CN117671294A - 物品颜色检测方法、装置、电子设备及存储介质 - Google Patents
物品颜色检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117671294A CN117671294A CN202311832235.2A CN202311832235A CN117671294A CN 117671294 A CN117671294 A CN 117671294A CN 202311832235 A CN202311832235 A CN 202311832235A CN 117671294 A CN117671294 A CN 117671294A
- Authority
- CN
- China
- Prior art keywords
- detected
- color
- area
- areas
- region
- 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 51
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 103
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000000605 extraction Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 9
- 230000015654 memory Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 15
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000004438 eyesight Effects 0.000 description 21
- 239000003086 colorant Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000003709 image segmentation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000009776 industrial production Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000002798 spectrophotometry method Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004456 color vision Effects 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- REQCZEXYDRLIBE-UHFFFAOYSA-N procainamide Chemical compound CCN(CC)CCNC(=O)C1=CC=C(N)C=C1 REQCZEXYDRLIBE-UHFFFAOYSA-N 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- WPPDXAHGCGPUPK-UHFFFAOYSA-N red 2 Chemical compound C1=CC=CC=C1C(C1=CC=CC=C11)=C(C=2C=3C4=CC=C5C6=CC=C7C8=C(C=9C=CC=CC=9)C9=CC=CC=C9C(C=9C=CC=CC=9)=C8C8=CC=C(C6=C87)C(C=35)=CC=2)C4=C1C1=CC=CC=C1 WPPDXAHGCGPUPK-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000000411 transmission spectrum Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本申请提供了一种物品颜色检测方法、装置、电子设备及存储介质，其中，该方法包括：获取物品的彩色图像；根据预设的配置信息，确定彩色图像中的至少一个待检测区域；对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类，根据各待检测区域的实际颜色种类以及各待检测区域的区域图像，确定各待检测区域的实际颜色排列顺序；将各待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到物品的颜色检测结果。本申请通过利用视觉处理技术对物品颜色进行检测，提高了物品颜色检测的灵活性和检测精度。
Description
技术领域
本申请涉及工业智能制造技术领域，具体而言，涉及一种物品颜色检测方法、装置、电子设备及存储介质。
背景技术
在工业生产过程中，许多环节都需要对物品颜色进行检测和控制，以提高物品质量和生产效率。
传统的颜色检测方法有目视法、光谱法、分光光度法和光电积分法等。其中，目视法是直接利用眼睛采用目视比色法进行颜色检测，对检测条件和观察者的要求较高，且检测结果精度较低、误差较大。光谱法是通过检测物品反射或透射光谱进行颜色检测，实现过程依赖于光谱仪等专业设备，适用领域受限。分光光度法需要依赖分光测量仪器，例如分光光度计等，分光光度计的检测准确度高，但操作复杂、成本较高。光电积分法同样需要依赖光电积分仪器，例如色度计、光电色差仪等，虽然检测速度快、容易操作，但由于无法识别同色异谱等现象，导致颜色检测的精度不高。
综上所述，传统的颜色检测方法存在主观性强、检测精度低、成本高、操作复杂等缺点，所以提供一种灵活性高、检测精度高且操作简单的物品颜色检测方法是本领域亟待解决的问题。
发明内容
本申请的目的在于，针对上述现有技术中的不足，提供一种物品颜色检测方法、装置、电子设备及存储介质，以解决现有技术中颜色检测方法存在主观性强、检测精度低、成本高、操作复杂等缺点的问题。
为实现上述目的，本申请实施例采用的技术方案如下：
第一方面，本申请实施例提供了一种物品颜色检测方法，所述方法包括：
获取物品的彩色图像；
根据预设的配置信息，确定所述彩色图像中的至少一个待检测区域；
对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类，根据各所述待检测区域的实际颜色种类以及各所述待检测区域的区域图像，确定各所述待检测区域的实际颜色排列顺序；
将各所述待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到所述物品的颜色检测结果。
作为一种可能的实现方式，所述配置信息中包括：各待检测区域对应的边缘坐标；
所述根据预设的配置信息，确定所述彩色图像中的至少一个待检测区域，包括：
按照各待检测区域对应的边缘坐标，对所述彩色图像进行切分，得到所述彩色图像中的至少一个初始区域；
基于各初始区域中是否存在所述物品的局部特征，从多个初始区域中筛选出所述至少一个待检测区域。
作为一种可能的实现方式，所述对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类之前，还包括：
确定多种预设颜色种类；
基于所述多种预设颜色种类，生成颜色模板。
作为一种可能的实现方式，所述对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类，包括：
对各所述待检测区域进行颜色提取，得到各所述待检测区域对应的颜色种类；
将各所述待检测区域对应的颜色种类与所述颜色模板中的颜色种类进行对比，得到各所述待检测区域的实际颜色种类。
作为一种可能的实现方式，所述根据各所述待检测区域的实际颜色种类以及所述待检测区域的区域图像，确定各所述待检测区域的实际颜色排列顺序，包括：
对各所述待检测区域的区域图像进行灰度化处理，得到灰度图；
对所述灰度图进行图像处理，得到各所述待检测区域内所述物品对应的位置信息；
根据各所述待检测区域内所述物品对应的位置信息，以及各所述待检测区域的实际颜色种类，确定各所述待检测区域的实际颜色排列顺序。
作为一种可能的实现方式，所述根据各所述待检测区域对应的位置信息，以及各所述待检测区域的实际颜色种类，确定各所述待检测区域的实际颜色排列顺序，包括：
根据各所述待检测区域的实际颜色种类对各所述待检测区域进行区域分割，得到各所述待检测区域对应的多个颜色区域；
根据各所述待检测区域对应的多个颜色区域内所述物品对应的位置信息，以及各颜色区域对应的颜色种类，确定各所述待检测区域的实际颜色排列顺序。
作为一种可能的实现方式，所述对所述灰度图进行图像处理，得到各所述待检测区域内所述物品对应的位置信息，包括：
从所述灰度图中提取用于表征所述物品的轮廓特征的多个特征点；
基于所述多个特征点对所述物品进行定位，确定各所述待检测区域内所述物品的轮廓信息；
根据各所述待检测区域内所述物品的轮廓信息，以及各所述待检测区域在所述灰度图中的相对位置，确定各所述待检测区域内所述物品对应的位置信息。
第二方面，本申请实施例提供了一种物品颜色检测装置，所述装置包括：
获取模块，用于获取物品的彩色图像；
确定模块，用于根据预设的配置信息，确定所述彩色图像中的至少一个待检测区域；
识别模块，用于对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类，根据各所述待检测区域的实际颜色种类以及各所述待检测区域的区域图像，确定各所述待检测区域的实际颜色排列顺序；
对比模块，用于将各所述待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到所述物品的颜色检测结果。
作为一种可能的实现方式，所述配置信息中包括：各待检测区域对应的边缘坐标；
所述确定模块具体用于：
按照各待检测区域对应的边缘坐标，对所述彩色图像进行切分，得到所述彩色图像中的至少一个初始区域；
基于各初始区域中是否存在所述物品的局部特征，从多个初始区域中筛选出所述至少一个待检测区域。
作为一种可能的实现方式，所述识别模块还用于：
确定多种预设颜色种类；
基于所述多种预设颜色种类，生成颜色模板。
作为一种可能的实现方式，所述识别模块具体用于：
对各所述待检测区域进行颜色提取，得到各所述待检测区域对应的颜色种类；
将各所述待检测区域对应的颜色种类与所述颜色模板中的颜色种类进行对比，得到各所述待检测区域的实际颜色种类。
作为一种可能的实现方式，所述识别模块具体用于：
对各所述待检测区域的区域图像进行灰度化处理，得到灰度图；
对所述灰度图进行图像处理，得到各所述待检测区域内所述物品对应的位置信息；
根据各所述待检测区域内所述物品对应的位置信息，以及各所述待检测区域的实际颜色种类，确定各所述待检测区域的实际颜色排列顺序。
作为一种可能的实现方式，所述识别模块具体用于：
根据各所述待检测区域的实际颜色种类对各所述待检测区域进行区域分割，得到各所述待检测区域对应的多个颜色区域；
根据各所述待检测区域对应的多个颜色区域内所述物品对应的位置信息，以及各颜色区域对应的颜色种类，确定各所述待检测区域的实际颜色排列顺序。
作为一种可能的实现方式，所述识别模块具体用于：
从所述灰度图中提取用于表征所述物品的轮廓特征的多个特征点；
基于所述多个特征点对所述物品进行定位，确定各所述待检测区域内所述物品的轮廓信息；
根据各所述待检测区域内所述物品的轮廓信息，以及各所述待检测区域在所述灰度图中的相对位置，确定各所述待检测区域内所述物品对应的位置信息。
第三方面，本申请实施例提供了一种电子设备，包括：处理器、存储介质和总线，所述存储介质存储有所述处理器可执行的机器可读指令，在电子设备运行时，所述处理器与所述存储介质之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述第一方面任一所述物品颜色检测方法的步骤。
第四方面，本申请实施例提供了一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述第一方面任一所述物品颜色检测方法的步骤。
根据本申请实施例的物品颜色检测方法、装置、电子设备及存储介质，获取物品的彩色图像，根据预设的配置信息，确定彩色图像中的至少一个待检测区域，对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类，根据各待检测区域的实际颜色种类以及各待检测区域的区域图像，确定各待检测区域的实际颜色排列顺序；将各待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到物品的颜色检测结果。在此过程中，利用相机等拍摄电子设备进行取图，避免了由不同人员检测带来的主观性误判，并且在获取物品的彩色图像后进行图像切分，得到至少一个待检测区域，在进行颜色识别时分区域进行，避免各待检测区域之间互相干扰，由此也能提高物品颜色检测的速率和精度。此外，若预期颜色种类和预期颜色排列顺序需要更改时，从物品对应机台的PLC地址中重新获取数据并导入视觉处理工具中即可，无需手动更改。由此，不仅简化了物品颜色检测的操作，而且提高了物品颜色检测的灵活性和检测精度。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1示出了本申请实施例提供的一种物品颜色检测方法的流程示意图；
图2示出了本申请实施例提供的一种待检测区域确定方法的流程示意图；
图3示出了本申请实施例提供的一种颜色识别方法的流程示意图；
图4示出了本申请实施例提供的一种各待检测区域的实际颜色排列顺序的确定方法的流程示意图；
图5示出了本申请实施例提供的一种图像处理方法的流程示意图；
图6示出了本申请实施例提供的一种物品颜色检测判断流程的示意图；
图7示出了本申请实施例提供的一种物品颜色检测装置的结构示意图；
图8示出了本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容，结合特定应用场景“工业生产过程中采用机器视觉对物品颜色进程检测和控制，”给出以下实施方式。对于本领域技术人员来说，在不脱离本申请的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕物品颜色检测方法进行描述，但是应该理解，这仅是一个示例性实施例。
需要说明的是，本申请实施例中将会用到术语“包括，”用于指出其后所声明的特征的存在，但并不排除增加其它的特征。
随着视觉技术的不断完善与增强，采用机器视觉代替人工和传统测色仪进行颜色检测，成为工业智能制造领域中一个新的研究方向和应用场景。通过图像摄取装置获取物品的图像数据，并将图像数据输送到图像处理单元，通过相关的检测识别算法可以快速的分析出物品的颜色等信息。机器视觉技术改变了传统离线检测物品颜色的方式，能够在线实时检测物品颜色，从而也广泛应用在一些需要快速检测颜色并进行控制的工业生产过程中。
本申请实施例提供的一种利用视觉技术的物品颜色检测方法，检测物品颜色与预期颜色是否一致，可适用于物品中不同顺序排列颜色的检测，该方法不仅灵活性高、检测精度高、操作简单，还增强了人机交互性。
图1示出了本申请实施例提供的一种物品颜色检测方法的流程示意图，该方法的执行主体为包括视觉处理工具的电子设备。参照图1所示，该方法具体包括如下步骤：
S101、获取物品的彩色图像。
可选地，为避免由不同人员检测带来的主观性误判，本申请采用拍摄装置进行取图，例如通过相机对物品进行拍摄，进而得到物品的彩色图像。
由于本申请是利用视觉技术进行物品颜色检测，具体是利用VisionPro这一视觉处理工具进行处理。视觉处理工具VisionPro支持使用彩色相机获取彩色图像，并提供了一套彩色视觉工具可对获取的彩色图像进行图像分析，最常用的颜色空间包括RGB(表示红-绿-蓝)和HSI(表示颜色-饱和-强度)。因此，利用视觉处理工具VisionPro进行物品颜色检测，则需要确定需要传入视觉处理工具VisionPro的输入参数。
示例性地，输入参数包括物品的彩色图像、预期颜色种类和预期颜色排列顺序。具体地，可采用List数组的方式将上述输入参数传入视觉处理工具VisionPro中，List数组的具体表现形式为List<int>Listcolor＝new List<int>{0,1,3,5,7,9,2,4,6,8}；其中，0代表彩色图像对应区域没有物品，1-9分别代表一种颜色种类。
S102、根据预设的配置信息，确定彩色图像中的至少一个待检测区域。
可选地，利用视觉处理工具VisionPro进行物品颜色检测时，可针对物品的彩色图像确定多个待检测区域，以在视觉处理工具VisionPro进行物品颜色检测时分区域进行检测。待检测区域如何划分确定可根据实际情况进行设置，示例性地，预设的配置信息中包括各待检测区域对应的边缘坐标，对于一个矩形待检测区域而言，边缘坐标即可为该待检测区域的左上角和右下角的坐标，进而可根据左上角和右下角的坐标确定该待检测区域的大小和位置。
由此，即可根据配置信息确定彩色图像中的至少一个待检测区域，以使VisionPro依次对各待检测区域进行物品颜色检测，对其中某一待检测区域进行颜色检测时可减少其他待检测区域的干扰，进而也能提高物品颜色检测速率。
S103、对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类，根据各待检测区域的实际颜色种类以及各待检测区域的区域图像，确定各待检测区域的实际颜色排列顺序。
可选地，视觉处理工具VisionPro中提供了一系列颜色处理工具，例如颜色提取工具CogColorExtractorTool、颜色匹配工具CogColorMatchTool、颜色分段器工具CogColorSegmenterTool、复合配色工具CogCompositeColo rMatchTool等。基于上述颜色处理工具，检查各待检测区域的色彩，从各待检测区域的彩色图像中分离像素，并基于从彩色图像中抽取像素来创建灰度图像，利用灰度图像对各待检测区域的物品进行定位，并结合各待检测区域的彩色图识别颜色种类，进而得到各待检测区域的实际颜色种类和实际颜色排列顺序。
S104、将各待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到物品的颜色检测结果。
可选地，将各待检测区域的预期颜色种类和预期颜色排列顺序预先以List数组的方式存储在视觉处理工具VisionPro中，在利用视觉处理工具Visi onPro进行颜色检测时，自动调取预先存储的各待检测区域的预期颜色种类和预期颜色排列顺序与各待检测区域的实际颜色种类和实际颜色排列顺序进行对比，即可得到各待检测区域的检测结果。在各个待检测区域都检测完成后，对各个待检测区域的检测结果进行统计分析，即得到最终的物品的颜色检测结果。
需要说明的是，在需要对各待检测区域的预期颜色种类和预期颜色排列顺序进行更改时，无需手动进行修改，从物品对应的机台的可编程逻辑控制器(Programmable LogicController，PLC)对应的PLC地址中直接重新读取更新后的预期颜色种类和预期颜色排列顺序即可。
根据本申请实施例提供的物品颜色检测方法，获取物品的彩色图像，根据预设的配置信息，确定彩色图像中的至少一个待检测区域，对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类，根据各待检测区域的实际颜色种类以及各待检测区域的区域图像，确定各待检测区域的实际颜色排列顺序；将各待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到物品的颜色检测结果。在此过程中，利用相机等拍摄电子设备进行取图，避免了由不同人员检测带来的主观性误判，并且在获取物品的彩色图像后进行图像切分，得到至少一个待检测区域，在进行颜色识别时分区域进行，避免各待检测区域之间互相干扰，由此也能提高物品颜色检测的速率和精度。此外，若预期颜色种类和预期颜色排列顺序需要更改时，从物品对应机台的PLC地址中重新获取数据并导入视觉处理工具中即可，无需手动更改。由此，不仅简化了物品颜色检测的操作，而且提高了物品颜色检测的灵活性和检测精度。
作为一种可能的实现方式，配置信息中包括：各待检测区域对应的边缘坐标。如图2所示，上述步骤S102根据预设的配置信息，确定彩色图像中的至少一个待检测区域，包括：
S201、按照各待检测区域对应的边缘坐标，对彩色图像进行切分，得到彩色图像中的至少一个初始区域。
示例性地，待检测区域的大小、区域形状可根据实际应用需求进行自定义设置。例如彩色图像的形状为矩形，各检测区域的区域形状也为矩形，各检测区域对应的边缘坐标包括左上角坐标和右下角坐标。由于根据左上角坐标及右下角坐标即可确定一个矩形区域，所以按照各待检测区域对应的边缘坐标对物品的彩色图像进行切分，即可得到至少一个初始区域。
示例性地，除按照各待检测区域对应的边缘坐标对彩色图像进行切分之外，还可直接对彩色图像从上而下或者从左到右进行切分，也可以将彩色图像直接划分为左上、左下、右上、右下四个初始区域。也就是说，对彩色图像进行切分的方式有很多种，可根据实际情况进行设置，并且进行图像切分时待检测区域的区域形状也不局限于矩形，在此也不做具体限定。
S202、基于各初始区域中是否存在物品的局部特征，从多个初始区域中筛选出至少一个待检测区域。
示例性地，彩色图像中不仅包括物品对应的图像，也包括物品周围存在的空白区域，由于该空白区域中不存在物品的局部特征，在空白区域中进行物品的颜色检测也得不到有效结果。所以在对彩色图像进行切分得到至少一个初始区域后，可根据各初始区域中是否存在物品的局部特征进行区域筛选，从多个初始区域中筛选出能够得到有效检测结果的至少一个待检测区域。
基于此，对物品的彩色图像进行切分得到至少一个初始区域，并从多个初始区域中筛选出能够进行有效检测的待检测区域，不仅能够提高颜色检测的效率，而且分区域进行颜色检测，能够减少其他区域的干扰，进而也能提高颜色检测的准确性。
作为一种可能的实现方式，在上述步骤S103对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类之前，还包括：确定多种预设颜色种类；基于多种预设颜色种类，生成颜色模板。
示例性地，物品颜色多种多样，针对颜色深度不同也会导致对应的颜色类型下包括多种颜色，例如红色对应的颜色类型包括红色1、红色2、红色3，绿色对应的颜色类型包括绿色1、绿色2、绿色3、绿色4等。为了避免颜色检测存在误差，在对各待检测区域进行颜色识别之前，除特定色卡中包括的颜色外，通过训练颜色种类可确定多种预设颜色种类，进而结合多种预设颜色种类和特定色卡中包括的多种常见颜色种类生成颜色模板，并将颜色模板导入视觉处理工具VisionPro中，为视觉处理工具VisionPro提供种类丰富的颜色模板，以在进行颜色检测时得到更为准确的颜色种类。
基于此，对图像颜色进行颜色种类训练得到更多、更加丰富的颜色种类，在对各待检测区域进行颜色提取时，将传入的各待检测区域的图像和颜色模板中的颜色种类进行对比，而不是与特定色卡进行比对，由此不受外界颜色标准的影响，更具私有性和灵活性，进而能够得到更为准确的颜色种类的检测结果。
作为一种可能的实现方式，如图3所示，上述步骤S103对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类，包括：
S301、对各待检测区域进行颜色提取，得到各待检测区域对应的颜色种类。
示例性地，利用视觉处理工具VisionPro中的颜色提取工具对各待检测区域进行颜色提取。具体地，运行颜色提取工具，并在颜色提取工具对应的配置区域添加各待检测区域的位置信息，以及设置各待检测区域的区域形状，在此基础上开始进行颜色提取。
S302、将各待检测区域对应的颜色种类与颜色模板中的颜色种类进行对比，得到各待检测区域的实际颜色种类。
示例性地，颜色提取工具将各待检测区域对应的彩色图像中的颜色种类与预先存储的颜色模板中的每个颜色种类进行对比，得到一组匹配得分，该匹配得分用于表示待检测区域对应的彩色图像中的颜色种类与颜色模板中各颜色种类的匹配程度，匹配得分越高表示颜色种类越接近。在运行颜色提取工具时将返回匹配得分最高的颜色种类，即得到各待检测区域的实际颜色种类。
示例性地，颜色提取工具采用单一颜色种类进行匹配，在获取待检测区域内的颜色后，会对待检测区域内的颜色求平均，根据所得平均值再进行匹配，即得到与颜色模板中最为接近的、准确的实际颜色种类。
基于此，利用视觉处理工具VisionPro中的颜色提取工具对各待检测区域进行颜色提取，确定各待检测区域的实际颜色种类，能够提高颜色识别的准确性。
作为一种可能的实现方式，如图4所示，上述步骤S103根据各待检测区域的实际颜色种类以及各待检测区域的区域图像，确定各待检测区域的实际颜色排列顺序，包括：
S401、对各待检测区域的区域图像进行灰度化处理，得到灰度图。
示例性地，视觉处理工具VisionPro中提供了图像处理工具CogImageConvertTool，该图像处理工具CogImageConvertTool允许用户对图像见各种格式转换和预处理操作，包括对图像进行增强、滤波、几何变换、亮度调整、对比度调整、色彩平衡等操作。各待检测区域的区域图像为RGB格式的彩色图像，利用图像处理工具CogImageConvertTool加载各待检测区域对应的RGB彩色图并进行图像转换，即可得到各待检测区域对应的灰度图。
S402、对灰度图进行图像处理，得到各待检测区域内物品对应的位置信息。
示例性地，如图5所示，上述步骤S402对灰度图进行图像处理，得到各待检测区域内物品对应的位置信息，具体包括如下步骤：
S501、从灰度图中提取用于表征物品的轮廓特征的多个特征点。
示例性地，通过视觉处理工具VisionPro可以从各待检测区域对应的灰度图中提取物品的多个特定特征点，例如边缘、角点等能够表示物品明显特征，且能够用于对物品进行定位的特征点，以便后续的目标检测和识别定位。
S502、基于多个特征点对物品进行定位，确定各待检测区域内物品的轮廓信息。
示例性地，利用视觉处理工具VisionPro中提供的定位工具，建立基于图像自身特征的定位坐标空间，并利用定位工具基于多个特征点的位置信息匹配特征找到中心原点，进而结合图像处理算法提取各待检测区域内的物品轮廓，即确定各待检测区域内物品的轮廓信息。
S503、根据各待检测区域内物品的轮廓信息，以及各待检测区域在灰度图中的相对位置，确定各待检测区域内物品对应的位置信息。
示例性地，在提取各待检测区域内的物品轮廓之后，结合物品轮廓在对应待检测区域内的位置以及各待检测区域在灰度图中的相对位置，即可得到各待检测区域内物品对应的位置信息，即各待检测区域内所包含物品的部分特征的位置坐标。
基于此，对各待检测区域对应的灰度图进行图像处理，提取各待检测区域中有关物品的轮廓信息，进而确定各待检测区域在灰度图中物品的位置信息，以确定物品的实际颜色排列顺序。
S403、根据各待检测区域内物品对应的位置信息，以及各待检测区域的实际颜色种类，确定各待检测区域的实际颜色排列顺序。
可选地，根据各待检测区域的实际颜色种类对各待检测区域进行区域分割，得到各待检测区域对应的多个颜色区域；根据各待检测区域对应的多个颜色区域内物品对应的位置信息，以及各颜色区域对应颜色种类，确定各待检测区域的实际颜色排列顺序。
示例性地，利用视觉处理工具VisionPro中提供的颜色分割工具根据各待检测区域的实际颜色种类从各待检测区域中分割得到多个颜色区域，将各颜色区域对应的颜色按照分割顺序进行组合，得到颜色组。由于已经确定了各待检测区域内物品对应的位置信息，进而对各待检测区域进行颜色分割后即可得到各颜色区域内物品对应的位置信息，从而结合各颜色区域对应的颜色种类，即可确定各待检测区域的实际颜色排列顺序。
基于此，利用视觉处理工具提供的颜色分割工具进行颜色分割，并结合各待检测区域内物品对应的位置信息，以及各待检测区域的实际颜色种类，进而确定了各待检测区域的实际颜色排列顺序。
作为一种可能的实现方式，图6示出了本申请实施例提供的一种物品颜色检测判断流程的示意图。如图6所示，以List数组的方式将物品的彩色图像、预期颜色种类以及预期颜色排列顺序传入视觉处理工具VisionPro中并进行物品定位以及限制判定区域，也即确定彩色图像中的至少一个待检测区域。
具体地，在限制的判定区域也即初始区域中先判段有无物品的局部特征，从而筛选出待检测区域，并判定待检测区域中的实际颜色种类以及实际颜色排列顺序。然后在各个待检测区域都判定结束后，综合各待检测区域的判定结果判断物品颜色检测结果与预期是否一致，进而确定物品颜色加工是否合格。
基于此，利用相机等拍摄电子设备进行取图，避免了由不同人员检测带来的主观性误判，并且在获取物品的彩色图像后进行图像切分，得到至少一个待检测区域，在进行颜色识别时分区域进行，避免各待检测区域之间互相干扰，由此也能提高物品颜色检测的速率和精度。此外，若预期颜色种类和预期颜色排列顺序需要更改时，从物品对应机台的PLC地址中重新获取数据并导入视觉处理工具中即可，无需手动更改。由此，不仅简化了物品颜色检测的操作，而且提高了物品颜色检测的灵活性和检测精度。
基于同一发明构思，本申请实施例中还提供了与物品颜色检测方法对应的物品颜色检测装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述物品颜色检测方法相似，因此物品颜色检测装置的实施可以参见方法的实施，重复之处不再赘述。
参照图7所示，为本申请实施例提供的一种物品颜色检测装置的结构示意图，所述物品颜色检测700包括：获取模块701、确定模块702、识别模块703和对比模块704，其中：
获取模块701，用于获取物品的彩色图像；
确定模块702，用于根据预设的配置信息，确定彩色图像中的至少一个待检测区域；
识别模块703，用于对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类，根据各待检测区域的实际颜色种类以及各待检测区域的区域图像，确定各待检测区域的实际颜色排列顺序；
对比模块704，用于将各待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到物品的颜色检测结果。
由此，根据本申请实施例的物品颜色检测装置，获取物品的彩色图像，根据预设的配置信息，确定彩色图像中的至少一个待检测区域，对各待检测区域分别进行颜色识别，得到各待检测区域的实际颜色种类，根据各待检测区域的实际颜色种类以及各待检测区域的区域图像，确定各待检测区域的实际颜色排列顺序；将各待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到物品的颜色检测结果。在此过程中，利用相机等拍摄电子设备进行取图，避免了由不同人员检测带来的主观性误判，并且在获取物品的彩色图像后进行图像切分，得到至少一个待检测区域，在进行颜色识别时分区域进行，避免各待检测区域之间互相干扰，由此也能提高物品颜色检测的速率和精度。此外，若预期颜色种类和预期颜色排列顺序需要更改时，从物品对应机台的PLC地址中重新获取数据并导入视觉处理工具中即可，无需手动更改。由此，不仅简化了物品颜色检测的操作，而且提高了物品颜色检测的灵活性和检测精度。
一种可能的实施方式中，配置信息中包括：各待检测区域对应的边缘坐标；上述确定模块702具体用于：
按照各待检测区域对应的边缘坐标，对彩色图像进行切分，得到彩色图像中的至少一个初始区域；
基于各初始区域中是否存在物品的局部特征，从多个初始区域中筛选出至少一个待检测区域。
一种可能的实施方式中，上述识别模块703还用于：
确定多种预设颜色种类；
基于多种预设颜色种类，生成颜色模板。
一种可能的实施方式中，上述识别模块703具体用于：
对各待检测区域进行颜色提取，得到各待检测区域对应的颜色种类；
将各待检测区域对应的颜色种类与颜色模板中的颜色种类进行对比，得到各待检测区域的实际颜色种类。
一种可能的实施方式中，上述识别模块703具体用于：
对各待检测区域的区域图像进行灰度化处理，得到灰度图；
对灰度图进行图像处理，得到各待检测区域内物品对应的位置信息；
根据各待检测区域内物品对应的位置信息，以及各待检测区域的实际颜色种类，确定各待检测区域的实际颜色排列顺序。
一种可能的实施方式中，上述识别模块703具体用于：
根据各待检测区域的实际颜色种类对各待检测区域进行区域分割，得到各待检测区域对应的多个颜色区域；
根据各待检测区域对应的多个颜色区域内物品对应的位置信息，以及各颜色区域对应的颜色种类，确定各待检测区域的实际颜色排列顺序。
一种可能的实施方式中，上述识别模块703具体用于：
从灰度图中提取用于表征物品的轮廓特征的多个特征点；
基于多个特征点对物品进行定位，确定各待检测区域内物品的轮廓信息；
根据各待检测区域内物品的轮廓信息，以及各待检测区域在灰度图中的相对位置，确定各待检测区域内物品对应的位置信息。
关于装置中的各模块的处理流程、以及各模块之间的交互流程的描述可以参照上述方法实施例中的相关说明，这里不再详述。
本申请实施例还提供了一种电子设备800，如图8所示，为本申请实施例提供的电子设备800结构示意图，包括：处理器801、存储器802，可选的，还可以包括总线803。所述存储器802存储有所述处理器801可执行的机器可读指令，当电子设备800运行时，所述处理器801与所述存储器802之间通过总线803通信，所述机器可读指令被所述处理器801执行时执行如上任一所述物品颜色检测方法的步骤。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上任一所述物品颜色检测方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(RO M，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Mem ory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种物品颜色检测方法，其特征在于，包括：
获取物品的彩色图像；
根据预设的配置信息，确定所述彩色图像中的至少一个待检测区域；
对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类，根据各所述待检测区域的实际颜色种类以及各所述待检测区域的区域图像，确定各所述待检测区域的实际颜色排列顺序；
将各所述待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到所述物品的颜色检测结果。
2.根据权利要求1所述的方法，其特征在于，所述配置信息中包括：各待检测区域对应的边缘坐标；
所述根据预设的配置信息，确定所述彩色图像中的至少一个待检测区域，包括：
按照各待检测区域对应的边缘坐标，对所述彩色图像进行切分，得到所述彩色图像中的至少一个初始区域；
基于各初始区域中是否存在所述物品的局部特征，从多个初始区域中筛选出所述至少一个待检测区域。
3.根据权利要求1所述的方法，其特征在于，所述对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类之前，还包括：
确定多种预设颜色种类；
基于所述多种预设颜色种类，生成颜色模板。
4.根据权利要求3所述的方法，其特征在于，所述对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类，包括：
对各所述待检测区域进行颜色提取，得到各所述待检测区域对应的颜色种类；
将各所述待检测区域对应的颜色种类与所述颜色模板中的颜色种类进行对比，得到各所述待检测区域的实际颜色种类。
5.根据权利要求1所述的方法，其特征在于，所述根据各所述待检测区域的实际颜色种类以及各所述待检测区域的区域图像，确定各所述待检测区域的实际颜色排列顺序，包括：
对各所述待检测区域的区域图像进行灰度化处理，得到灰度图；
对所述灰度图进行图像处理，得到各所述待检测区域内所述物品对应的位置信息；
根据各所述待检测区域内所述物品对应的位置信息，以及各所述待检测区域的实际颜色种类，确定各所述待检测区域的实际颜色排列顺序。
6.根据权利要求5所述的方法，其特征在于，所述根据各所述待检测区域内所述物品对应的位置信息，以及各所述待检测区域的实际颜色种类，确定各所述待检测区域的实际颜色排列顺序，包括：
根据各所述待检测区域的实际颜色种类对各所述待检测区域进行区域分割，得到各所述待检测区域对应的多个颜色区域；
根据各所述待检测区域对应的多个颜色区域内所述物品对应的位置信息，以及各颜色区域对应的颜色种类，确定各所述待检测区域的实际颜色排列顺序。
7.根据权利要求5所述的方法，其特征在于，所述对所述灰度图进行图像处理，得到各所述待检测区域内所述物品对应的位置信息，包括：
从所述灰度图中提取用于表征所述物品的轮廓特征的多个特征点；
基于所述多个特征点对所述物品进行定位，确定各所述待检测区域内所述物品的轮廓信息；
根据各所述待检测区域内所述物品的轮廓信息，以及各所述待检测区域在所述灰度图中的相对位置，确定各所述待检测区域内所述物品对应的位置信息。
8.一种物品颜色检测装置，其特征在于，包括：
获取模块，用于获取物品的彩色图像；
确定模块，用于根据预设的配置信息，确定所述彩色图像中的至少一个待检测区域；
识别模块，用于对各所述待检测区域分别进行颜色识别，得到各所述待检测区域的实际颜色种类，根据各所述待检测区域的实际颜色种类以及各所述待检测区域的区域图像，确定各所述待检测区域的实际颜色排列顺序；
对比模块，用于将各所述待检测区域的实际颜色种类和实际颜色排列顺序与各待检测区域的预期颜色种类和预期颜色排列顺序进行对比，得到各待检测区域的检测结果，根据各待检测区域的检测结果，得到所述物品的颜色检测结果。
9.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器执行所述机器可读指令，以执行如权利要求1至7任一所述的物品颜色检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7任一所述的物品颜色检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311832235.2A CN117671294A (zh) | 2023-12-28 | 2023-12-28 | 物品颜色检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311832235.2A CN117671294A (zh) | 2023-12-28 | 2023-12-28 | 物品颜色检测方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117671294A true CN117671294A (zh) | 2024-03-08 |
Family
ID=90064157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311832235.2A Pending CN117671294A (zh) | 2023-12-28 | 2023-12-28 | 物品颜色检测方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117671294A (zh) |
-
2023
- 2023-12-28 CN CN202311832235.2A patent/CN117671294A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105913093B (zh) | 一种用于文字识别处理的模板匹配方法 | |
| CN109520706B (zh) | 一种汽车保险丝盒的螺孔坐标提取方法 | |
| CN106770332A (zh) | 一种基于机器视觉的电子模切料缺陷检测实现方法 | |
| CN110675373B (zh) | 一种组件安装检测方法、装置和系统 | |
| US11836967B2 (en) | Method and device for small sample defect classification and computing equipment | |
| EP3358526A1 (en) | System and method for scoring color candidate poses against a color image in a vision system | |
| CN111259891B (zh) | 一种自然场景下身份证识别方法、装置、设备和介质 | |
| CN111161237A (zh) | 一种果蔬表面质检方法及其储存介质、分拣装置 | |
| CN108480223A (zh) | 一种工件分拣系统及其控制方法 | |
| CN111667475A (zh) | 一种基于机器视觉的大枣分级检测方法 | |
| JP2023503564A (ja) | 目標コーティング中の効果顔料を識別する方法及び装置 | |
| CN114280075A (zh) | 一种管类零件表面缺陷在线视觉检测系统及检测方法 | |
| JP7383722B2 (ja) | ターゲットコーティングの画像データにおける欠陥検出の方法とシステム | |
| CN110751690B (zh) | 铣床刀头视觉定位方法 | |
| CN117671294A (zh) | 物品颜色检测方法、装置、电子设备及存储介质 | |
| US11562505B2 (en) | System and method for representing and displaying color accuracy in pattern matching by a vision system | |
| CN115546141A (zh) | 一种基于多维度度量的小样本Mini LED缺陷检测方法及系统 | |
| CN112633393B (zh) | 一种瓷砖纹理自动分类方法及装置 | |
| CN110807817B (zh) | 一种适应光照变化的目标颜色识别的机器视觉方法 | |
| JP4459945B2 (ja) | 抽出色範囲設定方法 | |
| CN113269758A (zh) | 一种基于机器视觉的卷烟外观检测方法及测试装置 | |
| CN113592789A (zh) | 暗光图像识别方法、装置、设备及存储介质 | |
| US20170116746A1 (en) | Method for segmenting a color image and digital microscope | |
| CN112419431A (zh) | 一种产品颜色的检测方法和系统 | |
| JP4494424B2 (ja) | プログラム及び検査装置 |
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 |