CN116894832B - 一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质 - Google Patents
一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN116894832B CN116894832B CN202310931245.5A CN202310931245A CN116894832B CN 116894832 B CN116894832 B CN 116894832B CN 202310931245 A CN202310931245 A CN 202310931245A CN 116894832 B CN116894832 B CN 116894832B
- Authority
- CN
- China
- Prior art keywords
- image
- glass bottle
- bottleneck
- value
- milk glass
- 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
- 239000011521 glass Substances 0.000 title claims abstract description 164
- 239000008267 milk Substances 0.000 title claims abstract description 116
- 210000004080 milk Anatomy 0.000 title claims abstract description 116
- 235000013336 milk Nutrition 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 112
- 238000000605 extraction Methods 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 52
- 230000000007 visual effect Effects 0.000 claims description 40
- 210000000481 breast Anatomy 0.000 claims description 39
- 210000003739 neck Anatomy 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 9
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000008054 signal transmission Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration by the use of histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
-
- 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
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
Abstract
本发明涉及图像处理技术领域,具体为一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质,该检测方法使用第一平面镜和V字形第二平面镜,将不同角度的乳玻瓶瓶颈图像传递给摄像机,得到待检乳玻瓶瓶颈图像,将待检乳玻瓶瓶颈图像转化为灰度图后,经图像评估处理,并根据图像评估结果灵活选择不同的特征提取方式,在保证检测准确度的基础上,提高检测效率。
Description
技术领域
本发明涉及图像处理技术领域,具体为一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质。
背景技术
乳玻瓶能够解决常规玻璃瓶容易渗漏和外观不美的问题,还具有避光、避紫外线的作用,有利于酒液的保存。同时,它的造价相对较低,适合大批量生产,成为了高端白酒的稳定选择。乳玻瓶的生产过程中,因机械设备、温压条件等原因,乳玻瓶的颈部会产生裂缝、裂纹等。
现有技术中,常采用位于瓶体顶部的相机拍摄玻璃瓶瓶颈内部,从瓶颈内部查看瓶颈缺陷,但乳玻瓶是半透明瓶,仅从瓶颈内部查看瓶颈缺陷容易漏判外部瓶颈裂纹,造成检测准确度低;另外,现有自动化视觉检测技术处理图像时,只能一次检测一张图像,对于大批量的乳玻瓶瓶颈检测来说,检测效率较低。
发明内容
本发明的目的是提供了一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质。
本发明技术方案如下:
一种乳玻瓶瓶颈裂纹的检测方法,包括如下操作:
S1乳玻瓶瓶颈所在位置周向平均分布有4个第一平面镜,选取相邻2个第一平面镜,其连线与所述乳玻瓶瓶颈移动轨迹平行,在其中间位置设置V字形第二平面镜,靠近所述V字形第二平面镜的V字形尖端处设有摄像机,且所述V字形尖端所在竖直边与摄像机中心线组成的平面,垂直所述摄像机的摄像面,使得摄像机可以捕获2个第一平面中的图像映射在第二平面上的图像;
所述第一平面镜采集到对应视角的乳玻瓶瓶颈图像,并将所述对应视角的乳玻瓶瓶颈图像反射传递给V字形第二平面镜,所述摄像机采集V字形第二平面镜中不同视角的乳玻瓶瓶颈图像,得到待检乳玻瓶瓶颈图像;
S2所述待检乳玻瓶瓶颈图像经灰度化处理,得到初始化图像;所述初始化图像经图像评估处理,得到相似度值;若所述相似度值不超过标准值,执行S3;若所述相似度值超过标准值,执行S4;
S3所述初始化图像经并行特征提取处理,得到裂纹检测标签;
S4所述初始化图像经串行特征提取处理,得到裂纹检测标签。
如上所述的检测方法,所述S2中初始化图像经图像评估的操作之前,还包括图像核准处理所述初始化图像,具体操作为:获取暂存空间中存放的所述摄像机拍摄乳玻瓶瓶颈图像的时间,判断2个乳玻瓶瓶颈图像之间的时间差是否小于阈值,若小于,所述相邻乳玻瓶瓶颈图像为同一个乳玻瓶图像,执行所述S2中的得到相似度值的操作;若不小于,所述相邻乳玻瓶瓶颈图像不为同一个乳玻瓶图像,舍弃所述初始化图像,执行所述S1。
如上所述的检测方法,所述S2中图像评估的操作包括检测基点评估,具体操作为:获取所述初始化图像中乳玻瓶瓶颈的检测基点坐标值,得到所述检测基点坐标值与标准检测基点坐标值之间的距离;基于所述距离和预设距离评分规则,得到检测基点相似度值,得到所述相似度值。
进一步的,若所述检测基点相似度值超过标准值,执行灰度值评估,具体操作为:获取检测基点评估后的初始化图像每个位置的灰度值,与标准检测图像对应位置的灰度值进行对比,得到若干个灰度差,计算所述初始化图像所有位置的灰度差的平均值,得到灰度差均值;基于灰度差均值和预设灰度差评分规则,得到灰度值相似度值,得到所述相似度值。
更进一步的,若所述灰度值相似度值超过标准值,执行边缘轮廓特征评估,具体操作为:针对乳玻瓶边缘轮廓特征,将灰度值评估后的初始化图像与标准检测图像进行对比,得到边缘轮廓特征差;获取所述边缘轮廓特征差占标准检测图像中边缘轮廓特征的比值,得到边缘轮廓特征相似度值,得到所述相似度值。
如上所述的检测方法,所述S3中并行特征提取的操作具体为:
同时对所述初始化图像中,不同视角的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断所述灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹。
如上所述的检测方法,所述S4中串行特征提取的操作具体为:依次对所述初始化图像中,不同视角的乳玻瓶瓶颈图像进行图像定位、检测框生成、灰度值提取、特征匹配处理,得到所述裂纹检测标签;所述图像定位的操作具体为:获取单个视角的乳玻瓶瓶颈图像中,瓶颈的横坐标最小值与纵坐标最小值对应的坐标点,得到检测基点,所述检测框生成的操作具体为:基于所述检测基点与预设移动距离和预设检测框面积,得到检测框区域;所述灰度值提取的操作具体为:对所述检测框区域内的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断所述灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹。
一种乳玻瓶瓶颈裂纹的检测系统,包括:
待检乳玻瓶瓶颈图像生成模块,用于实现乳玻瓶瓶颈所在位置周向平均分布有4个第一平面镜,选取相邻2个第一平面镜,其连线与所述乳玻瓶瓶颈移动轨迹平行,在其中间位置设置V字形第二平面镜,靠近所述V字形第二平面镜的V字形尖端处设有摄像机,且所述V字形尖端所在竖直边与摄像机中心线组成的平面,垂直所述摄像机的摄像面,使得摄像机可以捕获2个第一平面中的图像映射在第二平面上的图像;所述第一平面镜采集到对应视角的乳玻瓶瓶颈图像,并将所述对应视角的乳玻瓶瓶颈图像反射传递给V字形第二平面镜,所述摄像机采集V字形第二平面镜中不同视角的乳玻瓶瓶颈图像,得到待检乳玻瓶瓶颈图像;
初始化图像生成及评估模块,用于所述待检乳玻瓶瓶颈图像经灰度化处理,得到初始化图像;所述初始化图像经图像评估处理,得到相似度值;若所述相似度值不超过标准值,执行并行特征提取模块;若所述相似度值超过标准值,执行串行特征提取模块;
并行特征提取模块,用于所述初始化图像经并行特征提取处理,得到裂纹检测标签;
串行特征提取模块,用于所述初始化图像经串行特征提取处理,得到裂纹检测标签。
一种乳玻瓶瓶颈裂纹的检测设备,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瓶颈裂纹的检测方法。
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瓶颈裂纹的检测方法。
本发明的有益效果在于:
本发明提供的一种乳玻瓶瓶颈裂纹的检测方法,使用第一平面镜和V字形第二平面镜,将不同角度的乳玻瓶瓶颈图像传递给摄像机,得到待检乳玻瓶瓶颈图像,将待检乳玻瓶瓶颈图像转化为灰度图后,经图像评估处理,并根据图像评估结果灵活选择不同的特征提取方式,在保证检测准确度的基础上,提高检测效率;
本发明提供的一种乳玻瓶瓶颈裂纹的检测方法,在图像评估处理前,对待检图像进行是否属于同一乳玻瓶图像的判断处理,确保检测结果的准确度;另外,图像评估处理的操作包括对初始化图像依次进行检测基点评估、灰度值评估和边缘轮廓特征评估,判断乳玻瓶瓶颈图像与预设模型标准图像的误差大小,灵活选择不同的特征提取方法,进一步提高检测效率。
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为实施例中检测方法的流程示意图;
图2为实施例中摄像机采集到的乳玻瓶瓶颈图像;
图3为实施例中检测系统的结构示意图;
图4为实施例中检测设备的结构示意图。
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。
本实施例提供了一种乳玻瓶瓶颈裂纹的检测方法,参见图1,包括如下操作:
S1乳玻瓶瓶颈所在位置周向平均分布有4个第一平面镜,选取相邻2个第一平面镜,其连线与所述乳玻瓶瓶颈移动轨迹平行,在其中间位置设置V字形第二平面镜,靠近所述V字形第二平面镜的V字形尖端处设有摄像机,且所述V字形尖端所在竖直边与摄像机中心线组成的平面,垂直所述摄像机的摄像面,使得摄像机可以捕获2个第一平面中的图像映射在第二平面上的图像;
所述第一平面镜采集到对应视角的乳玻瓶瓶颈图像,并将所述对应视角的乳玻瓶瓶颈图像反射传递给V字形第二平面镜,所述摄像机采集V字形第二平面镜中不同视角的乳玻瓶瓶颈图像,得到待检乳玻瓶瓶颈图像;
S2所述待检乳玻瓶瓶颈图像经灰度化处理,得到初始化图像;所述初始化图像经图像评估处理,得到相似度值;若所述相似度值不超过标准值,执行S3;若所述相似度值超过标准值,执行S4;
S3所述初始化图像经并行特征提取处理,得到裂纹检测标签;
S4所述初始化图像经串行特征提取处理,得到裂纹检测标签。
S1乳玻瓶瓶颈所在位置周向平均分布有4个第一平面镜,选取相邻2个第一平面镜,其连线与乳玻瓶瓶颈移动轨迹平行,在其中间位置设置V字形第二平面镜,靠近V字形第二平面镜的V字形尖端处设有摄像机,且V字形尖端所在竖直边与摄像机中心线组成的平面,垂直摄像机的摄像面,使得摄像机可以捕获2个第一平面中的图像映射在第二平面上的图像;第一平面镜采集到对应视角的乳玻瓶瓶颈图像,并将对应视角的乳玻瓶瓶颈图像反射传递给V字形第二平面镜,摄像机采集V字形第二平面镜中不同视角的乳玻瓶瓶颈图像,得到待检乳玻瓶瓶颈图像。
若采用单个相机直视的方式来看乳玻瓶颈部区域,其视野范围可以达到180度,但是实际的有效检测范围最多(考虑高速输送时候晃动影响)在150度。为了有效的提升检测视角的范围,设计了单相机双视角的方式,2个传送带夹紧乳玻瓶,带动乳玻瓶运动到待测位置,乳玻瓶两侧对称分布的4个第一平面镜会将乳玻瓶不同视角的瓶颈图像分别反射给2个V字形第二平面镜,V字形第二平面镜会自动将相邻视角的乳玻瓶瓶颈图像拼接成一幅图像,然后2个摄像机分别拍摄对应位置的V字形第二平面镜中的图像,得到4个视角的乳玻瓶瓶颈图像,2幅待检乳玻瓶瓶颈图像,如图2所示。这样可以有效的拓宽观测的视角范围,可以保证双视角的最小视野范围为200度;再通过双相机角度互补设计,实现360度成像。
S2待检乳玻瓶瓶颈图像经灰度化处理,得到初始化图像;初始化图像经图像评估处理,得到相似度值;若相似度值不超过标准值,执行S3;若相似度值超过标准值,执行S4。
因为是两个摄像机采集的同一个瓶体的图片,需要同时传递给处理器进行处理;为了避免高速运行过程中,图像错位(两个摄像机采集的图片不是同一个瓶子)导致的漏检或者错误剔除的问题。初始化图像经图像评估的操作之前,还包括图像核准处理初始化图像,具体操作为:获取暂存空间中存放的摄像机拍摄乳玻瓶瓶颈图像的时间,判断2个乳玻瓶瓶颈图像之间的时间差是否小于阈值,若小于,相邻乳玻瓶瓶颈图像为同一个乳玻瓶图像,执行S2中的得到相似度值的操作;若不小于,相邻乳玻瓶瓶颈图像为同一个乳玻瓶图像,舍弃初始化图像,执行S1。暂存空间是指摄像机将图片发送至处理器过程中的信号传输空间,为便于判断一个乳玻瓶的图像是否完整,设置暂存空间中只能存放2张图像。
为提高检测效率和准确率,图像评估的操作包括检测基点评估,操作为:获取初始化图像中乳玻瓶瓶颈的检测基点坐标值,得到检测基点坐标值与标准检测基点坐标值之间的距离;基于距离和预设距离评分规则,得到检测基点相似度值,得到相似度值。为提高检测效率和准确率,本实施例优选使用基于连通域统计的区域欧式距离法的方式来执行检测基点评估。进一步的,判断当前采集图像中的每个视角的瓶颈图像中,基于检测基点所形成的待检测位置、感兴趣区域的位置及其颈部区域的长度宽度和面积数值,计算与预设模型内的标准图像的误差,若超过阈值,执行S3,若未超过阈值,执行S4。由此可以排除因瓶间距不稳定导致的视野中存在多余的部分,可以排除图像采集时瓶体姿态不稳定导致的问题。
另外,图像评估的操作可以为图像残差操作,操作为:获取初始化图像与标准检测图像之间的残差结果,若残差结果超出设定阈值上限,则认为当前图像与标准检测图像差异极大,执行S4;若残差结果小于设定阈值下限,则认为当前图像与标准检测图像极度相似,执行S3;若残差结果处于设定阈值范围内,执行检测基点评估。
进一步的,检测基点相似度值超过标准值,执行灰度值评估,操作为:获取检测基点评估后的初始化图像每个位置的灰度值,与标准检测图像对应位置的灰度值进行对比,得到若干个灰度差,计算初始化图像所有位置的灰度差的平均值,得到灰度差均值;基于灰度差均值和预设灰度差评分规则,得到灰度值相似度值,得到相似度值。本实施例优选使用灰度直方图分析法来执行灰度值评估。灰度直方图能给出图像灰度范围、每个灰度的频度和灰度的分布、整幅图像的平均明暗和对比度等概貌性描述。
更进一步的,若灰度值相似度值超过标准值,执行边缘轮廓特征评估,操作为:针对乳玻瓶边缘轮廓特征,将灰度值评估后的初始化图像与标准检测图像进行对比,得到边缘轮廓特征差;获取边缘轮廓特征差占标准检测图像中边缘轮廓特征的比值,得到边缘轮廓特征相似度值,得到相似度值。获取乳玻瓶边缘轮廓特征的操作具体为,对图像进行线性平滑之后,采用基于一阶微分算子的Sobel算子,提取较为精确的边缘方向信息,再配合区域增长法,实现边缘轮廓的特征提取,最终得到闭合的乳玻瓶边缘的轮廓特征。边缘轮廓特征评估可以快速判断出瓶颈形态是否满足检测要求。
S3初始化图像经并行特征提取处理,得到裂纹检测标签。
并行特征提取的操作为:同时对初始化图像中,不同视角的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹。
S4初始化图像经串行特征提取处理,得到裂纹检测标签。
串行特征提取的操作为:依次对初始化图像中,不同视角的乳玻瓶瓶颈图像进行图像定位、检测框生成、灰度值提取、特征匹配处理,得到裂纹检测标签;图像定位的操作具体为:获取单个视角的乳玻瓶瓶颈图像中,瓶颈的横坐标最小值与纵坐标最小值对应的坐标点,得到检测基点;检测框生成的操作具体为:基于检测基点与预设移动距离和预设检测框面积,得到检测框区域;灰度值提取的操作具体为:对检测框区域内的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹。
本实施例提供一种乳玻瓶瓶颈裂纹的检测系统,参见图3,包括:
待检乳玻瓶瓶颈图像生成模块,用于实现乳玻瓶瓶颈所在位置周向平均分布有4个第一平面镜,选取相邻2个第一平面镜,其连线与所述乳玻瓶瓶颈移动轨迹平行,在其中间位置设置V字形第二平面镜,靠近所述V字形第二平面镜的V字形尖端处设有摄像机,且所述V字形尖端所在竖直边与摄像机中心线组成的平面,垂直所述摄像机的摄像面,使得摄像机可以捕获2个第一平面中的图像映射在第二平面上的图像;所述第一平面镜采集到对应视角的乳玻瓶瓶颈图像,并将所述对应视角的乳玻瓶瓶颈图像反射传递给V字形第二平面镜,所述摄像机采集V字形第二平面镜中不同视角的乳玻瓶瓶颈图像,得到待检乳玻瓶瓶颈图像;
初始化图像生成及评估模块,用于所述待检乳玻瓶瓶颈图像经灰度化处理,得到初始化图像;所述初始化图像经图像评估处理,得到相似度值;若相似度值超过标准值,执行并行特征提取模块;若相似度值不超过标准值,执行串行特征提取模块;
并行特征提取模块,用于所述初始化图像经并行特征提取处理,得到裂纹检测标签;
串行特征提取模块,用于所述初始化图像经串行特征提取处理,得到裂纹检测标签。
本实施例提供一种乳玻瓶瓶颈裂纹的检测设备,参见图4,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上述的乳玻瓶瓶颈裂纹的检测方法。
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,所述计算机程序被处理器执行时实现如上述的乳玻瓶瓶颈裂纹的检测方法。
本实施例提供的一种乳玻瓶瓶颈裂纹的检测方法,使用第一平面镜和V字形第二平面镜,将不同角度的乳玻瓶瓶颈图像传递给摄像机,得到待检乳玻瓶瓶颈图像,将待检乳玻瓶瓶颈图像转化为灰度图后,经图像评估处理,并根据图像评估结果灵活选择不同的特征提取方式,在保证检测准确度的基础上,提高检测效率;
本实施例提供的一种乳玻瓶瓶颈裂纹的检测方法,在图像评估处理前,对待检图像进行是否属于同一乳玻瓶图像的判断处理,确保检测结果的准确度;另外,图像评估处理的操作包括对初始化图像依次进行检测基点评估、灰度值评估和边缘轮廓特征评估,判断乳玻瓶瓶颈图像与预设模型标准图像的误差大小,灵活选在不同的特征提取方法,进一步提高检测效率。
Claims (7)
1.一种乳玻瓶瓶颈裂纹的检测方法,其特征在于,包括如下操作:
S1 乳玻瓶瓶颈所在位置周向平均分布有4个第一平面镜,选取相邻2个第一平面镜,其连线与所述乳玻瓶瓶颈移动轨迹平行,在其中间位置设置V字形第二平面镜,靠近所述V字形第二平面镜的V字形尖端处设有摄像机,且所述V字形尖端所在竖直边与摄像机中心线组成的平面,垂直所述摄像机的摄像面,使得摄像机可以捕获2个第一平面镜中的图像映射在第二平面镜上的图像;
所述第一平面镜采集到对应视角的乳玻瓶瓶颈图像,并将所述对应视角的乳玻瓶瓶颈图像反射传递给V字形第二平面镜,所述摄像机采集V字形第二平面镜中不同视角的乳玻瓶瓶颈图像,得到待检乳玻瓶瓶颈图像;
S2 所述待检乳玻瓶瓶颈图像经灰度化处理,得到初始化图像;
所述初始化图像经图像评估处理,得到相似度值;所述图像评估的操作包括检测基点评估,具体操作为:获取所述初始化图像中乳玻瓶瓶颈的检测基点坐标值,得到所述检测基点坐标值与标准检测基点坐标值之间的距离;基于所述距离和预设距离评分规则,得到检测基点相似度值,得到所述相似度值;
若所述相似度值不超过标准值,执行S3;若所述相似度值超过标准值,执行S4;
S3 所述初始化图像经并行特征提取处理,得到裂纹检测标签;
所述并行特征提取的操作具体为:同时对所述初始化图像中,不同视角的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断所述灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹;
S4 所述初始化图像经串行特征提取处理,得到裂纹检测标签;
所述串行特征提取处理的操作具体为:依次对所述初始化图像中,不同视角的乳玻瓶瓶颈图像进行图像定位、检测框生成、灰度值提取、特征匹配处理,得到所述裂纹检测标签;
所述图像定位的操作具体为:获取单个视角的乳玻瓶瓶颈图像中,瓶颈的横坐标最小值与纵坐标最小值对应的坐标点,得到检测基点,
所述检测框生成的操作具体为:基于检测基点与预设移动距离和预设检测框面积,得到检测框区域;
所述灰度值提取的操作具体为:对检测框区域内的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断所述灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹。
2.根据权利要求1所述的检测方法,其特征在于,所述S2中初始化图像经图像评估的操作之前,还包括图像核准处理所述初始化图像,具体操作为:
获取暂存空间中存放的所述摄像机拍摄乳玻瓶瓶颈图像的时间,判断2个乳玻瓶瓶颈图像之间的时间差是否小于阈值,若小于,相邻乳玻瓶瓶颈图像为同一个乳玻瓶图像,执行所述S2中的得到相似度值的操作;若不小于,相邻乳玻瓶瓶颈图像不为同一个乳玻瓶图像,舍弃所述初始化图像,执行所述S1。
3.根据权利要求1所述的检测方法,其特征在于,若所述检测基点相似度值超过标准值,执行灰度值评估,具体操作为:
获取检测基点评估后的初始化图像每个位置的灰度值,与标准检测图像对应位置的灰度值进行对比,得到若干个灰度差,计算所述初始化图像所有位置的灰度差的平均值,得到灰度差均值;
基于灰度差均值和预设灰度差评分规则,得到灰度值相似度值,得到所述相似度值。
4.根据权利要求3所述的检测方法,其特征在于,若所述灰度值相似度值超过标准值,执行边缘轮廓特征评估,具体操作为:
针对乳玻瓶边缘轮廓特征,将灰度值评估后的初始化图像与标准检测图像进行对比,得到边缘轮廓特征差;
获取所述边缘轮廓特征差占标准检测图像中边缘轮廓特征的比值,得到边缘轮廓特征相似度值,得到所述相似度值。
5.一种乳玻瓶瓶颈裂纹的检测系统,其特征在于,包括:
待检乳玻瓶瓶颈图像生成模块,用于实现乳玻瓶瓶颈所在位置周向平均分布有4个第一平面镜,选取相邻2个第一平面镜,其连线与所述乳玻瓶瓶颈移动轨迹平行,在其中间位置设置V字形第二平面镜,靠近所述V字形第二平面镜的V字形尖端处设有摄像机,且所述V字形尖端所在竖直边与摄像机中心线组成的平面,垂直所述摄像机的摄像面,使得摄像机可以捕获2个第一平面镜中的图像映射在第二平面镜上的图像;所述第一平面镜采集到对应视角的乳玻瓶瓶颈图像,并将所述对应视角的乳玻瓶瓶颈图像反射传递给V字形第二平面镜,所述摄像机采集V字形第二平面镜中不同视角的乳玻瓶瓶颈图像,得到待检乳玻瓶瓶颈图像;
初始化图像生成及评估模块,用于所述待检乳玻瓶瓶颈图像经灰度化处理,得到初始化图像;所述初始化图像经图像评估处理,得到相似度值;所述图像评估的操作包括检测基点评估,具体操作为:获取所述初始化图像中乳玻瓶瓶颈的检测基点坐标值,得到所述检测基点坐标值与标准检测基点坐标值之间的距离;基于所述距离和预设距离评分规则,得到检测基点相似度值,得到所述相似度值;若所述相似度值不超过标准值,执行并行特征提取模块;若所述相似度值超过标准值,执行串行特征提取模块;
并行特征提取模块,用于所述初始化图像经并行特征提取处理,得到裂纹检测标签;所述并行特征提取的操作具体为:同时对所述初始化图像中,不同视角的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断所述灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹;
串行特征提取模块,用于所述初始化图像经串行特征提取处理,得到裂纹检测标签;所述串行特征提取处理的操作具体为:依次对所述初始化图像中,不同视角的乳玻瓶瓶颈图像进行图像定位、检测框生成、灰度值提取、特征匹配处理,得到所述裂纹检测标签;所述图像定位的操作具体为:获取单个视角的乳玻瓶瓶颈图像中,瓶颈的横坐标最小值与纵坐标最小值对应的坐标点,得到检测基点,
所述检测框生成的操作具体为:基于检测基点与预设移动距离和预设检测框面积,得到检测框区域;所述灰度值提取的操作具体为:对检测框区域内的乳玻瓶瓶颈图像进行灰度值提取,得到灰度值变化特征,判断所述灰度值变化特征在标准数据库中能否匹配到对应裂纹特征;若能匹配,则乳玻瓶瓶颈存在裂纹;若不能匹配,则乳玻瓶瓶颈不存在裂纹。
6.一种乳玻瓶瓶颈裂纹的检测设备,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1-4任一项所述的乳玻瓶瓶颈裂纹的检测方法。
7.一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1-4中任一项所述的乳玻瓶瓶颈裂纹的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310931245.5A CN116894832B (zh) | 2023-07-27 | 2023-07-27 | 一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310931245.5A CN116894832B (zh) | 2023-07-27 | 2023-07-27 | 一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116894832A CN116894832A (zh) | 2023-10-17 |
CN116894832B true CN116894832B (zh) | 2024-01-26 |
Family
ID=88313453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310931245.5A Active CN116894832B (zh) | 2023-07-27 | 2023-07-27 | 一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116894832B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010043941A (ja) * | 2008-08-12 | 2010-02-25 | Tokyo Seimitsu Co Ltd | 画像検査装置及び画像検査方法 |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
CN108872252A (zh) * | 2018-08-06 | 2018-11-23 | 深圳市益鑫智能科技有限公司 | 一种钢梁裂纹检测系统 |
CN113109368A (zh) * | 2021-03-12 | 2021-07-13 | 浙江华睿科技有限公司 | 玻璃裂纹检测方法、装置、设备及介质 |
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 |
CN115639201A (zh) * | 2022-09-23 | 2023-01-24 | 湖北科技学院 | 一种基于平面镜反射的玻璃瓶瓶身缺陷检测装置 |
CN116205860A (zh) * | 2023-02-10 | 2023-06-02 | 亳州职业技术学院 | 一种基于机器视觉的酒瓶体包装缺陷检测系统 |
-
2023
- 2023-07-27 CN CN202310931245.5A patent/CN116894832B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010043941A (ja) * | 2008-08-12 | 2010-02-25 | Tokyo Seimitsu Co Ltd | 画像検査装置及び画像検査方法 |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
CN108872252A (zh) * | 2018-08-06 | 2018-11-23 | 深圳市益鑫智能科技有限公司 | 一种钢梁裂纹检测系统 |
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 |
CN113109368A (zh) * | 2021-03-12 | 2021-07-13 | 浙江华睿科技有限公司 | 玻璃裂纹检测方法、装置、设备及介质 |
CN115639201A (zh) * | 2022-09-23 | 2023-01-24 | 湖北科技学院 | 一种基于平面镜反射的玻璃瓶瓶身缺陷检测装置 |
CN116205860A (zh) * | 2023-02-10 | 2023-06-02 | 亳州职业技术学院 | 一种基于机器视觉的酒瓶体包装缺陷检测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116894832A (zh) | 2023-10-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107966454A (zh) | 一种基于fpga的端塞缺陷检测装置及检测方法 | |
WO2018232518A1 (en) | DETERMINING POSITIONS AND OBJECT ORIENTATIONS | |
CN101995223A (zh) | 一种芯片外观检测方法及系统 | |
US20230196096A1 (en) | Deep Learning Platforms for Automated Visual Inspection | |
CN110146516B (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN106290392A (zh) | 一种小微轴承表面凹痕缺陷在线检测方法及其系统 | |
Uluişik et al. | Image processing based machine vision system for tomato volume estimation | |
CN110298885B (zh) | 一种非光滑类球体目标的立体视觉识别方法和定位夹持检测装置及其应用 | |
CN113418933B (zh) | 用于检测大尺寸物体的飞拍视觉成像检测系统及方法 | |
CN111257329A (zh) | 一种智能手机摄像头缺陷检测方法以及检测系统 | |
CN210071686U (zh) | 基于正交双目机器视觉的水果分级装置 | |
CN107388991B (zh) | 一种端面多圆角轴类零件圆角半径测量方法 | |
CN105023018A (zh) | 一种喷码检测方法及系统 | |
CN107480678A (zh) | 一种棋盘识别方法和识别系统 | |
KR20210091189A (ko) | 자동 시각적 검사 공정에서 설정 단계의 최적화 | |
CN104966302B (zh) | 一种任意角度激光十字的检测定位方法 | |
CN114113129B (zh) | 一种镜片微小缺陷识别抓取系统及方法 | |
CN114674830A (zh) | 一种高速生产线上瓶盖瑕疵检测模组 | |
CN116894832B (zh) | 一种乳玻瓶瓶颈裂纹的检测方法、系统、设备和存储介质 | |
CN114170165A (zh) | 一种芯片表面缺陷检测方法和装置 | |
CN105548210B (zh) | 基于机器视觉的美标电源延长线的检测方法 | |
CN114964032B (zh) | 基于机器视觉的盲孔深度测量方法及装置 | |
CN117214178A (zh) | 一种用于包装生产线上包装件外观缺陷智能识别方法 | |
AU644973B2 (en) | Apparatus and method for aiding in deciding or setting ideal lighting conditions in image processing system | |
CN112987356B (zh) | 液晶面板底部异物滤除装置 |
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 |