CN116862912B - 基于机器视觉的原料油杂质检测方法 - Google Patents

Abstract

本发明涉及机器视觉领域，具体涉及基于机器视觉的原料油杂质检测方法，采集原料油图像；根据疑似杂质区域各边缘线上各像素点的曲率得到气泡形状相似曲线；根据各气泡形状相似曲线及对应第二边缘线得到各气泡形状相似曲线的圆环标准度；根据各气泡形状相似曲线的圆环标准度及灰度信息得到各圆环曲线对的气泡特征显著系数；将气泡特征显著系数大于气泡阈值的圆环曲线对记为气泡区域；根据疑似杂质区域与气泡区域的差集得到原料油图像中的杂质区域，完成原料油杂质检测。排除气泡对原料油中杂质检测的影响，提高了检测精度，改善了检测效果。

Description

基于机器视觉的原料油杂质检测方法

技术领域

本申请涉及机器视觉领域，具体涉及基于机器视觉的原料油杂质检测方法。

背景技术

原料油为经过过滤将沥青去除后准备进入石化领域加工的油。其中，原料油的颜色与油内非烃以及沥青质的含量有关，含量越高颜色越深，在原料油未去除沥青之前颜色较浅。原料油生产加工的过程中，通常会在油内混入杂质，杂质一般以悬浮的状态存在于油内，且杂质具有形状不规则和颜色不均匀的特点。同时，原料油中不仅存在杂质，通常也会出现一些的气泡，由于光线的影响会对原料油内的杂质检测效果产生影响，降低杂质检测的精度。

传统的原料油杂质检测方法是基于canny算子识别原料油图像中的杂质区域，但是这种方法会将原料油中的气泡识别出来，干扰原料油杂质的检测，降低检测精度。

综上所述，本发明提出基于机器视觉的原料油杂质检测方法，采集原料油图像，结合原料油中气泡的特征构建指标，完成原料油杂质的检测。

发明内容

为了解决上述技术问题，本发明提供基于机器视觉的原料油杂质检测方法，以解决现有的问题。

本发明的基于机器视觉的原料油杂质检测方法采用如下技术方案：

本发明一个实施例提供了基于机器视觉的原料油杂质检测方法，该方法包括以下步骤：

采集原料油图像；

分割出原料油图像中的疑似杂质区域并获取边缘线；根据各边缘线上各像素点的曲率得到各边缘线的曲率一致度；根据各边缘线的曲率一致度得到气泡形状相似曲线；获取各气泡形状相似曲线拟合圆的圆心；

获取各气泡形状相似曲线的第二边缘线；根据各气泡形状相似曲线及拟合圆圆心得到各气泡形状相似曲线各射线；根据各气泡形状相似曲线各射线得到各射线的截断距离；

根据各气泡形状相似曲线拟合圆圆心及对应第二边缘线拟合圆圆心之间的欧氏距离得到各气泡形状相似曲线的修正距离；根据各气泡形状相似曲线的修正距离及各气泡形状相似曲线各射线的截断距离得到各气泡形状相似曲线的圆环标准度；根据各气泡形状相似曲线的圆环标准度得到各圆环曲线对；根据各圆环曲线对的灰度信息得到各圆环曲线对的第一、第二、第三灰度均值；根据各圆环曲线对的第一、第二、第三灰度均值得到各圆环曲线对的气泡特征显著系数；

将气泡特征显著系数大于气泡阈值的圆环曲线对记为气泡区域；根据疑似杂质区域与气泡区域的差集得到原料油图像中的杂质区域，完成原料油杂质检测。

优选的，所述根据各边缘线上各像素点的曲率得到各边缘线的曲率一致度的具体方法为：

对于各边缘线，获取边缘线上各像素点的曲率；

计算边缘线上所有像素点的曲率均值，

将边缘线上各像素点曲率与所述曲率均值的差值平方记为各像素点的第一差值；

将边缘线上所有像素点的第一差值均值的倒数作为边缘线的曲率一致度。

优选的，所述根据各边缘线的曲率一致度得到气泡形状相似曲线的具体方法为：

设置气泡形状阈值，对于各边缘线，将边缘线的曲率一致度大于气泡形状阈值的边缘线记为气泡形状相似曲线。

优选的，所述获取各气泡形状相似曲线的第二边缘线的具体方法为：

对于各气泡形状相似曲线，将气泡形状相似曲线拟合圆圆心与剩余的气泡形状相似曲线拟合圆圆心之间的欧氏距离最小的气泡形状相似曲线记为第二边缘线。

优选的，所述根据各气泡形状相似曲线及拟合圆圆心得到各气泡形状相似曲线各射线的具体方法为：

对于各气泡形状相似曲线，获取气泡形状相似曲线的各采样点；

以气泡形状相似曲线拟合圆圆心出发，向气泡形状相似曲线各采样点做射线得到气泡形状相似曲线各射线。

优选的，所述根据各气泡形状相似曲线各射线得到各射线的截断距离的具体方法为：

对于各气泡形状相似曲线各条射线，将射线相交于气泡形状相似曲线对应第二边缘线的边缘点记为交点；

获取气泡形状相似曲线各采样点，将所述采样点和所述交点的欧氏距离作为截断距离。

优选的，所述根据各气泡形状相似曲线的修正距离及各气泡形状相似曲线各射线的截断距离得到各气泡形状相似曲线的圆环标准度的具体方法为：

对于各气泡形状相似曲线，

获取气泡形状相似曲线所有射线的截断距离的截断距离均值；将气泡形状相似曲线所有射线的截断距离与所述截断距离均值的差值平方的均值记为截断差异；

计算气泡形状相似曲线的修正距离与所述截断差异的和值，将所述和值的倒数作为气泡形状相似曲线的圆环标准度。

优选的，所述根据各气泡形状相似曲线的圆环标准度得到各圆环曲线对的具体方法为：

对于各气泡形状相似曲线，设置圆环标准阈值；

将气泡形状相似曲线的圆环标准度大于圆环标准阈值的气泡形状相似曲线及对应第二边缘线记为圆环曲线对。

优选的，所述根据各圆环曲线对的灰度信息得到各圆环曲线对的第一、第二、第三灰度均值的具体方法为：

对于各圆环曲线对，

将圆环曲线对中半径最小的曲线内所有像素点的灰度均值记为第一灰度均值；

将圆环曲线对中两条曲线中间围成的区域内所有像素点的灰度均值记为第二灰度均值；

获取圆环曲线对中半径最大曲线上各像素点的相邻外围像素点，将所有相邻外围像素点的灰度均值记为圆环曲线对的第三灰度均值。

优选的，所述根据各圆环曲线对的第一、第二、第三灰度均值得到各圆环曲线对的气泡特征显著系数的具体方法为：

对于各圆环曲线对，

将第一灰度均值与第二灰度均值的差值绝对值记为第一系数；

将第一灰度均值与第三灰度均值的差值绝对值记为第二系数；

将所述第一系数与所述第二系数的比值作为圆环曲线对的气泡特征显著系数。

本发明至少具有如下有益效果：

本发明方法可实现对原料油中杂质的检测，相比于传统的canny算子检测方法，本发明根据气泡在原料油中的特征构建特征指标，从圆形度、圆环度以及灰度颜色三个方面由浅入深对气泡的特征进行分析，并通过阈值筛选，逐步排除不符合气泡特征的疑似杂质区域，提高了检测精度，降低了误检的风险；

同时，根据气泡通常呈现出圆环形且圆环内灰度颜色较深的特征构建气泡特征显著系数，得到图像中气泡特征显著的区域，将其从原料油图像中剔除，排除气泡对杂质检测的影响，改善了检测效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明提供的基于机器视觉的原料油杂质检测方法的流程图；

图2为本发明提供的射线经过圆环上两条曲线上的边缘点的示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于机器视觉的原料油杂质检测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于机器视觉的原料油杂质检测方法的具体方案。

本发明一个实施例提供的基于机器视觉的原料油杂质检测方法。

具体的，提供了如下的基于机器视觉的原料油杂质检测方法，请参阅图1，该方法包括以下步骤：

步骤S001，采集原料油图像。

本实施例主要通过机器视觉技术对原料油中的杂质进行检测，由于原料油为透明液体，容易受到光照的影响。

因此在使用CCD相机获取原料油的RGB空间图像后，为了获取更加清晰的原料油表面图像，减少噪声的影响，对原料油的RGB空间图像进行去噪处理，去噪技术有双边滤波、高斯滤波等。本实施例采用双边滤波技术对原料油的RGB空间图像去噪，得到去噪后的原料油RGB空间图像，将去噪后的RGB空间图像进行灰度化处理，得到处理后的原料油图像。其中双边滤波技术为公知技术，本实施例不再赘述。

至此，即可得到原料油图像，用于分析原料油中的杂质。

步骤S002，根据原料油图像中气泡的特征构建特征指标，得到气泡特征显著系数。

本实施例针对浅黄色原料油中的杂质进行分析，在原料油提取过程中会由于工艺不当等问题导致原料油中出现悬浮杂质，例如油料饼末、泥沙、铁屑等杂质。同时，原料油中的悬浮杂质会被气泡遮挡，导致杂质在图像中不易被识别，且悬浮杂质分布不均匀，形状不规则。

通过机器视觉对原料油中的杂质进行检测时，由于气泡的影响，在对原料油图像中的杂质区域检测时精度较低。

因此使用OTSU大津阈值算法对原料油图像进行阈值分割，将小于最佳分割阈值的区域记为疑似杂质区域。OTSU为公知技术，本实施例不再赘述。

原料油中杂质较为杂乱，杂质的边缘以及形状没有规则，但原料油中通常含有气泡，由于光线的影响，气泡在原料油图像中也呈现出较深的颜色，容易被划分为疑似杂质区域，会被误识别为杂质。所以针对疑似杂质区域，对各区域的边缘线进行分析。

为了计算疑似杂质区域边缘线与圆形的接近程度，针对疑似杂质区域边缘线上的像素点进行分析。

对任意一条边缘线，获取边缘线上第个像素点的曲率，记为。以此类推，得到 边缘线上所有像素点的曲率。若该条边缘线越接近圆形，则边缘线上每个像素点的曲率越 一致。曲率一致度的公式为：

其中，为控制系数，取值为1，为该条边缘线上像素点的数量，为边缘线上第个像素点的曲率，为边缘线上所有像素点曲率的平均值，为该条边缘线的曲率一 致度。

需要说明的是，曲率一致度的取值范围为。若该条边缘线的形状越接近 于圆形，则边缘线上每个像素点的曲率越一致，对应曲率一致度越接近于1。

重复上述步骤，得到原料油图像中各边缘线的曲率一致度。

其中，为了区别于原料油中的杂质与气泡，即杂质区域的边缘线上各像素点的曲 率较不一致，设气泡形状阈值，取经验值为0.8，将曲率一致度大于气泡形状阈值的边缘 线标记为气泡形状相似曲线。

由于光线的影响，在原料油图像中，气泡具有独有的特征，即原料油中的气泡中心区域颜色与原料油本身颜色较为接近，而在气泡边缘呈现出颜色较深的圆环，即气泡部分在经过OTSU算法分割后得到的区域为圆环区域。

对气泡形状相似曲线进行处理，通过最小二乘法对得到的气泡形状相似曲线进行圆形拟合，得到拟合圆的圆心坐标。

针对任意一个气泡形状相似曲线拟合圆的圆心，计算与其他剩余所有的气泡形状相似曲线的拟合圆圆心之间的欧式距离，将欧式距离最小的圆心所在的气泡形状相似曲线记为气泡形状相似曲线对应的第二边缘线。

对任意一条气泡形状相似曲线上取均匀的个采样点，本实施例中取经验值为 20。以气泡形状相似曲线拟合圆圆心为起点，过气泡形状相似曲线上各采样点做射线，得到条射线。

每条射线与气泡形状相似曲线相交于采样点，与气泡形状相似曲线对应的第二 边缘线相交于交点，将采样点与交点之间的欧式距离记为气泡形状相似曲线各射 线的截断距离。如图2所示，其中c表示为各气泡形状相似曲线拟合圆圆心，d表示为第二边 缘线拟合圆圆心，e表示为射线与气泡形状相似曲线相交的采样点，f表示射线为与气泡形 状相似曲线对应的第二边缘线相交的交点，F1表示为气泡形状相似曲线，F2表示为气泡形 状相似曲线对应的第二边缘线。

同时，将各气泡形状相似曲线拟合圆圆心与对应第二边缘线拟合圆圆心之间的欧氏距离作为气泡形状相似曲线的修正距离，该修正距离作为修正两个圆是否为同心圆的程度指标。

结合气泡形状相似曲线各射线的截断距离，用圆环标准度来表征各气泡形状相似曲线及对应第二边缘线形成圆环的规则程度。

式中，为修正系数，取值为1，为气泡形状相似曲线上第条射线的截断距 离，为气泡形状相似曲线所有射线的截断距离均值，为气泡形状相似曲线上射线的 数量，为气泡形状相似曲线的修正距离，为气泡形状相似曲线的圆环标准度。

需要说明的是，若两圆之间的位置关系越接近标准的圆环，则对应不同位置的采 样点与交点之间的欧式距离越均匀，即欧式距离的方差越小；同时标准的圆环上两个圆的 圆心属于同一个圆心，即两圆的圆心之间的欧式距离越小，越接近标准圆环的形状，对应圆 环标准度越接近1。

重复上述步骤，遍历所有气泡形状相似曲线，计算其气泡形状相似曲线及对应的第二边缘线共同表征的圆环标准度。

由于各气泡形状相似曲线的圆环标准度不同，有些圆环标准度较小，即两个圆之间不是较为规则的圆环，即这些圆环可能为原料油中的杂质，不具有气泡的特征。

因此，设置圆环标准阈值，经验值取0.9，对圆环标准度大于圆环标准阈值的气 泡相似曲线及其对应的第二边缘线标记为圆环曲线对。

针对标记的各圆环曲线对，对圆环曲线对中两条曲线的半径大小进行比较，针对半径较小的曲线，求半径较小曲线内各像素点的灰度均值记为第一灰度均值；将两条曲线之间的区域内各像素点的灰度均值记为第二灰度均值。

若对应圆环曲线对为气泡区域，则在气泡边缘部分颜色较深，在气泡中心区域颜色较浅，同时在气泡外围区域通常也为原料油的颜色，则针对第二灰度均值与第一灰度均值进行分析，若对应区域为气泡区域，则第二灰度均值与第一灰度均值的差值绝对值较大。

同时针对各圆环曲线对，确定圆环曲线对的外围曲线。

由于在圆环曲线对中半径较大的曲线上的像素点的灰度值较暗，但是这条曲线向外扩大一点就属于原料油图像中的正常的原料油区域，其灰度值就会变大；但是这个区域也不能向外扩伸太大，否则就会接触到其他的疑似杂质区域，干扰获取正常原料油区域的灰度信息。

因此，为了表征圆环曲线对中圆环内部的灰度信息与圆环曲线对外部的灰度信息差异程度，只需要将圆环曲线对中半径较大的曲线上各像素点的相邻外围像素点记为圆环曲线对的外围曲线，将圆环曲线对的外围曲线上各像素点的灰度均值记为第三灰度均值。

针对各圆环曲线对，若满足气泡在图像中呈现的特征，则第一灰度均值与第二灰 度均值之间的差值越大，即圆环与圆环内部的颜色差异较大；且第一灰度均值与第三灰度 均值较为接近，即圆环内部与圆环外围的灰度值较为接近且为原料油颜色，对此，构建气泡 特征显著系数。

式中，为消零参数，取值为1，为圆环曲线对的第一灰度均值，为圆环曲线 对的第二灰度均值，为圆环曲线对的第三灰度均值，为圆环曲线对的气泡特征显著 系数。

需要说明的是，对应圆环曲线对的气泡特征越明显，即气泡内与气泡外的颜色较为接近，气泡圆环上与圆环内的颜色差异越大，该圆环越可能为气泡区域，对应的气泡特征显著系数就越大。

遍历原料油图像中所有的圆环曲线对，计算其气泡特征显著系数。对计算得到的 气泡特征显著系数作归一化处理，设气泡阈值，本实施例设的经验值为0.8，将气泡特征 显著系数大于气泡阈值的圆环曲线对所在的区域标记为气泡区域。

至此，得到原料油图像中疑似杂质区域中的气泡区域。

步骤S003，排除气泡区域，检测原料油图像中的杂质区域。

针对原料油图像中的疑似杂质区域，通过步骤二得到了疑似杂质区域中的气泡区域。

将疑似杂质区域与气泡区域的差集作为原料油图像中的杂质区域，排除原料油图像中气泡对杂质检测精度及效果的影响。

至此，完成对原料油中杂质的检测。

综上所述，本发明实施例提出基于机器视觉的原料油杂质检测方法，采集原料油图像，结合原料油中气泡的特征构建指标，完成原料油杂质的检测。

本发明实施例方法可实现对原料油中杂质的检测，相比于传统的canny算子检测方法，本发明实施例根据气泡在原料油中的特征构建特征指标，从圆形度、圆环度以及灰度颜色三个方面由浅入深对气泡的特征进行分析，并通过阈值筛选，逐步排除不符合气泡特征的疑似杂质区域，提高了检测精度，降低了误检的风险；

同时，根据气泡通常呈现出圆环形且圆环内灰度颜色较深的特征构建气泡特征显著系数，得到图像中气泡特征显著的区域，将其从原料油图像中剔除，排除气泡对杂质检测的影响，改善了检测效果。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围，均应包含在本申请的保护范围之内。

Claims (3)

1.基于机器视觉的原料油杂质检测方法，其特征在于，该方法包括以下步骤：

采集原料油图像；

分割出原料油图像中的疑似杂质区域并获取边缘线；根据各边缘线上各像素点的曲率得到各边缘线的曲率一致度；根据各边缘线的曲率一致度得到气泡形状相似曲线；获取各气泡形状相似曲线拟合圆的圆心；

获取各气泡形状相似曲线的第二边缘线；根据各气泡形状相似曲线及拟合圆圆心得到各气泡形状相似曲线各射线；根据各气泡形状相似曲线各射线得到各射线的截断距离；

根据各气泡形状相似曲线拟合圆圆心及对应第二边缘线拟合圆圆心之间的欧氏距离得到各气泡形状相似曲线的修正距离；根据各气泡形状相似曲线的修正距离及各气泡形状相似曲线各射线的截断距离得到各气泡形状相似曲线的圆环标准度；根据各气泡形状相似曲线的圆环标准度得到各圆环曲线对；根据各圆环曲线对的灰度信息得到各圆环曲线对的第一、第二、第三灰度均值；根据各圆环曲线对的第一、第二、第三灰度均值得到各圆环曲线对的气泡特征显著系数；

将气泡特征显著系数大于气泡阈值的圆环曲线对记为气泡区域；根据疑似杂质区域与气泡区域的差集得到原料油图像中的杂质区域，完成原料油杂质检测；

所述根据各边缘线上各像素点的曲率得到各边缘线的曲率一致度的具体方法为：

对于各边缘线，获取边缘线上各像素点的曲率；

计算边缘线上所有像素点的曲率均值，

将边缘线上各像素点曲率与所述曲率均值的差值平方记为各像素点的第一差值；

将边缘线上所有像素点的第一差值均值的倒数作为边缘线的曲率一致度；

所述根据各边缘线的曲率一致度得到气泡形状相似曲线的具体方法为：

设置气泡形状阈值，对于各边缘线，将边缘线的曲率一致度大于气泡形状阈值的边缘线记为气泡形状相似曲线；

所述获取各气泡形状相似曲线的第二边缘线的具体方法为：

对于各气泡形状相似曲线，将气泡形状相似曲线拟合圆圆心与剩余的气泡形状相似曲线拟合圆圆心之间的欧氏距离最小的气泡形状相似曲线记为第二边缘线；

所述根据各气泡形状相似曲线的修正距离及各气泡形状相似曲线各射线的截断距离得到各气泡形状相似曲线的圆环标准度的具体方法为：

对于各气泡形状相似曲线，

获取气泡形状相似曲线所有射线的截断距离的截断距离均值；将气泡形状相似曲线所有射线的截断距离与所述截断距离均值的差值平方的均值记为截断差异；

计算气泡形状相似曲线的修正距离与所述截断差异的和值，将所述和值的倒数作为气泡形状相似曲线的圆环标准度；

所述根据各气泡形状相似曲线的圆环标准度得到各圆环曲线对的具体方法为：

对于各气泡形状相似曲线，设置圆环标准阈值；

将气泡形状相似曲线的圆环标准度大于圆环标准阈值的气泡形状相似曲线及对应第二边缘线记为圆环曲线对；

所述根据各圆环曲线对的灰度信息得到各圆环曲线对的第一、第二、第三灰度均值的具体方法为：

对于各圆环曲线对，

将圆环曲线对中半径最小的曲线内所有像素点的灰度均值记为第一灰度均值；

将圆环曲线对中两条曲线中间围成的区域内所有像素点的灰度均值记为第二灰度均值；

获取圆环曲线对中半径最大曲线上各像素点的相邻外围像素点，将所有相邻外围像素点的灰度均值记为圆环曲线对的第三灰度均值；

所述根据各圆环曲线对的第一、第二、第三灰度均值得到各圆环曲线对的气泡特征显著系数的具体方法为：

对于各圆环曲线对，

将第一灰度均值与第二灰度均值的差值绝对值记为第一系数；

将第一灰度均值与第三灰度均值的差值绝对值记为第二系数；

将所述第一系数与所述第二系数的比值作为圆环曲线对的气泡特征显著系数。

2.如权利要求1所述的基于机器视觉的原料油杂质检测方法，其特征在于，所述根据各气泡形状相似曲线及拟合圆圆心得到各气泡形状相似曲线各射线的具体方法为：

对于各气泡形状相似曲线，获取气泡形状相似曲线的各采样点；

以气泡形状相似曲线拟合圆圆心出发，向气泡形状相似曲线各采样点做射线得到气泡形状相似曲线各射线。

3.如权利要求1所述的基于机器视觉的原料油杂质检测方法，其特征在于，所述根据各气泡形状相似曲线各射线得到各射线的截断距离的具体方法为：

对于各气泡形状相似曲线各条射线，将射线相交于气泡形状相似曲线对应第二边缘线的边缘点记为交点；

获取气泡形状相似曲线各采样点，将所述采样点和所述交点的欧氏距离作为截断距离。