CN116721103B - 乳玻瓶内底净度的图像检测方法、系统、设备和存储介质 - Google Patents
乳玻瓶内底净度的图像检测方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN116721103B CN116721103B CN202311000066.6A CN202311000066A CN116721103B CN 116721103 B CN116721103 B CN 116721103B CN 202311000066 A CN202311000066 A CN 202311000066A CN 116721103 B CN116721103 B CN 116721103B
- Authority
- CN
- China
- Prior art keywords
- cleanliness
- inner bottom
- bottle
- glass bottle
- detection
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 178
- 239000011521 glass Substances 0.000 title claims abstract description 117
- 239000008267 milk Substances 0.000 title claims abstract description 109
- 210000004080 milk Anatomy 0.000 title claims abstract description 109
- 235000013336 milk Nutrition 0.000 title claims abstract description 109
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 230000003749 cleanliness Effects 0.000 claims abstract description 208
- 238000012545 processing Methods 0.000 claims abstract description 25
- 230000001502 supplementing effect Effects 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 7
- 238000012797 qualification Methods 0.000 claims description 5
- 238000013459 approach Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000002834 transmittance Methods 0.000 description 3
- 235000020097 white wine Nutrition 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000000796 flavoring agent Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 235000014101 wine Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/141—Control of illumination
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template 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)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及图像处理技术领域,具体为乳玻瓶内底净度的图像检测方法、系统、设备和存储介质,该图像检测方法考虑乳玻瓶瓶底厚度,料色差异和污渍透光特性等因素,将不同补光方式、不同曝光得到的呈像均匀、适用性强的瓶内底图片,进行图像评估挑选、特征提取和匹配,得到多个净度检测结果,并灵活根据多个净度检测结果,确定乳玻瓶内底净度是否达标,实现了乳玻瓶内底净度的自动化检测,在保证检测结果准确度的同时,提高了检测效率。
Description
技术领域
本发明涉及图像数据处理技术领域,具体为乳玻瓶内底净度的图像检测方法、系统、设备和存储介质。
背景技术
乳玻瓶作为一种白酒包装瓶,应用很广,在名贵酒品中应用更多,尤其是优质酱香型白酒。由于乳白色玻璃瓶可以遮挡光线,避免紫外线直射酒体,因此更有利于优质酱香型白酒的储存。
但相比玻璃瓶,由于乳玻瓶半透明的特点,其瓶体内部制作过程中以及清洗过程产生的污物不容易被观测到,现有技术常使用人工肉眼观察来检测乳玻瓶内底净度,检测效率和准确度均较低;使用图像处理技术能够一次性处理多张图像,提高计算效率,节省人力成本,但现有图像处理过程中,倾向于处理固定补光方式下的瓶底图片来获得检测结果,忽视了乳玻瓶瓶底结构特点和污渍透光特点,造成检测结果的准确率较低。
发明内容
本发明提供了一种乳玻瓶内底净度的图像检测方法、系统、设备和存储介质。
本发明技术方案如下:
一种乳玻瓶内底净度的图像检测方法,包括如下操作:
S1 获取不同补光方式,同一补光方式下不同亮度的瓶内底图像,得到多组待检瓶内底图像;
S2 每组待检瓶内底图像经图像评估处理,得到多张最佳瓶内底检测图像;
S3 所述多张最佳瓶内底检测图像经特征提取和匹配处理,得到多个净度检测结果;
S4 若所述多个净度检测结果均为净度合格,则瓶内底净度达标;
若所述多个净度检测结果均为净度不合格,则瓶内底净度不达标;
若所述多个净度检测结果不一致,执行S5;
S5 若所述多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标;
若所述多个净度检测结果中净度不合格的数量,不大于净度合格的数量,执行所述S1。
如上所述的图像检测方法,所述S1中不同补光方式包括:
环面光源补光,具体为:乳玻瓶正下方设有环形灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集环形灯照射下乳玻瓶内底的图像,得到环面光源补光图;
横向平面光源补光,具体为:乳玻瓶正下方设有平面灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集平面灯照射下乳玻瓶内底的图像,得到横向平面光源补光图;
竖向平面光源补光,具体为:乳玻瓶内底两侧设有平面灯,用于对乳玻瓶内底的两侧补光,乳玻瓶正上方设有照相机,用于采集两侧平面灯补光下乳玻瓶内底的图像,得到竖向平面光源补光图。
如上所述的图像检测方法,所述S2中图像评估的操作包括像素值评估,具体为:获取每组待检瓶内底图像中每一张图像的像素平均值,每组挑选出像素平均值与标准像素值的差最小的对应图像,得到所述多张最佳瓶内底检测图像。
进一步的,所述S2的图像评估的操作之前,还包括提取感兴趣区域,具体为:获取待检瓶内底图像的几何中心,以四周朝向几何中心的方向,扫描提取所述待检瓶内底图像的像素值,计算前一位置与当前位置的像素差;若所述像素差为正,且大于阈值,所述当前位置为边界点,统计所有边界点,经曲线拟合处理,得到检测框,所述检测框内部区域为感兴趣区域;所述感兴趣区域用于执行所述S2中的图像评估操作。
如上所述的图像检测方法,所述S3中特征提取和匹配处理的操作具体为:
提取最佳瓶内底检测图像的像素值,得到像素值分布特征;
判断所述像素值分布特征在标准数据库中能否匹配到对应污渍特征;
若能匹配,则净度检测结果为净度不合格;
若不能匹配,则净度检测结果为净度合格。
如上所述的图像检测方法,所述S5中若多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标的操作具体为:
若多个净度检测结果中净度不合格的数量,大于净度合格的数量,特征提取和匹配处理净度合格对应的待检瓶内底图像中其他不同亮度的瓶内底图片,得到多个净度检测辅助结果,判断所述净度检测辅助结果中是否包括净度不合格;若包括,则乳玻瓶内底净度不达标;若不包括,舍弃所述净度检测辅助结果以及同组净度检测结果,判定乳玻瓶内底净度不达标。
其中,所述特征提取和匹配处理净度合格对应的待检瓶内底图像中其他不同亮度的瓶内底图片的过程中,按照亮度值接近标准亮度值的顺序执行所述特征提取和匹配处理,若前一个净度辅助结果为净度不合格,终止执行下一个所述特征提取和匹配处理,判定乳玻瓶内底净度不达标。
一种乳玻瓶内底净度的图像检测系统,包括:
多组待检瓶内底图像生成模块,用于获取不同补光方式,同一补光方式下不同亮度的瓶内底图像,得到多组待检瓶内底图像;
多张最佳瓶内底检测图像生成模块,用于每组待检瓶内底图像经图像评估处理,得到多张最佳瓶内底检测图像;
多个净度检测结果生成模块,用于所述多张最佳瓶内底检测图像经特征提取和匹配处理,得到多个净度检测结果;
瓶内底净度达标判断模块,用于若所述多个净度检测结果均为净度合格,则瓶内底净度达标;若所述多个净度检测结果均为净度不合格,则瓶内底净度不达标;若所述多个净度检测结果不一致,执行净度不合格和净度合格数量判断模块;
净度不合格和净度合格数量判断模块,用于若所述多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标;若所述多个净度检测结果中净度不合格的数量,不大于净度合格的数量,执行所述多组待检瓶内底图像生成模块。
一种乳玻瓶内底净度的图像检测设备,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现上述的乳玻瓶内底净度的图像检测方法。
一种计算机可读存储介质,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现上述的乳玻瓶内底净度的图像检测方法。
本发明的有益效果在于:
本发明提供的一种乳玻瓶内底净度的图像检测方法,考虑乳玻瓶瓶底厚度,料色差异和污渍透光特性等因素,将不同补光方式、不同曝光得到的呈像均匀、适用性强的瓶内底图片,进行图像评估挑选、特征提取和匹配,得到多个净度检测结果,并灵活根据多个净度检测结果,确定乳玻瓶内底净度是否达标,实现了乳玻瓶内底净度的自动化检测,在保证检测结果准确度的同时,提高了检测效率。
附图说明
通过阅读下文优选实施方式的详细描述,本申请的方案和优点对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。
在附图中:
图1为实施例中3组待检瓶内底图像;第1列图像为1组不同亮度的环面光源补光图;第2列图像为1组不同亮度的横向平面光源补光图;第3列图像为1组不同亮度的竖向平面光源补光图;标记有圆圈的图为每组的最佳瓶内底检测图像,圆圈为检测框。
具体实施方式
下面将结合附图更详细地描述本公开的示例性实施方式。
本实施例提供一种乳玻瓶内底净度的图像检测方法,包括如下操作:
S1 获取不同补光方式,同一补光方式下不同亮度的瓶内底图像,得到多组待检瓶内底图像;
S2 每组待检瓶内底图像经图像评估处理,得到多张最佳瓶内底检测图像;
S3 所述多张最佳瓶内底检测图像经特征提取和匹配处理,得到多个净度检测结果;
S4 若所述多个净度检测结果均为净度合格,则瓶内底净度达标;
若所述多个净度检测结果均为净度不合格,则瓶内底净度不达标;
若所述多个净度检测结果不一致,执行S5;
S5 若所述多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标;
若所述多个净度检测结果中净度不合格的数量,不大于净度合格的数量,执行所述S1。
S1 获取不同补光方式,同一补光方式下不同亮度的瓶内底图像,得到多组待检瓶内底图像。
生产制造乳玻瓶时,若原材料中混入杂质,可能会造成乳玻瓶内底存在污渍,降低乳玻瓶内底的净度。另外,乳玻瓶清洗时,常将瓶体倒置后灌清洗液摇晃冲洗,沥干后将瓶体反过来恢复原样。复原位置后的乳玻瓶内,若未完全沥干,残留在瓶内底的清洗液风干后会留下污渍,影响乳玻瓶内底的净度。为检测乳玻瓶内底净度情况,使用不同补光方式,同一补光方式不同亮度的瓶内底图像,进行后续检测。
其中,不同补光方式包括:环面光源补光,具体为:乳玻瓶正下方设有环形灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集环形灯照射下乳玻瓶内底的图像,得到环面光源补光图。横向平面光源补光,具体为:乳玻瓶正下方设有平面灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集平面灯照射下乳玻瓶内底的图像,得到横向平面光源补光图;竖向平面光源补光,具体为:乳玻瓶内底两侧设有平面灯,用于对乳玻瓶内底的两侧补光,乳玻瓶正上方设有照相机,用于采集两侧平面灯补光下乳玻瓶内底的图像,得到竖向平面光源补光图。乳玻瓶瓶底正下方放置光源,乳玻瓶正上方,且位于乳玻瓶内的照相机能清楚拍摄到补光后的乳玻瓶内底图像。
3种不同的补光方式中,获取的检测区域是不同的,且每种补光方式会有多张不同亮度的瓶内底图像,共同构成一种补光结构下的不同亮度图,来克服瓶底厚度不一,料色差异的瓶源问题。环面光源补光主要是获取瓶内底部棱边及其周边的区域,属于背光结构;横向平面光源补光主要是获取瓶内底部的区域,也属于背光结构;竖向平面光源补光主要是通过侧壁的透光实现瓶内底部的异物检测,属于类似于前置光检测。上述3种补光方式均能够获得多种均匀呈像的瓶内底图像,且同时使用上述3组获取的不同区域的瓶内底图像进行同时检测,可以确保瓶内底的污渍被检测出来,从而提升检测结果的准确度。
另外,本实施例中同一补光方式优选3种不同的亮度/曝光度,由此得到的3组待检瓶内底图像中,每组待检瓶内底图像中包括3种不同亮度/曝光度的瓶内底图片,可根据不同污渍的透光性特点,检测出不同的瓶内底污渍。
S2 每组待检瓶内底图像经图像评估处理,得到多张最佳瓶内底检测图像。
图像评估的操作之前,还包括提取感兴趣区域,具体为:获取待检瓶内底图像的几何中心,以四周朝向几何中心的方向,扫描提取待检瓶内底图像的像素值,计算前一位置与当前位置的像素差;若像素差为正,且大于阈值,当前位置为边界点,统计所有边界点,经曲线拟合处理,得到检测框,检测框内部区域为感兴趣区域;感兴趣区域用于执行S2中的图像评估操作。基于感兴趣区域进行图像评估处理后得到的多张最佳瓶内底检测图像如图1所示,图1中的圆圈即为检测框。
图像评估的操作包括像素值评估:将获取每组待检瓶内底图像中每一张图像的像素平均值,每组挑选出像素平均值与标准像素值的差最小的对应图像,得到多张最佳瓶内底检测图像。可根据大量实验得出不同补光方式、不同亮度/曝光度的对应标准像素值。
为便于选择更适合检测的瓶内底图像,提升检测效率,像素值评估之前包括感兴趣区域面积评估,具体为:获取每组待检瓶内底图像中每一张图像的感兴趣区域面积,判断感兴趣区域面积与标准感兴趣区域面积的差值是否小于面积阈值;若小于,对应图像执行像素值评估;若不小于,对应图像不执行像素值评估。
另外,为减小图像处理过程中的计算量,将每组待检瓶内底图像进行灰度化处理,得到每组待检瓶内底灰度图像,每组待检瓶内底灰度图像用于执行S2中的图像评估操作。
S3 多张最佳瓶内底检测图像经特征提取和匹配处理,得到多个净度检测结果。
特征提取和匹配处理的操作具体为:提取最佳瓶内底检测图像的像素值,得到像素值分布特征;判断像素值分布特征在标准数据库中能否匹配到对应污渍特征;若能匹配,则净度检测结果为净度不合格;若不能匹配,则净度检测结果为净度合格。实际检测过程中,常使用最佳瓶内底检测图像的灰度值分布特征,来与标准数据库进行匹配,得到净度检测结果。
S4 若多个净度检测结果均为净度合格,则瓶内底净度达标;若多个净度检测结果均为净度不合格,则瓶内底净度不达标;若多个净度检测结果不一致,执行S5。
S5 若多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标;若多个净度检测结果中净度不合格的数量,不大于净度合格的数量,执行S1。
若多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标的操作具体为:若多个净度检测结果中净度不合格的数量,大于净度合格的数量,特征提取和匹配处理净度合格对应的待检瓶内底图像中其他不同亮度的瓶内底图片,得到多个净度检测辅助结果,判断净度检测辅助结果中是否包括净度不合格;若包括,则乳玻瓶内底净度不达标;若不包括,舍弃净度检测辅助结果以及同组净度检测结果,判定乳玻瓶内底净度不达标。
本实施例中,基于3种补光方式3种亮度的3组待检瓶内底图像中,分别挑选1张图片(最佳瓶内底检测图像)进行特征提取和匹配处理,得到3个净度检测结果,若其中2个的检测结果为净度不合格,另外1个检测结果为净度合格,则对净度合格对应的那组的待检瓶内底图像中未检测(特征提取和匹配处理)的图像进行检测(特征提取和匹配处理),这样可以避免由于污渍特殊性而造成的检测误差。如果另外2张图像的检测结果中存在净度不合格,则证明该组图像能够检测出污渍,乳玻瓶的瓶内底存在污渍,乳玻瓶精度不达标;如果另外2张图像的检测结果中均不为净度不合格,则该补光方式下的瓶内底图像可能不适于该类污渍检测,不考虑本组的检测结果,遵循其他2组的检测结果。
其中,特征提取和匹配处理净度合格对应的待检瓶内底图像中其他不同亮度的瓶内底图片的过程中,按照亮度值接近标准亮度值的顺序执行特征提取和匹配处理,若前一个净度辅助结果为净度不合格,终止执行下一个特征提取和匹配处理,判定乳玻瓶内底净度不达标。这样可以节省计算时间,提升检测效率。
本实施例提供一种乳玻瓶内底净度的图像检测系统,包括:
多组待检瓶内底图像生成模块,用于获取不同补光方式,同一补光方式下不同亮度的瓶内底图像,得到多组待检瓶内底图像;
多张最佳瓶内底检测图像生成模块,用于每组待检瓶内底图像经图像评估处理,得到多张最佳瓶内底检测图像;
多个净度检测结果生成模块,用于多张最佳瓶内底检测图像经特征提取和匹配处理,得到多个净度检测结果;
瓶内底净度达标判断模块,用于若多个净度检测结果均为净度合格,则瓶内底净度达标;若多个净度检测结果均为净度不合格,则瓶内底净度不达标;若多个净度检测结果不一致,执行净度不合格和净度合格数量判断模块;
净度不合格和净度合格数量判断模块,用于若多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标;若多个净度检测结果中净度不合格的数量,不大于净度合格的数量,执行多组待检瓶内底图像生成模块。
本实施例提供一种乳玻瓶内底净度的图像检测设备,包括处理器和存储器,其中,处理器执行存储器中保存的计算机程序时实现上述的乳玻瓶内底净度的图像检测方法。
本实施例提供一种计算机可读存储介质,用于存储计算机程序,其中,计算机程序被处理器执行时实现上述的乳玻瓶内底净度的图像检测方法。
本实施例提供的一种乳玻瓶内底净度的图像检测方法,考虑乳玻瓶瓶底厚度,料色差异和污渍透光特性等因素,将不同补光方式、不同曝光得到的呈像均匀、适用性强的瓶内底图片,进行图像评估挑选、特征提取和匹配,得到多个净度检测结果,并灵活根据多个净度检测结果,确定乳玻瓶内底净度是否达标,实现了乳玻瓶内底净度的自动化检测,在保证检测结果准确度的同时,提高了检测效率。
Claims (9)
1.一种乳玻瓶内底净度的图像检测方法,其特征在于,包括如下操作:
S1 获取不同补光方式,同一补光方式下不同亮度的瓶内底图像,得到多组待检瓶内底图像;所述不同补光方式包括:环面光源补光,具体为:乳玻瓶正下方设有环形灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集环形灯照射下乳玻瓶内底的图像,得到环面光源补光图;横向平面光源补光,具体为:乳玻瓶正下方设有平面灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集平面灯照射下乳玻瓶内底的图像,得到横向平面光源补光图;
竖向平面光源补光,具体为:乳玻瓶内底两侧设有平面灯,用于对乳玻瓶内底的两侧补光,乳玻瓶正上方设有照相机,用于采集两侧平面灯补光下乳玻瓶内底的图像,得到竖向平面光源补光图;
S2 每组待检瓶内底图像经图像评估处理,得到多张最佳瓶内底检测图像;
S3 所述多张最佳瓶内底检测图像经特征提取和匹配,得到多个净度检测结果;
S4 若所述多个净度检测结果均为净度合格,则瓶内底净度达标;
若所述多个净度检测结果均为净度不合格,则瓶内底净度不达标;
若所述多个净度检测结果不一致,执行S5;
S5 若所述多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标;
若所述多个净度检测结果中净度不合格的数量,不大于净度合格的数量,执行所述S1。
2.根据权利要求1所述的图像检测方法,其特征在于,所述S2中图像评估的操作包括像素值评估,具体为:
获取每组待检瓶内底图像中每一张图像的像素平均值,每组挑选出像素平均值与标准像素值的差最小的对应图像,得到所述多张最佳瓶内底检测图像。
3.根据权利要求2所述的图像检测方法,其特征在于,所述S2的图像评估的操作之前,还包括提取感兴趣区域,具体为:
获取待检瓶内底图像的几何中心,以四周朝向几何中心的方向,扫描提取所述待检瓶内底图像的像素值,计算前一位置与当前位置的像素差;
若所述像素差为正,且大于阈值,所述当前位置为边界点,统计所有边界点,经曲线拟合处理,得到检测框,所述检测框内部区域为感兴趣区域;
所述感兴趣区域用于执行所述S2中的图像评估操作。
4.根据权利要求1所述的图像检测方法,其特征在于,所述S3中特征提取和匹配的操作具体为:
提取最佳瓶内底检测图像的像素值,得到像素值分布特征;
判断所述像素值分布特征在标准数据库中能否匹配到对应污渍特征;
若能匹配,则净度检测结果为净度不合格;
若不能匹配,则净度检测结果为净度合格。
5.根据权利要求1所述的图像检测方法,其特征在于,所述S5中若多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标的操作具体为:
若多个净度检测结果中净度不合格的数量,大于净度合格的数量,特征提取和匹配处理净度合格对应的待检瓶内底图像中其他不同亮度的瓶内底图片,得到多个净度检测辅助结果,判断所述净度检测辅助结果中是否包括净度不合格;
若包括,则乳玻瓶内底净度不达标;
若不包括,舍弃所述净度检测辅助结果以及同组净度检测结果,判定乳玻瓶内底净度不达标。
6.根据权利要求5所述的图像检测方法,其特征在于,所述特征提取和匹配处理净度合格对应的待检瓶内底图像中其他不同亮度的瓶内底图片的过程中,按照亮度值接近标准亮度值的顺序执行所述特征提取和匹配处理,若前一个净度辅助结果为净度不合格,终止执行下一个所述特征提取和匹配处理,判定乳玻瓶内底净度不达标。
7.一种乳玻瓶内底净度的图像检测系统,其特征在于,包括:
多组待检瓶内底图像生成模块,用于获取不同补光方式,同一补光方式下不同亮度的瓶内底图像,得到多组待检瓶内底图像;所述不同补光方式包括:环面光源补光,具体为:乳玻瓶正下方设有环形灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集环形灯照射下乳玻瓶内底的图像,得到环面光源补光图;横向平面光源补光,具体为:乳玻瓶正下方设有平面灯,用于对乳玻瓶内底的补光,乳玻瓶正上方设有照相机,用于采集平面灯照射下乳玻瓶内底的图像,得到横向平面光源补光图;竖向平面光源补光,具体为:乳玻瓶内底两侧设有平面灯,用于对乳玻瓶内底的两侧补光,乳玻瓶正上方设有照相机,用于采集两侧平面灯补光下乳玻瓶内底的图像,得到竖向平面光源补光图;
多张最佳瓶内底检测图像生成模块,用于每组待检瓶内底图像经图像评估处理,得到多张最佳瓶内底检测图像;
多个净度检测结果生成模块,用于所述多张最佳瓶内底检测图像经特征提取和匹配,得到多个净度检测结果;
瓶内底净度达标判断模块,用于若所述多个净度检测结果均为净度合格,则瓶内底净度达标;若所述多个净度检测结果均为净度不合格,则瓶内底净度不达标;若所述多个净度检测结果不一致,执行净度不合格和净度合格数量判断模块;
净度不合格和净度合格数量判断模块,用于若所述多个净度检测结果中净度不合格的数量,大于净度合格的数量,则乳玻瓶内底净度不达标;若所述多个净度检测结果中净度不合格的数量,不大于净度合格的数量,执行所述多组待检瓶内底图像生成模块。
8.一种乳玻瓶内底净度的图像检测设备,其特征在于,包括处理器和存储器,其中,所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1-6任一项所述的乳玻瓶内底净度的图像检测方法。
9.一种计算机可读存储介质,其特征在于,用于存储计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的乳玻瓶内底净度的图像检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000066.6A CN116721103B (zh) | 2023-08-10 | 2023-08-10 | 乳玻瓶内底净度的图像检测方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311000066.6A CN116721103B (zh) | 2023-08-10 | 2023-08-10 | 乳玻瓶内底净度的图像检测方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116721103A CN116721103A (zh) | 2023-09-08 |
CN116721103B true CN116721103B (zh) | 2023-10-27 |
Family
ID=87873821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311000066.6A Active CN116721103B (zh) | 2023-08-10 | 2023-08-10 | 乳玻瓶内底净度的图像检测方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116721103B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006118913A (ja) * | 2004-10-20 | 2006-05-11 | West Japan Railway Co | ひび割れ検出方法及び装置 |
CN105865570A (zh) * | 2016-06-15 | 2016-08-17 | 天津大学 | 一种基于机器视觉的玻璃瓶液位检测方法 |
CN113612991A (zh) * | 2021-09-15 | 2021-11-05 | 深圳市丘钛微电子科技有限公司 | 一种补光型摄像机的亮度均匀性检测方法及装置 |
WO2022027949A1 (zh) * | 2020-08-04 | 2022-02-10 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 |
CN114900617A (zh) * | 2022-03-28 | 2022-08-12 | 北京京东乾石科技有限公司 | 补光方法、装置、设备、存储介质及补光亮度调整装置 |
CN115015206A (zh) * | 2022-07-15 | 2022-09-06 | 合肥工业大学 | 基于紫外荧光法的玻璃表面洁净度检测装置及检测方法 |
CN115035092A (zh) * | 2022-07-01 | 2022-09-09 | 心鉴智控(深圳)科技有限公司 | 基于图像的瓶体检测方法、装置、设备及存储介质 |
CN115100104A (zh) * | 2022-05-11 | 2022-09-23 | 厦门微亚智能科技有限公司 | 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质 |
CN115511869A (zh) * | 2022-10-20 | 2022-12-23 | 上海谷湘电子科技有限公司 | 基于视觉分析的智能检测方法、装置、设备及介质 |
CN116416190A (zh) * | 2021-12-31 | 2023-07-11 | 鸿海精密工业股份有限公司 | 瑕疵检测方法及装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6759662B2 (ja) * | 2016-03-30 | 2020-09-23 | コニカミノルタ株式会社 | 画像読み取り装置、同装置における読み取りガラス面の異物検出方法及び異物検出プログラム |
-
2023
- 2023-08-10 CN CN202311000066.6A patent/CN116721103B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006118913A (ja) * | 2004-10-20 | 2006-05-11 | West Japan Railway Co | ひび割れ検出方法及び装置 |
CN105865570A (zh) * | 2016-06-15 | 2016-08-17 | 天津大学 | 一种基于机器视觉的玻璃瓶液位检测方法 |
WO2022027949A1 (zh) * | 2020-08-04 | 2022-02-10 | 湖南大学 | 一种基于机器视觉的玻璃瓶底缺陷检测方法及系统 |
CN113612991A (zh) * | 2021-09-15 | 2021-11-05 | 深圳市丘钛微电子科技有限公司 | 一种补光型摄像机的亮度均匀性检测方法及装置 |
CN116416190A (zh) * | 2021-12-31 | 2023-07-11 | 鸿海精密工业股份有限公司 | 瑕疵检测方法及装置、电子设备及存储介质 |
CN114900617A (zh) * | 2022-03-28 | 2022-08-12 | 北京京东乾石科技有限公司 | 补光方法、装置、设备、存储介质及补光亮度调整装置 |
CN115100104A (zh) * | 2022-05-11 | 2022-09-23 | 厦门微亚智能科技有限公司 | 玻璃油墨区的缺陷检测方法、装置、设备及可读存储介质 |
CN115035092A (zh) * | 2022-07-01 | 2022-09-09 | 心鉴智控(深圳)科技有限公司 | 基于图像的瓶体检测方法、装置、设备及存储介质 |
CN115015206A (zh) * | 2022-07-15 | 2022-09-06 | 合肥工业大学 | 基于紫外荧光法的玻璃表面洁净度检测装置及检测方法 |
CN115511869A (zh) * | 2022-10-20 | 2022-12-23 | 上海谷湘电子科技有限公司 | 基于视觉分析的智能检测方法、装置、设备及介质 |
Non-Patent Citations (4)
Title |
---|
The method for glass bottle defects detecting based on machine vision;Fu Li 等;2017 29th Chinese Control And Decision Conference (CCDC);全文 * |
不同光照条件下二值化技术研究及应用;李龙光;苏静;韩海伦;乔海强;钱帆;;电子世界(第20期);全文 * |
玻璃瓶底污物的实时检验图像识别方法;林治钺, 尉迟颢颐, 江崇吉;大连理工大学学报(第01期);全文 * |
计算机视觉在金刚石净度检测中的应用研究;李银华;路新惠;钟彦征;;金刚石与磨料磨具工程(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116721103A (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111709948B (zh) | 容器瑕疵检测方法和装置 | |
CN108896574B (zh) | 一种基于机器视觉的瓶装白酒杂质检测方法及系统 | |
US7561751B2 (en) | Image processing method | |
CN109932369B (zh) | 一种异形显示面板检测方法及装置 | |
CN115908415B (zh) | 基于边缘的缺陷检测方法、装置、设备及存储介质 | |
CN110596120A (zh) | 玻璃边界缺陷检测方法、装置、终端及存储介质 | |
US6993187B2 (en) | Method and system for object recognition using fractal maps | |
CN114519714B (zh) | 一种显示屏脏污缺陷判定的方法和系统 | |
CN112396575A (zh) | 基于影像的分类系统 | |
JP2018031598A (ja) | 食器洗浄機及び洗浄状態の評価方法 | |
CN111242888A (zh) | 一种基于机器视觉的图像处理方法及系统 | |
US20200193212A1 (en) | Particle boundary identification | |
CN114565558A (zh) | 一种cmos芯片表面缺陷检测方法及系统 | |
CN116721103B (zh) | 乳玻瓶内底净度的图像检测方法、系统、设备和存储介质 | |
CN117309892A (zh) | 一种电池蓝膜的缺陷检测方法、装置及系统和光源控制器 | |
CN105825182A (zh) | 一种在线识别裂颖稻种的双面分析方法 | |
CN117392112A (zh) | 一种晶圆表面缺陷的检测方法、装置及系统 | |
CN109377493B (zh) | 一种基于规则库的蜂胶软胶囊不良品快速识别系统 | |
JPH09326026A (ja) | 画像処理方法及び画像処理装置 | |
CN109671081B (zh) | 一种基于fpga查找表的坏簇统计方法及装置 | |
CN112987356B (zh) | 液晶面板底部异物滤除装置 | |
US20140071298A1 (en) | Blemish detection sytem and method | |
CN111598851A (zh) | 一种基于形态学图像处理的太阳能电池破片检测方法 | |
CN116433978A (zh) | 一种高质量瑕疵图像自动生成与自动标注方法及装置 | |
CN112767397B (zh) | 工件的检测方法、工件检测设备及存储介质 |
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 |