CN116453099A - 咖啡豆包装自动检测方法、介质及设备 - Google Patents
咖啡豆包装自动检测方法、介质及设备 Download PDFInfo
- Publication number
- CN116453099A CN116453099A CN202310702197.2A CN202310702197A CN116453099A CN 116453099 A CN116453099 A CN 116453099A CN 202310702197 A CN202310702197 A CN 202310702197A CN 116453099 A CN116453099 A CN 116453099A
- Authority
- CN
- China
- Prior art keywords
- detected
- coffee bean
- image
- bean packaging
- boundary
- 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
- 241000533293 Sesbania emerus Species 0.000 title claims abstract description 114
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000004806 packaging method and process Methods 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000009825 accumulation Methods 0.000 claims description 22
- 238000005507 spraying Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009423 ventilation Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/752—Contour matching
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种咖啡豆包装自动检测方法、介质及设备,其中方法包括:获取待检测咖啡豆包装图像;对所述待检测咖啡豆包装图像进行轮廓匹配,以确定所述待检测咖啡豆包装图像中待检测目标的边界范围;在所述边界范围内,计算所述待检测目标对应的拟合中心线,并将所述拟合中心线与标准中心线进行比对,以判断所述待检测目标是否存在上下偏移或缺失;能够对咖啡豆包装进行自动检测,以确定咖啡豆包装是否异常,提高咖啡豆包装检测效率,降低人工成本;同时,提高检测稳定性。
Description
技术领域
本申请涉及自动包装技术领域,特别涉及一种咖啡豆包装自动检测方法、介质及设备。
背景技术
咖啡豆,是制备咖啡的原料。咖啡豆在烘焙过程中,因为受热膨胀的缘故,自身会产生很多的孔洞,孔洞里面充满了二氧化碳。因此,新鲜烘焙的咖啡豆要经过一个适当的自然排气期,俗称养豆期,以使得咖啡豆在冲煮时能体现出更好的口感。由于养豆期内咖啡豆会排出孔洞内的二氧化碳,所以对新鲜烘焙的咖啡豆进行包装时,其包装袋需要使用单向透气阀。而使用这种包装袋对咖啡袋进行包装,需要确保包装合规,否则将容易出现包装袋无法排气而造成产品破包报废。
相关技术中,在对咖啡豆包装袋进行检查时,多采用人工检查的方式。也就是说,通过人工人为判断的方式来确定包装袋是否异常。通过这种方式,在大批量生产时,咖啡豆的生产效率将受限于人工的目检效率;同时,极大地提高了咖啡豆生产过程中的人工成本。另外,由于人为判断的不可确定性,使得检查结果的准确性浮动较大。
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,本发明的一个目的在于提出一种咖啡豆包装自动检测方法,能够对咖啡豆包装进行自动检测,以确定咖啡豆包装是否异常,提高咖啡豆包装检测效率,降低人工成本;同时,提高检测稳定性。
为了实现上述目的,本发明第一方面实施例提出了一种咖啡豆包装自动检测方法,包括以下步骤:获取待检测咖啡豆包装图像;对所述待检测咖啡豆包装图像进行轮廓匹配,以确定所述待检测咖啡豆包装图像中待检测目标的边界范围;在所述边界范围内,计算所述待检测目标对应的拟合中心线,并将所述拟合中心线与标准中心线进行比对,以判断所述待检测目标是否存在上下偏移或缺失。
根据本发明实施例的咖啡豆包装自动检测方法,首先,获取待检测咖啡豆包装图像;接着,对所述待检测咖啡豆包装图像进行轮廓匹配,以确定所述待检测咖啡豆包装图像中待检测目标的边界范围;然后,在所述边界范围内,计算所述待检测目标对应的拟合中心线,并将所述拟合中心线与标准中心线进行比对,以判断所述待检测目标是否存在上下偏移或缺失;从而实现对咖啡豆包装进行自动检测,以确定咖啡豆包装是否异常,提高咖啡豆包装检测效率,降低人工成本;同时,提高检测稳定性。
在一些实施例中,所述待检测咖啡豆包装图像包括待检测咖啡豆包装喷码图像和待检测透气阀图像。
在一些实施例中,对所述待检测咖啡豆包装图像进行轮廓匹配,以确定所述待检测咖啡豆包装图像中待检测目标的边界范围,包括:对所述待检测咖啡豆包装图像进行水平梯度计算,以得到局部梯度最大值,并基于所述局部梯度最大值对所述待检测咖啡豆包装图像进行二值化,以得到第一二值化图像;对所述第一二值化图像进行竖直方向上的梯度累加计算,以得到相应的梯度累加曲线;根据所述梯度累加曲线中的最大值和预设比例计算对应的边界阈值,并根据所述边界阈值确定所述待检测目标的左右边界位置。
在一些实施例中,根据所述边界阈值确定所述待检测目标的左右边界位置,包括:根据所述边界阈值查找所述梯度累加曲线,以得到所述梯度累加曲线中大于所述边界阈值的最左侧局部极值点和最右侧局部极值点,并将所述最左侧局部极值点作为所述待检测目标的左边界,以及将所述最右侧局部极值点作为所述待检测目标的右边界。
在一些实施例中,在所述边界范围内,计算所述待检测目标对应的拟合中心线,包括:在所述边界范围内,在竖直方向上求待检测目标的梯度,以得到局部梯度最大值点,并对所述待检测咖啡豆包装图像进行二值化,以得到第二二值化图像;计算所述第二二值化图像中梯度点的中点集合;基于所述中点集合进行直线拟合,以得到所述拟合中心线。
在一些实施例中,所述方法还包括:去除所述中点集合中处于预设有效区域内的点,并根据剩余点进行拟合以得到拟合直线;计算所述拟合直线与所述拟合中心线之间的距离;判断是否所述拟合直线上的点数量大于预设数量阈值且所述距离大于预设距离阈值;如果是,则确定待检测咖啡豆包装粘合面错位。
在一些实施例中,所述方法还包括:获取标准模板和标准距离;基于所述标准模板在所述边界范围内进行查找,以得到所述标准模板对应的匹配区域;计算所述匹配区域到所述边界范围的距离,并比对所述匹配区域到所述边界范围的距离与所述标准距离,以判断所述待检测目标是否存在左右偏移或缺失。
在一些实施例中,获取标准模板和标准距离,包括:获取标准检测目标图像,并对所述标准检测目标图像进行轮廓匹配,以确定所述标准检测目标图像中检测目标的边界范围;基于所述标准检测目标图像中检测目标的边界范围确定标准模板,并计算所述标准模板到所述标准检测目标图像中检测目标的边界范围的距离,以得到所述标准距离。
为了实现上述目的,本发明第二方面实施例提出了一种计算机可读存储介质,其上存储有咖啡豆包装自动检测程序,该咖啡豆包装自动检测程序被处理器执行时实现如上所述的咖啡豆包装自动检测方法。
为了实现上述目的,本发明第三方面实施例提出了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上所述的咖啡豆包装自动检测方法。
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为根据本发明实施例的咖啡豆包装自动检测方法的流程示意图;
图2为根据本发明另一实施例的咖啡豆包装自动检测方法的流程示意图;
图3为根据本发明实施例的计算机设备的方框示意图。
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。
下面参考附图描述本发明实施例的咖啡豆包装自动检测方法。
请参阅图1,图1为根据本发明实施例的咖啡豆包装自动检测方法的流程示意图;如图1所示,该咖啡豆包装自动检测方法包括以下步骤:
S101,获取待检测咖啡豆包装图像。
也就是说,对待检测咖啡豆包装进行拍摄,以获取待检测咖啡豆包装图像。
作为一种示例,首先,设备上对应咖啡豆包装传送带安装相应的摄像头,并安装相应的色标传感器;接着,当卷膜分割点触发色标传感器时,控制摄像头进行拍照,以获取待检测咖啡豆包装图像。
在一些实施例中,待检测咖啡豆包装图像包括待检测咖啡豆包装喷码图像和待检测透气阀图像。
也就是说,待检测咖啡豆包装图像可以包括待检测咖啡豆包装喷码图像和待检测透气阀图像;以通过待检测咖啡豆包装喷码图像对待检测咖啡豆包装的喷码进行检查;并通过待检测透气阀图像对待检测咖啡豆包装的透气阀进行检查。
S102,对待检测咖啡豆包装图像进行轮廓匹配,以确定待检测咖啡豆包装图像中待检测目标的边界范围。
在一些实施例中,对待检测咖啡豆包装图像进行轮廓匹配,以确定待检测咖啡豆包装图像中待检测目标的边界范围,包括:对待检测咖啡豆包装图像进行水平梯度计算,以得到局部梯度最大值,并基于局部梯度最大值对待检测咖啡豆包装图像进行二值化,以得到第一二值化图像;对第一二值化图像进行竖直方向上的梯度累加计算,以得到相应的梯度累加曲线;根据梯度累加曲线中的最大值和预设比例计算对应的边界阈值,并根据边界阈值确定待检测目标的左右边界位置。
在一些实施例中,根据边界阈值确定待检测目标的左右边界位置,包括:根据边界阈值查找梯度累加曲线,以得到梯度累加曲线中大于边界阈值的最左侧局部极值点和最右侧局部极值点,并将最左侧局部极值点作为待检测目标的左边界,以及将最右侧局部极值点作为待检测目标的右边界。
作为一种示例,假设待检测咖啡豆包装图像为待检测咖啡豆包装喷码图像;首先,对待检测咖啡豆包装喷码图像在水平方向上求梯度,并找出局部梯度最大值点,以及根据局部梯度最大值点对待检测咖啡豆包装喷码图像进行二值化,以得到该待检测咖啡豆包装喷码图像对应的第一二值化图像;接着,对第一二值化图像进行竖直方向上的求和以得到对应的梯度累加曲线;然后,获取该梯度累加曲线中的最大值,并根据预设百分比和最大值计算对应的阈值,该阈值即为边界阈值;接着,根据边界阈值查找梯度累加曲线,以得到在该梯度累加曲线中大于边界阈值的最左侧局部极值点和最右侧局部极值点,则该最左侧局部极值点的位置即为喷码图像的左边界,而最右侧局部极值点即为喷码图像的右边界,如此,可完成喷码图像边界范围的获取。
需要说明的是,待检测透气阀图像的检测方式与待检测咖啡豆包装喷码图像的检测方式是一致的,在此不做赘述。
S103,在边界范围内,计算待检测目标对应的拟合中心线,并将拟合中心线与标准中心线进行比对,以判断待检测目标是否存在上下偏移或缺失。
在一些实施例中,在边界范围内,计算待检测目标对应的拟合中心线,包括:在边界范围内,在竖直方向上求待检测目标的梯度,以得到局部梯度最大值点,并对待检测咖啡豆包装图像进行二值化,以得到第二二值化图像;计算第二二值化图像中梯度点的中点集合;基于中点集合进行直线拟合,以得到拟合中心线。
在一些实施例中,该方法还包括:去除中点集合中处于预设有效区域内的点,并根据剩余点进行拟合以得到拟合直线;计算拟合直线与拟合中心线之间的距离;判断是否拟合直线上的点数量大于预设数量阈值且距离大于预设距离阈值;如果是,则确定待检测咖啡豆包装粘合面错位。
在一些实施例中,该方法还包括:获取标准模板和标准距离;基于所述标准模板在所述边界范围内进行查找,以得到所述标准模板对应的匹配区域;计算所述匹配区域到所述边界范围的距离,并比对所述匹配区域到所述边界范围的距离与所述标准距离,以判断所述待检测目标是否存在左右偏移或缺失。
在一些实施例中,获取标准模板和标准距离,包括:获取标准检测目标图像,并对标准检测目标图像进行轮廓匹配,以确定标准检测目标图像中检测目标的边界范围;基于标准检测目标图像中检测目标的边界范围确定标准模板,并计算标准模板到标准检测目标图像中检测目标的边界范围的距离,以得到标准距离。
作为一种示例,如图2所示,根据本发明实施例的咖啡豆包装自动检测方法具体包括以下步骤:
S201,获取待检测咖啡豆包装图像。
S202,对待检测咖啡豆包装图像进行水平梯度计算,以得到局部梯度最大值,并基于局部梯度最大值对待检测咖啡豆包装图像进行二值化,以得到第一二值化图像。
S203,对第一二值化图像进行竖直方向上的梯度累加计算,以得到相应的梯度累加曲线。
S204,根据梯度累加曲线中的最大值和预设比例计算对应的边界阈值,并根据边界阈值确定待检测目标的左右边界位置。
S205,在左右边界位置范围内,在竖直方向上求待检测目标的梯度,以得到局部梯度最大值点,并对待检测咖啡豆包装图像进行二值化,以得到第二二值化图像。
S206,计算第二二值化图像中梯度点的中点集合。
具体地,可以计算第二二值化图像中梯度点中最上侧点与最下侧点的中点,进而根据多个中点得到中点集合。
S207,基于中点集合进行直线拟合,以得到拟合中心线。
S208,将拟合中心线与标准中心线进行比对,以判断待检测目标是否存在上下偏移或缺失。
S209,去除中点集合中处于预设有效区域内的点,并根据剩余点进行拟合以得到拟合直线。
S210,计算拟合直线与拟合中心线之间的距离,以基于距离判断待检测目标是否出现粘合面错位。
S211,获取标准模板和标准距离。
S212,基于标准模板在边界范围内进行查找,以得到标准模板对应的匹配区域。
S213,计算匹配区域到边界范围的距离,并比对匹配区域到边界范围的距离与标准距离,以判断待检测目标是否存在左右偏移或缺失。
可以理解,通过上述方式,即可对待检测咖啡豆包装的喷码是否完整、偏移或损失进行自动检测,并对待检测咖啡豆包装的单向透气阀是否完整、偏移或损失进行自动检测。
综上所述,根据本发明实施例的咖啡豆包装自动检测方法,首先,获取待检测咖啡豆包装图像;接着,对所述待检测咖啡豆包装图像进行轮廓匹配,以确定所述待检测咖啡豆包装图像中待检测目标的边界范围;然后,在所述边界范围内,计算所述待检测目标对应的拟合中心线,并将所述拟合中心线与标准中心线进行比对,以判断所述待检测目标是否存在上下偏移或缺失;从而实现对咖啡豆包装进行自动检测,以确定咖啡豆包装是否异常,提高咖啡豆包装检测效率,降低人工成本;同时,提高检测稳定性。
为了实现上述实施例,本发明实施例提出了一种计算机可读存储介质,其上存储有咖啡豆包装自动检测程序,该咖啡豆包装自动检测程序被处理器执行时实现如上所述的咖啡豆包装自动检测方法。
为了实现上述实施例,如图3所示,本发明实施例提出了一种计算机设备300,该计算机设备300包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序,所述处理器302执行所述程序时,实现如上所述的咖啡豆包装自动检测方法。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
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一定指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何的一个或多个实施例或示例中以合适的方式结合。
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”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。
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 (10)
1.一种咖啡豆包装自动检测方法,其特征在于,包括以下步骤:
获取待检测咖啡豆包装图像;
对所述待检测咖啡豆包装图像进行轮廓匹配,以确定所述待检测咖啡豆包装图像中待检测目标的边界范围;
在所述边界范围内,计算所述待检测目标对应的拟合中心线,并将所述拟合中心线与标准中心线进行比对,以判断所述待检测目标是否存在上下偏移或缺失。
2.如权利要求1所述的咖啡豆包装自动检测方法,其特征在于,所述待检测咖啡豆包装图像包括待检测咖啡豆包装喷码图像和待检测透气阀图像。
3.如权利要求1所述的咖啡豆包装自动检测方法,其特征在于,对所述待检测咖啡豆包装图像进行轮廓匹配,以确定所述待检测咖啡豆包装图像中待检测目标的边界范围,包括:
对所述待检测咖啡豆包装图像进行水平梯度计算,以得到局部梯度最大值,并基于所述局部梯度最大值对所述待检测咖啡豆包装图像进行二值化,以得到第一二值化图像;
对所述第一二值化图像进行竖直方向上的梯度累加计算,以得到相应的梯度累加曲线;
根据所述梯度累加曲线中的最大值和预设比例计算对应的边界阈值,并根据所述边界阈值确定所述待检测目标的左右边界位置。
4.如权利要求3所述的咖啡豆包装自动检测方法,其特征在于,根据所述边界阈值确定所述待检测目标的左右边界位置,包括:
根据所述边界阈值查找所述梯度累加曲线,以得到所述梯度累加曲线中大于所述边界阈值的最左侧局部极值点和最右侧局部极值点,并将所述最左侧局部极值点作为所述待检测目标的左边界,以及将所述最右侧局部极值点作为所述待检测目标的右边界。
5.如权利要求1所述的咖啡豆包装自动检测方法,其特征在于,在所述边界范围内,计算所述待检测目标对应的拟合中心线,包括:
在所述边界范围内,在竖直方向上求待检测目标的梯度,以得到局部梯度最大值点,并对所述待检测咖啡豆包装图像进行二值化,以得到第二二值化图像;
计算所述第二二值化图像中梯度点的中点集合;
基于所述中点集合进行直线拟合,以得到所述拟合中心线。
6.如权利要求5所述的咖啡豆包装自动检测方法,其特征在于,所述方法还包括:
去除所述中点集合中处于预设有效区域内的点,并根据剩余点进行拟合以得到拟合直线;
计算所述拟合直线与所述拟合中心线之间的距离;
判断是否所述拟合直线上的点数量大于预设数量阈值且所述距离大于预设距离阈值;
如果是,则确定待检测咖啡豆包装粘合面错位。
7.如权利要求1所述的咖啡豆包装自动检测方法,其特征在于,所述方法还包括:
获取标准模板和标准距离;
基于所述标准模板在所述边界范围内进行查找,以得到所述标准模板对应的匹配区域;
计算所述匹配区域到所述边界范围的距离,并比对所述匹配区域到所述边界范围的距离与所述标准距离,以判断所述待检测目标是否存在左右偏移或缺失。
8.如权利要求7所述的咖啡豆包装自动检测方法,其特征在于,获取标准模板和标准距离,包括:
获取标准检测目标图像,并对所述标准检测目标图像进行轮廓匹配,以确定所述标准检测目标图像中检测目标的边界范围;
基于所述标准检测目标图像中检测目标的边界范围确定标准模板,并计算所述标准模板到所述标准检测目标图像中检测目标的边界范围的距离,以得到所述标准距离。
9.一种计算机可读存储介质,其特征在于,其上存储有咖啡豆包装自动检测程序,该咖啡豆包装自动检测程序被处理器执行时实现如权利要求1-8中任一项所述的咖啡豆包装自动检测方法。
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时,实现如权利要求1-8中任一项所述的咖啡豆包装自动检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702197.2A CN116453099A (zh) | 2023-06-14 | 2023-06-14 | 咖啡豆包装自动检测方法、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310702197.2A CN116453099A (zh) | 2023-06-14 | 2023-06-14 | 咖啡豆包装自动检测方法、介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116453099A true CN116453099A (zh) | 2023-07-18 |
Family
ID=87132385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310702197.2A Pending CN116453099A (zh) | 2023-06-14 | 2023-06-14 | 咖啡豆包装自动检测方法、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116453099A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519359A (zh) * | 2011-12-12 | 2012-06-27 | 山东明佳包装检测科技有限公司 | 一种pet瓶标签的检测方法 |
CN103900499A (zh) * | 2014-02-27 | 2014-07-02 | 中国烟草总公司北京市公司 | 基于计算机视觉技术的卷烟包装警语区域面积测定方法 |
JP5884144B1 (ja) * | 2014-10-22 | 2016-03-15 | 株式会社 システムスクエア | 包装体の検査装置 |
US20170352150A1 (en) * | 2014-12-27 | 2017-12-07 | Hill's Pet Nutrition, Inc. | Food Processing Method and System |
-
2023
- 2023-06-14 CN CN202310702197.2A patent/CN116453099A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102519359A (zh) * | 2011-12-12 | 2012-06-27 | 山东明佳包装检测科技有限公司 | 一种pet瓶标签的检测方法 |
CN103900499A (zh) * | 2014-02-27 | 2014-07-02 | 中国烟草总公司北京市公司 | 基于计算机视觉技术的卷烟包装警语区域面积测定方法 |
JP5884144B1 (ja) * | 2014-10-22 | 2016-03-15 | 株式会社 システムスクエア | 包装体の検査装置 |
US20170352150A1 (en) * | 2014-12-27 | 2017-12-07 | Hill's Pet Nutrition, Inc. | Food Processing Method and System |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105096655B (zh) | 物体检测装置、驾驶辅助装置、物体检测方法 | |
CN107860358B (zh) | 楼层的定位方法、系统、可读存储介质及智能终端 | |
US9109974B2 (en) | Tire shape inspection method and tire shape inspection apparatus | |
EP3396310B1 (en) | Dimension measurement device, parcel locker system and dimension measurement method | |
JP6948625B2 (ja) | 荷重計、および荷重計測方法 | |
JP5302702B2 (ja) | タイヤ形状検査方法,タイヤ形状検査装置 | |
US9953411B2 (en) | Method for processing a digital image of the surface of a tyre in order to detect an anomaly | |
CN110400343B (zh) | 深度图处理方法和装置 | |
JP2023543453A (ja) | トレッド深さ推定システム及びその方法 | |
CN109963147A (zh) | 摄像头的安装角度检测方法、装置和车辆 | |
CN116453099A (zh) | 咖啡豆包装自动检测方法、介质及设备 | |
CN112258452A (zh) | 堆叠物体的物体数量检测方法、装置及系统 | |
JP2015059768A (ja) | 段差計測装置、段差計測方法及びプログラム | |
US10697821B2 (en) | Weight calibration for a vehicle weight load determination meter | |
EP3929689B1 (en) | Magnetic marker diagnostic system and diagnostic method | |
CN110375659B (zh) | 检测障碍物高度的方法、装置、设备及存储介质 | |
JP5246531B2 (ja) | 液面高さの測定方法 | |
KR102523809B1 (ko) | 컴퓨터 비전을 활용한 가스 라이터 불량품 검출 시스템 | |
KR20060056949A (ko) | 2개의 컨투어의 근접성을 측정하는 방법 및 타겟의 자동식별용 시스템 | |
US11619685B2 (en) | Device that includes a sensor unit and a self-calibration function | |
US7251348B2 (en) | Land appearance inspecting device, and land appearance inspecting method | |
JP6023025B2 (ja) | 舵角補正方法、舵角補正装置、撮像装置、および舵角補正システム | |
KR20170061436A (ko) | 배출량 판단 장치 및 그 방법 | |
CN112563147B (zh) | 用于检测半导体芯片产品脱袋的方法、装置和系统 | |
JP6387536B2 (ja) | 校正装置および校正方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230718 |
|
RJ01 | Rejection of invention patent application after publication |