CN115303598B - 一种智能化贴标系统及其工作方法 - Google Patents

一种智能化贴标系统及其工作方法 Download PDF

Info

Publication number
CN115303598B
CN115303598B CN202211109309.5A CN202211109309A CN115303598B CN 115303598 B CN115303598 B CN 115303598B CN 202211109309 A CN202211109309 A CN 202211109309A CN 115303598 B CN115303598 B CN 115303598B
Authority
CN
China
Prior art keywords
image
graph
coordinates
labeling
determining
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
CN202211109309.5A
Other languages
English (en)
Other versions
CN115303598A (zh
Inventor
潘宏权
蓝明
宋新杰
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.)
Shenzhen Lihexing Co ltd
Original Assignee
Shenzhen Lihexing 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 Shenzhen Lihexing Co ltd filed Critical Shenzhen Lihexing Co ltd
Priority to CN202211109309.5A priority Critical patent/CN115303598B/zh
Publication of CN115303598A publication Critical patent/CN115303598A/zh
Application granted granted Critical
Publication of CN115303598B publication Critical patent/CN115303598B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65C—LABELLING OR TAGGING MACHINES, APPARATUS, OR PROCESSES
    • B65C9/00—Details of labelling machines or apparatus
    • B65C9/40—Controls; Safety devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65C—LABELLING OR TAGGING MACHINES, APPARATUS, OR PROCESSES
    • B65C9/00—Details of labelling machines or apparatus
    • B65C9/26—Devices for applying labels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种智能化贴标系统及其工作方法，系统包括：图像采集单元、图像处理单元、标签定位单元、贴标机构控制端和贴标机构；所述图像采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；所述图像处理单元对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；所述标签定位单元根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。根据每个待贴标签的产品的外包装的第一图形的具体位置来计算确定标签的位置，保证标签上的图形与第一图形可以匹配成为完整的图形。

Description

一种智能化贴标系统及其工作方法
技术领域
本发明涉及贴标系统技术领域，具体涉及一种智能化贴标系统及其工作方法。
背景技术
随着经济的发展，人们生活水平的提高，每一种流通的商品都需要注明生产日期保质期等相关信息，包装是信息的载体，对商品贴标是实现的途径。贴标机就是在包装件或产品上加上标签的机器，不仅有美观的作用，更重要的是可以实现对产品销售的追踪与管理，特别在医药、食品等行业，如出现异常可准确及时的启动产品召回机制。
有些标签除了标识产品信息外，其上设置有图形，该图形与产品包装图形通过匹配可以形成完整图形，而针对该类产品在贴标签的过程中，需要进行精确定位，并且，在贴标过程中，可能存在每个产品的外包装中图形位置有差异，这就导致，若不对标签位置进行精确定位，则会导致贴出的标签与产品包装上的外形并不能完全对应形成完整图像或图案。
发明内容
本发明提供一种智能化贴标系统及其工作方法，以解决现有技术中存在的上述问题。
本发明提供一种智能化贴标系统，包括：图像采集单元、图像处理单元、标签定位单元、贴标机构控制端和贴标机构；
所述图像采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
所述图像处理单元对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
所述标签定位单元根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
优选的，所述标签定位单元包括图形匹配模型，所述图形匹配模型用于将待贴标签产品上的第一图形与标签上的第二图形进行匹配；基于图形匹配模型，通过输入第一图形特征和第一图形轮廓坐标，确定输出标签所在的第二图形轮廓坐标，基于第二图形轮廓坐标确定图像中标签所在位置，基于图像中标签所在位置映射出贴标机构中标签所在位置坐标；所述标签所在位置坐标为贴标机构中记录的标签相对于贴标底座的位置坐标，基于该位置坐标确定贴标机构的移动路径；
所述第一图形与第二图形构成完整图形。
优选的，所述图形匹配模型包括：
图形特征点搜索单元，在第一位置图像中搜索所有与图像匹配的特征点；
特征点定位单元，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；
第一图形位置坐标确定单元，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；
第二图形位置坐标计算单元，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。
优选的，所述图形特征点搜索单元包括：
距离确定子单元，确定初始特征点与最佳匹配特征点的距离；
距离判断子单元，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
优选的，所述图形匹配模型还包括掩模处理单元，基于掩模处理单元实现第一位置图像的前景与背景分离。
所述掩模处理单元包括：
转换子单元，将第一位置图像从RGB转换至Lab颜色空间，并按照设置值划分为若干个小块，提取各个像素点的纹理特征和颜色特征；
设定子单元，将纹理特征和颜色特征设定为第一位置图像的像素特征；
合并子单元，确定生长区域，并判断所有像素点已经处理，若是，进行区域合并，确定前景的最大外接矩阵，得到掩模图像进行形态学处理；
噪声区域去除子单元，设置面积阈值去除部分噪声区域。
本发明提供一种智能化贴标系统的工作方法，包括：
S100，采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
S200，对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
S300，根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
优选的，所述S300包括：构建图形匹配模型；
所述图形匹配模型用于将待贴标签产品上的第一图形与标签上的第二图形进行匹配；基于图形匹配模型，通过输入第一图形特征和第一图形轮廓坐标，确定输出标签所在的第二图形轮廓坐标，基于第二图形轮廓坐标确定图像中标签所在位置，基于图像中标签所在位置映射出贴标机构中标签所在位置坐标；所述标签所在位置坐标为贴标机构中记录的标签相对于贴标底座的位置坐标，基于该位置坐标确定贴标机构的移动路径；
所述第一图形与第二图形构成完整图形。
优选的，所述构建图形匹配模型包括：
S301，在第一位置图像中搜索所有与图像匹配的特征点；
S302，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；
S303，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；
S304，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。
优选的，所述S301包括：
S3011，确定初始特征点与最佳匹配特征点的距离；
S3012，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
优选的，所述构建图形匹配模型包括：
S305，将第一位置图像从RGB转换至Lab颜色空间，并按照设置值划分为若干个小块，提取各个像素点的纹理特征和颜色特征；
S306，将纹理特征和颜色特征设定为第一位置图像的像素特征；
S307，确定生长区域，并判断所有像素点已经处理，若是，进行区域合并，确定前景的最大外接矩阵，得到掩模图像进行形态学处理；
S308，设置面积阈值去除部分噪声区域；
S309，基于形态学处理自动识别前景和背景。
与现有技术相比，本发明具有以下优点：
本发明提供一种智能化贴标系统及其工作方法，包括：图像采集单元、图像处理单元、标签定位单元、贴标机构控制端和贴标机构；所述图像采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；所述图像处理单元对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；所述标签定位单元根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。根据第一位置图像提取第一图形的位置，根据第一图形的位置进一步通过标签定位单元确定标签的位置坐标，进而控制贴标机构移动至相应的位置进行贴标操作。本方案可以根据每个待贴标签的产品的外包装的第一图形的具体位置来计算确定标签的位置，保证标签上的图形与第一图形可以匹配成为完整的图形，实现对标签的精确定位。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种智能化贴标系统的结构示意图；
图2为本发明实施例中一种智能化贴标系统的工作方法的流程图；
图3为本发明实施例中构建图形匹配模型的方法流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种智能化贴标系统，请参照图1，该系统包括以下几个部分：
图像采集单元、图像处理单元、标签定位单元、贴标机构控制端和贴标机构；
所述图像采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
所述图像处理单元对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
所述标签定位单元根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
上述技术方案的工作原理为：本实施例采用的方案是包括：图像采集单元、图像处理单元、标签定位单元、贴标机构控制端和贴标机构；
所述图像采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
所述图像处理单元对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
所述标签定位单元根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
上述技术方案的有益效果为：采用本实施例提供的方案包括：图像采集单元、图像处理单元、标签定位单元、贴标机构控制端和贴标机构；
所述图像采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
所述图像处理单元对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
所述标签定位单元根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
有些标签除了标识产品信息外，其上设置有图形，该图形与产品包装图形通过匹配可以形成完整图形，而针对该类产品在贴标签的过程中，需要进行精确定位，并且，在贴标过程中，可能存在每个产品的外包装中图形位置有差异，这就导致，若不对标签位置进行精确定位，则会导致贴出的标签与产品包装上的外形并不能完全对应形成完整图像或图案。因此，本实施例根据第一位置图像提取第一图形的位置，根据第一图形的位置进一步通过标签定位单元确定标签的位置坐标，进而控制贴标机构移动至相应的位置进行贴标操作。本方案可以根据每个待贴标签的产品的外包装的第一图形的具体位置来计算确定标签的位置，保证标签上的图形与第一图形可以匹配成为完整的图形，实现对标签的精确定位。
在另一实施例中，所述标签定位单元包括图形匹配模型，所述图形匹配模型用于将待贴标签产品上的第一图形与标签上的第二图形进行匹配；基于图形匹配模型，通过输入第一图形特征和第一图形轮廓坐标，确定输出标签所在的第二图形轮廓坐标，基于第二图形轮廓坐标确定图像中标签所在位置，基于图像中标签所在位置映射出贴标机构中标签所在位置坐标；所述标签所在位置坐标为贴标机构中记录的标签相对于贴标底座的位置坐标，基于该位置坐标确定贴标机构的移动路径；
所述第一图形与第二图形构成完整图形。
上述技术方案的工作原理为：本实施例采用的方案是所述标签定位单元包括图形匹配模型，所述图形匹配模型用于将待贴标签产品上的第一图形与标签上的第二图形进行匹配；基于图形匹配模型，通过输入第一图形特征和第一图形轮廓坐标，确定输出标签所在的第二图形轮廓坐标，基于第二图形轮廓坐标确定图像中标签所在位置，基于图像中标签所在位置映射出贴标机构中标签所在位置坐标；所述标签所在位置坐标为贴标机构中记录的标签相对于贴标底座的位置坐标，基于该位置坐标确定贴标机构的移动路径；
所述第一图形与第二图形构成完整图形。
上述技术方案的有益效果为：采用本实施例提供的方案通过模型匹配的方式，基于第一图形的位置坐标确定待贴标签相对于第一图形的位置，以保证标签贴于包装或产品上后，标签的第二图形与第一图形能够匹配成一个完整的图形，在匹配模型中记录有完整图形的图案，以及图案各个像素点的相对位置坐标，基于匹配模型中记录的信息，可以基于第一图形的特征以及位置坐标得到待贴标签应该粘贴的位置。本实施例完全适合于第一图形在待贴标签产品上的位置不同或由于加工问题位置略有偏移的情况。
在另一实施例中，所述图形匹配模型包括：
图形特征点搜索单元，在第一位置图像中搜索所有与图像匹配的特征点；
特征点定位单元，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；
第一图形位置坐标确定单元，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；
第二图形位置坐标计算单元，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。
上述技术方案的工作原理为：本实施例采用的方案是所述图形匹配模型包括：图形特征点搜索单元，在第一位置图像中搜索所有与图像匹配的特征点；特征点定位单元，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；第一图形位置坐标确定单元，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；第二图形位置坐标计算单元，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。
上述技术方案的有益效果为：采用本实施例提供的方案所述图形匹配模型包括：图形特征点搜索单元，在第一位置图像中搜索所有与图像匹配的特征点；特征点定位单元，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；第一图形位置坐标确定单元，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；第二图形位置坐标计算单元，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。本实施例中轮廓坐标可以是相对坐标，即每个像素点的相对坐标，该相对坐标可以以一个固定的点作为参照点，也可以以相邻像素点作为参照点，即多参照点的情况。
在另一实施例中，所述图形特征点搜索单元包括：
距离确定子单元，确定初始特征点与最佳匹配特征点的距离；
距离判断子单元，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
上述技术方案的工作原理为：本实施例采用的方案是所述图形特征点搜索单元包括：
距离确定子单元，确定初始特征点与最佳匹配特征点的距离；
距离判断子单元，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
上述技术方案的有益效果为：采用本实施例提供的方案所述图形特征点搜索单元包括：距离确定子单元，确定初始特征点与最佳匹配特征点的距离；距离判断子单元，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
通过根据特征点的距离判断是否要进行层次分布设置，保证层次由低到高，逐层进行特征点的搜索匹配，保证特征提取的准确性，进一步，保证第一图形和第二图形匹配完整的精确度，提高贴标质量。
在另一实施例中，所述图形匹配模型还包括掩模处理单元，基于掩模处理单元实现第一位置图像的前景与背景分离。
所述掩模处理单元包括：
转换子单元，将第一位置图像从RGB转换至Lab颜色空间，并按照设置值划分为若干个小块，提取各个像素点的纹理特征和颜色特征；
设定子单元，将纹理特征和颜色特征设定为第一位置图像的像素特征；
合并子单元，确定生长区域，并判断所有像素点已经处理，若是，进行区域合并，确定前景的最大外接矩阵，得到掩模图像进行形态学处理；
噪声区域去除子单元，设置面积阈值去除部分噪声区域。
上述技术方案的工作原理为：本实施例采用的方案是所述图形匹配模型还包括掩模处理单元，基于掩模处理单元实现第一位置图像的前景与背景分离。
所述掩模处理单元包括：转换子单元，将第一位置图像从RGB转换至Lab颜色空间，并按照设置值划分为若干个小块，提取各个像素点的纹理特征和颜色特征；设定子单元，将纹理特征和颜色特征设定为第一位置图像的像素特征；合并子单元，确定生长区域，并判断所有像素点已经处理，若是，进行区域合并，确定前景的最大外接矩阵，得到掩模图像进行形态学处理；噪声区域去除子单元，设置面积阈值去除部分噪声区域。
其中，按照设置值划分为若干个小块时采用聚类分割的方式进行划分，通过下述公式确定聚类中心，基于聚类中心进行划分：
其中，vk表示第k个聚类中心，k表示聚类中心的数目，i表示第i个像素，vki表示第i个像素对应聚类中心，n表示像素簇中的总像素数目，p表示像素点向量，xp表示第i个像素区域Ri内的像素，Ri表示第i个像素区域，Si表示第i个像素区域Ri内的像素数目，m表示权重值。
基于上述公式的聚类中心公式更新聚类中心。
上述技术方案的有益效果为：采用本实施例提供的方案所述图形匹配模型还包括掩模处理单元，基于掩模处理单元实现第一位置图像的前景与背景分离。且本实施例提供的方案在进行前景与背景分离时，避免由于特征点距离太大，导致特征点搜索匹配的精度以及效率降低，通过设置距离阈值，可以保证局部特征点搜索匹配的精度。
在另一实施例中，还提供一种智能化贴标系统的工作方法，请参照图2，该方法包括：
S100，采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
S200，对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
S300，根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
上述技术方案的工作原理为：本实施例采用的方案是采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
上述技术方案的有益效果为：采用本实施例提供的方案采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；根据图像特征以及图像轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作。
在另一实施例中，所述S300包括：构建图形匹配模型；
所述图形匹配模型用于将待贴标签产品上的第一图形与标签上的第二图形进行匹配；基于图形匹配模型，通过输入第一图形特征和第一图形轮廓坐标，确定输出标签所在的第二图形轮廓坐标，基于第二图形轮廓坐标确定图像中标签所在位置，基于图像中标签所在位置映射出贴标机构中标签所在位置坐标；所述标签所在位置坐标为贴标机构中记录的标签相对于贴标底座的位置坐标，基于该位置坐标确定贴标机构的移动路径；
所述第一图形与第二图形构成完整图形。
在另一实施例中，请参照图3，所述构建图形匹配模型的方法包括：
S301，在第一位置图像中搜索所有与图像匹配的特征点；
S302，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；
S303，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；
S304，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。
在另一实施例中，所述S301包括：
S3011，确定初始特征点与最佳匹配特征点的距离；
S3012，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
在另一实施例中，所述构建图形匹配模型包括：
S305，将第一位置图像从RGB转换至Lab颜色空间，并按照设置值划分为若干个小块，提取各个像素点的纹理特征和颜色特征；
S306，将纹理特征和颜色特征设定为第一位置图像的像素特征；
S307，确定生长区域，并判断所有像素点已经处理，若是，进行区域合并，确定前景的最大外接矩阵，得到掩模图像进行形态学处理；
S308，设置面积阈值去除部分噪声区域；
S309，基于形态学处理自动识别前景和背景。
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 (8)

1.一种智能化贴标系统，其特征在于，包括：图像采集单元、图像处理单元、标签定位单元、贴标机构控制端和贴标机构；
所述图像采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
所述图像处理单元对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
所述标签定位单元根据第一图形特征以及第一图形轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作；
所述标签定位单元包括图形匹配模型，所述图形匹配模型用于将待贴标签产品上的第一图形与标签上的第二图形进行匹配；基于图形匹配模型，通过输入第一图形特征和第一图形轮廓坐标，确定输出标签所在的第二图形轮廓坐标，基于第二图形轮廓坐标确定图像中标签所在位置，基于图像中标签所在位置映射出贴标机构中标签所在位置坐标；所述标签所在位置坐标为贴标机构中记录的标签相对于贴标底座的位置坐标，基于该位置坐标确定贴标机构的移动路径；
所述第一图形与第二图形构成完整图形。
2.根据权利要求1所述的一种智能化贴标系统，其特征在于，
所述图形匹配模型包括：
图形特征点搜索单元，在第一位置图像中搜索所有与图像匹配的特征点；
特征点定位单元，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；
第一图形位置坐标确定单元，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；
第二图形位置坐标计算单元，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。
3.根据权利要求2所述的一种智能化贴标系统，其特征在于，
所述图形特征点搜索单元包括：
距离确定子单元，确定初始特征点与最佳匹配特征点的距离；
距离判断子单元，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
4.根据权利要求1所述的一种智能化贴标系统，其特征在于，
所述图形匹配模型还包括掩模处理单元，基于掩模处理单元实现第一位置图像的前景与背景分离；
所述掩模处理单元包括：
转换子单元，将第一位置图像从RGB转换至Lab颜色空间，并按照设置值划分为若干个小块，提取各个像素点的纹理特征和颜色特征；
设定子单元，将纹理特征和颜色特征设定为第一位置图像的像素特征；
合并子单元，确定生长区域，并判断所有像素点已经处理，若是，进行区域合并，确定前景的最大外接矩阵，得到掩模图像进行形态学处理；
噪声区域去除子单元，设置面积阈值去除部分噪声区域。
5.一种智能化贴标系统的工作方法，其特征在于，包括：
S100，采集单元采集待贴标产品的第一位置图像；所述第一位置图像包括覆盖待贴标位置的图像；
S200，对采集的第一位置图像进行图像处理，提取第一图形特征以及第一图形轮廓坐标；
S300，根据第一图形特征以及第一图形轮廓坐标确定标签所在位置坐标，将所述标签所在位置坐标发送至贴标机构控制端，贴标机构控制端控制所述贴标机构移动至相应标签所在位置坐标进行贴标操作；
所述S300包括：构建图形匹配模型；
所述图形匹配模型用于将待贴标签产品上的第一图形与标签上的第二图形进行匹配；基于图形匹配模型，通过输入第一图形特征和第一图形轮廓坐标，确定输出标签所在的第二图形轮廓坐标，基于第二图形轮廓坐标确定图像中标签所在位置，基于图像中标签所在位置映射出贴标机构中标签所在位置坐标；所述标签所在位置坐标为贴标机构中记录的标签相对于贴标底座的位置坐标，基于该位置坐标确定贴标机构的移动路径；
所述第一图形与第二图形构成完整图形。
6.根据权利要求5所述的一种智能化贴标系统的工作方法，其特征在于，
所述构建图形匹配模型的方法包括：
S301，在第一位置图像中搜索所有与图像匹配的特征点；
S302，针对每个特征点进行位置坐标定位，标定每个特征点的位置坐标；
S303，基于所有特征点的位置坐标，确定第一图形的轮廓，标定第一图形轮廓坐标；
S304，基于第一图形轮廓坐标以及完整图形轮廓，计算第二图形轮廓坐标。
7.根据权利要求6所述的一种智能化贴标系统的工作方法，其特征在于，
所述S301包括：
S3011，确定初始特征点与最佳匹配特征点的距离；
S3012，判断该距离是否大于设定阈值，若是，依次降低第一位置图像的解析度，形成层次分布模型，基于层次分布模型，在每个解析度层建立特征点局部灰度模型，按照解析度由低到高的顺序，依次基于相应的局部灰度模型确定每个解析度层进行特征点搜索匹配，从第一位置图像中获得第一图形的所有特征点。
8.根据权利要求5所述的一种智能化贴标系统的工作方法，其特征在于，所述构建图形匹配模型包括：
S305，将第一位置图像从RGB转换至Lab颜色空间，并按照设置值划分为若干个小块，提取各个像素点的纹理特征和颜色特征；
S306，将纹理特征和颜色特征设定为第一位置图像的像素特征；
S307，确定生长区域，并判断所有像素点已经处理，若是，进行区域合并，确定前景的最大外接矩阵，得到掩模图像进行形态学处理；
S308，设置面积阈值去除部分噪声区域；
S309，基于形态学处理自动识别前景和背景。
CN202211109309.5A 2022-09-13 2022-09-13 一种智能化贴标系统及其工作方法 Active CN115303598B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211109309.5A CN115303598B (zh) 2022-09-13 2022-09-13 一种智能化贴标系统及其工作方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211109309.5A CN115303598B (zh) 2022-09-13 2022-09-13 一种智能化贴标系统及其工作方法

Publications (2)

Publication Number Publication Date
CN115303598A CN115303598A (zh) 2022-11-08
CN115303598B true CN115303598B (zh) 2023-08-01

Family

ID=83867501

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211109309.5A Active CN115303598B (zh) 2022-09-13 2022-09-13 一种智能化贴标系统及其工作方法

Country Status (1)

Country Link
CN (1) CN115303598B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115860278B (zh) * 2023-02-27 2023-04-28 深圳市利和兴股份有限公司 一种基于数据分析的电机组装生产管理方法及系统
CN115965900B (zh) * 2023-03-09 2023-06-09 杭州也得智能有限公司 一种快件识别搜寻系统及方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4004364B2 (ja) * 2002-09-20 2007-11-07 株式会社イシダ ラベル貼付装置および商品へのラベル貼付方法
JP5886102B2 (ja) * 2012-03-27 2016-03-16 株式会社フジシールインターナショナル ラベル装着装置
CN205221306U (zh) * 2015-12-18 2016-05-11 惠州Tcl移动通信有限公司 基于视觉定位的标签贴合设备
CN109018591A (zh) * 2018-08-09 2018-12-18 沈阳建筑大学 一种基于计算机视觉的自动贴标定位方法
CN114425776A (zh) * 2020-10-29 2022-05-03 江西科技学院 基于计算机视觉的自动贴标定位与纠偏方法
CN112224590B (zh) * 2020-12-10 2021-03-19 江苏金恒信息科技股份有限公司 一种基于三维点云的钢坯贴标方法及系统
CN113044349B (zh) * 2021-03-25 2022-07-05 佛山隆深机器人有限公司 一种基于机器臂的产品贴标控制方法及装置
CN114572505A (zh) * 2022-04-15 2022-06-03 广州标控科技有限公司 一种图书贴标位置获取方法、自适应贴标方法及系统

Also Published As

Publication number Publication date
CN115303598A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN115303598B (zh) 一种智能化贴标系统及其工作方法
CN108765371B (zh) 一种病理切片中非常规细胞的分割方法
CN111275082A (zh) 一种基于改进端到端神经网络的室内物体目标检测方法
CN106326858A (zh) 一种基于深度学习的公路交通标志自动识别与管理系统
CN112085024A (zh) 一种罐表面字符识别方法
CN110032952B (zh) 一种基于深度学习的道路边界点检测方法
JPH08185521A (ja) 移動体カウント装置
CN111461133B (zh) 快递面单品名识别方法、装置、设备及存储介质
CN110766690B (zh) 基于深度学习点监督思想的麦穗检测和计数方法
CN109145964B (zh) 一种实现图像颜色聚类的方法和系统
CN112396655B (zh) 一种基于点云数据的船舶目标6d位姿估计方法
CN113034511A (zh) 基于高分辨率遥感影像与深度学习的乡村建筑识别算法
CN117292193B (zh) 多工位智能物流输送系统
CN116993985A (zh) 一种基于CLIP实现Zero-Shot自动分割安全带的方法
CN110633635A (zh) 一种基于roi的交通标志牌实时检测方法及系统
CN117830873B (zh) 一种城乡规划图像的数据处理方法
CN116758545A (zh) 一种基于深度学习的纸质医药包装钢印字符识别方法
CN112884741B (zh) 一种基于图像相似性对比的印刷表观缺陷检测方法
CN110689553B (zh) 一种rgb-d图像的自动分割方法
CN114155453B (zh) 冰柜商品图像识别训练方法、识别方法及占有率计算方法
CN114155374B (zh) 冰激凌图像训练方法、检测方法及处理设备
CN110378307A (zh) 基于深度学习的纹理图像方向场估计方法
CN114724089A (zh) 一种基于互联网的智慧城市监测方法
CN110751153B (zh) 一种室内场景rgb-d图像的语义标注方法
CN113807173A (zh) 一种车道线数据集的构建标注方法及应用系统

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