CN117804696B - 基于烘培食品检测的食品包装袋密封性检测方法及系统 - Google Patents
基于烘培食品检测的食品包装袋密封性检测方法及系统 Download PDFInfo
- Publication number
- CN117804696B CN117804696B CN202311847951.8A CN202311847951A CN117804696B CN 117804696 B CN117804696 B CN 117804696B CN 202311847951 A CN202311847951 A CN 202311847951A CN 117804696 B CN117804696 B CN 117804696B
- Authority
- CN
- China
- Prior art keywords
- color
- changing
- value
- band
- change
- 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 93
- 238000004806 packaging method and process Methods 0.000 title claims abstract description 65
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 48
- 238000007789 sealing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims description 23
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000007654 immersion Methods 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000004043 dyeing Methods 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 3
- 239000003086 colorant Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于烘培食品检测的食品包装袋密封性检测方法及系统。本发明采用密封变化检测网络,重点关注于变化带的变化的颜色特征,再采用提取X型像素点的方法,判断变化带的浸染状态,从而更加准确的判断除变化带颜色的变化情况。并将同一组时间上的变化情况,与,不同分组之间颜色的差异,共同判断变化带的变化情况,达到更加准确判断检测剂中的食品包装袋是否密封,进行自动挑拣,且节省人力物力的技术效果。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种基于烘培食品检测的食品包装袋密封性检测方法及系统。
背景技术
目前,光学检测可以用于检测包装袋的密封性。通过使用机器视觉技术,可以利用图像传感器获取包装袋的图像信息,并进行比较,以检测包装袋的密封性是否良好。密封性检测还能够将其于检测剂进行反应:包装袋密封包装,静置24小时,一切正常、变色带显粉红色表示包装袋的密封性好。检测剂漏放、检测剂失效、密封包装漏气任一或组合情况发送,变色带不会变粉红色。
由于用检测剂进行密封性检测时,如果多个食品包装袋一起放入检测剂进行检测,很难找到具体食品包装袋。如果单个食品包装袋分别放取检测剂,由于检测时间需要静置24小时,那么会浪费大量的人力物力。需要设计一种有效的智能光学检测进行判断。
发明内容
本发明的目的在于提供了一种基于烘培食品检测的食品包装袋密封性检测方法及系统,用以解决现有技术中存在的上述问题。
第一方面,本发明实施例提供了一种基于烘培食品检测的食品包装袋密封性检测方法,包括:
获取第一组时间点对应的多个第一变色带图像;所述变色带图像为包含浸入检测剂的变色带的图像;所述检测剂中放入了多个待检测的食品包装袋;所述第一组时间点包括多个时间点;
将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值;
若所述变色带的颜色不为白色,控制带有食品包装袋的检测剂随机分割进行密闭反应,得到第二组时间点;所述第二组时间点的时间点晚于第一组时间点的时间;
获取第二组时间点对应的多组第二变色带图像;一组第二变色带图像包括第二组时间点的多个时间点获取的多个第二变色带图像;
将一组第二变色带图像分别输入密封变化检测网络,得到一个变色带变化值;多组第二变色带图像对应获得多个变色带变化值;
根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值;多组第二变色带图像对应获得多个变色带颜色值;
根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封。
可选的,所述根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封,包括:
将所述多个变色带变化值按照从大到小进行排序,得到排序序号;
将排序序号小于变化阈值的变色带变化值丢弃;
若排序序号大于变化阈值的变色带变化值,随机提取三个变色带颜色值,得到变色带颜色值集合;
获取初始变色带值;所述初始变色带值为未漏气的食品密封袋插入检测剂24小时时的变色带的色调值;
将所述变色带颜色值集合中三个变色带颜色值分别与初始变色带值进行相似计算,得到三个颜色相似值;
将三个颜色相似值中小于其他颜色相似值的值作为未变色颜色值;
随机提取除未变色颜色值之外的三个变色带颜色值,获取第二变色带颜色值集合;
根据所述第二变色带颜色值集合分别与未变色颜色进行相似计算,得到第二未变色颜色值;
若第二未变色颜色值在密封阈值的区域内,将未变色颜色值和第二未变色颜色值对应的食品包装带设为未密封,将除未变色颜色值和第二未变色颜色值之外的变色带颜色值对应的食品包装带设为密封。
可选的,所述将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值,包括:
所述密封变化检测网络包括时间卷积网络和时间神经网络;
根据多个第一变色带图像,通过时间卷积网络,得到第一变化值;
提取所述第一变色带图像中的像素点,得到像素向量;多个第一变色带图像对应多个像素向量;
将所述多个像素向量输入时间神经网络,得到第二变化值;
将所述第一变化值和第二变化值求取平均,得到变化带变化值。
可选的,所述根据多个第一变色带图像,通过时间卷积网络,得到第一变化值,包括:
将所述第一变色带图像从RGB格式转化为HSV格式;
将RGB格式和HSV格式的变色带图像进行叠加,得到通道为6的变色带叠加图;
多个第一变色带图像对应得到多个变色带叠加图;
将多个变色带叠加图按照对应的时间点从远到近依次输入时间卷积网络,得到第一变化值。
可选的,所述时间卷积网络的训练集的标注数据为不同时间点的变色带的色调的方差。
可选的,所述提取所述第一变色带图像中的像素点,得到像素向量,包括:
将所述第一变色带图像通过目标检测网络,得到变色带区域;
将变色带区域中左上角到右下角的进行连线,右上角到做下角的进行连线,得到X线型区域;
将X线型区域的像素点进行提取,按照从上到下从左到右的顺序输入像素向量。
可选的,所述将所述多个像素向量输入时间神经网络,得到第二变化值,包括:
将所述像素向量输入全连接神经网络,得到一个输出值;多个像素向量对应获得多个输出值;
将所述输出值按照对应的时间点从远到近的顺序输入时间神经网络,得到第二变化值。
可选的,所述根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值,包括:
将一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,通过目标检测网络,得到变色带区域;
将所述变色带区域的HSV值进行提取,获取色调通道中变色带区域的像素值的平均值,作为变色带颜色。
可选的,多次循环判断检测剂中的食品包装袋是否密封,直到一个食品包装袋对应有一个变色带。
第二方面,本发明实施例提供了一种基于烘培食品检测的食品包装袋密封性检测系统,包括:
获取模块:获取第一组时间点对应的多个第一变色带图像;所述变色带图像为包含浸入检测剂的变色带的图像;所述检测剂中放入了多个待检测的食品包装袋;所述第一组时间点包括多个时间点;获取第二组时间点对应的多组第二变色带图像;一组第二变色带图像包括第二组时间点的多个时间点获取的多个第二变色带图像;
颜色变化模块:将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值;
时间点判断模块:若所述变色带的颜色不为白色,控制带有食品包装袋的检测剂随机分割进行密闭反应,得到第二组时间点;所述第二组时间点的时间点晚于第一组时间点的时间;
颜色空间时间变化模块:将一组第二变色带图像分别输入密封变化检测网络,得到一个变色带变化值;多组第二变色带图像对应获得多个变色带变化值;根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值;多组第二变色带图像对应获得多个变色带颜色值;
密封判断模块:根据多个变色带变化值和多个变色带颜色值,判断食品包装袋是否密封。
相较于现有技术,本发明实施例达到了以下有益效果:
本发明实施例还提供了一种基于烘培食品检测的食品包装袋密封性检测方法和系统,所述方法包括:获取第一组时间点对应的多个第一变色带图像;所述变色带图像为包含浸入检测剂的变色带的图像;所述检测剂中放入了多个待检测的食品包装袋;所述第一组时间点包括多个时间点;将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值;若所述变色带的颜色不为白色,控制带有食品包装袋的检测剂随机分割进行密闭反应,得到第二组时间点;所述第二组时间点的时间点晚于第一组时间点的时间;获取第二组时间点对应的多组第二变色带图像;一组第二变色带图像包括第二组时间点的多个时间点获取的多个第二变色带图像;将一组第二变色带图像分别输入密封变化检测网络,得到一个变色带变化值;多组第二变色带图像对应获得多个变色带变化值;根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值;多组第二变色带图像对应获得多个变色带颜色值;根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封。
本发明采用密封变化检测网络,重点关注于变化带的变化的颜色特征,再采用提取X型像素点的方法,判断变化带的浸染状态,从而更加准确的判断除变化带颜色的变化情况。并将同一组时间上的变化情况,与,不同分组之间颜色的差异,共同判断变化带的变化情况,从而更加准确判断检测剂中的食品包装袋是否密封。
总而言之,本发明采用线检测放置所有食品包装袋的检测剂的变化带的颜色,判断整体的变化情况,再分别切分,分组判断变化带的情况,可以再静置24小时的过程中,通过变化带的变化情况排除一些变化带未变化(即密封包装漏气)的包装袋,从而达到,更加准确判断检测剂中的食品包装袋是否密封,进行自动挑拣,且节省人力物力的技术效果。
附图说明
图1是本发明实施例提供的一种基于烘培食品检测的食品包装袋密封性检测方法流程图。
具体实施方式
下面结合附图,对本发明作详细的说明。
实施例1
如图1所示,本发明实施例提供了一种基于烘培食品检测的食品包装袋密封性检测方法,所述方法包括:
S101:获取第一组时间点对应的多个第一变色带图像。所述变色带图像为包含浸入检测剂的变色带的图像。所述检测剂中放入了多个待检测的食品包装袋。所述第一组时间点包括多个时间点。
其中,所述多个食品包装袋没入检测剂完全与检测剂进行检测反应。
其中,以1小时为间隔,对变色带的颜色进行区分。
S102:将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值。
S103:若所述变色带的颜色不为白色,控制带有食品包装袋的检测剂随机分割进行密闭反应,得到第二组时间点。所述第二组时间点的时间点晚于第一组时间点的时间。
S104:获取第二组时间点对应的多组第二变色带图像。一组第二变色带图像包括第二组时间点的多个时间点获取的多个第二变色带图像。
S105:将一组第二变色带图像分别输入密封变化检测网络,得到一个变色带变化值。多组第二变色带图像对应获得多个变色带变化值。
S106:根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值。多组第二变色带图像对应获得多个变色带颜色值。
S107:根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值。多组第二变色带图像对应获得多个变色带颜色值。
S107:根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封。
可选的,所述根据多个变色带变化值和多个变色带颜色值,判断食品包装袋是否密封,包括:
将所述多个变色带变化值按照从大到小进行排序,得到排序序号。
将排序序号小于变化阈值的变色带变化值丢弃。
其中,本实施例中,将变化阈值设未0.5。
若排序序号大于变化阈值的变色带变化值,随机提取三个变色带颜色值,得到变色带颜色值集合。
获取初始变色带值。所述初始变色带值为未漏气的食品密封袋插入检测剂24小时时的变色带的色调值。
将所述变色带颜色值集合中三个变色带颜色值分别与初始变色带值进行相似计算,得到三个颜色相似值。
将三个颜色相似值中小于其他颜色相似值的值作为未变色颜色值。
随机提取除未变色颜色值之外的三个变色带颜色值,获取第二变色带颜色值集合。
根据所述第二变色带颜色值集合分别与未变色颜色进行相似计算,得到第二未变色颜色值。
若第二未变色颜色值在密封阈值的区域内,将未变色颜色值和第二未变色颜色值对应的食品包装带设为未密封,将除未变色颜色值和第二未变色颜色值之外的变色带颜色值对应的食品包装带设为密封。
其中,本实施例中,将密封阈值HSV中的H值设为0-10和156-180。
通过上述方法,将大范围的多个变色带颜色值,转化为三个变色带颜色值进行比较,能够更好的更新比较的值(如未变色颜色值),而不用每次都与初始变色带值进行比较。当每次将与密封的颜色色调差异最大的进行排除,直到最后比较值的在密封阈值的区域内,表示密封阈值的区域内的值已经是密封说展现出的色调值。
可选的,所述将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值,包括:
所述密封变化检测网络包括时间卷积网络和时间神经网络。
根据多个第一变色带图像,通过时间卷积网络,得到第一变化值。
提取所述第一变色带图像中的像素点,得到像素向量。多个第一变色带图像对应多个像素向量。
将所述多个像素向量输入时间神经网络,得到第二变化值。
将所述第一变化值和第二变化值求取平均,得到变化带变化值。
可选的,所述根据多个第一变色带图像,通过时间卷积网络,得到第一变化值,包括:
将所述第一变色带图像从RGB格式转化为HSV格式。
将RGB格式和HSV格式的变色带图像进行叠加,得到通道为6的变色带叠加图。
多个第一变色带图像对应得到多个变色带叠加图。
将多个变色带叠加图按照对应的时间点从远到近依次输入时间卷积网络,得到第一变化值。
可选的,所述时间卷积网络的训练集的标注数据为不同时间点的变色带的色调的方差。
可选的,所述提取所述第一变色带图像中的像素点,得到像素向量,包括:
将所述第一变色带图像通过目标检测网络,得到变色带区域。
将变色带区域中左上角到右下角的进行连线,右上角到做下角的进行连线,得到X线型区域。
将X线型区域的像素点进行提取,按照从上到下从左到右的顺序输入像素向量。
其中,因为变色带变色为浸染进行变色,所以或导致一大片区域成渐变的相似色调。
可选的,将所述像素向量输入全连接神经网络,得到一个输出值。多个像素向量对应获得多个输出值。
将所述输出值按照对应的时间点从远到近的顺序输入时间神经网络,得到第二变化值。
可选的,所述根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值,包括:
将一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,通过目标检测网络,得到变色带区域。
其中,本实施例中的目标检测网络为YOLOV5。
将所述变色带区域的HSV值进行提取,获取色调通道中变色带区域的像素值的平均值,作为变色带颜色。
可选的,多次循环判断检测剂中的食品包装袋是否密封,直到一个食品包装袋对应有一个变色带。
其中,光学检测可替换人工挑拣。光学检测追踪到粉红色,表示全部密闭。光学检测未追踪不到粉红色,将其自动进行挑拣。
实施例2
基于上述的基于烘培食品检测的食品包装袋密封性检测方法,本发明实施例还提供了一种基于烘培食品检测的食品包装袋密封性检测系统,所述系统包括获取模块、颜色变化模块、时间点判断模块、颜色空间时间变化模块和密封判断模块。
获取模块用于获取第一组时间点对应的多个第一变色带图像。所述变色带图像为包含浸入检测剂的变色带的图像。所述检测剂中放入了多个待检测的食品包装袋。所述第一组时间点包括多个时间点。获取第二组时间点对应的多组第二变色带图像。一组第二变色带图像包括第二组时间点的多个时间点获取的多个第二变色带图像。
颜色变化模块用于将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值。
时间点判断模块用于若所述变色带的颜色不为白色,控制带有食品包装袋的检测剂随机分割进行密闭反应,得到第二组时间点。所述第二组时间点的时间点晚于第一组时间点的时间。
颜色空间时间变化模块用于将一组第二变色带图像分别输入密封变化检测网络,得到一个变色带变化值。多组第二变色带图像对应获得多个变色带变化值。根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值。多组第二变色带图像对应获得多个变色带颜色值。
密封判断模块用于根据多个变色带变化值和多个变色带颜色值,判断食品包装袋是否密封。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (9)
1.一种基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,包括:
获取第一组时间点对应的多个第一变色带图像;所述变色带图像为包含浸入检测剂的变色带的图像;所述检测剂中放入了多个待检测的食品包装袋;所述第一组时间点包括多个时间点;
将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值;
若所述变色带的颜色不为白色,控制带有食品包装袋的检测剂随机分割进行密闭反应,得到第二组时间点;所述第二组时间点的时间点晚于第一组时间点的时间;
获取第二组时间点对应的多组第二变色带图像;一组第二变色带图像包括第二组时间点的多个时间点获取的多个第二变色带图像;
将一组第二变色带图像分别输入密封变化检测网络,得到一个变色带变化值;多组第二变色带图像对应获得多个变色带变化值;
根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值;多组第二变色带图像对应获得多个变色带颜色值;
根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封;
所述根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封,包括:
将所述多个变色带变化值按照从大到小进行排序,得到排序序号;
将排序序号小于变化阈值的变色带变化值丢弃;
若排序序号大于变化阈值的变色带变化值,随机提取三个变色带颜色值,得到变色带颜色值集合;
获取初始变色带值;所述初始变色带值为未漏气的食品密封袋插入检测剂24小时时的变色带的色调值;
将所述变色带颜色值集合中三个变色带颜色值分别与初始变色带值进行相似计算,得到三个颜色相似值;
将三个颜色相似值中小于其他颜色相似值的值作为未变色颜色值;
随机提取除未变色颜色值之外的三个变色带颜色值,获取第二变色带颜色值集合;
根据所述第二变色带颜色值集合分别与未变色颜色进行相似计算,得到第二未变色颜色值;
若第二未变色颜色值在密封阈值的区域内,将未变色颜色值和第二未变色颜色值对应的食品包装带设为未密封,将除未变色颜色值和第二未变色颜色值之外的变色带颜色值对应的食品包装带设为密封。
2.根据权利要求1所述的基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,所述将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值,包括:
所述密封变化检测网络包括时间卷积网络和时间神经网络;
根据多个第一变色带图像,通过时间卷积网络,得到第一变化值;
提取所述第一变色带图像中的像素点,得到像素向量;多个第一变色带图像对应多个像素向量;
将所述多个像素向量输入时间神经网络,得到第二变化值;
将所述第一变化值和第二变化值求取平均,得到变化带变化值。
3.根据权利要求2所述的基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,所述根据多个第一变色带图像,通过时间卷积网络,得到第一变化值,包括:
将所述第一变色带图像从RGB格式转化为HSV格式;
将RGB格式和HSV格式的变色带图像进行叠加,得到通道为6的变色带叠加图;
多个第一变色带图像对应得到多个变色带叠加图;
将多个变色带叠加图按照对应的时间点从远到近依次输入时间卷积网络,得到第一变化值。
4.根据权利要求3所述的基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,所述时间卷积网络的训练集的标注数据为不同时间点的变色带的色调的方差。
5.根据权利要求2所述的基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,所述提取所述第一变色带图像中的像素点,得到像素向量,包括:
将所述第一变色带图像通过目标检测网络,得到变色带区域;
将变色带区域中左上角到右下角的进行连线,右上角到做下角的进行连线,得到X线型区域;
将X线型区域的像素点进行提取,按照从上到下从左到右的顺序输入像素向量。
6.根据权利要求2所述的基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,所述将所述多个像素向量输入时间神经网络,得到第二变化值,包括:
将所述像素向量输入全连接神经网络,得到一个输出值;多个像素向量对应获得多个输出值;
将所述输出值按照对应的时间点从远到近的顺序输入时间神经网络,得到第二变化值。
7.根据权利要求1所述的基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,所述根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值,包括:
将一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,通过目标检测网络,得到变色带区域;
将所述变色带区域的HSV值进行提取,获取色调通道中变色带区域的像素值的平均值,作为变色带颜色。
8.根据权利要求1所述的基于烘培食品检测的食品包装袋密封性检测方法,其特征在于,多次循环判断检测剂中的食品包装袋是否密封,直到一个食品包装袋对应有一个变色带。
9.一种基于烘培食品检测的食品包装袋密封性检测系统,其特征在于,包括:
获取模块:获取第一组时间点对应的多个第一变色带图像;所述变色带图像为包含浸入检测剂的变色带的图像;所述检测剂中放入了多个待检测的食品包装袋;所述第一组时间点包括多个时间点;获取第二组时间点对应的多组第二变色带图像;一组第二变色带图像包括第二组时间点的多个时间点获取的多个第二变色带图像;
颜色变化模块:将所述第一组时间点对应的多个第一变色带图像输入密封变化检测网络,判断变色带的颜色变化,得到颜色变化值;
时间点判断模块:若所述变色带的颜色不为白色,控制带有食品包装袋的检测剂随机分割进行密闭反应,得到第二组时间点;所述第二组时间点的时间点晚于第一组时间点的时间;
颜色空间时间变化模块:将一组第二变色带图像分别输入密封变化检测网络,得到一个变色带变化值;多组第二变色带图像对应获得多个变色带变化值;根据一组第二变色带图像中对应的时间点晚于其他时间点的第二变色带图像,得到一个变色带颜色值;多组第二变色带图像对应获得多个变色带颜色值;
密封判断模块:根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封;
所述根据多个变色带变化值和多个变色带颜色值,判断检测剂中的食品包装袋是否密封,包括:
将所述多个变色带变化值按照从大到小进行排序,得到排序序号;
将排序序号小于变化阈值的变色带变化值丢弃;
若排序序号大于变化阈值的变色带变化值,随机提取三个变色带颜色值,得到变色带颜色值集合;
获取初始变色带值;所述初始变色带值为未漏气的食品密封袋插入检测剂24小时时的变色带的色调值;
将所述变色带颜色值集合中三个变色带颜色值分别与初始变色带值进行相似计算,得到三个颜色相似值;
将三个颜色相似值中小于其他颜色相似值的值作为未变色颜色值;
随机提取除未变色颜色值之外的三个变色带颜色值,获取第二变色带颜色值集合;
根据所述第二变色带颜色值集合分别与未变色颜色进行相似计算,得到第二未变色颜色值;
若第二未变色颜色值在密封阈值的区域内,将未变色颜色值和第二未变色颜色值对应的食品包装带设为未密封,将除未变色颜色值和第二未变色颜色值之外的变色带颜色值对应的食品包装带设为密封。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311847951.8A CN117804696B (zh) | 2023-12-28 | 2023-12-28 | 基于烘培食品检测的食品包装袋密封性检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311847951.8A CN117804696B (zh) | 2023-12-28 | 2023-12-28 | 基于烘培食品检测的食品包装袋密封性检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117804696A CN117804696A (zh) | 2024-04-02 |
CN117804696B true CN117804696B (zh) | 2024-05-31 |
Family
ID=90432818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311847951.8A Active CN117804696B (zh) | 2023-12-28 | 2023-12-28 | 基于烘培食品检测的食品包装袋密封性检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117804696B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118172359A (zh) * | 2024-05-13 | 2024-06-11 | 杭州汇萃智能科技有限公司 | 一种食品包装气密性的视觉检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108025855A (zh) * | 2015-10-09 | 2018-05-11 | 三菱瓦斯化学株式会社 | 包装袋 |
CN111902843A (zh) * | 2018-03-26 | 2020-11-06 | 富士胶片富山化学株式会社 | 药剂判定装置以及边界凹部的检测方法 |
CN114565609A (zh) * | 2022-04-27 | 2022-05-31 | 河南银金达新材料股份有限公司 | 一种光致变色膜光学性能在线检测方法 |
CN115100418A (zh) * | 2022-07-18 | 2022-09-23 | 复旦大学 | 一种抗原检测试剂盒识别方法、装置、设备及存储介质 |
CN116189089A (zh) * | 2023-02-14 | 2023-05-30 | 深圳市巨龙创视科技有限公司 | 智能视频监控方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220414936A1 (en) * | 2021-06-25 | 2022-12-29 | Adobe Inc. | Multimodal color variations using learned color distributions |
-
2023
- 2023-12-28 CN CN202311847951.8A patent/CN117804696B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108025855A (zh) * | 2015-10-09 | 2018-05-11 | 三菱瓦斯化学株式会社 | 包装袋 |
CN111902843A (zh) * | 2018-03-26 | 2020-11-06 | 富士胶片富山化学株式会社 | 药剂判定装置以及边界凹部的检测方法 |
CN114565609A (zh) * | 2022-04-27 | 2022-05-31 | 河南银金达新材料股份有限公司 | 一种光致变色膜光学性能在线检测方法 |
CN115100418A (zh) * | 2022-07-18 | 2022-09-23 | 复旦大学 | 一种抗原检测试剂盒识别方法、装置、设备及存储介质 |
CN116189089A (zh) * | 2023-02-14 | 2023-05-30 | 深圳市巨龙创视科技有限公司 | 智能视频监控方法及系统 |
Non-Patent Citations (1)
Title |
---|
基于机器视觉的食品包装检测系统设计;李莹 等;包装工程;20200510(第09期);正文第210-213页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117804696A (zh) | 2024-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117804696B (zh) | 基于烘培食品检测的食品包装袋密封性检测方法及系统 | |
Ganesan et al. | Segmentation and edge detection of color images using CIELAB color space and edge detectors | |
KR100673423B1 (ko) | 화상의 영역분할에 의한 결함의 검출 | |
WO2019132589A1 (ko) | 다중 객체 검출을 위한 영상 처리 장치 및 방법 | |
KR20180117532A (ko) | 결함 검출 방법, 결함 검출을 위한 시스템 및 훈련 방법 | |
US20150036924A1 (en) | Method, arrangement and computer program product for recognizing videoed objects | |
CN103903265B (zh) | 检测工业产品包装破损的方法 | |
CN115359431B (zh) | 一种大气环境污染源污染程度评估方法及系统 | |
CN109600605B (zh) | 4k超高清视频的检测方法、电子设备及计算机程序产品 | |
CN107682685A (zh) | 白平衡处理方法及装置、电子装置和计算机可读存储介质 | |
CN115423999A (zh) | 一种基于yolo-v5的车辆属性识别方法 | |
CN117437227B (zh) | 一种图像生成及缺陷检测方法、装置、介质、设备及产品 | |
CN113888542A (zh) | 产品缺陷检测方法和装置 | |
CN113658141A (zh) | 透明包装袋封口识别方法、装置、存储介质及电子设备 | |
JP2022038390A (ja) | 推論装置、方法、プログラムおよび学習装置 | |
CN115371916A (zh) | 包装密封性识别系统、方法、装置和存储介质 | |
CN111339729A (zh) | 一种自动定位螺丝孔位置的平衡布局方法,设备及可读存储介质 | |
CN106934789A (zh) | 基于三帧差分法的包装动态检测方法及装置 | |
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 | |
KR100581514B1 (ko) | 가중치 값을 이용한 결함 픽셀 보정 장치 및 방법 | |
CN114419037A (zh) | 工件缺陷检测方法和装置 | |
JPH04364449A (ja) | 果実の欠陥検出装置 | |
CN108805190A (zh) | 一种图像处理方法及装置 | |
JP2981857B2 (ja) | 包装容器の製函中の接着部材塗着状態判別装置、方法、システム及び接着部材塗着状態の判別を実行するためのプログラムを記録した媒体 | |
JPH04147002A (ja) | 青果物の表面検定装置 |
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 |