CN115371916A - 包装密封性识别系统、方法、装置和存储介质 - Google Patents
包装密封性识别系统、方法、装置和存储介质 Download PDFInfo
- Publication number
- CN115371916A CN115371916A CN202210940944.1A CN202210940944A CN115371916A CN 115371916 A CN115371916 A CN 115371916A CN 202210940944 A CN202210940944 A CN 202210940944A CN 115371916 A CN115371916 A CN 115371916A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- sample
- package
- data
- mosaic
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000007789 sealing Methods 0.000 title claims description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 212
- 230000003595 spectral effect Effects 0.000 claims abstract description 63
- 238000012856 packing Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 39
- 238000004806 packaging method and process Methods 0.000 claims abstract description 34
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000012795 verification Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 239000007788 liquid Substances 0.000 description 24
- 239000000047 product Substances 0.000 description 14
- 230000002950 deficient Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000002189 fluorescence spectrum Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 235000015203 fruit juice Nutrition 0.000 description 2
- 239000012263 liquid product Substances 0.000 description 2
- 235000013336 milk Nutrition 0.000 description 2
- 239000008267 milk Substances 0.000 description 2
- 210000004080 milk Anatomy 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- CDBYLPFSWZWCQE-UHFFFAOYSA-L Sodium Carbonate Chemical compound [Na+].[Na+].[O-]C([O-])=O CDBYLPFSWZWCQE-UHFFFAOYSA-L 0.000 description 1
- 238000005429 filling process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 235000014101 wine Nutrition 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/38—Investigating fluid-tightness of structures by using light
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种包装密封性识别系统、方法、装置和存储介质，涉及仪器仪表技术领域，所述方法包括：通过马赛克光谱相机采集传送带上传送的白板的白板光谱数据；对于样本包装盒集中的各个样本包装盒，通过马赛克光谱相机采集传送带上传送的样本包装盒的样本光谱数据；通过马赛克光谱相机采集黑帧光谱数据；根据白板光谱数据和黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正；根据黑白校正后的各个样本光谱数据训练包装识别模型，训练后的包装识别模型用于识别目标包装盒的密封性。解决了现有技术中可能会造成资源浪费或者对成品外观造成影响的问题。
Description
技术领域
本发明涉及一种包装密封性识别系统、方法、装置和存储介质，属于仪器仪表技术领域。
背景技术
目前，很多行业中的液体产品会采用纸质包装盒进行包装，比如，牛奶和果汁可以通过纸质包装盒独立包装。
然而实际实现时，包装盒可能会由于胶合不合格而导致漏液。现有方案中，为检测是否发生漏液，在液体封装完毕之后，对装有液体的包装盒加压，并采集荧光光谱，根据液体和包装盒的荧光光谱不同来检测是否有泄露的液体，也即在采集的荧光光谱中存在液体对应的光谱时，则确定发生漏液。
显而易见的是，上述方案中检测的对象是封装液体后的产品，也即在检测结果为存在泄露时，包装盒内的液体产品将直接浪费，存在资源浪费的问题。并且，在上述检测中需要进行加压，加压无疑会对包装盒造成损坏，影响出厂产品的外观。。
发明内容
本发明的目的在于提供一种包装密封性识别系统、方法、装置和存储介质，用于解决现有技术中存在的问题。
为达到上述目的，本发明提供如下技术方案：
根据第一方面，本发明实施例提供了一种包装密封性识别系统，所述识别系统包括：光源、马赛克光谱相机、传送带、支架和控制系统；
所述光源和所述马赛克光谱相机安装在所述支架上，且朝向所述传送带；所述支架安装在所述传送带的上方；
所述光源，用于照射所述传送带上传送的样本包装盒；
所述马赛克光谱相机，用于采集所述传送带上传送的样本包装盒的样本光谱数据，并将采集的所述样本光谱数据发送至控制系统；
所述控制系统，用于根据采集到的各个样本光谱数据训练包装识别模型，所述包装识别模型用于识别目标包装盒的密封性。
第二方面，提供了一种包装密封性识别方法，所述方法用于第一方面所述的识别系统中，所述方法包括：
通过所述马赛克光谱相机采集所述传送带上传送的白板的白板光谱数据；
对于样本包装盒集中的各个样本包装盒，通过所述马赛克光谱相机采集所述传送带上传送的所述样本包装盒的样本光谱数据；
通过所述马赛克光谱相机采集黑帧光谱数据；
根据所述白板光谱数据和所述黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正；
根据黑白校正后的各个样本光谱数据训练包装识别模型，训练后的所述包装识别模型用于识别目标包装盒的密封性。
可选地，所述根据所述白板光谱数据和所述黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正，包括：
若所述白板光谱数据为W，所述黑帧光谱数据为B，采集到的所述样本光谱数据为S_raw，则黑白校正后的样本光谱数据S_correction为：
S_correction＝(S_raw–B)/(W-B)。
可选地，所述通过所述马赛克光谱相机采集黑帧光谱数据，包括：
通过所述马赛克光谱相机采集所述马赛克光谱相机的镜头被遮挡时的所述黑帧光谱数据。
可选地，所述根据黑白校正后的各个样本光谱数据训练包装识别模型，包括：
通过预设大小的像素感兴趣区域提取所述黑白校正后的各个样本光谱数据中密封好的第一平均光谱以及密封不好的第二平均光谱；
根据所述第一平均光谱和所述第二平均光谱训练所述包装识别模型。
可选地，所述根据所述第一平均光谱和所述第二平均光谱训练所述包装识别模型，包括：
采用光谱理化值共生距离SPXY算法将所述第一平均光谱和所述第二平均光谱划分为训练集和验证集；
通过所述训练集中的第一平均光谱和第二平均光谱训练所述包装识别模型；
通过所述验证集中的第一平均光谱和第二平均光谱验证训练后的所述包装识别模型。
可选地，所述通过所述训练集中的第一平均光谱和第二平均光谱训练所述包装识别模型，包括：
通过所述训练集中的第一平均光谱和第二平均光谱训练至少两个候选包装识别模型，所述至少两个候选包装识别模型的模型结构各不相同；
所述通过所述验证集中的第一平均光谱和第二平均光谱验证训练后的所述包装识别模型，包括：
通过所述验证集中的第一平均光谱和第二平均光谱分别验证训练后的各个候选包装识别模型，获取对各个候选包装识别模型的验证精度；
将训练后的所述至少两个候选包装识别模型中精度满足预设条件的候选包装识别模型确定为训练后的所述包装识别模型。
第三方面，提供了一种包装密封性识别方法，所述方法用于第一方面所述的识别系统中，所述方法包括：
通过所述马赛克光谱相机采集所述传送带上传送的白板的白板光谱数据；
通过所述马赛克光谱相机采集所述传送带上传送的目标包装盒的目标光谱数据；
通过所述马赛克光谱相机采集黑帧光谱数据；
过滤所述目标光谱数据中的背景光谱数据；
根据所述白板光谱数据和所述黑帧光谱数据对过滤后的所述目标光谱数据进行黑白校正；
将黑白校正后的所述目标光谱数据输入至包装识别模型，通过所述包装识别模型识别所述目标包装盒的密封性，所述包装识别模型通过第二方面所述的方法训练得到。
第四方面，提供了一种包装密封性识别装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如第二方面或者第三方面所述的方法。
第五方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如第二方面或者第三方面所述的方法。
通过马赛克光谱相机采集传送带上传送的白板的白板光谱数据；对于样本包装盒集中的各个样本包装盒，通过马赛克光谱相机采集传送带上传送的样本包装盒的样本光谱数据；通过马赛克光谱相机采集黑帧光谱数据；根据白板光谱数据和黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正；根据黑白校正后的各个样本光谱数据训练包装识别模型，训练后的包装识别模型用于识别目标包装盒的密封性。解决了现有技术中可能会造成资源浪费或者对成品外观造成影响的问题，达到了在包装盒出厂之前也即在还未装入液体之前即可检测得到包装盒是否密封，从而避免不良品流入后续工序，避免了液体资源浪费以及可能会影响成品外观的问题。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明一个实施例提供的包装密封性识别系统的系统结构示意图；
图2为本发明一个实施例提供的包装密封性识别方法的方法流程图；
图3为本发明一个实施例提供的包装密封性识别方法的方法流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”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。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；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。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
请参考图1，其示出了本申请一个实施例提供的包装密封性识别系统的系统结构示意图，如图1所示，所述识别系统包括：光源、马赛克光谱相机、传送带、支架和控制系统；
所述光源和所述马赛克光谱相机安装在所述支架上，且朝向所述传送带；所述支架安装在所述传送带的上方。
其中，光源朝向传送带是指光源的光线照射方向朝向传送带；马赛克光谱相机朝向传送带是指马赛克光谱相机朝向传送带取景，也即马赛克光谱相机可以采集到传送带上放置的物品的光谱数据。
支架安装在传送带的上方可以包括支架通过悬挂方式安装在传送带上方，或者，通过架设的方式安装在传送带上方，图1以支架通过两侧支杆安装在传送带上方来举例说明，本申请仅需保证支架在传送带上方进而使得安装的光源和马赛克光谱相机可以朝向传送带即可，对其具体设置方式并不做限定。
所述光源，用于照射所述传送带上传送的样本包装盒。在一种可能的实施例中，光源可以为穹顶光源，进而可以以均匀的光入射到传送带上的各个样本包装盒，消除了样本包装盒由于镜面反射带来的影响。
所述马赛克光谱相机，用于采集所述传送带上传送的样本包装盒的样本光谱数据，并将采集的所述样本光谱数据发送至控制系统。
当然实际实现时，传送带上还可以放置其他物品，进而通过马赛克光谱相机采集其他物品的光谱数据，其可以根据实际需求进行设置，对其具体实现并不做限定。在一种可能的实现方式中，在传送带上放置白板时，可以通过马赛克光谱相机采集白板的白板光谱数据。
所述控制系统，用于根据采集到的各个样本光谱数据训练包装识别模型，所述包装识别模型用于识别目标包装盒的密封性。
实际实现时，还可以通过上述系统中的各个部件获取其他信息，进而根据其他信息以及采集到的样本光谱数据来训练包装识别模型。比如，在将马赛克光谱相机的镜头遮挡时，可以获取得到黑帧光谱数据，此时，控制系统可以根据白板光谱数据和黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正，进而根据黑白校正后的样本光谱数据训练包装识别模型，其具体实现方式将在下述实施例中做详细介绍，在此不再赘述。
综上所述，提供了一种包装密封性识别系统，所述识别系统包括：光源、马赛克光谱相机、传送带、支架和控制系统；所述光源和所述马赛克光谱相机安装在所述支架上，且朝向所述传送带；所述支架安装在所述传送带的上方；所述光源，用于照射所述传送带上传送的样本包装盒；所述马赛克光谱相机，用于采集所述传送带上传送的样本包装盒的样本光谱数据，并将采集的所述样本光谱数据发送至控制系统；所述控制系统，用于根据采集到的各个样本光谱数据训练包装识别模型，所述包装识别模型用于识别目标包装盒的密封性。解决了现有技术中可能会造成资源浪费或者对成品外观造成影响的问题，达到了在包装盒出厂之前也即在还未装入液体之前即可检测得到包装盒是否密封，从而避免不良品流入后续工序，避免了液体资源浪费以及可能会影响成品外观的问题。
请参考图2，其示出了本申请一个实施例提供的包装密封性识别方法的方法流程图，该方法可以用于图1所示的识别系统中，如图2所示，所述方法包括：
步骤201，通过所述马赛克光谱相机采集所述传送带上传送的白板的白板光谱数据；
在传送带上放置白板，在白板处于马赛克光谱相机的取景视角内时，马赛克光谱相机可以采集得到白板的白板光谱数据。比如，采集到的白板光谱数据为W。
步骤202，对于样本包装盒集中的各个样本包装盒，通过所述马赛克光谱相机采集所述传送带上传送的所述样本包装盒的样本光谱数据；
包装盒在生产过程中通过胶合来制作成预设形状，进而用于盛放液体，本申请所述的包装盒密封性好指盛放液体之后不发生漏液，密封性不好指盛放液体之后可能发生漏液。其中，液体可以为牛奶、果汁、酒水或者汽水等等，本申请对此并不做限定，并且本申请所述的液体可以为浓度较高的液体也可以为浓度较低的液体。
样本包装盒集中包括大量的样本包装盒，并且样本包装盒同时包括密封性好的包装盒以及密封性不好的包装盒，并且为了后续的精度，密封性好的包装盒和密封性不好的包装盒的数量均需要大于预设阈值，预设阈值可以为数值较大的数值，比如，可以为500、1000等等，对此并不做限定。
此外，本申请所述的样本包装盒为包装盒制作流水线上最后制作得到的包装盒，该包装盒暂未流入装液工序，也即还未装入液体。
样本包装盒集中的各个样本包装盒可以通过传送带依次传送，在到达马赛克光谱相机的视角内时，即可通过马赛克光谱相机采集得到各个样本包装盒的样本光谱数据。比如，采集得到的样本光谱数据为S_raw。
步骤203，通过所述马赛克光谱相机采集黑帧光谱数据；
实际实现时，通过所述马赛克光谱相机采集所述马赛克光谱相机的镜头被遮挡时的所述黑帧光谱数据。当然，为了提高黑帧光谱数据的准确度，可以通过遮光性较高的物品遮挡马赛克光谱相机的镜头，本申请对此并不做限定。在一种可能的实现方式中，采集到的黑帧光谱数据为B。
步骤204，根据所述白板光谱数据和所述黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正；
在一种可能的实现方式中，黑白校正后的样本光谱数据S_correction为：
S_correction＝(S_raw–B)/(W-B)。
类似的，对于采集得到的各个样本光谱数据，可以采用类似的校正方法进行黑白校正。
步骤204，根据黑白校正后的各个样本光谱数据训练包装识别模型，训练后的所述包装识别模型用于识别目标包装盒的密封性。
可选地，本步骤可以包括：
第一，通过预设大小的像素感兴趣区域提取所述黑白校正后的各个样本光谱数据中密封好的第一平均光谱以及密封不好的第二平均光谱；
在一种可能的实现方式中，预设大小可以为3*3的像素大小。本申请按照预设大小对所有密封性好的黑白校正后的各个样本光谱数据计算一个平均光谱，类似的，对于所有密封性不好的黑白校正后的各个样本光谱数据计算一个平均光谱。
第二，根据所述第一平均光谱和所述第二平均光谱训练所述包装识别模型。
可选地，本步骤可以包括：
(1)、采用SPXY(sample set partitioning based on joint x-y distance，光谱理化值共生距离)算法或者KS分类方法将所述第一平均光谱和所述第二平均光谱划分为训练集和验证集；
具体的，可以根据SPXY算法将第一平均光谱和第二平均光谱中的60％划分为训练集，40％划分为验证集。可选地，以上所述的百分比均为第一平均光谱的百分比和第二平均光谱的百分比，也即在每个集合中第一平均光谱的样本比例和第二平均光谱的样本比例相同。比如，仍然以上述举例来举例说明，将60％划分为训练集即是将第一平均光谱中的60％的样本以及第二平均光谱中的60％的样本均划分至训练集，而将各类中剩余的40％划分至验证集。
(2)、通过所述训练集中的第一平均光谱和第二平均光谱训练所述包装识别模型；
可选地，包装识别模型的模型结构可以为PLS-DA(Partial least squaresDiscriminant Analysis，偏最小二乘判别)、SVM(Support Vector Machine,支持向量机)、RF(Random Forest，随机森林)和MLP(Multilayer Perceptron，神经网络)中的任一种，本申请对其具体实现并不做限定。
在得到训练后的包装识别模型之后，为了确认包装识别模型的识别精度是否符合需求，可以通过验证集中的各个平均光谱验证训练后的包装识别模型。并且，可以获取验证后的验证精度，验证精度＝V_sample_correct/V_sample_all；
其中，V_sample_correct为所述验证集中预测正确的样本数量，V_sample_all为所述验证集中的全部样本的样本数量。
其中，验证正确是指对于验证集中的某一样本若其真实对应与密封性好，则在包装识别模型的识别结果为该样本包装盒为密封性好时则表明预测正确，反之，若预测结果为密封性不好时则表明预测错误。
可选地，为了提高训练得到的包装识别模型的识别精度，在一种可能的实现方式中，上述训练步骤可以实现为如下子步骤：
通过所述训练集中的第一平均光谱和第二平均光谱训练至少两个候选包装识别模型，所述至少两个候选包装识别模型的模型结构各不相同；
其中，各个候选包装识别模型为PLS-DA、SVM、RF或者MLP中的任一种。
相应的，在本步骤中可以分别对每个候选包装识别模型进行验证，并分别获取每个候选包装识别模型的验证精度。并且，此时，为了提高识别精度，本申请可以将训练后的所述至少两个候选包装识别模型中精度满足预设条件的候选包装识别模型确定为训练后的所述包装识别模型。
其中，预设条件包括精度最高，或者，精度超过预设阈值中的任一个，并且其获取验证精度的步骤与上述所述方法类似，对此并不做限定。
至此，包装识别模型训练完毕，后续可以用于包装盒的密封性识别。
综上所述，通过马赛克光谱相机采集传送带上传送的白板的白板光谱数据；对于样本包装盒集中的各个样本包装盒，通过马赛克光谱相机采集传送带上传送的样本包装盒的样本光谱数据；通过马赛克光谱相机采集黑帧光谱数据；根据白板光谱数据和黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正；根据黑白校正后的各个样本光谱数据训练包装识别模型，训练后的包装识别模型用于识别目标包装盒的密封性。解决了现有技术中可能会造成资源浪费或者对成品外观造成影响的问题，达到了在包装盒出厂之前也即在还未装入液体之前即可检测得到包装盒是否密封，从而避免不良品流入后续工序，避免了液体资源浪费以及可能会影响成品外观的问题。
请参考图3，其示出了本申请一个实施例提供的包装密封性识别方法的方法流程图，该识别方法用于图1所示的识别系统中，如图3所示，所述方法包括：
步骤301，通过所述马赛克光谱相机采集所述传送带上传送的白板的白板光谱数据；
本步骤与上述实施例中的步骤201类似，在此不再赘述。
步骤302，通过所述马赛克光谱相机采集所述传送带上传送的目标包装盒的目标光谱数据；
本步骤与步骤202中的采集方式类似，不同的是采集的对象不同，步骤202中依次采集各个样本包装盒的样本光谱数据，而本步骤中采集目标包装盒的目标光谱数据。
步骤303，通过所述马赛克光谱相机采集黑帧光谱数据；
步骤304，过滤所述目标光谱数据中的背景光谱数据；
由于目标包装盒放置在传送带上，在马赛克光谱相机对目标包装盒进行取景时，马赛克光谱相机可能同时取景得到目标包装盒以及下层的传送带，因此，为了提高获取到的目标包装盒的光谱数据的准确度，在一种可能的实现方式中，可以过滤目标光谱数据中的背景光谱数据。
具体的，由于传送带和目标包装盒的反射率不同，因此在一种可能的实现方式中，本步骤包括：
第一，确定目标光谱数据中传送带和目标包装盒反射率差异最大的目标波段；
比如，确定得到的目标波段为b_max。
第二，根据目标波段以及预设波段阈值过滤背景光谱数据。
可选地，可以根据目标波段与预设波段阈值进行二值化掩膜，也即将目标波段b_max大于预设波段阈值k的区域确定热封区域，而将小于预设波段阈值k的区域确定为背景区域，此后即可使用掩膜剔除背景光谱。
步骤305，根据所述白板光谱数据和所述黑帧光谱数据对过滤后的所述目标光谱数据进行黑白校正；
其中，黑白校正的校正方式与上述实施例类似，在此不再赘述。
步骤306，将黑白校正后的所述目标光谱数据输入至包装识别模型，通过所述包装识别模型识别所述目标包装盒的密封性，所述包装识别模型通过上述方法训练得到。
过滤背景光谱之后的目标光谱数据中的每个像素即为一条光谱，本步骤对每个像素点光谱输入至包装识别模型中进行识别，进而得到识别结果。比如，密封性好的识别为1，密封性不好的识别为0。
可选地，可以通过灰度矩阵进行RGB图像展示，进而可以展示目标包装盒中密封性好的区域以及密封性不好的区域。
由于马赛克光谱相机具有图谱合一的特点，因此本申请通过上述方法可以将目标包装盒中密封性好的区域和密封性不好的区域直观的显示，便于工作人员清楚的获知密封不好的区域。
可选地，在得到识别结果之后，为了提高包装盒的生产良率，可以分析统计各个密封性不好的区域，进而反馈至包装盒密封工序，以便对该工序进行改进。
综上所述，通过所述马赛克光谱相机采集所述传送带上传送的白板的白板光谱数据；通过所述马赛克光谱相机采集所述传送带上传送的目标包装盒的目标光谱数据；通过所述马赛克光谱相机采集黑帧光谱数据；过滤所述目标光谱数据中的背景光谱数据；根据所述白板光谱数据和所述黑帧光谱数据对过滤后的所述目标光谱数据进行黑白校正；将黑白校正后的所述目标光谱数据输入至包装识别模型，通过所述包装识别模型识别所述目标包装盒的密封性，所述包装识别模型通过上述方法训练得到。解决了现有技术中可能会造成资源浪费或者对成品外观造成影响的问题，达到了在包装盒出厂之前也即在还未装入液体之前即可检测得到包装盒是否密封，从而避免不良品流入后续工序，避免了液体资源浪费以及可能会影响成品外观的问题。
本申请还提供了一种包装密封性识别装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如上所述的方法。
本申请还提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如上所述的方法。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种包装密封性识别系统，其特征在于，所述识别系统包括：光源、马赛克光谱相机、传送带、支架和控制系统；
所述光源和所述马赛克光谱相机安装在所述支架上，且朝向所述传送带；所述支架安装在所述传送带的上方；
所述光源，用于照射所述传送带上传送的样本包装盒；
所述马赛克光谱相机，用于采集所述传送带上传送的样本包装盒的样本光谱数据，并将采集的所述样本光谱数据发送至控制系统；
所述控制系统，用于根据采集到的各个样本光谱数据训练包装识别模型，所述包装识别模型用于识别目标包装盒的密封性。
2.一种包装密封性识别方法，其特征在于，所述方法用于权利要求1所述的识别系统中，所述方法包括：
通过所述马赛克光谱相机采集所述传送带上传送的白板的白板光谱数据；
对于样本包装盒集中的各个样本包装盒，通过所述马赛克光谱相机采集所述传送带上传送的所述样本包装盒的样本光谱数据；
通过所述马赛克光谱相机采集黑帧光谱数据；
根据所述白板光谱数据和所述黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正；
根据黑白校正后的各个样本光谱数据训练包装识别模型，训练后的所述包装识别模型用于识别目标包装盒的密封性。
3.根据权利要求2所述的方法，其特征在于，所述根据所述白板光谱数据和所述黑帧光谱数据对采集到的各个样本光谱数据进行黑白校正，包括：
若所述白板光谱数据为W，所述黑帧光谱数据为B，采集到的所述样本光谱数据为S_raw，则黑白校正后的样本光谱数据S_correction为：
S_correction＝(S_raw–B)/(W-B)。
4.根据权利要求2所述的方法，其特征在于，所述通过所述马赛克光谱相机采集黑帧光谱数据，包括：
通过所述马赛克光谱相机采集所述马赛克光谱相机的镜头被遮挡时的所述黑帧光谱数据。
5.根据权利要求2所述的方法，其特征在于，所述根据黑白校正后的各个样本光谱数据训练包装识别模型，包括：
通过预设大小的像素感兴趣区域提取所述黑白校正后的各个样本光谱数据中密封好的第一平均光谱以及密封不好的第二平均光谱；
根据所述第一平均光谱和所述第二平均光谱训练所述包装识别模型。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第一平均光谱和所述第二平均光谱训练所述包装识别模型，包括：
采用光谱理化值共生距离SPXY算法将所述第一平均光谱和所述第二平均光谱划分为训练集和验证集；
通过所述训练集中的第一平均光谱和第二平均光谱训练所述包装识别模型；
通过所述验证集中的第一平均光谱和第二平均光谱验证训练后的所述包装识别模型。
7.根据权利要求6所述的方法，其特征在于，所述通过所述训练集中的第一平均光谱和第二平均光谱训练所述包装识别模型，包括：
通过所述训练集中的第一平均光谱和第二平均光谱训练至少两个候选包装识别模型，所述至少两个候选包装识别模型的模型结构各不相同；
所述通过所述验证集中的第一平均光谱和第二平均光谱验证训练后的所述包装识别模型，包括：
通过所述验证集中的第一平均光谱和第二平均光谱分别验证训练后的各个候选包装识别模型，获取对各个候选包装识别模型的验证精度；
将训练后的所述至少两个候选包装识别模型中精度满足预设条件的候选包装识别模型确定为训练后的所述包装识别模型。
8.一种包装密封性识别方法，其特征在于，所述方法用于权利要求1所述的识别系统中，所述方法包括：
通过所述马赛克光谱相机采集所述传送带上传送的白板的白板光谱数据；
通过所述马赛克光谱相机采集所述传送带上传送的目标包装盒的目标光谱数据；
通过所述马赛克光谱相机采集黑帧光谱数据；
过滤所述目标光谱数据中的背景光谱数据；
根据所述白板光谱数据和所述黑帧光谱数据对过滤后的所述目标光谱数据进行黑白校正；
将黑白校正后的所述目标光谱数据输入至包装识别模型，通过所述包装识别模型识别所述目标包装盒的密封性，所述包装识别模型通过权利要求2至7任一所述的方法训练得到。
9.一种包装密封性识别装置，其特征在于，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求2至8任一所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如权利要求2至8任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210940944.1A CN115371916A (zh) | 2022-08-08 | 2022-08-08 | 包装密封性识别系统、方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210940944.1A CN115371916A (zh) | 2022-08-08 | 2022-08-08 | 包装密封性识别系统、方法、装置和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115371916A true CN115371916A (zh) | 2022-11-22 |
Family
ID=84062909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210940944.1A Pending CN115371916A (zh) | 2022-08-08 | 2022-08-08 | 包装密封性识别系统、方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115371916A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128533A (zh) * | 2023-03-06 | 2023-05-16 | 广西螺霸王食品科技有限公司 | 一种食品销售数据管理系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19723799A1 (de) * | 1997-06-06 | 1998-12-10 | Tech Loesungen Mbh Ges | Verfahren und Vorrichtung zur optischen Erfassung von Leckstellen in einer mit Fluid gefüllten Verpackung |
| CN103895915A (zh) * | 2014-03-11 | 2014-07-02 | 苏州江奥光电科技有限公司 | 一种液体包装检漏方法和装置 |
| CN108872091A (zh) * | 2018-03-20 | 2018-11-23 | 浙江理工大学 | 一种基于高光谱成像的蔬菜农药残留浓度的检测方法 |
| CN110441248A (zh) * | 2019-09-10 | 2019-11-12 | 四川轻化工大学 | 基于高光谱图像技术的窖泥水分预测模型建立的方法 |
| CN113817428A (zh) * | 2021-10-15 | 2021-12-21 | 深圳九星印刷包装集团有限公司 | 糊盒胶水、成型包装盒胶水分布检测方法及糊盒机 |
-
2022
- 2022-08-08 CN CN202210940944.1A patent/CN115371916A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE19723799A1 (de) * | 1997-06-06 | 1998-12-10 | Tech Loesungen Mbh Ges | Verfahren und Vorrichtung zur optischen Erfassung von Leckstellen in einer mit Fluid gefüllten Verpackung |
| CN103895915A (zh) * | 2014-03-11 | 2014-07-02 | 苏州江奥光电科技有限公司 | 一种液体包装检漏方法和装置 |
| CN108872091A (zh) * | 2018-03-20 | 2018-11-23 | 浙江理工大学 | 一种基于高光谱成像的蔬菜农药残留浓度的检测方法 |
| CN110441248A (zh) * | 2019-09-10 | 2019-11-12 | 四川轻化工大学 | 基于高光谱图像技术的窖泥水分预测模型建立的方法 |
| CN113817428A (zh) * | 2021-10-15 | 2021-12-21 | 深圳九星印刷包装集团有限公司 | 糊盒胶水、成型包装盒胶水分布检测方法及糊盒机 |
Non-Patent Citations (2)
| Title |
|---|
| 黄慧: "干贝水分的建模及分级方法", 光谱学与光谱分析, vol. 39, no. 01, pages 185 - 192 * |
| 黄慧: "干贝水分的建模及分级方法", 通过电磁波检测装置对成型包装盒的胶水分布状况进行检测, vol. 39, no. 01, 31 January 2019 (2019-01-31), pages 185 - 192 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116128533A (zh) * | 2023-03-06 | 2023-05-16 | 广西螺霸王食品科技有限公司 | 一种食品销售数据管理系统 |
| CN116128533B (zh) * | 2023-03-06 | 2023-07-28 | 广西螺霸王食品科技有限公司 | 一种食品销售数据管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210133666A1 (en) | Profiling pallets and goods in a warehouse environment | |
| US7860277B2 (en) | Food product checking system and method for identifying and grading food products | |
| EP3764087B1 (en) | Image generating device and inspection apparatus, | |
| KR20180117532A (ko) | 결함 검출 방법, 결함 검출을 위한 시스템 및 훈련 방법 | |
| EP1733212A1 (en) | Inspection system for blister packages | |
| CN115371916A (zh) | 包装密封性识别系统、方法、装置和存储介质 | |
| KR102209955B1 (ko) | 검사 장치 및 ptp 포장기 | |
| CN105910777B (zh) | 一种铝箔泡罩包装的密封性检测系统 | |
| CN110954546A (zh) | 一种非固定场景的集装箱图像采集和验视系统 | |
| CN104417788A (zh) | 一种具有质量追溯功能的小袋包装横封检测方法及检测系统 | |
| CN104781656A (zh) | X射线检查装置 | |
| CN113658141A (zh) | 透明包装袋封口识别方法、装置、存储介质及电子设备 | |
| CN112989768A (zh) | 连线题批改方法、装置、电子设备及存储介质 | |
| JP5504234B2 (ja) | 箱詰め物検査方法および箱詰め物検査装置 | |
| CN104477458B (zh) | 基于灌装液体食品生产的高效信号传输方法 | |
| JP2020111365A (ja) | ラベル検査装置 | |
| Katyal et al. | Automated detection and rectification of defects in fluid-based packaging using machine vision | |
| JP4474917B2 (ja) | ケース内容器の内圧不良検出方法およびその装置 | |
| CN111695860A (zh) | 包装箱封装的检测方法、装置、电子设备及可读存储介质 | |
| CN115326319B (zh) | 液体包装检测方法、装置和存储介质 | |
| JP2981857B2 (ja) | 包装容器の製函中の接着部材塗着状態判別装置、方法、システム及び接着部材塗着状態の判別を実行するためのプログラムを記録した媒体 | |
| JP4251325B2 (ja) | 外観検査装置及びｐｔｐ包装機 | |
| CN104528076B (zh) | 基于灌装液体食品生产的高效数据传输系统 | |
| CN116000620B (zh) | 一种喷雾泵装配系统 | |
| JP7442474B2 (ja) | 判定装置、判定方法、および判定プログラム |
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 |