CN113554648B - 生产线检测方法 - Google Patents

生产线检测方法 Download PDF

Info

Publication number
CN113554648B
CN113554648B CN202111098675.0A CN202111098675A CN113554648B CN 113554648 B CN113554648 B CN 113554648B CN 202111098675 A CN202111098675 A CN 202111098675A CN 113554648 B CN113554648 B CN 113554648B
Authority
CN
China
Prior art keywords
picture
ellipse
detection interface
pixel
color
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
CN202111098675.0A
Other languages
English (en)
Other versions
CN113554648A (zh
Inventor
张加宇
文娟
王利华
许艳春
魏春龙
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.)
Sichuan Taipingyang Pharmaceutical Co ltd
Original Assignee
Sichuan Taipingyang Pharmaceutical Co ltd
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 Sichuan Taipingyang Pharmaceutical Co ltd filed Critical Sichuan Taipingyang Pharmaceutical Co ltd
Priority to CN202111098675.0A priority Critical patent/CN113554648B/zh
Publication of CN113554648A publication Critical patent/CN113554648A/zh
Application granted granted Critical
Publication of CN113554648B publication Critical patent/CN113554648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0004Industrial image inspection
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/75Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
    • G01N21/77Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
    • G01N21/78Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
    • G01N21/783Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour for analysing gases
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/90Determination of colour characteristics
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10004Still image; Photographic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10024Color image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30108Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Plasma & Fusion (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供生产线检测方法,属于计算机技术领域,利于计算图形处理方法对生产线上的包装袋内的氧指示剂时行拍摄图片后,经过查找计算找到氧指示剂图案,并经过色度运算,获得该氧指示剂的色度,并显示于检测界面上供操作人员查看。并且本发明还提供了一种专用的检测界面显示与操作方法。通过本发明,可以有效降低人员疲劳,提高生产效率与生产质量。

Description

生产线检测方法
技术领域
本发明涉及一种利用计算机处理并显示和操作生产线图片的方法。
背景技术
在生产线上,有的场景需在识别生产线上物品标识物的色彩。例如:
输液袋内装为直接输注于人体血液的输液制剂用药,因此药用安全、药效都十分重要,是生产质量的硬指标。某些药物在包装过程中需要阻隔氧气,因此是双层包装:内层包装输液制剂,还设置有外层包装,并在内层包装与外层包装之间设置夹层,夹层内充填或者不充填阻氧气体,夹层内还放置氧气含量指示剂。氧气含量指示剂为小圆片,随着接触环境的氧气含量不同,具有蓝色、紫色、红色的变化。例如:接触环境的氧气浓度小于0.1%小圆片为红色;氧气浓度为0.1%-1%小圆片为紫色;氧气浓度大于1%小圆片为蓝色。
现有输液制剂生产过程中,需要一一对包装袋内的小圆片(氧含量指示剂)进行肉眼辨认,以剔出夹层氧含量超标的不合格物。肉眼辨认的过程不利于提高生产效率、保证生产质量、节约人力成本。
发明内容
为了解决上述技术问题,本发明提供了一种生产线检测方法,通过自动对传送带上通过的输液袋获取图片后,自动识别氧含量指示剂色度(蓝/紫/红),以确定夹层氧含量指标。
本发明的生产线检测方法,其步骤包括:对生产线上的物品获取到图片并进行图片处理,将处理后的图片进行显示和操作。其中:
所述获取到图片并进行图片处理,具体为:在一个时间窗口内,针对同一个具有外部可见圆形标识物的物品,从至少两个不同角度获取若干张彩色图片;并通过计算机处理器对获取的图片按以下步骤顺序处理:
S1:按如下条件找出所有图片中的具有椭圆特征的色块:
(i).椭圆的长轴与标准预设直径大致相等。
(ii).色块边缘至少具有70%椭圆边缘的特征。
S2:计算所有色块的面积值:
S21:当具有两个及以上色块时,即对每一个色块进行以下处理:
(S211).对色块进行二值化处理,并得到黑色像素区域封闭边缘;以及黑色像素区域面积值。
(S212).对比每一个黑色像素区域面积值;取至少一个具有最大面积值的色块。
S22:当仅具有一个色块时,该一个色块认定为具有最大所述面积值。
S3:在步骤S2获得的色块中,找出椭圆度小的色块。
S4:对步骤S3获得的色块进行色度运算,具体为:取黑色像素区域封闭边缘内的,以椭圆长轴为对称轴时具有对称像素点数量不为0的所有像素点,求这些所有像素点的色度的平均值;所述平均值认定为椭圆形标识物的色度。
所述的显示和操作,具体为:将物品图片及得到的色度,进行显示和查看操作。
如上所述的生产线检测方法,更进一步说明为,还包括以下步骤:
对获取到的每一张图片打上独立的第一标签,第一标签至少包括所属物品编号与图片编号,并在执行S1步骤时,对查找到的每一个具有椭圆特征的色块打上与第一标签对应的第二标签;通过上述第一标签和第二标签,用于将色块与所取出该色块的图片对应并记录,并将图片与获取图片的物品对应并记录。
如上所述的生产线检测方法,更进一步说明为,所述找出椭圆度小的色块,其方法为:
S31:通过计算椭圆长轴和短轴的长度及两者的比值,找出椭圆度小的色块。
S32:当仅有一个最大面积值的色块时,该一个色块认定为椭圆度小的色块。
如上所述的生产线检测方法,更进一步说明为,所述一个时间窗口内是指:在物品第一次出现在全部的图片获取装置的可见范围内开始,到物品离开任意一个图片获取装置的可见范围之内结束,从开始至结束之间的时间。
如上所述的生产线检测方法,更进一步说明为,所述的不同角度是指:图片获取装置获取到其中一张图片时,图片获取装置与物品的夹角和方位,与获取到其余图片时的夹角和方位不同;所述的夹角:物品中心所在位置与图片获取装置之间的虚拟连接线,与水平面之间构成的夹角;所述的方位是图片获取装置处于物品的方位。
所述的与标准预设直径大致相等,具体为,获取到的椭圆形长轴长度与预设长轴长度的差值在6%以内。
如上所述的生产线检测方法,更进一步说明为,圆的定义被包含于椭圆的定义中,当找出的图片中的椭圆为圆时,以圆的任意直径为椭圆长轴,且椭圆短轴等于长轴。
如上所述的生产线检测方法,更进一步说明为,所述显示和查看操作,具体为:
所述显示和查看操作被与处理器耦合的显示装置、命令输入装置实现。
显示装置所显示的内容中,至少具有与处理器进行耦合的检测界面;在检测界面中包括有:
(i).快速查看模式:将获取到的物品的图片显示在检测界面上;所述的图片是将图片包含的标识物进行色度运算后并获得了标识物色度值的图片。
具有多个物品时,顺序显示多个物品的图片,并在每一个物品的图片的相邻区域备注标识物的色度信息。
多个物品的图片和每一个标识物的色度信息共同占据检测界面的超过60%以上显示区域。
(ii).选择查看模式;将快速查看模式显示所有图片中的其中一张图片静态显示在检测界面上,并占据至少超过70%以上检测界面区域;检测界面其余区域显示可操作图标,和该图片的标识物色度值的相关信息。
(iii).操作调用:在快速查看模式下,通过命令输入装置点选所有图片的其中一张图片,转换为选择查看模式;在选择查看模式下,至少能调用图片饱和度调节功能和图片亮度调节功能,对图片以及图片中的标识物调节亮度与饱和度使标识物的色彩直观被看到。
如上所述的生产线检测方法,更进一步说明为,在快速显示模式下,针对于不同的物品,均提供至少一张图片在显示区域分别显示一定的时间,显示方法为以下方法之一:
(i).从检测界面中按第一方向顺序滚动。
(ii).分批次排列并分布于检测界面。
如上所述的生产线检测方法,更进一步说明为,所述的调用图片饱和度调节功能和图片亮度调节功能,具体为:当命令输入装置为触摸屏时,触摸屏手势输入调用为:
沿第一方向在检测界面内定向触摸,调用图片饱和度调节功能和图片亮度调节功能之一的功能;沿第二方向在检测界面内定向触摸,调用图片饱和度调节功能和图片亮度调节功能中的除已被第一方向调用的功能的其余功能。
所述的第一方向包括在该方向上的往返方向;所述的第二方向为在该方向上的往返方向。
所述的第一方向为:触摸手势在检测界面内从一个方向相续经过像素行、像素列之一的过程;所述的第二方向为触摸手势在检测界面内从一个方向相续经过除了被第一方向占用的像素行、像素列之一的另一过程。
在触摸手势从一个方向移动会同时相续经过像素行、像素列时,认定为同时满足于第一方向和第二方向,并同时调用图片饱和度调节功能和图片亮度调节功能。
如上所述的生产线检测方法,更进一步说明为,所述的调用图片饱和度调节功能和图片亮度调节功能,具体为:当命令输入装置为鼠标输入时,鼠标输入调用为:
鼠标沿第一方向在检测界面内定向滑过,调用图片饱和度调节功能和图片亮度调节功能之一的功能;沿第二方向在检测界面内定向滑过,调用图片饱和度调节功能和图片亮度调节功能中的除已被第一方向调用的功能的其余功能。
所述的第一方向包括在该方向上的往返方向;所述的第二方向为在该方向上的往返方向。
所述的第一方向为:鼠标从一个方向相续经过像素行、像素列之一的过程;所述的第二方向为鼠标从一个方向相续经过除了被第一方向占用的像素行、像素列之一的另一过程;
在鼠标从一个方向移动会同时相续经过像素行、像素列时,认定为同时满足于第一方向和第二方向,并同时调用图片饱和度调节功能和图片亮度调节功能。
有益效果:
本发明自动识别传送带上通过的输液袋氧含量指示剂色度(蓝/紫/红),以确定夹层氧含量指标。提高了工作效率,减少了人工识别产生的疲劳,并且基本排除人员疲劳、责任意识不强引起的生产质量问题。
可非常方便地调用查看某个包装袋的具体图片情况,交互友好。
附图说明
图1 摄像装置分布示意图;
图2 摄像头对氧指示剂拍摄角度示意图;
图3 色块示意图;
图4 检测界面在系统窗口中的示意图;
图5检测界面示意图;
图6触摸手势在像素行、像素列中的示意图。
包装袋c1;氧指示剂c2;摄像头c3;虚拟连接线c4;传送带c5;分光板c6;光源c7;挡光罩c8;色块200;椭圆长轴201;虚拟边缘202;缺失部203;缺失对称部分204;第一区域205;中部区域206;第二区域207;系统窗口j1;检测界面j2;图片的相邻区域j3;滚动区域j4;相关信息区域j5;大图查看区域j6;第一方向d1;第二方向d2;像素行x1;像素列x2;触摸手势s1。
具体实施方式
在本实施的描述中,使用到了术语“上”、“下”、“左”、“右”、“内”、“外”等是指示的方位或位置关系,仅是为了便于描述本发明和便于技术人员理解,而不是指示或暗示所指的装置或零部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。
本实施描述的过程中,当描述工作步骤时,会使用到术语“前”、“后”,是指工作步骤操作的顺序,也就是一个步骤必须以另一个步骤处理完成为基础。当然,这些步骤是由计算机根据预设程序来进行的。
本实施例描述过程中,使用到了色度,色度反映的是颜色的色调,某些时候色度还包括饱和度。
本发明的硬件部分至少要包括:
1、图片获取装置,图片获取装置是摄像头c3(照相机),并安装在生产线上,最好的方法是,安装在生产线传送带c5上方,对准传送带c5。
2、与摄像头通过数据交换,能从摄像头获取到图片的计算机。
计算机至少具有处理器,显示装置:用于显示的屏幕;输入装置:触摸屏输入,触摸屏至少要是具有多点触控功能,或者鼠标输入,鼠标可以作为点选,也可以滑过。当然,最好还具有服务器,支持远程检测处理。
要实现本发明,最好是通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM, RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。
示例中的物品,以袋装的输液制剂为例,袋装输液制剂以包装袋封装。示例中的圆形标识物,以用于对包装袋内含氧量的进行指示的氧指示剂为例。
示例一:
图片获取装置。
主要包括摄像头c3,其包括:图片传感器,其包括多个受光元件,通过由受光元件对接收到的光进行光电转换而生成传感器图片。和调制部,其使用设置在距图片传感器的受光面规定距离的位置上的摄像用图样,对图片传感器接收的光的强度进行调制,调制部中设置的摄像用图样的开口部的宽度,是基于规定距离和图片传感器的二维方向上的尺寸确定的。
摄像头c3获得数字化的图片,图片具有彩色信息(彩色格式可以是RGB模式或才CMYK模式)。
摄像头可以是多个,以如下方式进行布置:
参考图1,本实施例中,布置三个摄像头,布置方式包括:
包装袋为透明塑料包装袋,因此从外部可见圆形标识物,圆形标识物2就是氧气含量指示剂(氧指示剂c2)。包装袋c1被放在传送带c5上行走,从一个方向行走到另一个方向,一个接一个的包装袋c1分别经过摄像头下方,摄像头c3对每个经过下方的包装袋进行获取图片,传送带为塑料透光传送带,最好是半透明塑料材质传送带,下方设置一个分光板c6,分光板c6下方再设置光源c7,给摄像头c3提供更好的光源。当然,也可以是纯色(白色、黑色)传送带,光源c7从上方补光,对包装袋时行照射。在摄像头c3安装位置设置挡光罩c8,给摄像头c3提供一个较好的光源环境,并避免其它光线的干扰。
当然,在本装置的后方,还可以设置与本装置配套使用的次品剔除系统,依赖于本发明提供的对包装袋氧指示剂的识别结果,对不符合氧含量指示剂色度不符合成品合格要求的包装袋剔除。
摄像头布置:本发明布置三个不同角度的摄像头,在包装袋c1经过下方时,同时获取图片。三个摄像头不同角度布置,可以针对于避免圆形标识物处于包装袋不可预估的位置产生的摄像不清楚和角度太小的问题。具体分析如下:
1、包装袋为软质透明塑料包装,表面不可预见地成为各种复杂的曲面,造成不同程序,不同式样的反光,对摄像头获取处于包装内部的圆形标识物不友好,如果从一个方向上摄像,可能无法正好避开曲面引起的反光,因此需要从另一个方向摄像,就正好可以避开反光,多个角度摄像也就提供了多个避开反光的条件。2、包装袋为软质塑料包装,内部因液体压力形成自然的弧形表面(面包形状,中部突出,前后两侧下斜),具体为拱弧曲线,当圆形标识物不可预见地出现在中部、前部、后部任何位置时,产生不同的例如正上平置、左斜、右斜等各种角度下,均具有至少一个摄像头更好地面对圆形标识物。
摄像头c3:例如海康威视生产的(型号MV-CA020-10UC)摄像头,兼容GigE VisionV2.0协议及GenlCam标准,衔接本发明所设置的处理器。外形尺寸为29 mm×29 mm×30 mm,小型化设备,利于多个摄像头集中位置安装于传送带c5上方。曝光时间最短1μs,可以在很短时间,也就是包装袋c1从摄像头下方经过的时间内,获取足够数量的图片。通过6-pinHirose接头供电和I/O:1路光耦隔离输入(Line0),以及USB3.0输入图片数据到处理器。符合本发明需要。
示例二:
外部可见圆形标识物,本示例主要指氧指示剂c2,当然,在不同的包装应用领域,有可能是其它指示剂,利如酸碱度示剂等。
氧指示剂c2用于检测密闭容器(或包装袋内)氧浓度的指示,一般使用于电子产品、光学元器件、金属制品包装环境检测。指示方法:主要用于密闭容器内的氧气浓度指示,例如:当氧气浓度大于0.5%时,指示剂呈蓝色,0.1 %时指示剂呈红色,氧气浓度介于0.10.5%之间呈血青色。本示例选用的外形尺寸为直径20mm片状,更利于计算机识别,市场供货量大,采购成本也更低。氧气浓度≥1% 蓝色,氧气浓度≈0.5%紫色,氧气浓度≤0.1%红色。其中,本示例将色度设置如下,当然,不同的应用环境,色度的标准值也会不尽相同。色度:
氧气浓度≥1% 蓝色(RGB色度:R120-135,G140-160,B225-245);
氧气浓度≈0.5%紫色(RGB色度:R205-230,G180-210,B225-240);
氧气浓度≤0.1%红色(RGB色度:R230-260,G155-180,B205-225)。
示例三:
获取图片。
在识别氧指示剂c2色度时,需要先获得图片。本示例获得图片是针对每一个包装袋分别获得图片的,包装袋到达摄像头的位置后,每个摄像头至少拍照一次,当然如果计算机算力较好,也为了识别更准确,也可以多拍摄一些图片,例如每个摄像头拍三张图片,三个摄像头就抓取了9张图片,在更多的图片中,符合要求的图片更多,识别也更准确。
每个包装袋到达指定位置后,才开始抓取图片,这样可以避免拍摄过程中,其它包装袋被拍摄到镜头中。因此要设立一个时间窗口,每个包装袋c1进入一个时间窗口期开始拍摄。在这个时间窗口内,包装袋c1第一次出现在全部的摄像头下,被全部的摄像头所拍摄,直到包装袋c1被传送带驱动离开其中任意一个摄像头后,窗口期结束。这样做的目的是,让一个包装袋一次性拍照,防止其它包装袋(前面的包装袋或后面的包装袋)的图样混入该包装袋的拍摄。当然,如何布置摄像头也是可以避免其它包装袋的图样混入该包装袋的拍摄。
参考图1,在拍摄时,摄像头与包装袋要有不同的角度和方位。角度是指摄像头拍摄图片时,摄像头与包装袋的夹角和方位,与拍得这个包装袋图片的其它摄像头的夹角和方位不同。或者摄像头是同一个摄像头,但包装袋随着传送带c5的运送走到了不同的位置,也就产生了夹角和方位的变化,使夹角和方位不同。这里的夹角的定义是:包装袋中心所在位置与摄像头之间的虚拟连接线c4,与水平面之间构成的夹角。而方位是图片获取装置处于包装袋的方位。
在拍摄过程中,传送带c5行走,包装袋移动,加之各个摄像头布置角度差别,在窗口期内第一次拍摄图片和第二次拍摄图片,两次拍摄的各个图片每一张图片都具有不同的角度和方位,更好地避免了反光、与氧指示剂c2相对角度的问题,也就是在这些图片中,更可能找到更好的符合要求的图片。
例如,光源c7在位置A,而当包装袋行至A1点时,A2点的摄像机正好处于反光集中点上,所拍摄的图片带反光,但当包装袋行走到B点,反光集中点也就不在A2点的摄像机上,拍摄的图片也就更准确。
在包装袋放置在传送带时,要求能看到氧指示剂c2的一面朝上。当然,也可以包装袋的两面均布设氧指示剂,就不必增加前端的包装袋摆放工作了(如何摆放包装袋这不在本发明实施例讨论的范围)。
获取的图片必须是彩色图片,当然在硬件可达到的情况下,像素较高更好。
示例四:
本示例描述了查找图片中的具有椭圆特征的色块200的方法。
在获取的图片中,不仅具有氧指示剂色块200,还具有包装上的其它标识,比如企业商标图案,印字图案,其它光线干扰形成的图案等,要从这些图案中把氧指示图案找出来。
在不同的角度下,正圆形的氧指示剂有可能是椭圆,也有机会出现正圆,但这种机会可能较少,因此,将设置椭圆识别方法,而将正圆的定义包括在椭圆中。
查找椭圆的办法是:
利用Hough变换和椭圆的几何特性识别。
首先利用对称性分离椭圆的长轴和短轴,再利用Hough变换进行进行直线检测识别得到长轴和短轴,由二者的交点确定椭圆圆心并进一步得到其它参数。另外,基于误差理论的椭圆识别快速算法,关键是根据图片边缘点坐标构造矩阵及多项式,通过求解多项式的特征根得到长轴和短轴,再利用实际边缘坐标与标准椭圆边缘的方差求得点位精度,作为判别椭圆与否的特征量。另外,一种基于长轴和对偶性的椭圆检测新算法中的方法,是在目标为椭圆的前提下对椭圆参数进行检测,是基于长轴和对偶性的椭圆检测新算法。
随机hough变换被广泛应用到圆弧等图形(圆、椭圆)的检测中。Hough变换的基本思想是对图片上的潜在圆弧采用一种投票机制,最后算法通过检查最高的投票分数来确定具有最高分圆弧的存在。圆弧可以完全由它上面的一定数量的点来决定。一个椭圆或圆可由三点确定。一个椭圆的确定过程:1.由随机选择的点进行椭圆拟合,2.更新累加器数组以及相应的匹配度,3.输出那些大于预定义阈值的椭圆。
例如:专利CN104700420A公开了基于Hough变换的椭圆检测方法、系统和虫卵识别方法。该方法中公开的椭圆识别方法,可以用于本示例中的椭圆识别。
包括以下步骤:
1:获取图片。
2:使用边缘检测方法对获取的图片进行边缘检测,得到二值图片。具体的边缘检测方法可采用零交叉检测的log算子,或多尺度空间边缘检测的Canny 算子,通过使用边缘检测方法,提取椭圆边缘的像素点,边缘的像素点即为椭圆的特征点。以使用Candy算子边缘检测为例,对获取的图片进行预处理,得到二值图片的步骤包括:
21:对获取的图片采用高斯滤波进行去噪处理。
22:计算二值图片的梯度值。
23:非极大值抑制寻找边缘像素点的候选点。通过非极大值抑制,可以提取图片中粗略的边缘信息。
24:连接边缘。Canny边缘检测算法使用了双阈值分割处理以边缘连接。能够初步提取椭圆轮廓。
3:对二值图片进行Hough变换,得到候选椭圆中心。
椭圆具有以下两个性质:
性质1,在椭圆上任取一点与椭圆上其他点的连线构成椭圆的一组弦,这组弦的中点构成一个新的椭圆,该椭圆称为原椭圆在该点的内切椭圆。
性质2,椭圆上外法线方向相反的两个点称为椭圆的一对对偶点,椭圆上所有对偶点的连线的中点即为椭圆的中心。
由性质1可知椭圆上非对偶点之间连线的中点散布于各处,由性质2可知椭圆上所有对偶点的连线的中点都集中落在椭圆中心处。因此如果把原图片边缘二值图中的每一个边缘点都与其他点相连,并对连线的中点在参数空间进行投票统计,则在每个椭圆中心处将出现统计值的峰值,最大峰值对应的点为候选椭圆中心。
4:根据候选椭圆的中心的坐标和椭圆的参数方程,进行Hough变换得到候选椭圆的参数。
5:判断根据候选椭圆的参数和候选椭圆中心得到的候选椭圆是否为真椭圆。
6:若判定候选椭圆为真椭圆,则定位该真椭圆。
上述基于Hough变换的椭圆检测方法,通过使用边缘检测方法提取椭圆轮廓,通过两次Hough变换,第一次Hough得到侯选椭圆中心,结合椭圆的参数方程通过第二次Hough变换投票得到候选椭圆的参数,根据椭圆中心和椭圆参数得到候选椭圆,在此基础上,判断得到的候选椭圆是否为真椭圆,并定位该真椭圆。该方法通过对得到的候选椭圆进行真假判断,剔除虚假椭圆,从而降低误检率,提高了椭圆检测的精确度,有效的定位椭圆。
又例如:专利CN103632366A公开的一种椭圆目标的参数识别方法,可以用于本发明的椭圆识别。椭圆识别方法,包括:
步骤1:建立中间轨迹拟合椭圆半轴长度到真实椭圆半轴长度的映射关系。
步骤2:对需进行参数识别的椭圆目标进行图片降噪,提取椭圆目标的边缘点集。
步骤3:根据边缘点集初步拟合椭圆,获得所拟合椭圆的初始参数。
步骤4:根据初始参数获取其中间轨迹点集。
步骤5:根据中间轨迹点集拟合椭圆,获得中间轨迹拟合椭圆的参数。
可见,椭圆目标的参数识别方法中,首先建立了中间轨迹拟合椭圆半轴长度到真实椭圆半轴长度的映射关系,然后对需进行参数识别的椭圆目标进行初步拟合并获得中间轨迹点集,最后通过所建立的映射关系来修正椭圆目标的半轴长度参数。
示例五:
本示例描述了从找到的椭圆中,准确找出为氧指示剂的方法。
氧指示剂本身是圆形卡片,在不同的角度拍摄的图片上,呈现出椭圆形状,但无论从哪一个角度看,这个椭圆的长轴一定是不变的,在氧指示剂与摄像头之间的因距离变化形成的椭圆长轴201变化考虑在内,设置一个长轴参数变化范围即可。
当然,图片中可能具有圆形、椭圆形的色块不只氧指示剂,其它光斑开成的圆、包装袋上的制刷字样图样,均有可以形成圆或椭圆图案,因此要从查找到椭圆图形中找到氧指示剂色块图样。
识别包装袋上的氧指示剂色度的方法。
通过计算机处理器对示例三获取的图片按以下步骤顺序处理:
1、按如下条件查找图片中的具有椭圆特征的色块200:
(条件i).边缘特征;(条件ii).椭圆的长轴的长度。
边缘特征:通过示例四获得的椭圆,具有本示例条件所需的边缘特征。但是,要求在边缘特征中,至少有70%是实际具有的可见边缘像素,而不是通过连接边缘计算获得的虚拟边缘202;可以排除绝大部分图片干扰。
(条件ii).椭圆的长轴与标准预设直径大致相等。要求是获取到的椭圆形长轴长度与预设长轴长度的差值在6%以内,以进一步排除绝大部分图片干扰。
通过这两个条件,获得的色块即可认定为是氧指示剂的图片形成的椭圆图片。其中,要求获取到的椭圆形长轴长度与预设长轴长度的差值在6%以内,是考虑了:氧指示剂为圆形薄片,每一片氧指示剂形态大小是一定的(批量大小),而获取的图片中氧指示剂形成大小差异的主要原因是与摄像机的距离,在这里可以将摄像的时间窗口缩小,使获取图片时包装袋与摄像头的距离的差异很小,这样基本就保证了每张图片中氧指示剂大小基本一至,但差异始终存在,因此设置一个差异区间即可。
通过上述条件查找出的图片中的具有椭圆特征的色块时,可以最大有30%的边缘是虚拟边缘202,而不足100%时:因此,在查找到的边缘中,以距离最大的两个像素点之间的虚拟直线作为椭圆长轴201,可以减少运算量,并基本上找到长轴(偏差在接受范围内)。并在找到的长轴的中点作垂直于长轴的垂线,将垂线与长轴的垂点,与椭圆边缘相交的交点,定义为短轴的半径,当然也就找到子短轴。
圆的定义被包含于椭圆的定义中,当找出的图片中的椭圆为圆时,以圆的任意直径为椭圆长轴201,且椭圆短轴等于长轴。
示例六:
在所有椭圆色块200中,找具有可见像素(排除白色像素)面积值最大的色块200。面积值越大,以后步骤在计算色度平均值时,计算基数越大,使获得的结果更准确。
找出色块200的面积值最大的方法:
1、如果按示例五的方法得到多张具有椭圆特征的色块时,即择优选用。
先对色块200进行二值化处理,并得到黑色像素区域封闭边缘;以及黑色像素区域面积值。然后对比每一个黑色像素区域面积值,取至少一张具有最大面积值的色块。这样就排除了白色像素更多的色块。
2、当按示例五的方法仅查找到一张具有椭圆特征的色块时,直接认定其面积值最大;并得到这个色块的黑色像素区域封闭边缘。
找到黑色像素区域最大的色块后,又来对比椭圆度,椭圆度更小的色块,面积值更大。上面步骤计算获得黑色区域面积值,但是,并非具有更大黑色面积值的图片,椭圆度就更小,例如:找到的椭圆色块边缘如有缺失,也会使色块黑色区域的面积缺失,造成椭圆度小,但黑色区域也小的情况,因此有必要在找到多张具有黑色像素区域最大的色块后,进行椭圆度识别,找到椭圆度最小的色块的图片。
3、找出椭圆度小的色块的图片。找出椭圆度小的色块的图片的方法为:
通过计算椭圆长轴201和短轴的长度及两者的比值,找出椭圆度小的色块。并认定为椭圆度小的色块的图片。
计算公式为:
椭圆度=(长轴-短轴)/100%
椭圆度大小的定义:椭圆度大,也就是长轴和短轴的差异更大,椭圆度小,也就是长轴和短轴的差异更小,例如“圆”就属于椭圆度最小的椭圆。
当然,仅具有一张具有最大面积值的图片时,该一张图片认定为色块椭圆度小的图片。
对于找到椭圆度更小的色块,对识别准确色度具有重要的意义:
色块椭圆度小就意味着:摄像头的轴线,与色块表面更垂直,所获得的图片的色度更接近与色块本身显示的颜色。色块椭圆度大就是摄像头的轴线与色块表面形成较大夹角,拍摄的图片在光线的干扰下,色彩就有失真,通常直观感受是物体变暗,饱和度降低,暖色度的图片有向冷色调趋近。这样识别的图片色度有偏差,而对于色度变化本身微妙的氧指示卡,就是影响到了识别结果。
示例七:
本示例描述了从找到的椭圆中,准确色度运算。
具体为:取黑色像素区域封闭边缘内的,以椭圆长轴201为对称轴时具有对称像素点数量不为0的所有像素点,求这些所有像素点的色度的平均值。
黑色像素区域封闭边缘,不一定等同于椭圆的边缘,在椭圆边特征不到100%时,部分边缘特征是通过计算推出来的虚拟边缘202,并不真正的色块200的椭圆边缘,当椭圆边缘有缺失时,椭圆也是不完整的椭圆(缺失部分有可能是因为强反光造成的,也就是图片高光),其色块200一定处于不完整状态,如果这种状态中来运算整个椭圆边缘内的色度平均值,缺失部分203为空白,或者是白色,加入到色度平均运算,很大可能会出现结果不准确。因此必须将缺失部分203剪除,剪除沿黑色像素区域封闭边缘进行剪除,所得即完全为具有准确色度的部分。
在进行进行色度运算时,可以取整个图片上的一个点的色度作为整个氧指示剂的色度,但这样取色极不准确,某一个像素点的色度很难代表整个色块200的色度,因此只能求平均值。
参考图3,以椭圆长轴201为对称轴时具有对称像素点数量不为0的所有像素点,当排除缺失部分203后,以长轴为对称轴时,缺失部分的像素点则为0,与缺失部分对称的是缺失对称部分204,为计算平均数准确,缺失对称部分204同时进行排除,也是对:在长轴为对称轴下,以这些为0的像素点对称的像素,让这一部分也不加入平均值计算。平均值计算是以长轴为对称轴,长轴两侧的像素向对称轴处求和然后再求均值的过程,这样能有效避免因氧指示剂卡片弯折(变成曲面)时,远离长轴区域的像素失真,称之为第二区域207,失真区域图片灰暗。参考图2,通过多次对比发现,越是靠近长轴的区域的像素,色度越趋近于最真实,称之为中部区域;当然某些时候更靠近摄像头的部分,色度较长轴处又更为真实,但有的时候这一区域却是高亮区域,称为第一区域205,这些区域的色度真实性都具有随机,不是一定的;某些时候第一区域的图有可能缺失,有可能完整并且色彩也最佳,有的时候中部区域高亮等等;计算机只能求出椭圆形状,却无法判断到底是哪一处离摄像头更近色度更真实,哪一面更远色度更灰暗,切掉为0的像素和这些为0的像素的点对称像素,这样让远处的低暗色度被所对称的近处的高亮像素平均,或者是远处的高亮像素与近处的低暗像素平均,总之使色度更准确。而不会造成某区域的低暗像素值太多影响平均值的情况。
对于色度的提取,使一个像素点被分离出分离R,G,B三个分量,在常用像素处理中,用PIL这个库,用opencv的库也可分离R,G,B三个分量。
用opencv的库也可以,分离的计算代码参考:from PIL import Image img=Image.open("demo.jpg") img_array=img.load(),然后通过img_array[x,y]来读取像素值。
用python的numpy库,分离的计算代码参考:import cv2 import numpy as npimg=cv2.read("demo.jpg") 然后通过img_array[x,y]来读取像素值。
用以上方法求得的平均值认定为椭圆形标识物的色度。
当椭圆形标识物的色度运算出来后,将运算出来的色度与标准预设的色度进行对比,即可知道椭圆形标识物的状态。
当椭圆形标识物为氧指示剂时,标准预设的色度如下:
氧气浓度≥1% 蓝色(RGB色度:R120-135,G140-160,B225-245);
氧气浓度≈0.5%紫色(RGB色度:R205-230,G180-210,B225-240);
氧气浓度≤0.1%红色(RGB色度:R230-260,G155-180,B205-225)。
通过对比RGB色度值,即可知道氧指示剂为蓝色/紫色/红色,也可知道包装袋夹层中的氧环境为大于1%或等于0.5%或小于0.1%等情况。
示例八:
上述示例三-七中,获取图片后,计算机对图上的运算,有可能存在以下两种情况:
一、对获取到的每一张图片打上独立的第一标签,第一标签至少包括所属包装袋编号与图片编号,例如:对其中一张图片打上n00015p03,定义为第00015号包装,第03张图片。
对查找到的每一个具有椭圆特征的色块打上与第一标签对应的第二标签,例如该椭圆色块是从图片(N00015P03)上截取到的,因此该椭圆色块打上第二标签(tn00015p03),因此第一标签和第二标签,可以将色块与所取出该色块的图片对应。
当后续的各种处理后,最终是在以色块tn00015p03进行运算平均色度值时,便将第00015号包装的第03张图片(图片n00015p03)作为显示在检测界面的参考图片。并可以删除第00015号包装的其余图片。
该种方案是将图片和色块图案进行分离计算。
二、只需要记录图片是从哪一个包装摄取的图片即可,而后期的各种运算中,色块都不从图片中抠离出来,即便是抠离出来,也是在处理图片的情况下抠离,图片和色块始终不分开,所以每一个步骤都可以视为对图片中的色块的处理,而不是视为对色块单独的处理。因此获得色度值后,该图片直接设为显示在系统界面的参考图片,而不用再根据色块编号查找图片。
示例九:
本示例提供的图片进行显示和操作,是被与处理器耦合的显示装置、命令输入装置实现。
显示装置所显示的内容中,至少具有检测界面j2,检测界面j2可以是在操作系统窗口j1中打开的桌面窗口,全屏窗口、缩小窗口均可。
检测界面j2与处理器进行耦合,用于在检测界面中进行操作,包括显示信息,以及在该检测界面中输入命令。
在检测界面中包括有两种查看模式:(i).快速查看模式,(ii).选择查看模式。
参考图4,其中快速查看模式是为了对每个包装的其中一张图片以略缩图的形式,显示在检测界面j2上进行浏览,这张略缩图就是例如在示例八中所述的进行运算平均色度值的图片,或者是进行运算平均色度值的色块所对应的图片。当包装一一从传送带c5上经过时,经色度运算后的包装袋图片就一一在检测界面的滚动区域j4上顺序显示,比如从检测界面中按从左至右相续顺序滚动,每张略缩图分别显示一定的时间进行一一展示;或者分批次排列,一次展示6张略缩图,这些图片矩阵排列于检测界面上。并将获得的色度值信息,或者结果信息填入每一个包装袋的图片的相邻区域j3,比如包装袋图片顶部、下部等,备注检测系统计算出的包装袋的标识物的色度信息,是否具有氧气,氧气浓度估计值等信息均可。图片和色度信息占据了检测界面的绝大部分区域,至少要超过60%以上显示区域,仅有一小部分区域用于显示必要的操作按钮(关闭/设置/属性/版本信息等操作按钮)。
参考图5,选择查看模式。将快速查看模式显示所有图片中的其中一张图片静态显示在检测界面中大图查看区域j6中,这张图片占据至少超过70%以上检测界面显示区域,相当于具体针对这一张图片进行大图查看。检测界面其余区域具有显示可操作图标区域,和该图片的包括色度信息的相关信息区域j5。有必要可以植入包装袋编号。选择查看模式用于在对某一个包装袋有必要具体查看时选用,例如对该包装袋的氧指示剂色度计算结果存疑,可以选中图片通过肉眼仔细查看。
操作调用:在快速查看模式下通过点选所有图片的其中一张图片,转换为选择查看模式,选择查看模式下显示的图片,为快速查看模式下点选的这一张图片。
在选择查看模式下,至少能调用图片饱和度调节功能和图片亮度调节功能。这样可以对图片以及图片中的标识物调节亮度与饱和度,使氧指示剂的色彩很直观地被操作人员被看到,调节亮度和饱和度,是为了操作人员可以在不同的亮度和饱和度下对比氧指示剂的色彩,以消除摄像头与摄像环境造成的色彩失真感。
第一种方式(命令输入装置采用触摸屏,并进行显示和输入命令时):
采用触摸屏进行显示和命令输入时,其中的手势输入调用具有沿第一方向d1对触摸屏定向触摸,调用图片饱和度调节功能和图片亮度调节功能之一的功能。第一方向d1对在检测界面内触摸屏定向触摸,可以设定为单手势于检测界面,从检测界面的下方向上方触摸,在触摸屏获得输入电容变化时,调用后台的显示亮度调节功能,并在调用的同时,设定为输入亮度调节,并在触摸在进行未间断过程中,以线性增加亮度,设图片本来的亮度为系统亮度,当触摸手势从下方向上方移动时,调出亮度调节功能,使图片亮度不断增加到最大100%。当然,第一方向包括在该方向上的往返方向,也就是指,在本示例中,当第一方向d1包括了从检测界面的下方向上方触摸时,也就包括从检测界面的上方向下方触摸,当从上方向下时,同样是调出后台的显示亮度调节功能,并在调用的同时,设定为输入亮度调节,并在触摸在进行未间断过程中,以线性降低亮度,设图片本来的亮度为系统亮度,当触摸手势从上方向下方移动时,调出亮度调节功能,使图片亮度不断降低到最小至系统亮度的50%。
当第一手势的定向触摸为调用亮度调节功能时,第二方向就排除亮度调节功能,为显示饱和度调节功能。
第二方向对触摸屏定向触摸,可以设定为单手势于检测界面,从显示界面的左侧方向右侧触摸,在触摸屏获得输入电容变化时,调用后台的显示饱和度调节功能,并在调用的同时,设定为输入亮度调节,并在触摸在进行未间断过程中,以线性增加饱和度,设图片本来的饱和度随系统,当触摸手势从左侧向右方移动时,调出饱和度调节功能,并使图片饱和度不断增加到最大100%。当然,第二方向包括在该方向上的往返方向,也就是指,在本示例中,当第二方向包括了从检测界面的左侧向右侧触摸时,也就包括从检测界面的右侧向左侧触摸,当从右侧向左侧触摸时,同样是调出后台的饱和度调节功能,并在调用的同时,设定为输入亮度调节,并在触摸在进行未间断过程中,以线性降低饱和度,设图片本来的饱和度随系统,当触摸手势从右侧向左移动时,使图片饱和度不断降低到图片为灰度模式(饱和度为0)。
第二种方式(命令输入装置是鼠标,进行输入命令时):
生产线上更多使用是带鼠标输入的台式电脑/笔记本电脑,基本不使用触屏输入设备(平板电脑),因此这第二种方式使用更便捷。第二种方式基本与第一种方式类似,所不同在于:第一种方式中,输入是操作手势的在触摸屏上的触摸输入,第二种方式是鼠标在检测界面中的滑过输入,这里指的滑过,是指不点击或不按动鼠标任意按键的情况下,进行的滑过。鼠标滑过轨迹一定处于图片显示区域以内的,才可以调用亮度/饱和度调节功能。
同样,鼠标输入也具有第一方向和第二方向,关于第一方向和第二方向的定义和用法参考第一种方式(触摸屏进行显示和输入时),在此不必重述。
需要说明的是,不管第一种方式还是第二种方式中,所述的第一方向不一定是从上至下,也可以是从左至右;当第一方向是从左至右手势时,第二方向就应该是从上至下的手势。
示例十
由于鼠标滑过和手势触摸的动作一至,这里只对触摸手势输入进行示例说明,但需要知道的是,本示例的触摸手势输入也适用于鼠标滑过输入。
第一方向d1为:触摸手势s1从一个方向相续经过像素行的过程,或者是像素列的过程。本示例触摸手势s1从一个方向相续经过像素行的过程为第一方向。显示器由若干像素行x1和像素列x2构成,像素行x1水平布置,逐行分布。这里所述的相续经过像素行x1的过程为,例如,从下方的第20行像素行,依次向上方的21行、22行、23行…滑过,被认定为具有一个方向滑过的条件,并不要求一定是在一个或限定的多个像素列的像素行中滑过,进一步解释为:当从下方的第20行像素行向上滑过时,若滑入的是第1列的第20行,第2列的21行,第4列的第22行,第5列的第23行…(这种情况下,手势基本不是垂直于像素行在滑过),仍然是认为具备第一方向的条件。
第二方向d2为触摸手势s1从一个方向相续经过像素列x2的过程;或者是像素列的过程。当本示例按触摸手势从一个方向相续经过像素行的过程为第一方向时,那么就应当以触摸手势从一个方向相续经过像素列的过程为第二方向。显示器的像素列垂直于像素行布置,为竖直方向分布。这里所述的相续经过像素列的过程为,例如,从左方的第30列像素,依次向右方的31列、32列、33列…滑过,被认定为具有一个方向滑过的条件,并不要求一定是在一个或限定的多个像素行内的像素列中滑过,进一步解释为:当从左侧的第300行像素向右滑过时,若滑入的是第10行的第30行,第11行的31列,第12行的第32列,第13行的第23列时…(这种情况下,手势基本不是垂直于像素列在滑过),仍然是认为具备第二方向的条件。
因此,在触摸手势s1从一个方向移动会同时相续经过像素行、像素列时,认定为同时满足于第一方向d1和第二方向d2,并同时调用图片饱和度调节功能和图片亮度调节功能。参考图6,例如:触摸手势s1从显示屏的左下角向右上角滑过的过程中,会同时相续经过像素行、像素列(40行55列、41行56列、42行57列、43行58列、44行59列…),这种情况下,被认定为同时调用图片饱和度调节功能和亮度调节功能。
另外,本示例和示例九中的第一方向,第二方向,一定是在检测界面中进行的第一方向和第二方向,尤其是主要在图片显示区域进行的,并且至少要排除关闭/设置/属性/版本信息等操作按钮的显示区域,以及界面边框的显示区域。当触摸手势或鼠标滑过,其中的一部分轨迹是处于检测界面中(另一部分轨迹只是在系统界面中),这部分处于检测界面中的触摸手势或鼠标滑过轨迹认为是第一方向和第二方向。
上述示例一至示例十,均不是单一的示例,在可能的组合下,可以组成新的示例,但组成的新的示例一定是不违背本发明的核心思想的。再者,若某些示例的组合,与本专利的发明内容冲突,形成矛盾,则不应将该示例进行简单的组合,则应该避免采用这种组合或者在组合后进行消除冲突和矛盾的调整。
上述方法,通过代码编程,设置为专用的计算机程序,并安装于计算机中运行。在运行中,上述手势动作(包括第一方向手势、第二方向手势、鼠标沿第一方向滑过、鼠标沿第二方向滑过)在操作过程中,均可以形成计算机系统可识别的指令或指令集。
另外,本发明的处理器可以执行一组或多组指令,其使得可以执行上述示例中的方法。指令集和指令等可以指在被处理器执行时使得处理器执行检测界面的一个或多个操作的指令。在客户端-服务器网络环境中以服务器或客户端机器的身份操作,或者在对等(或分布式) 网络环境中作为对等机器操作。处理器可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、web设备、服务器、网络路由器、交换机或网桥、或能够执行指定要由该处理器采取的动作的一组指令(顺序或其他)的任何个有处理器的计算设备。
因此,示例中的处理器安装在计算机中,计算机包括处理器、主存储器。
处理器为微处理器或中央处理单元等。更具体地,处理器可以是复杂指令集计算(CISC)微处理器、精简指令集计算(RISC)微处理器、超长指令字(VLIW)微处理器、或者实现其他指令集的处理设备或实现指令集的组合的处理器。
需要说明的上,本示例的不是限制于本发明仅有的实现方法,而是在示例本发明可以实现的众中方法中的一种或多种。
在不脱离发明核心思想上获得的其它技术方案,落入本发明保护范围。

Claims (10)

1.生产线检测方法,其步骤包括:对生产线上的物品获取到图片并进行图片处理,将处理后的图片进行显示和操作;其特征在于:
所述获取到图片并进行图片处理,具体为:在一个时间窗口内,针对同一个具有外部可见圆形标识物的物品,从至少两个不同角度获取若干张彩色图片;并通过计算机处理器对获取的图片按以下步骤顺序处理:
S1:按如下条件找出所有图片中的具有椭圆特征的色块:
(i).椭圆的长轴与标准预设直径大致相等;所述的大致相等具体为:椭圆长轴长度与预设长轴长度的差值在6%以内;
(ii).色块边缘至少具有70%椭圆边缘的特征;
S2:计算所有色块的面积值:
S21:当具有两个及以上色块时,即对每一个色块进行以下处理:
(S211).对色块进行二值化处理,并得到黑色像素区域封闭边缘;以及黑色像素区域面积值;
(S212).对比每一个黑色像素区域面积值;取包括具有最大面积值的色块在内的至少一个色块;
S22:当仅具有一个色块时,该一个色块认定为具有最大所述面积值;
S3:在步骤S2获得的色块中,找出椭圆度小的色块,椭圆长轴和短轴的长度差异小认定为椭圆度小;
S4:对步骤S3获得的色块进行色度运算,具体为:取黑色像素区域封闭边缘内的,以椭圆长轴为对称轴时具有对称像素点数量不为0的所有像素点,求这些所有像素点的色度的平均值;所述平均值认定为椭圆形标识物的色度;
所述的显示和操作,具体为:将物品图片及得到的色度,进行显示和查看操作。
2.如权利要求1所述的生产线检测方法,其特征在于,还包括以下步骤:
对获取到的每一张图片打上独立的第一标签,第一标签至少包括所属物品编号与图片编号,并在执行S1步骤时,对查找到的每一个具有椭圆特征的色块打上与第一标签对应的第二标签;通过上述第一标签和第二标签,用于将色块与所取出该色块的图片对应并记录,并将图片与获取图片的物品对应并记录。
3.如权利要求1所述的生产线检测方法,其特征在于,所述找出椭圆度小的色块,具体为:当仅有一个色块时,该一个色块认定为椭圆度小的色块。
4.如权利要求1所述的生产线检测方法,其特征在于,所述一个时间窗口内是指:在物品第一次出现在全部的图片获取装置的可见范围内开始,到物品离开任意一个图片获取装置的可见范围之内结束,从开始至结束之间的时间。
5.如权利要求1所述的生产线检测方法,其特征在于,所述的不同角度是指:图片获取装置获取到其中一张图片时,图片获取装置与物品的夹角和方位,与获取到其余图片时的夹角和方位不同;所述的夹角:物品中心所在位置与图片获取装置之间的虚拟连接线,与水平面之间构成的夹角;所述的方位是图片获取装置处于物品的方位。
6.如权利要求1所述的生产线检测方法,其特征在于,圆的定义被包含于椭圆的定义中,当找出的图片中的椭圆为圆时,以圆的任意直径为椭圆长轴,且椭圆短轴等于长轴。
7.如权利要求1所述的生产线检测方法,其特征在于,所述显示和查看操作,具体为:
所述显示和查看操作被与处理器耦合的显示装置、命令输入装置实现;
显示装置所显示的内容中,至少具有与处理器进行耦合的检测界面;在检测界面中包括有:
(i).快速查看模式:将获取到的物品的图片显示在检测界面上;所述的图片是将图片包含的标识物进行色度运算后并获得了标识物色度值的图片;
具有多个物品时,顺序显示多个物品的图片,并在每一个物品的图片的相邻区域备注标识物的色度信息;
多个物品的图片和每一个标识物的色度信息共同占据检测界面的超过60%以上显示区域;
(ii).选择查看模式;将快速查看模式显示所有图片中的其中一张图片静态显示在检测界面上,并占据至少超过70%以上检测界面区域;检测界面其余区域显示可操作图标,和该图片的标识物色度值的相关信息;
(iii).操作调用:在快速查看模式下,通过命令输入装置点选所有图片的其中一张图片,转换为选择查看模式;在选择查看模式下,至少能调用图片饱和度调节功能和图片亮度调节功能,对图片以及图片中的标识物调节亮度与饱和度使标识物的色彩直观被看到。
8.如权利要求7所述的生产线检测方法,其特征在于,在快速显示模式下,针对于不同的物品,均提供至少一张图片在显示区域分别显示一定的时间,显示方法为以下方法之一:
(i).从检测界面中按第一方向顺序滚动;
(ii).分批次排列并分布于检测界面。
9.如权利要求7所述的生产线检测方法,其特征在于,所述的调用图片饱和度调节功能和图片亮度调节功能,具体为:当命令输入装置为触摸屏时,触摸屏手势输入调用为:
沿第一方向在检测界面内定向触摸,调用图片饱和度调节功能和图片亮度调节功能之一的功能;沿第二方向在检测界面内定向触摸,调用图片饱和度调节功能和图片亮度调节功能中的排除被第一方向调用的功能的其余功能;
所述的第一方向包括在第一方向上的往返方向;所述的第二方向包括排除第一方向上的往返方向;
所述的往返方向为如下之一:
(i).从检测界面的上方向下方触摸,及下方向上方触摸;
(ii).从检测界面的右侧向左侧触摸,及左侧向右侧触摸;
所述的第一方向为:触摸手势在检测界面内从一个方向相续经过像素行、像素列之一的过程;所述的第二方向为触摸手势在检测界面内从一个方向相续经过除了被第一方向占用的像素行、像素列之一的另一过程;
在触摸手势从一个方向移动会同时相续经过像素行、像素列时,认定为同时满足于第一方向和第二方向,并同时调用图片饱和度调节功能和图片亮度调节功能。
10.如权利要求7所述的生产线检测方法,其特征在于,所述的调用图片饱和度调节功能和图片亮度调节功能,具体为:当命令输入装置为鼠标输入时,鼠标输入调用为:
鼠标沿第一方向在检测界面内定向滑过,调用图片饱和度调节功能和图片亮度调节功能之一的功能;沿第二方向在检测界面内定向滑过,调用图片饱和度调节功能和图片亮度调节功能中的排除被第一方向调用的功能的其余功能;
所述的第一方向包括在第一方向上的往返方向;所述的第二方向包括排除第一方向上的往返方向;
所述的往返方向为如下之一:
(i).从检测界面的上方向下方滑过,及下方向上方滑过;
(ii).从检测界面的右侧向左侧滑过,及左侧向右侧滑过;
所述的第一方向为:鼠标从一个方向相续经过像素行、像素列之一的过程;所述的第二方向为鼠标从一个方向相续经过除了被第一方向占用的像素行、像素列之一的另一过程;
在鼠标从一个方向移动会同时相续经过像素行、像素列时,认定为同时满足于第一方向和第二方向,并同时调用图片饱和度调节功能和图片亮度调节功能。
CN202111098675.0A 2021-09-18 2021-09-18 生产线检测方法 Active CN113554648B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111098675.0A CN113554648B (zh) 2021-09-18 2021-09-18 生产线检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111098675.0A CN113554648B (zh) 2021-09-18 2021-09-18 生产线检测方法

Publications (2)

Publication Number Publication Date
CN113554648A CN113554648A (zh) 2021-10-26
CN113554648B true CN113554648B (zh) 2021-11-30

Family

ID=78106421

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111098675.0A Active CN113554648B (zh) 2021-09-18 2021-09-18 生产线检测方法

Country Status (1)

Country Link
CN (1) CN113554648B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103837135A (zh) * 2012-11-27 2014-06-04 国际商业机器公司 工件检测方法及其系统
CN109509185A (zh) * 2018-11-08 2019-03-22 上海金啤包装检测科技有限公司 瓶盖的检测方法及设备、生产线、计算机设备、存储介质
CN110316612A (zh) * 2018-11-20 2019-10-11 海南中坚实业有限公司 一种提高效率的电线自动化生产流水线工艺
CN110807807A (zh) * 2018-08-01 2020-02-18 深圳市优必选科技有限公司 一种单目视觉的目标定位的图案、方法、装置及设备

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4599110B2 (ja) * 2004-07-30 2010-12-15 キヤノン株式会社 画像処理装置及びその方法、撮像装置、プログラム
JP4513887B2 (ja) * 2008-03-31 2010-07-28 ブラザー工業株式会社 画像生成装置および印刷装置
CN101281597B (zh) * 2008-04-25 2011-06-22 北京工业大学 一种产品包装图形标识信息在线实时采集识别装置及方法
CN101858734B (zh) * 2010-05-19 2011-06-29 山东明佳包装检测科技有限公司 一种检测pet瓶口质量的方法
CN102183224B (zh) * 2011-03-15 2013-03-13 西安理工大学 一种基于机器视觉的测控条网点检测方法
CN102831420B (zh) * 2012-08-17 2015-04-01 银江股份有限公司 基于颜色信息和随机圆检测的圆形交通标志定位方法
CN103632366B (zh) * 2013-11-26 2016-04-20 清华大学 一种椭圆目标的参数识别方法
CN104483321B (zh) * 2014-10-31 2017-07-28 苏州捷碧医疗科技有限公司 一种基于机器视觉的注射针管自动检测系统和检测方法
CN104700417A (zh) * 2015-01-19 2015-06-10 湖南大学 木材节子瑕疵的计算机图像自动识别方法
CN104700420B (zh) * 2015-03-26 2019-02-15 爱威科技股份有限公司 基于Hough变换的椭圆检测方法、系统和虫卵识别方法
CN105513086B (zh) * 2016-01-26 2019-02-19 上海葡萄纬度科技有限公司 一种教育玩具套件及其基于形状匹配的魔方检测定位方法
CN105868766A (zh) * 2016-03-28 2016-08-17 浙江工业大学 喷涂流水线工件自动检测与识别方法
CN106503704B (zh) * 2016-10-21 2018-03-23 河南大学 一种自然场景中圆形交通标志定位方法
CN109543687A (zh) * 2018-11-13 2019-03-29 南京赤狐智能科技有限公司 一种流水线快餐盒自动识别方法
CN109859192A (zh) * 2019-02-01 2019-06-07 东莞中科蓝海智能视觉科技有限公司 圆形高反光工件的检测识别方法
CN110378900B (zh) * 2019-08-01 2020-08-07 北京迈格威科技有限公司 产品缺陷的检测方法、装置及系统
CN111612765B (zh) * 2020-05-21 2023-06-16 华南师范大学 一种圆形透明镜片识别和定位的方法
CN111833350B (zh) * 2020-08-26 2023-06-06 南京原觉信息科技有限公司 机器视觉检测方法与系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103837135A (zh) * 2012-11-27 2014-06-04 国际商业机器公司 工件检测方法及其系统
CN110807807A (zh) * 2018-08-01 2020-02-18 深圳市优必选科技有限公司 一种单目视觉的目标定位的图案、方法、装置及设备
CN109509185A (zh) * 2018-11-08 2019-03-22 上海金啤包装检测科技有限公司 瓶盖的检测方法及设备、生产线、计算机设备、存储介质
CN110316612A (zh) * 2018-11-20 2019-10-11 海南中坚实业有限公司 一种提高效率的电线自动化生产流水线工艺

Also Published As

Publication number Publication date
CN113554648A (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
US11120254B2 (en) Methods and apparatuses for determining hand three-dimensional data
CN106485275B (zh) 一种实现盖板玻璃与液晶屏定位贴合的方法
US10719937B2 (en) Automated detection and trimming of an ambiguous contour of a document in an image
US10083522B2 (en) Image based measurement system
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
US8401274B2 (en) Image processing apparatus and method
EP3201882A1 (en) System and method of 3d modeling and virtual fitting of 3d objects
US8867784B2 (en) Apparatus and method for detecting a vertex of an image
US10942567B2 (en) Gaze point compensation method and apparatus in display device, and display device
CN103955316B (zh) 一种指尖触碰检测系统及方法
CN111027554B (zh) 商品价签文字精确检测定位系统及定位方法
CN103279225A (zh) 投影式人机交互系统及触控识别方法
US20140003665A1 (en) Nail Region Detection Method, Program, Storage Medium, and Nail Region Detection Device
TW201305856A (zh) 投影系統與其影像處理方法
CN113554648B (zh) 生产线检测方法
CN112433641B (zh) 一种多rgbd深度传感器的自动校准桌面道具互动系统的实现方法
CN112101060B (zh) 基于平移不变性和小区域模板匹配的二维码定位方法
Brink et al. Indexing Uncoded Stripe Patterns in Structured Light Systems by Maximum Spanning Trees.
CN110866917A (zh) 一种基于机器视觉的药片类型及排列方式识别方法
CN115457055A (zh) 照度计数值识别方法、电子设备及存储介质
JP6890849B2 (ja) 情報処理システム
CN113516621A (zh) 液体检测方法、装置、设备和存储介质
Xu et al. An accurate handheld device to measure log diameter and volume using machine vision technique
US11817207B1 (en) Medication inventory system including image based boundary determination for generating a medication tray stocking list and related methods
CN109597905A (zh) 一种应用于艺术作品的数据获取系统及方法

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