28 | 江西农业大学 | 水果高光谱图像采集装置 |
CN101013091A (zh) * | 2007-01-25 | 2007-08-08 | 江西农业大学 | 一种无损检测水果表面的粪便和农药污染物的方法和装置 |
CN103792235A (zh) * | 2014-01-10 | 2014-05-14 | 内蒙古农业大学 | 漫透射光谱与图像信息融合的蜜瓜内部品质在线检测方法与装置 |
CN105067532A (zh) * | 2015-07-15 | 2015-11-18 | 浙江科技学院 | 一种鉴别油菜菌核病和灰霉病早期病斑的方法 |
CN207215690U (zh) * | 2017-08-09 | 2018-04-10 | 四川农业大学 | 一种高光谱食品检测系统 |
Non-Patent Citations (1)
Title |
---|
刘德华等: "基于高光谱成像技术的山楂损伤和虫害缺陷识别研究", 《光谱学与光谱分析》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114505239A (zh) * | 2021-12-29 | 2022-05-17 | 中国烟草总公司郑州烟草研究院 | 烟丝异物剔除设备及剔除方法 |
CN114505239B (zh) * | 2021-12-29 | 2024-05-14 | 中国烟草总公司郑州烟草研究院 | 烟丝异物剔除设备及剔除方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110501346B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200345043A1 (en) | Method for processing products of the food processing industry | |
EP1867979B1 (en) | Method and apparatus for recognizing repeating patterns | |
JP2007132757A (ja) | 外観検査方法および同装置 | |
CA2891344C (en) | Calibration of a dynamic digital imaging system for detecting defects in production stream | |
CN101021478A (zh) | 一种水果品质的激光诱导荧光高光谱图像检测方法和装置 | |
WO2002065107A8 (en) | Web inspection system | |
WO2018193654A1 (ja) | 検査装置、ptp包装機及びptpシートの製造方法 | |
Gosselin et al. | Monitoring the concentration of flowing pharmaceutical powders in a tableting feed frame | |
Ficzere et al. | Real-time coating thickness measurement and defect recognition of film coated tablets with machine vision and deep learning | |
CN106706656A (zh) | 一种基于机器视觉的拉链检测装置及方法 | |
CN110501346A (zh) | 基于多光谱图像采集技术的品质检测系统 | |
JPS6293637A (ja) | 自動検反システム | |
JP2000042499A (ja) | 異物除去装置 | |
JP2009014388A (ja) | 形状検出方法及び形状検出装置 | |
JP2005201636A (ja) | 腐敗部判定方法及び判定装置 | |
JP5305002B2 (ja) | 外観検査装置 | |
JP6448697B2 (ja) | 検査装置、ptp包装機及びptpシートの製造方法 | |
CN103091332B (zh) | 一种基于机器视觉的u型粉管的检测方法及其检测系统 | |
EP1990773A3 (en) | Image processing apparatus, imge processing method, and computer program product for image processing | |
JP4252381B2 (ja) | 外観検査装置 | |
JP6954209B2 (ja) | 鋼板の表面疵検査方法および表面疵検査装置 | |
CA2051052A1 (en) | Automatic windowing for article recognition | |
JP4276608B2 (ja) | 帯状体や柱状体の周期性疵検出方法およびその装置 | |
US20180369872A1 (en) | Method and apparatus for sorting | |
JP7268341B2 (ja) | 検査性能診断装置、検査性能診断方法、検査性能診断装置用のプログラム、および、検査性能診断システム |
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 |