CN113516611A - 异常物料剔除区域的确定方法及装置、物料分选方法及设备 - Google Patents
异常物料剔除区域的确定方法及装置、物料分选方法及设备 Download PDFInfo
- Publication number
- CN113516611A CN113516611A CN202010272987.8A CN202010272987A CN113516611A CN 113516611 A CN113516611 A CN 113516611A CN 202010272987 A CN202010272987 A CN 202010272987A CN 113516611 A CN113516611 A CN 113516611A
- Authority
- CN
- China
- Prior art keywords
- pixel point
- abnormal
- determining
- target pixel
- target
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000008030 elimination Effects 0.000 claims abstract description 29
- 238000003379 elimination reaction Methods 0.000 claims abstract description 29
- 238000006243 chemical reaction Methods 0.000 claims description 51
- 230000009466 transformation Effects 0.000 claims description 29
- 238000004590 computer program Methods 0.000 claims description 3
- 241000209094 Oryza Species 0.000 description 10
- 235000007164 Oryza sativa Nutrition 0.000 description 10
- 235000009566 rice Nutrition 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 206010039509 Scab Diseases 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007664 blowing Methods 0.000 description 3
- 235000013339 cereals Nutrition 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06T7/0008—Industrial image inspection checking presence/absence
-
- 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
- G06T2207/30128—Food products
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种异常物料剔除区域的确定方法及装置、物料分选方法及设备,其中,方法包括:采集物料图像,对物料图像进行异常物料识别,获得异常物料的异常像素点;根据异常像素点,确定目标像素点,其中,目标像素点位于异常像素点靠近异常物料中心的一侧;根据目标像素点确定异常物料的剔除区域。根据本发明实施例的异常物料剔除区域的确定方法,根据异常物料的目标像素点确定出异常物料的剔除区域,该剔除区域可以更靠近异常物料的中心,根据该剔除区域对异常物料进行剔除,使得剔除更精准且有效,有效提高异常物料的剔除率。
Description
技术领域
本发明属于物料分选技术领域,特别涉及一种异常物料剔除区域的确定方法及装置、物料分选方法及设备。
背景技术
相关技术中,对物料进行分选时,首先要对异常物料进行识别得到异常区域,并根据异常区域确定剔除区域,然后根据剔除区域剔除异常物料。在实现本发明的过程中,发明人发现相关技术中至少存在如下技术问题:在异常区域靠近物料边缘的情况下,所确定的剔除区域通常也靠近物料边缘,使得难以将异常物料剔除,剔除率会降低。
以大米分选为例,如图1所示,方框中的深色点为大米病斑识别的所在位置,方框区域为根据识别的病斑位置确定的剔除区域。在对病斑大米进行剔除时,一般是根据病斑位置确定剔除区域,然后对剔除区域进行吹气,以将识别的病斑米剔除。
然而,由于病斑识别位置一般是靠近边缘,通过对该位置确定的剔除区域也会靠近边缘,进行吹气剔除时,往往导致病斑米无法整体被剔除出去,剔除不干净,从而大大影响病斑米的剔除率。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种异常物料剔除区域的确定方法,可以根据异常物料的异常像素点确定出更靠近异常物料中心的目标像素点,且目标像素点更靠近异常物料中心,所以根据目标像素点确定出异常物料的剔除区域也更靠近异常物料的中心,根据该剔除区域对异常物料进行剔除,可以使剔除更精准且有效,有效提高异常物料的剔除率。
本发明的第二个目的在于提出一种物料分选方法。
本发明的第三个目的在于提出一种异常物料剔除区域的确定装置。本发明的第四个目的在于提出一种物料分选设备。
本发明的第五个目的在于提出一种计算机可读存储介质。
为达到上述目的,本发明第一方面实施例提出了一种异常物料剔除区域的确定方法,包括以下步骤:采集物料图像,对所述物料图像进行异常物料识别,获得异常物料的异常像素点;根据所述异常像素点,确定目标像素点,其中,所述目标像素点位于所述异常像素点靠近所述异常物料中心的一侧;根据所述目标像素点确定所述异常物料的剔除区域。
根据本发明的一个实施例,所述根据所述异常像素点,确定目标像素点,包括:对所述物料图像进行二值化处理,得到二值化图像;对所述二值化图像进行距离变换,得到所述物料的每个像素点的距离变换值;根据所述距离变换值和所述异常像素点,确定目标像素点。
根据本发明的一个实施例,所述根据所述距离变换值和所述异常像素点,确定目标像素点,包括:以所述异常像素点作为第一中心像素点,获取所述第一中心像素点的相邻像素点;判断所述第一中心像素点与其相邻像素点的距离变换值的大小;如果所述相邻像素点中最大距离变换值大于第一中心像素点的距离变换值,则确定所述最大距离变换值对应的相邻像素点为目标像素点;更新第一中心像素点为当前确定的目标像素点,并返回执行获取所述第一中心像素点的相邻像素点,直至返回执行次数达到预设次数。
根据本发明的一个实施例,所述根据所述距离变换值和所述异常像素点,确定目标像素点,还包括:当确定目标像素点时,更新该目标像素点对应的预设方向的权重,所述第一中心像素点的相邻像素点是所述第一中心像素点的多个预设方向的相邻像素点;如果所述相邻像素点中最大距离变换值等于第一中心像素点的距离变换值,则根据所述多个预设方向的权重从所述相邻像素点中确定目标像素点。
根据本发明的一个实施例,所述根据所述多个预设方向的权重从所述相邻像素点中确定目标像素点,包括:如果所述多个预设方向的权重中的最大权重的数量为1个,则将该最大权重对应方向的相邻像素点确定为目标像素点;和/或如果所述多个预设方向的权重中的最大权重的数量为2个或2个以上,则将所述最大距离变换值对应的相邻像素点确定为目标像素点。
根据本发明的一个实施例,所述根据所述目标像素点确定所述异常物料的剔除区域,包括:根据所述目标像素点,确定第二中心像素点,其中,所述第二中心像素点位于所述异常物料中心;根据所述第二中心像素点和所述第二中心像素点的相邻像素点确定所述异常物料的剔除区域。
根据本发明的一个实施例,确定第二中心像素点,包括:从所有目标像素点中确定距离变换值最大的第一像素点;从所述第一像素点中确定对应权重最大的第二像素点;根据所述第二像素点,确定得到所述第二中心像素点。
根据本发明的一个实施例,所述根据所述第二像素点,确定得到所述第二中心像素点,包括:通过下述公式获取所述第二中心像素点的横坐标和纵坐标;
其中,N为所述第二像素点的个数,i为所述第二像素点的横坐标,j为所述第二像素点的纵坐标。
根据本发明的一个实施例,所述根据所述目标像素点确定所述异常物料的剔除区域,包括:根据所述目标像素点和所述异常像素点确定所述异常物料的剔除区域。
根据本发明实施例的异常物料剔除区域的确定方法,通过对采集到的物料图像进行异常物料识别后,根据识别到的异常像素点确定目标像素点,并根据目标像素点形成的连通域确定出异常物料的剔除区域,相比于相关技术中的直接通过根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。
为达到上述目的,本发明第二方面实施例提出了一种物料分选方法,所述方法包括:根据上述的异常物料剔除区域的确定方法确定剔除区域;控制剔除模块向所述剔除区域吹气,以剔除所述异常物料。
根据本发明实施例的物料分选方法,通过根据上述的异常物料剔除区域的确定方法确定剔除区域,并控制剔除模块向所述剔除区域吹气,以剔除所述异常物料,相比于相关技术中的直接通过根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。
为达到上述目的,本发明第三方面实施例提出了一种物料病变区域的确认装置,包括:获取模块,用于采集物料图像,对所述物料图像进行异常物料识别,获得异常物料的异常像素点;第一确定模块,用于根据所述异常像素点,确定目标像素点,其中,所述目标像素点位于所述异常像素点靠近所述异常物料中心的一侧;第二确定模块,用于根据所述目标像素点确定所述异常物料的剔除区域。
根据本发明的一个实施例,所述第一确定模块,具体用于:对所述物料图像进行二值化处理,得到二值化图像;对所述二值化图像进行距离变换,得到所述物料的每个像素点的距离变换值;根据所述距离变换值和所述异常像素点,确定目标像素点。
根据本发明的一个实施例,所述第一确定模块,还用于:以所述异常像素点作为第一中心像素点,获取所述第一中心像素点的相邻像素点;判断所述第一中心像素点与其相邻像素点的距离变换值的大小;如果所述相邻像素点中最大距离变换值大于第一中心像素点的距离变换值,则确定所述最大距离变换值对应的相邻像素点为目标像素点;更新第一中心像素点为当前确定的目标像素点,并返回执行获取所述第一中心像素点的相邻像素点,直至返回执行次数达到预设次数。
根据本发明的一个实施例,所述第一确定模块,还用于:当确定目标像素点时,更新该目标像素点对应的预设方向的权重,所述第一中心像素点的相邻像素点是所述第一中心像素点的多个预设方向的相邻像素点;如果所述相邻像素点中最大距离变换值等于第一中心像素点的距离变换值,则根据所述多个预设方向的权重从所述相邻像素点中确定目标像素点。
根据本发明的一个实施例,所述第一确定模块,还用于:如果所述多个预设方向的权重中的最大权重的数量为1个,则将该最大权重对应方向的相邻像素点确定为目标像素点;和/或如果所述多个预设方向的权重中的最大权重的数量为2个或2个以上,则将所述最大距离变换值对应的相邻像素点确定为目标像素点。
根据本发明的一个实施例,所述第二确定模块,具体用于:根据所述目标像素点,确定第二中心像素点,其中,所述第二中心像素点位于所述异常物料中心;根据所述第二中心像素点和所述第二中心像素点的相邻像素点确定所述异常物料的剔除区域。
根据本发明的一个实施例,所述第二确定模块,还用于:从所有目标像素点中确定距离变换值最大的第一像素点;从所述第一像素点中确定对应权重最大的第二像素点;根据所述第二像素点,确定得到所述第二中心像素点。
根据本发明的一个实施例,所述第二确定模块,具体用于:通过下述公式获取所述第二中心像素点的横坐标和纵坐标;
其中,N为所述第二像素点的个数,i为所述第二像素点的横坐标,j为所述第二像素点的纵坐标。
根据本发明的一个实施例,所述第二确定模块,具体用于:根据所述目标像素点和所述异常像素点确定所述异常物料的剔除区域。
根据本发明实施例的异常物料剔除区域的确定装置,通过对采集到的物料图像进行异常物料识别后,根据识别到的异常像素点确定目标像素点,并根据目标像素点形成的连通域确定出异常物料的剔除区域,相比于相关技术中的直接通过根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。
为达到上述目的,本发明第四方面实施例提出了一种物料分选设备,包括存储器、处理器;其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现上述第一方面实施例的异常物料剔除区域的确定方法,以及上述第二方面实施例的物料分选方法。
为达到上述目的,本发明第五方面实施例提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,该程序被处理器执行时实现上述第一方面实施例的异常物料剔除区域的确定方法,以及上述第二方面实施例的物料分选方法。
本发明附加的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
图1是相关技术中的大米病斑识别示意图;
图2是根据本发明实施例的异常物料剔除区域的确定方法的流程图;
图3是根据本发明一个实施例的异常物料剔除区域的确定的流程图;
图4是根据本发明一个实施例的确定目标像素点的流程图;
图5是根据本发明一个实施例的前向模板和后向模板示意图;
图6是根据本发明一个实施例的3×3邻域的8方向分布示意图;
图7是根据本发明一个具体实施例的异常物料剔除区域的确定方法的流程图;
图8是根据本发明一个实施例异常物料剔除区域示意图;
图9是根据本发明另一个具体实施例的异常物料剔除区域的确定方法的流程图;
图10是根据本发明实施例的异常物料剔除区域的确定装置的方框示意图。
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,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的异常物料剔除区域的确定方法及装置、物料分选方法及设备。
图2是根据本发明的实施例的异常物料剔除区域的确定方法的流程图,如图2所示,该异常物料剔除区域的确定方法包括以下步骤:
S1,采集物料图像,对物料图像进行异常物料识别,获得异常物料的异常像素点。
可以理解的是,本发明实施例可以通过摄像机采集物料图像,并根据预设的异常物料识别模型对采集到的物料图像进行异常物料识别,如本发明实施例可以通过标记的物料样本图像,训练神经网络以获取到识别模型,从而即可识别出异常物料的异常像素点。
举例而言,物料以大米为例,异常物料可以为:带有病斑的米粒、虫蚀粒和发霉粒中的任意一种或任意多种的组合,预设的异常物料识别模型可以利用标记的大米样本图像,通过训练神经网络得到。具体地,如图3(a)所示,本发明实施例在通过摄像机获取到的大米的原图后,可以通过上述的预设的异常物料识别模型对物料图像进行识别,从而可以得到如图3(b)所示的异常物料的异常像素点。
S2,根据异常像素点,确定目标像素点,其中,目标像素点位于异常像素点靠近异常物料中心的一侧。
作为一种可能实现的方式,根据本发明的一个实施例,如图4所示,根据异常像素点,确定目标像素点,包括以下步骤:
S401,对物料图像进行二值化处理,得到二值化图像。
S402,对二值化图像进行距离变换,得到物料的每个像素点的距离变换值。
可以理解的是,本发明实施例可以对采集到物料图像进行二值化处理,以得到物料图像的二值化图像,这样可以提取出物料区域,二值化处理结果可以如图3(c)所示,其中黑色区域为背景,白色区域为物料区域。其中,在对二值化图像进行距离变换得到物料的每个像素点的距离变换值时,本发明实施例以通过倒角算法进行计算物料的每个像素点的距离变换值为例,进行详细阐述。
具体而言,在得到二值化图像后,本发明实施例可以先将二值化图像的背景灰度设为0,前景灰度设为1;然后通过倒角算法的前向模板,从二值化图像左上角开始,按照从左至右,从上到下的顺序,移动窗口扫描物料图像中的每个像素,位于模板中心的像素值可以使用模板每个位置和的最小值代替,前向模板可以如图5(a)所示,模板中心是指其中*所在位置。例如,假设有如表1所示的像素区域采用前向模板计算中心像素的像素值P,也就是说,当前扫描到像素点是表1中P点,其中,Q为当前像素的像素值,计算结果可以为:
表1
Q<sub>1</sub> | Q<sub>2</sub> | Q<sub>3</sub> | Q<sub>4</sub> | Q<sub>5</sub> |
Q<sub>6</sub> | Q<sub>7</sub> | Q<sub>8</sub> | Q<sub>9</sub> | Q<sub>10</sub> |
Q<sub>11</sub> | Q<sub>12</sub> | P | ||
其次,再使用倒角算法的后向模板,从底向上,从右向左移动窗口扫描新图像(该图像为通过前向模板扫描后所获得的新图像)中的每个像素,位于模板中心的像素值可以用每个位置和的最小值代替,后向模板可以如图5(b)所示,模板中心是指其中*所在位置,计算方法与前向模板相同,为避免冗余,在此不做详细赘述。
也就是说,本发明实施例可以先通过前向模板对物料图像的二值化图像进行扫描计算,以得到新图像,再通过后向模板对得到的新图像再次进行扫描计算,可以得到对二值化图像进行距离变换后的图像,该图像中物料区域每个像素点的像素值即是物料的每个像素点的距离变换值。由此,即可得到物料的每个像素点的距离变换值,如图3(d)所示。
需要说明的是,上述方式仅为示例性的,不作为对本发明的限制,距离变换是对二值化图像的一种操作运算,它将二值化图像转化为一副灰度图像,在这灰度图像中,每个像素的灰度级是该像素与距其最近的背景间的距离,也就是该像素的距离变换值,上述通过倒角算法的5×5模板计算的距离与真实的欧式距离误差为1.96%~2.02%,更为详细的计算方法可以参考相关技术中二值化图像的距离变换研究。
S403,根据距离变换值和异常像素点,确定目标像素点。
作为一种可能实现的方式,根据本发明的一个实施例,根据距离变换值和异常像素点,确定目标像素点,包括:以异常像素点作为第一中心像素点,获取第一中心像素点的相邻像素点;判断第一中心像素点与其相邻像素点的距离变换值的大小;如果相邻像素点中最大距离变换值大于第一中心像素点的距离变换值,则确定最大距离变换值对应的相邻像素点为目标像素点;更新第一中心像素点为当前确定的目标像素点,并返回执行获取第一中心像素点的相邻像素点,直至返回执行次数达到预设次数。
可以理解的是,第一中心像素点可以为异常像素点中的任意一个像素点,如图6所示,本发明实施例可以获取第一中心像素点的3×3邻域的相邻像素点,并根据获取到的像素点的距离变换值判断第一中心像素点与其相邻像素点的距离变换值的大小,如果相邻像素点中最大距离变换值大于第一中心像素点的距离变换值,则将确定最大距离变换值对应的相邻像素点为目标像素点,并将当前确定的目标像素点作为第一中心像素点,获取以当前确定的目标像素点作为第一中心像素点的相邻像素点,然后再次根据距离变换值大小确定新的目标像素点,……,如此循环,直至达到预设次数(N次),其中,预设次数可以由用户自行设定,例如预设次数为10-50次。需要说明的是,在整个循环过程中,如果不存在相邻像素点中最大距离变换值大于第一中心像素点的距离变换值,循环亦可结束。
由此,通过多次循环可以确定多个目标像素点,从而可以根据获取到的多个目标像素点组成的连通域,用于对异常物料进行剔除,从而可以更精准且有效的剔除异常物料,有效提高异常物料的剔除率。
进一步的,根据距离变换值和异常像素点,确定目标像素点,还包括:当确定目标像素点时,更新该目标像素点对应的预设方向的权重,第一中心像素点的相邻像素点是第一中心像素点的多个预设方向的相邻像素点;如果相邻像素点中最大距离变换值等于第一中心像素点的距离变换值,则根据多个预设方向的权重从相邻像素点中确定目标像素点。
其中,预设方向的权重表示相对其他预设方向,从该预设方向确定目标像素点的偏好。具体地,如图6所示,表示相对中心的8个方向,分别是0、1、2、3、4、5、6和7等8个方向,一个中心像素点的相邻像素点可以是相对该中心像素点的这8个方向对应的相邻像素点,即该中心像素点的3×3邻域像素点。假设图6为以第一中心像素点形成的一个3×3邻域,当目标像素点与0方向对应时,则将0方向的权重加1;当目标像素点与1方向对应时,则在将1方向的权重加1的同时,0方向和2方向所对应方向的权重加0.5。也就是说,当确定目标像素点时,如果目标像素点对应的方向为1、3、5和7各方向时,目标像素点所对应方向的权重加1的同时,目标像素点所对应方向的分量方向权重增加0.5;如果目标像素点对应方向为2、3、4和5时,则将目标像素点所对应方向的权重加1。
具体而言,如果相邻像素点中最大距离变换值等于第一中心像素点的距离变换值,本发明实施例可以通过多个预设方向的权重从相邻像素点中确定目标像素点。其中,如果多个预设方向的权重中的最大权重的数量为1个,则将该最大权重对应方向的相邻像素点确定为目标像素点;和/或,如果多个预设方向的权重中的最大权重的数量为2个或2个以上,则将最大距离变换值对应的相邻像素点确定为目标像素点。
由此,在确定目标像素点时,通过将预设方向的权重作为参考项,可以在出现物料粘连时,仍然更精准确定出异常像素点所在异常物料上目标像素点,从而可以更精准的确定剔除区域以用于剔除异常物料,提高剔除的效率。
S3,根据目标像素点确定异常物料的剔除区域。
应当理解的是,在确定好目标像素点后,本发明实施例可以根据目标像素点所形成的一个连通域确定异常物料的剔除区域,从而可以根据该剔除区域进行异常物料剔除。
由此,通过对采集到的物料图像进行异常物料识别后,根据识别到的异常像素点确定目标像素点,并根据目标像素点形成的连通域确定出异常物料的剔除区域,相比于相关技术中的直接根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。
为使得本领域技术人员进一步了解本发明实施例的异常物料剔除区域的确定方法,下面以两个具体实施例进行详细阐述如何根据目标像素点确定异常物料的剔除区域。
如图7所示,在本发明的一个具体实施例中,异常物料剔除区域的确定方法,包括以下步骤:
S701,采集物料图像,对物料图像进行异常物料识别,获得异常物料的异常像素点。
S702,根据异常像素点,确定目标像素点,其中,目标像素点位于异常像素点靠近异常物料中心的一侧。该目标像素点的确定过程可以参照前述实施例中对应部分,在此不做赘述。
S703,根据目标像素点和异常像素点确定异常物料的剔除区域。
具体而言,在确定目标像素点后,本发明实施例可以根据步骤S701确定的目标像素点与步骤S701中确定的异常物料的异常像素点生成一个连通域,如图8所示,黑色点可以为异常像素点,与黑色点相连的白色点为目标像素点,框选区域即可以为异常物料的剔除区域。
由此,通过对采集到的物料图像进行异常物料识别后,根据识别到的异常像素点确定目标像素点,并根据目标像素点和异常像素点形成的连通域确定出异常物料的剔除区域,相比于相关技术中的直接通过根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。
如图9所示,在本发明的另一个具体实施例中,异常物料剔除区域的确定方法,包括以下步骤:
S901,采集物料图像,对物料图像进行异常物料识别,获得异常物料的异常像素点
S902,根据异常像素点,确定目标像素点,其中,目标像素点位于异常像素点靠近异常物料中心的一侧。
S903,根据目标像素点,确定第二中心像素点,其中,第二中心像素点位于异常物料中心。
可以理解的是,在本发明的一个实施例中,本发明实施例可以根据像素点的距离变换值大小从所有目标像素点中找出距离变换值最大的第一像素点,并从第一像素点中确定对应权重最大的第二像素点,从而根据第二像素点,确定得到第二中心像素点。需要说明的是,第一像素点对应的权重是指从第一中心像素点的相邻像素点中确定该第一像素点对应的目标像素点时,该目标像素点对应的预设方向更新的权重。这里目标像素点的确定过程可以参照前述依据距离变换值和权重确定目标像素点的过程,在此不做赘述。
进一步地,为提高确定第二中心像素点的精确度,在根据第二像素点确定第二中心像素点时,本发明实施例可以根据第二像素点的坐标值进行计算,以得到第二中心像素点,例如,根据所有第二像素点的横坐标的平均值,并对该平均值进行四舍五入,以得到第二中心像素点的横坐标;根据所有第二像素点的纵坐标的平均值,并对该平均值进行四舍五入,以得到第二中心像素点的纵坐标,其中,计算公式可以如下:
其中,N为第二像素点的个数,i为第二像素点的横坐标,j为第二像素点的纵坐标。
S904,根据第二中心像素点和第二中心像素点的相邻像素点确定异常物料的剔除区域。
由此,通过对采集到的物料图像进行异常物料识别后,根据识别到的异常像素点确定目标像素点,并根据第二中心像素点和第二中心像素点的相邻像素点确定异常物料的剔除区域,通过异常物料中心实现剔除,即使物料存在黏连,也可以有效剔除,进一步提高剔除的准确性,使得剔除更精准且有效,有效提高异常物料的剔除率。
根据本发明的一个实施例,确定物料的剔除区域之后,还包括:控制物料剔除装置向剔除区域使力以剔除物料。
由此,可以通过物料剔除装置向确定的异常物料的剔除区域进行吹气,实现对异常物料的剔除。
根据本发明实施例提出的异常物料剔除区域的确定方法,通过对采集到的物料图像进行异常物料识别后,根据识别到的异常像素点确定目标像素点,并根据目标像素点形成的连通域确定出异常物料的剔除区域,相比于相关技术中的直接通过根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。
本发明实施例提出了一种物料分选方法,包括:根据上述的异常物料剔除区域的确定方法确定剔除区域;控制剔除模块向剔除区域吹气,以剔除异常物料。
根据本发明实施例提出的物料分选方法,通过根据上述的异常物料剔除区域的确定方法确定剔除区域,并控制剔除模块向剔除区域吹气,以剔除异常物料,相比于相关技术中的直接通过根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。图10为本发明实施例的异常物料剔除区域的确定装置的方框示意图。如图10所示,该异常物料剔除区域的确定装置包括:获取模块100、第一确定模块200和第二确定模块300。
其中,获取模块100用于采集物料图像,对物料图像进行异常物料识别,获得异常物料的异常像素点。第一确定模块200用于根据异常像素点,确定目标像素点,其中,目标像素点位于异常像素点靠近异常物料中心的一侧。第二确定模块300用于根据目标像素点确定异常物料的剔除区域。
根据本发明的一个实施例,第一确定模块,具体用于:对物料图像进行二值化处理,得到二值化图像;对二值化图像进行距离变换,得到物料的每个像素点的距离变换值;根据距离变换值和异常像素点,确定目标像素点。
根据本发明的一个实施例,第一确定模块200还用于:以异常像素点作为第一中心像素点,获取第一中心像素点的相邻像素点;判断第一中心像素点与其相邻像素点的距离变换值的大小;如果相邻像素点中最大距离变换值大于第一中心像素点的距离变换值,则确定最大距离变换值对应的相邻像素点为目标像素点;更新第一中心像素点为当前确定的目标像素点,并返回执行获取第一中心像素点的相邻像素点,直至返回执行次数达到预设次数。
根据本发明的一个实施例,第一确定模块200还用于:当确定目标像素点时,更新该目标像素点对应的预设方向的权重,第一中心像素点的相邻像素点是第一中心像素点的多个预设方向的相邻像素点;如果相邻像素点中最大距离变换值等于第一中心像素点的距离变换值,则根据多个预设方向的权重从相邻像素点中确定目标像素点。
根据本发明的一个实施例,第一确定模块200还用于:如果多个预设方向的权重中的最大权重的数量为1个,则将该最大权重对应方向的相邻像素点确定为目标像素点;和/或如果多个预设方向的权重中的最大权重的数量为2个或2个以上,则将最大距离变换值对应的相邻像素点确定为目标像素点。
根据本发明的一个实施例,第二确定模块300具体用于:根据目标像素点,确定第二中心像素点,其中,第二中心像素点位于异常物料中心;根据第二中心像素点和第二中心像素点的相邻像素点确定异常物料的剔除区域。
根据本发明的一个实施例,第二确定模块300还用于:从所有目标像素点中确定距离变换值最大的第一像素点;从第一像素点中确定对应权重最大的第二像素点;根据第二像素点,确定得到第二中心像素点。
根据本发明的一个实施例,第二确定模块300还用于:通过下述公式获取第二中心像素点的横坐标和纵坐标;
其中,N为第二像素点的个数,i为第二像素点的横坐标,j为第二像素点的纵坐标。
根据本发明的一个实施例,第二确定模块300还用于:根据目标像素点和异常像素点确定异常物料的剔除区域。
需要说明的是,前述对异常物料剔除区域的确定实施例的解释说明也适用于该实施例的异常物料剔除区域的确定装置,此处不再赘述。
根据本发明实施例提出的异常物料剔除区域的确定装置,通过对采集到的物料图像进行异常物料识别后,根据识别到的异常像素点确定目标像素点,并根据目标像素点形成的连通域确定出异常物料的剔除区域,相比于相关技术中的直接通过根据识别位置进行吹气而言,剔除更精准且有效,有效提高异常物料的剔除率。
本发明实施例还提出了一种物料分选设备,包括存储器、处理器;其中,处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于实现上述的异常物料剔除区域的确定方法,以及上述的物料分选方法。
本发明实施例还提出了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,该程序被处理器执行时实现上述的异常物料剔除区域的确定方法,以及上述的物料分选方法。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”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系统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。
此外,术语“第一”、“第二”仅用于描述目的,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。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系,除非另有明确的限定。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (13)
1.一种异常物料剔除区域的确定方法,其特征在于,包括以下步骤:
采集物料图像,对所述物料图像进行异常物料识别,获得异常物料的异常像素点;
根据所述异常像素点,确定目标像素点,其中,所述目标像素点位于所述异常像素点靠近所述异常物料中心的一侧;
根据所述目标像素点确定所述异常物料的剔除区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述异常像素点,确定目标像素点,包括:
对所述物料图像进行二值化处理,得到二值化图像;
对所述二值化图像进行距离变换,得到所述物料的每个像素点的距离变换值;
根据所述距离变换值和所述异常像素点,确定目标像素点。
3.根据权利要求2所述的方法,其特征在于,所述根据所述距离变换值和所述异常像素点,确定目标像素点,包括:
以所述异常像素点作为第一中心像素点,获取所述第一中心像素点的相邻像素点;
判断所述第一中心像素点与其相邻像素点的距离变换值的大小;
如果所述相邻像素点中最大距离变换值大于所述第一中心像素点的距离变换值,则确定所述最大距离变换值对应的相邻像素点为目标像素点;
更新所述第一中心像素点为当前确定的目标像素点,并返回执行获取所述第一中心像素点的相邻像素点,直至返回执行次数达到预设次数。
4.根据权利要求3所述的方法,其特征在于,所述根据所述距离变换值和所述异常像素点,确定目标像素点,还包括:
当确定目标像素点时,更新该目标像素点对应的预设方向的权重,所述第一中心像素点的相邻像素点是所述第一中心像素点的多个预设方向的相邻像素点;
如果所述相邻像素点中最大距离变换值等于所述第一中心像素点的距离变换值,则根据所述多个预设方向的权重从所述相邻像素点中确定目标像素点。
5.根据权利要求4所述的方法,其特征在于,所述根据所述多个预设方向的权重从所述相邻像素点中确定目标像素点,包括:
如果所述多个预设方向的权重中的最大权重的数量为1个,则将该最大权重对应方向的相邻像素点确定为目标像素点;
和/或
如果所述多个预设方向的权重中的最大权重的数量为2个或2个以上,则将所述最大距离变换值对应的相邻像素点确定为目标像素点。
6.根据权利要求4所述的方法,其特征在于,所述根据所述目标像素点确定所述异常物料的剔除区域,包括:
根据所述目标像素点,确定第二中心像素点,其中,所述第二中心像素点位于所述异常物料中心;
根据所述第二中心像素点和所述第二中心像素点的相邻像素点确定所述异常物料的剔除区域。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标像素点,确定第二中心像素点,包括:
从所有目标像素点中确定距离变换值最大的第一像素点;
从所述第一像素点中确定对应权重最大的第二像素点;
根据所述第二像素点,确定得到所述第二中心像素点。
9.根据权利要求1所述的方法,其特征在于,所述根据所述目标像素点确定所述异常物料的剔除区域,包括:
根据所述目标像素点和所述异常像素点确定所述异常物料的剔除区域。
10.一种物料分选方法,其特征在于,所述方法包括:
根据权利要求1-9中任一所述的异常物料剔除区域的确定方法确定剔除区域;
控制剔除模块向所述剔除区域吹气,以剔除所述异常物料。
11.一种异常物料剔除区域的确定装置,其特征在于,包括:
获取模块,用于采集物料图像,对所述物料图像进行异常物料识别,获得异常物料的异常像素点;
第一确定模块,用于根据所述异常像素点,确定目标像素点,其中,所述目标像素点位于所述异常像素点靠近所述异常物料中心的一侧;
第二确定模块,用于根据所述目标像素点确定所述异常物料的剔除区域。
12.一种物料分选设备,其特征在于,包括存储器、处理器;
其中,所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于实现如权利要求1-9中任一所述的异常物料剔除区域的确定方法,或如权利要求10所述的物料分选方法。
13.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-9中任一所述的异常物料剔除区域的确定方法,或如权利要求10所述的物料分选方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010272987.8A CN113516611B (zh) | 2020-04-09 | 2020-04-09 | 异常物料剔除区域的确定方法及装置、物料分选方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010272987.8A CN113516611B (zh) | 2020-04-09 | 2020-04-09 | 异常物料剔除区域的确定方法及装置、物料分选方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516611A true CN113516611A (zh) | 2021-10-19 |
CN113516611B CN113516611B (zh) | 2024-01-30 |
Family
ID=78060056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010272987.8A Active CN113516611B (zh) | 2020-04-09 | 2020-04-09 | 异常物料剔除区域的确定方法及装置、物料分选方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516611B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537185A (zh) * | 2020-04-10 | 2021-10-22 | 合肥美亚光电技术股份有限公司 | 葵花籽异常区域识别方法及装置、葵花籽分选方法及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080148284A1 (en) * | 2006-12-15 | 2008-06-19 | Maui Media Lab Llc | Apparatus and method for developing and executing applications with declarative objects |
CN101236657A (zh) * | 2008-03-03 | 2008-08-06 | 吉林大学 | 单一运动目标轨迹的跟踪与记录方法 |
CN101369312A (zh) * | 2007-08-17 | 2009-02-18 | 日电(中国)有限公司 | 检测图像中交叉口的方法和设备 |
CN102663726A (zh) * | 2012-03-06 | 2012-09-12 | 中国矿业大学(北京) | 对物料堆积图像进行物料分割的方法和装置 |
KR101270604B1 (ko) * | 2012-02-09 | 2013-06-03 | (재)경북차량용임베디드기술연구원 | 스마트 에어백용 얼굴 검출 방법 |
CN103177426A (zh) * | 2013-02-27 | 2013-06-26 | 中南大学 | 一种基于形态学的强干扰激光边缘图像修复方法 |
US8913807B1 (en) * | 2010-12-30 | 2014-12-16 | Given Imaging Ltd. | System and method for detecting anomalies in a tissue imaged in-vivo |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN108986104A (zh) * | 2018-06-04 | 2018-12-11 | 国网浙江省电力有限公司检修分公司 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 |
WO2019000653A1 (zh) * | 2017-06-30 | 2019-01-03 | 清华大学深圳研究生院 | 一种图像目标识别方法及装置 |
-
2020
- 2020-04-09 CN CN202010272987.8A patent/CN113516611B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080148284A1 (en) * | 2006-12-15 | 2008-06-19 | Maui Media Lab Llc | Apparatus and method for developing and executing applications with declarative objects |
CN101369312A (zh) * | 2007-08-17 | 2009-02-18 | 日电(中国)有限公司 | 检测图像中交叉口的方法和设备 |
CN101236657A (zh) * | 2008-03-03 | 2008-08-06 | 吉林大学 | 单一运动目标轨迹的跟踪与记录方法 |
US8913807B1 (en) * | 2010-12-30 | 2014-12-16 | Given Imaging Ltd. | System and method for detecting anomalies in a tissue imaged in-vivo |
KR101270604B1 (ko) * | 2012-02-09 | 2013-06-03 | (재)경북차량용임베디드기술연구원 | 스마트 에어백용 얼굴 검출 방법 |
CN102663726A (zh) * | 2012-03-06 | 2012-09-12 | 中国矿业大学(北京) | 对物料堆积图像进行物料分割的方法和装置 |
CN103177426A (zh) * | 2013-02-27 | 2013-06-26 | 中南大学 | 一种基于形态学的强干扰激光边缘图像修复方法 |
WO2019000653A1 (zh) * | 2017-06-30 | 2019-01-03 | 清华大学深圳研究生院 | 一种图像目标识别方法及装置 |
CN107909138A (zh) * | 2017-11-14 | 2018-04-13 | 江苏大学 | 一种基于安卓平台的类圆颗粒物计数方法 |
CN108986104A (zh) * | 2018-06-04 | 2018-12-11 | 国网浙江省电力有限公司检修分公司 | 基于距离变换和标记分水岭算法的绝缘子图像分割方法 |
Non-Patent Citations (1)
Title |
---|
徐鹏: ""基于机器视觉的机械零件二维尺寸检测系统研究"", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 12, pages 3 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113537185A (zh) * | 2020-04-10 | 2021-10-22 | 合肥美亚光电技术股份有限公司 | 葵花籽异常区域识别方法及装置、葵花籽分选方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113516611B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106407883B (zh) | 一种复杂表格及其内部手写数字识别方法 | |
CN115829883B (zh) | 一种异性金属结构件表面图像去噪方法 | |
CN116664559B (zh) | 基于机器视觉的内存条损伤快速检测方法 | |
CN112862770B (zh) | 一种基于人工智能的缺陷分析诊断系统、方法、装置 | |
CN106373146B (zh) | 一种基于模糊学习的目标跟踪方法 | |
CN113012157B (zh) | 一种设备缺陷视觉检测方法及系统 | |
CN113781585B (zh) | 一种增材制造零件表面缺陷在线检测方法及系统 | |
CN114187267B (zh) | 基于机器视觉的冲压件缺陷检测方法 | |
KR100960543B1 (ko) | 미지 품질의 패턴을 사용하여 기준 이미지를 생성하기 위한시스템 및 방법 | |
CN116229189B (zh) | 基于荧光内窥镜的图像处理方法、装置、设备及存储介质 | |
CN109949324A (zh) | 基于非经典感受野非线性亚单元响应的轮廓检测方法 | |
CN110930425B (zh) | 基于邻域向量内积局部对比度图像增强的损伤目标检测方法 | |
JP2011165170A (ja) | 対象物検出装置及びプログラム | |
JP4704310B2 (ja) | 画像処理方法、画像処理装置、画像処理プログラムおよび画像処理プログラムを記録する記録媒体 | |
CN113516611A (zh) | 异常物料剔除区域的确定方法及装置、物料分选方法及设备 | |
CN114037835A (zh) | 粮食籽粒质量估算方法、装置、设备及存储介质 | |
CN117274702B (zh) | 一种基于机器视觉的手机钢化玻璃膜裂纹自动分类方法和系统 | |
CN113781413A (zh) | 一种基于Hough梯度法的电解电容定位方法 | |
CN117788394A (zh) | 电力设备的状态检测方法、装置、设备及存储介质 | |
CN110909751B (zh) | 用于变电站绝缘子清扫机器人的视觉识别方法、系统及介质 | |
CN117253062A (zh) | 一种任意姿态下的继电器触点图像特征快速匹配方法 | |
CN117557505A (zh) | 一种基于机器视觉的绝缘服缺陷检测方法 | |
JP3251840B2 (ja) | 画像認識装置 | |
CN113780488A (zh) | 基于位置聚合程度的刮伤与擦伤缺陷检测方法 | |
JP2005250786A (ja) | 画像認識方法 |
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 |