CN112561896B - 一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质 - Google Patents

一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质 Download PDF

Info

Publication number
CN112561896B
CN112561896B CN202011528767.3A CN202011528767A CN112561896B CN 112561896 B CN112561896 B CN 112561896B CN 202011528767 A CN202011528767 A CN 202011528767A CN 112561896 B CN112561896 B CN 112561896B
Authority
CN
China
Prior art keywords
region
image
glass bottle
area
outer 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
CN202011528767.3A
Other languages
English (en)
Other versions
CN112561896A (zh
Inventor
陈从桂
谢德芳
谢宏威
黎鑫泽
张�浩
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.)
Guangzhou University
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN202011528767.3A priority Critical patent/CN112561896B/zh
Publication of CN112561896A publication Critical patent/CN112561896A/zh
Application granted granted Critical
Publication of CN112561896B publication Critical patent/CN112561896B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)

Abstract

本发明公开了一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质，所述检测方法包括获取玻璃瓶口图像；对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像；对所述外圈图像进行边缘提取，得到外圈边缘数据；对所述外圈边缘数据进行圆圈拟合，得到拟合数据；根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域；根据所述圆环区域，对所述玻璃瓶口图像进行裁剪，得到第一待处理图像；对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域；根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域；该方法检测玻璃瓶口缺陷的速度快，准确率高，能够满足生产线上的要求。

Description

一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质
技术领域
本发明涉及图像处理技术领域，尤其是一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质。
背景技术
我国每年的瓶酒瓶需求量巨大，据行业数据显示，2014年我国啤酒行业累计产量高达4921.85万千升，按每瓶啤酒530ml的瓶装容量计算，则需要多达9.28651x1010个啤酒瓶，其中80％以上的啤酒瓶使用回收旧瓶，但回收的旧瓶中存在着大量瓶口破损的瓶，使用瓶口破损的瓶可能给生产线和消费者带来重大安全隐患，因此，进行瓶口缺陷检测，剔除瓶口不合格的瓶是一个必要过程，
目前，传统的生产线空瓶检验方式是依靠人工完成，瓶子通过安装在输送链道旁边的灯光检验箱时，肉眼进行观察，发现不合格瓶子进行手工拿出；这种人工检测标准模糊，在相当程度上受人为因素的影响，不能保持恒定的标准，并且检测精度低，速度慢。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质。
本发明所采取的技术方案是：
一方面，本发明实施例包括一种玻璃瓶口缺陷的检测方法，包括：
获取玻璃瓶口图像；
对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像；
对所述外圈图像进行边缘提取，得到外圈边缘数据；
对所述外圈边缘数据进行圆圈拟合，得到拟合数据；
根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域；
根据所述圆环区域，对所述玻璃瓶口图像进行裁剪，得到第一待处理图像；
对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域；
根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域。
进一步地，所述对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像这一步骤，具体包括：
对所述玻璃瓶口图像进行全局阈值分割处理，得到对象数组；
依次提取所述对象数组中的每一个对象作为第二待处理图像；
对所述第二待处理图像中的区域进行区域运算，所述区域运算包括区域开运算和区域闭运算；
对区域运算后的区域进行边界提取，得到外边界区域；
对所述外边界区域进行膨胀处理后进行裁剪，得到玻璃瓶口的外圈图像。
进一步地，所述区域开运算是先对区域进行腐蚀，再对区域进行膨胀；所述区域闭运算是先对区域进行膨胀，再对区域进行腐蚀；
所述区域开运算通过以下公式执行：
所述区域闭运算通过以下公式执行：
式中，f表示待膨胀的区域，oS表示用结构元素S做区域运算，S表示结构元素，表示做膨胀运算，/>表示做腐蚀运算。
进一步地，所述对所述外圈图像进行边缘提取，得到外圈边缘数据这一步骤，具体包括：
通过canny边缘检测算法，对所述外圈图像进行边缘提取，得到所述外圈图像的所有外圈边缘；
对所述所有外圈边缘进行共圆拟合计算，并计算相应的圆周长；
根据所述圆周长进行外圈边缘筛选，得到外圈边缘数据。
进一步地，所述根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域这一步骤，具体包括：
根据所述拟合数据生成圆形区域；
对所述圆形区域进行膨胀得到第一区域，
对所述第一区域进行腐蚀得到第二区域；
对所述第一区域和所述第二区域求差，得到圆环区域。
进一步地，所述对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域这一步骤，具体包括：
对所述第一待处理图像进行对比度扩大处理，再进行均值滤波处理；
对均值滤波处理后的图像进行局部阈值分割，得到多个局部亮区域，所述局部阈值分割通过以下公式执行：S＝{(i,j)∈R|hi,j≥gi,j+gdif}；式中，S表示像素点集合，i和j表示像素点位置，hi,j表示第一待处理图像的像素点灰度值，gi,j表示均值滤波处理后的图像的像素点灰度值，gdif表示设定的阈值，R为实数集。
对多个所述局部亮区域进行区域闭运算，得到多个第一区域。
进一步地，所述根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域，具体为：
根据面积特征，若检测到多个所述第一区域中存在区域面积大于预设阈值的区域，表示所述玻璃瓶口存在缺陷，否则，表示所述玻璃瓶口不存在缺陷。
另一方面，本发明实施例包括一种玻璃瓶口缺陷的检测系统，包括；
获取模块，用于获取玻璃瓶口图像；
第一处理模块，用于对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像；
提取模块，用于对所述外圈图像进行边缘提取，得到外圈边缘数据；
拟合模块，用于对所述外圈边缘数据进行圆圈拟合，得到拟合数据；
第二处理模块，用于根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域；
裁剪模块，用于根据所述圆环区域，对所述玻璃瓶口图像进行裁剪，得到第一待处理图像；
第三处理模块，用于对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域；
检测模块，用于根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域。
另一方面，本发明实施例包括一种玻璃瓶口缺陷的检测装置，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现所述的检测方法。
另一方面，本发明实施例包括计算机可读存储介质，其上存储有处理器可执行的程序，所述处理器可执行的程序在被处理器执行时用于实现所述的检测方法。
本发明的有益效果是：
本发明提供的玻璃瓶口的缺陷检测方法，检测玻璃瓶口缺陷的速度快，准确率高，能够满足生产线上的要求；同时能够自动化、高效率的对存在缺陷的不合格瓶进行正确的剔除；且采用机器视觉的方式进行自动检测，克服了人眼检测中存在的主观性影响和易疲劳、效率低的缺陷，提高了检测的准确性和生产效率。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明实施例所述玻璃瓶口缺陷的检测方法的步骤流程图；
图2为本发明实施例所述得到玻璃瓶口的外圈图像的步骤流程图；
图3为本发明实施例所述得到外圈边缘数据的步骤流程图；
图4为本发明实施例所述得到圆环区域的步骤流程图；
图5为本发明实施例所述得到多个第一区域的步骤流程图；
图6为本发明实施例所述玻璃瓶口不存在缺陷的示意图；
图7为发明实施例所述玻璃瓶口存在缺陷的其中一幅示意图；
图8为本发明实施例所述玻璃瓶口检测装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
下面结合附图，对本申请实施例作进一步阐述。
参照图1，本发明实施例提供一种玻璃瓶口缺陷的检测方法，包括但不限于以下步骤：
S1.获取玻璃瓶口图像；
S2.对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像；
S3.对所述外圈图像进行边缘提取，得到外圈边缘数据；
S4.对所述外圈边缘数据进行圆圈拟合，得到拟合数据；
S5.根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域；
S6.根据所述圆环区域，对所述玻璃瓶口图像进行裁剪，得到第一待处理图像；
S7.对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域；
S8.根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域。
参照图2，步骤S2,也就是所述对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像这一步骤，具体包括：
S201.对所述玻璃瓶口图像进行全局阈值分割处理，得到对象数组；
S202.依次提取所述对象数组中的每一个对象作为第二待处理图像；
S203.对所述第二待处理图像中的区域进行区域运算，所述区域运算包括区域开运算和区域闭运算；
S204.对区域运算后的区域进行边界提取，得到外边界区域；
S205.对所述外边界区域进行膨胀处理后进行裁剪，得到玻璃瓶口的外圈图像。
本实施例中，步骤S205中所述外边界区域进行膨胀处理具体可使用圆形结构元素对区域进行膨胀。
作为可选的实施方式，步骤S203中所述区域开运算是先对区域进行腐蚀，再对区域进行膨胀；所述区域闭运算是先对区域进行膨胀，再对区域进行腐蚀；
所述区域开运算通过以下公式执行：
所述区域闭运算通过以下公式执行：
式中，f表示待膨胀的区域，oS表示用结构元素S做区域运算，S表示结构元素，表示做膨胀运算，/>表示做腐蚀运算。
本实施例中，对区域进行膨胀可使目标区域范围“变大”，将于目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张，即可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声；而腐蚀可以使目标区域范围“变小”，其实质造成图像的边界收缩，可以用来消除小且无意义的目标物。
本实施例中，对区域进行膨胀和腐蚀时，首先需要选取结构元S，其可以是任意形状，以十字形为例。在结构元S中还要选取一个锚点o，我们一般将结构元的中心定位锚点，即以十字形的中心为o点。然后将S在图像f上进行滑动，f是一幅二值图像，十字形区域代表1，十字形以外的区域为0。膨胀过程就是把结构元锚点位置的像素灰度值设置为结构元值为1的区域对应图像区域像素的最大值。可使用以下公式来表示：
dst(x,y)＝max(x′,y′):s(x′,y′)≠0f(x+x′,y+y′)；
式中，(x,y)为锚点o的位置，x′和y′为结构元值S为1的像素相对锚点o的位置偏移，f表示原图，dst表示结果图。
膨胀后的图像让人感觉就像是图像中的目标区域膨胀变大了一样。
而腐蚀过程就是把结构元锚点位置的像素灰度值设置为结构元值S为1的区域对应图像区域像素的最小值，可使用以下公式表示：
dst(x,y)＝min(x′,y′):s(x′,y′)≠0f(x+x′,y+y′)；
同样地，式中，为锚点o的位置，和为结构元值S为1的像素相对锚点o的位置偏移，表示原图，dst表示结果图。
腐蚀后的图像从视觉的感觉就像原图目标区域被“腐蚀”了一般。
参照图3，步骤S3，也就是所述对所述外圈图像进行边缘提取，得到外圈边缘数据这一步骤，具体包括：
S301.通过canny边缘检测算法，对所述外圈图像进行边缘提取，得到所述外圈图像的所有外圈边缘；
S302.对所述所有外圈边缘进行共圆拟合计算，并计算相应的圆周长；
S303.根据所述圆周长进行外圈边缘筛选，得到外圈边缘数据。
本实施例中，提取出玻璃瓶口的所有外圈边缘后，利用长度特征(圆周长)筛选出真正的外圈边缘数据，为后续运算提供基础，使得最后得到的检测结果更加精确。
参照图4，步骤S5，也就是所述根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域这一步骤，具体包括：
S501.根据所述拟合数据生成圆形区域；
S502.对所述圆形区域进行膨胀得到第一区域，
S503.对所述第一区域进行腐蚀得到第二区域；
S504.对所述第一区域和所述第二区域求差，得到圆环区域。
参照图5，步骤S7，也就是所述对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域这一步骤，具体包括：
S701.对所述第一待处理图像进行对比度扩大处理，再进行均值滤波处理；
S702.对均值滤波处理后的图像进行局部阈值分割，得到多个局部亮区域，所述局部阈值分割通过以下公式执行：S＝{(i,j)∈R|hi,j≥gi,j+gdif}；式中，S表示像素点集合，i和j表示像素点位置，hi,j表示第一待处理图像的像素点灰度值，gi,j表示均值滤波处理后的图像的像素点灰度值，gdif表示设定的阈值，R为实数集。
S703.对多个所述局部亮区域进行区域闭运算，得到多个第一区域。
本实施例中，所述预处理方法选用中值滤波，其中，滤波前先加大图像的对比度，滤波处理后再采用矩形结构元素进行区域闭运算，以排除噪点干扰，能最好程度消除区域干扰，有利于提取到目标区域。
作为可选的实方式，所述根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域，具体为：
根据面积特征，若检测到多个所述第一区域中存在区域面积大于预设阈值的区域，表示所述玻璃瓶口存在缺陷，否则，表示所述玻璃瓶口不存在缺陷。
本实施例中，得到多个第一区域后，逐一计算每个第一区域的面积，若多个所述第一区域中存在区域面积大于预设阈值的区域，表示所述玻璃瓶口存在缺陷，否则，表示所述玻璃瓶口不存在缺陷。具体地，参照图6和图7，其中，图6是玻璃瓶口不存在缺陷(完好)的示意图，图7是玻璃瓶口存在缺陷(不合格)的其中一种示意图。
本发明实施例所述玻璃瓶口缺陷的检测方法具有以下技术效果：
本发明实施例提供的玻璃瓶口的缺陷检测方法，检测玻璃瓶口缺陷的速度快，准确率高，能够满足生产线上的要求；同时能够自动化、高效率的对存在缺陷的不合格瓶进行正确的剔除；且采用机器视觉的方式进行自动检测，克服了人眼检测中存在的主观性影响和易疲劳、效率低的缺陷，提高了检测的准确性和生产效率。
本发明实施例还包括一种玻璃瓶口缺陷的检测系统，包括；
获取模块，用于获取玻璃瓶口图像；
第一处理模块，用于对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像；
提取模块，用于对所述外圈图像进行边缘提取，得到外圈边缘数据；
拟合模块，用于对所述外圈边缘数据进行圆圈拟合，得到拟合数据；
第二处理模块，用于根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域；
裁剪模块，用于根据所述圆环区域，对所述玻璃瓶口图像进行裁剪，得到第一待处理图像；
第三处理模块，用于对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域；
检测模块，用于根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域。
参照图8，本发明实施例还提供了一种玻璃瓶口缺陷的检测装置200，具体包括：
至少一个处理器210；
至少一个存储器220，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器210执行，使得所述至少一个处理器210实现如图1-图5所示的方法。
其中，存储器220作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。存储器220可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器220可选包括相对于处理器210远程设置的远程存储器，这些远程存储器可以通过网络连接至处理器210。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
可以理解到，图8中示出的装置结构并不构成对装置200的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图8所示的装置200中，处理器210可以调取存储器220中储存的程序，并执行但不限于图1-图5所示实施例的步骤。
以上所描述的装置200实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现实施例的目的。
本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有处理器可执行的程序，所述处理器可执行的程序在被处理器执行时用于实现如图1-图5所示的方法。
本申请实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行图1-图5所示的方法。
可以理解的是，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (7)

1.一种玻璃瓶口缺陷的检测方法，其特征在于，包括：
获取玻璃瓶口图像；
对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像；
对所述外圈图像进行边缘提取，得到外圈边缘数据；
对所述外圈边缘数据进行圆圈拟合，得到拟合数据；
根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域；
根据所述圆环区域，对所述玻璃瓶口图像进行裁剪，得到第一待处理图像；
对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域；
根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域；
所述对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像这一步骤，具体包括：
对所述玻璃瓶口图像进行全局阈值分割处理，得到对象数组；
依次提取所述对象数组中的每一个对象作为第二待处理图像；
对所述第二待处理图像中的区域进行区域运算，所述区域运算包括区域开运算和区域闭运算；
对区域运算后的区域进行边界提取，得到外边界区域；
对所述外边界区域进行膨胀处理后进行裁剪，得到玻璃瓶口的外圈图像；
所述区域开运算是先对区域进行腐蚀，再对区域进行膨胀；所述区域闭运算是先对区域进行膨胀，再对区域进行腐蚀；
所述区域开运算通过以下公式执行：
所述区域闭运算通过以下公式执行：
式中，f表示待膨胀的区域，oS表示用结构元素S做区域运算，S表示结构元素，表示做膨胀运算，/>表示做腐蚀运算；
所述对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域这一步骤，具体包括：
对所述第一待处理图像进行对比度扩大处理，再进行均值滤波处理；
对均值滤波处理后的图像进行局部阈值分割，得到多个局部亮区域，所述局部阈值分割通过以下公式执行：S＝{(i，j)∈R|hi，j≥gi，j+gdif}；式中，S表示像素点集合，i和j表示像素点位置，hi，j表示第一待处理图像的像素点灰度值，gi，j表示均值滤波处理后的图像的像素点灰度值，gdif表示设定的阈值，R为实数集；
对多个所述局部亮区域进行区域闭运算，得到多个第一区域。
2.根据权利要求1所述的一种玻璃瓶口缺陷的检测方法，其特征在于，所述对所述外圈图像进行边缘提取，得到外圈边缘数据这一步骤，具体包括：
通过canny边缘检测算法，对所述外圈图像进行边缘提取，得到所述外圈图像的所有外圈边缘；
对所述所有外圈边缘进行共圆拟合计算，并计算相应的圆周长；
根据所述圆周长进行外圈边缘筛选，得到外圈边缘数据。
3.根据权利要求1所述的一种玻璃瓶口缺陷的检测方法，其特征在于，所述根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域这一步骤，具体包括：
根据所述拟合数据生成圆形区域；
对所述圆形区域进行膨胀得到第一区域，
对所述第一区域进行腐蚀得到第二区域；
对所述第一区域和所述第二区域求差，得到圆环区域。
4.根据权利要求1所述的一种玻璃瓶口缺陷的检测方法，其特征在于，所述根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域，具体为：
根据面积特征，若检测到多个所述第一区域中存在区域面积大于预设阈值的区域，表示所述玻璃瓶口存在缺陷，否则，表示所述玻璃瓶口不存在缺陷。
5.一种玻璃瓶口缺陷的检测系统，其特征在于，包括；
获取模块，用于获取玻璃瓶口图像；
第一处理模块，用于对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像；
提取模块，用于对所述外圈图像进行边缘提取，得到外圈边缘数据；
拟合模块，用于对所述外圈边缘数据进行圆圈拟合，得到拟合数据；
第二处理模块，用于根据所述拟合数据生成圆形区域再进行区域运算得到圆环区域；
裁剪模块，用于根据所述圆环区域，对所述玻璃瓶口图像进行裁剪，得到第一待处理图像；
第三处理模块，用于对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域；
检测模块，用于根据面积特征，检测多个所述第一区域中是否存在区域面积大于预设阈值的区域；
所述对所述玻璃瓶口图像进行处理，得到玻璃瓶口的外圈图像这一步骤，具体包括：
对所述玻璃瓶口图像进行全局阈值分割处理，得到对象数组；
依次提取所述对象数组中的每一个对象作为第二待处理图像；
对所述第二待处理图像中的区域进行区域运算，所述区域运算包括区域开运算和区域闭运算；
对区域运算后的区域进行边界提取，得到外边界区域；
对所述外边界区域进行膨胀处理后进行裁剪，得到玻璃瓶口的外圈图像；
所述区域开运算是先对区域进行腐蚀，再对区域进行膨胀；所述区域闭运算是先对区域进行膨胀，再对区域进行腐蚀；
所述区域开运算通过以下公式执行：
所述区域闭运算通过以下公式执行：
式中，f表示待膨胀的区域，oS表示用结构元素S做区域运算，S表示结构元素，表示做膨胀运算，/>表示做腐蚀运算；
所述对所述第一待处理图像进行预处理、局部阈值分割和区域闭运算，得到多个第一区域这一步骤，具体包括：
对所述第一待处理图像进行对比度扩大处理，再进行均值滤波处理；
对均值滤波处理后的图像进行局部阈值分割，得到多个局部亮区域，所述局部阈值分割通过以下公式执行：S＝{(i，j)∈R|hi，j≥gi，j+gdif}；式中，S表示像素点集合，i和j表示像素点位置，hi，j表示第一待处理图像的像素点灰度值，gi，j表示均值滤波处理后的图像的像素点灰度值，gdif表示设定的阈值，R为实数集；
对多个所述局部亮区域进行区域闭运算，得到多个第一区域。
6.一种玻璃瓶口缺陷的检测装置，其特征在于，包括：
至少一个处理器；
至少一个存储器，用于存储至少一个程序；
当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1-4任一项所述的检测方法。
7.计算机可读存储介质，其特征在于，其上存储有处理器可执行的程序，所述处理器可执行的程序在被处理器执行时用于实现如权利要求1-4任一项所述的检测方法。
CN202011528767.3A 2020-12-22 2020-12-22 一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质 Active CN112561896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011528767.3A CN112561896B (zh) 2020-12-22 2020-12-22 一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011528767.3A CN112561896B (zh) 2020-12-22 2020-12-22 一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质

Publications (2)

Publication Number Publication Date
CN112561896A CN112561896A (zh) 2021-03-26
CN112561896B true CN112561896B (zh) 2023-08-15

Family

ID=75031302

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011528767.3A Active CN112561896B (zh) 2020-12-22 2020-12-22 一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质

Country Status (1)

Country Link
CN (1) CN112561896B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113724173B (zh) * 2021-09-09 2022-08-19 常州市宏发纵横新材料科技股份有限公司 一种碳板脱模布到边距离检测方法、装置、设备和存储介质
CN115090559B (zh) * 2022-08-26 2022-11-11 启东市云鹏玻璃机械有限公司 一种基于图像处理的玻璃瓶回收除杂方法及系统
CN116452585B (zh) * 2023-06-15 2023-09-08 康美包（苏州）有限公司 检测装置、检测方法和计算机可读存储介质
CN116703900B (zh) * 2023-08-03 2023-10-20 山东明佳科技有限公司 乳玻瓶瓶口裂纹的图像检测方法、系统、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103872983A (zh) * 2014-04-04 2014-06-18 天津市鑫鼎源科技发展有限公司 太阳能电池表面缺陷检测设备及方法
CN107578409A (zh) * 2017-09-16 2018-01-12 河北工业大学 一种太阳能电池片外观断栅缺陷检测的方法
CN107993219A (zh) * 2017-10-31 2018-05-04 无锡港湾网络科技有限公司 一种基于机器视觉的船板表面缺陷检测方法
CN108844471A (zh) * 2018-08-02 2018-11-20 成都天衡智造科技有限公司 一种对圆形工件边缘凹陷区域向圆心延伸长度的测量方法及装置
CN110060239A (zh) * 2019-04-02 2019-07-26 广州大学 一种用于瓶子瓶口的缺陷检测方法
CN110751623A (zh) * 2019-09-06 2020-02-04 深圳新视智科技术有限公司 基于联合特征的缺陷检测方法、装置、设备及存储介质
CN111986159A (zh) * 2020-07-24 2020-11-24 苏州威华智能装备有限公司 太阳能电池片的电极缺陷检测方法、设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103872983A (zh) * 2014-04-04 2014-06-18 天津市鑫鼎源科技发展有限公司 太阳能电池表面缺陷检测设备及方法
CN107578409A (zh) * 2017-09-16 2018-01-12 河北工业大学 一种太阳能电池片外观断栅缺陷检测的方法
CN107993219A (zh) * 2017-10-31 2018-05-04 无锡港湾网络科技有限公司 一种基于机器视觉的船板表面缺陷检测方法
CN108844471A (zh) * 2018-08-02 2018-11-20 成都天衡智造科技有限公司 一种对圆形工件边缘凹陷区域向圆心延伸长度的测量方法及装置
CN110060239A (zh) * 2019-04-02 2019-07-26 广州大学 一种用于瓶子瓶口的缺陷检测方法
CN110751623A (zh) * 2019-09-06 2020-02-04 深圳新视智科技术有限公司 基于联合特征的缺陷检测方法、装置、设备及存储介质
CN111986159A (zh) * 2020-07-24 2020-11-24 苏州威华智能装备有限公司 太阳能电池片的电极缺陷检测方法、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于RANSAC的点云配准优化算法;谢德芳 等;《机电工程技术》;第49卷(第9期);第38-40页 *

Also Published As

Publication number Publication date
CN112561896A (zh) 2021-03-26

Similar Documents

Publication Publication Date Title
CN112561896B (zh) 一种玻璃瓶口缺陷的检测方法、系统、装置及存储介质
CN112184744B (zh) 显示屏边缘缺陷检测方法和装置
CN111476758B (zh) Amoled显示屏的缺陷检测方法、装置、计算机设备及存储介质
CN111259878A (zh) 一种检测文本的方法和设备
CN115063430B (zh) 基于图像处理的电气管道裂纹检测方法
CN110648330B (zh) 摄像头玻璃的缺陷检测方法
CN113628161B (zh) 缺陷检测方法、装置及计算机可读存储介质
CN110599453A (zh) 一种基于图像融合的面板缺陷检测方法、装置及设备终端
CN104282018A (zh) 基于机器视觉的工业产品外形直径在线检测的方法
CN115880248A (zh) 一种表面划痕缺陷识别方法及视觉检测设备
CN110060239B (zh) 一种用于瓶子瓶口的缺陷检测方法
CN113487563B (zh) 一种基于el图像的光伏组件隐裂自适应检测方法
CN117576106B (zh) 管道缺陷检测方法及系统
CN116452580B (zh) 一种笔记本外观质量检测方法
CN112580383A (zh) 二维码识别方法、装置、电子设备及存储介质
CN116883408A (zh) 基于人工智能的积算仪壳体缺陷检测方法
CN114723728A (zh) 一种手机摄像头玻璃盖板丝印cd纹缺陷检测方法及系统
CN108898561B (zh) 一种含天空区域雾天图像的去雾方法、服务器及系统
CN110852318A (zh) 一种排水管道缺陷精准定位方法及系统
CN110782183A (zh) 一种基于Faster R-CNN的铝材缺陷检测方法
Saranya et al. Comparison of segmentation techniques for detection of defects in non-destructive testing images
CN111340765A (zh) 一种基于背景分离的热红外图像倒影检测方法
CN115578362A (zh) 电极涂层的缺陷检测方法、装置、电子设备及介质
CN114387217A (zh) 一种类圆形重叠目标的分割方法、系统、装置及存储介质
CN114638807A (zh) 一种基于深度学习的金属板材表面缺陷检测方法

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