CN1293835C - 物品检测中的基于单元灰度均匀性的在线异物识别法 - Google Patents

Abstract

本发明是物品检测中的基于单元灰度均匀性的在线异物识别法，包括以下步骤：(1)图像摄取；(2)图像传输；(3)异物识别处理；(4)识别信号传输；(5)剔除异物。在步骤(1)中，使用发光二极管作为光源，以提高图像的亮度和稳定性，并在待测物上下面都进行摄像，同时对待测物的两面进行识别，提高识别率；在步骤(3)中针对颜色与待测物相似的异物，利用单元整体灰度的均匀性来判别单元的属性。这样使得色度与待测物品相似的异物更容易被识别，从而提高了烟草等物品和异物的正确识别率。

Description

物品检测中的基于单元灰度均匀性的在线异物识别法

技术领域：

本发明涉及一种物品在线检测中对与待检物颜色相近的异物进行识别的方法，主要用于烟草等物品的异物检测。

背景技术：

目前，在烟草等物品在线检测系统中使用的常规异物识别方法是基于像素点的色度统计法，其基本原理是利用烟草和异物在颜色上的差异，判断单元内像素点是属于烟草还是异物，进而判断单元内是否包含有异物。其工作过程有以下基本步骤：1、色度空间变换：由RGB空间变换到Ohta或者HIS空间；2、计算判别阈值：在色度空间中统计烟叶及各种异物的颜色参数的范围(如R、G、B等)，得到判别的上限和下限；3、像素点属性判别：根据得到的阈值，判别待测图像中的像素点是属于烟叶还是异物；4、单元属性判别：根据单元内像素点属于烟叶的比例确定该单元是否包含异物。

上述方法对于颜色与烟叶差别较大的异物有较好的识别效果，但是对于颜色与烟叶相似的异物却无能为力。在上述方法的步骤(3)中，是根据像素点的色度参数(如R、G、B等)判别该点是属于烟草或异物。实际情况中，有些异物在颜色控件中与烟草有较大范围的重叠，因此仅根据像素的颜色来判别，很容易出现误判。这也是该方法有待改进的地方。

发明内容：

为了提高烟草等物品和异物的正确判别率，尤其是提高颜色与待检物相近的异物的识别率，以研制出性能更优的异物剔除系统，本发明提供了一种基于判别单元整体色度均匀性的识别方法。它首先假设各个统计量都服从正态分布，对标准物品和背景图像的单元整体灰度进行统计，从而得到单元均匀性的判别阈值，并对待测单元内是否包含有异物进行判断，使得色度与待测物品相似的异物更容易被识别，从而提高了烟草等物品和异物的正确识别率。为了实现上述发明目的，本发明的技术方案是：

本发明包含了现有技术的基本步骤：

(1)图像摄取：

(2)图像传输：

(3)异物识别处理：

(4)识别信号传输：

(5)剔除异物。

本发明的改进在于：

在步骤(3)中，首先是根据图像的彩色信息，利用基于像素点色度判别法识别单元中是否包含有异物；若遇到颜色与待测物品接近的单元，无法用基于像素点色度的方法判断，则根据单元整体灰度均匀性法来判别单元中是否包含有异物。之所以要先利用基于像素点色度判别法进行识别，是由于根据单元整体灰度均匀性法需计算单元灰度均匀性的相关统计量，运算量稍大于背景技术中基于像素色度的方法，而一般情况下颜色与标准物品相似的单元所占比例也不是很大，为了在提高识别效果的前提下尽量缩短识别时间，该方法需要配合基于像素色度的方法进行使用。在遇到颜色与标准物品相似的单元，而用基于像素色度的方法无法判别单元属性的时候，才使用根据单元整体灰度均匀性法。

基于判别单元整体灰度均匀性来判别单元的属性的方法，是以单元为单位进行统计判别。该方法的基本原理如下：

假设用g(m，n)表示单元的灰度分布，则该单元的灰度均值A和灰度方差D分别可用如下两式表示：

$A=\frac{1}{M\×N}\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\underset{n=0}{\overset{N}{\mathrm{\Σ}}}g(m,n)$

$D=\frac{1}{M\×N}\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\underset{n=0}{\overset{N}{\mathrm{\Σ}}}{[g(m,n)-A]}^2$

统计中常用的另一个表示均匀性的参数是一阶中心矩D₁。其形式为：

$D_1=\frac{1}{M\×N}\underset{m=0}{\overset{M}{\mathrm{\Σ}}}\underset{n=0}{\overset{N}{\mathrm{\Σ}}}[g(m,n)-A]$

为增加阈值的可靠性，再对多个单元的统计量进行统计，分别得到A、D、D₁的均值、方差和一阶中心矩。

假设各统计量都服从正态分布，从而得到各统计量的分布范围。进行单元均匀性判别时，当待测单元的参数在范围内，则判断是烟叶等标准物品，否则，视为异物。

因此本方法包括以下具体步骤：

①图像预处理：首先将标准物品的彩色图像变换为灰度图像；然后进行平滑滤波，采用中值滤波来消除噪声，具体是在所得的灰度图像上用一滑动窗口，将窗口内各象素的灰度按大小排序，用其中值代替窗口中心象素的原灰度；

②将标准物品的灰度图像划分单元，计算各单元的灰度统计量：计算标准物品灰度图像中单个单元的灰度均值、方差、一阶中心矩；

③计算判别阈值：统计所有上述单元的灰度均值、方差和一阶中心矩各自的均值和方差，按照正态分布原则，计算灰度均值、方差、一阶中心矩的上限和下限，从而得到标准物品单元灰度均匀性的判别阈值；

④识别处理：将待测单元图像灰度化，并计算该单元的灰度均值、方差和一阶中心矩，与判别阈值进行比较，判断待识别的单元中是否包含有异物，在范围内的视为标准物品，反之则为异物。

进一步，本发明还在步骤(1)中，使用发光二极管代替普通日光灯管作为光源，由于发光二极管寿命长、光强稳定，得到图像的颜色和亮度也就更稳定。同时用两台CCD线阵摄像机对待测物的上下两面进行拍照，分别对得到的两幅图像进行识别，这样减少了由于遮挡产生的误判。

本发明的有益效果是：一些异物色度与待测物品相似，在彩色空间有大量重合区域，仅用背景技术中基于像素色度的识别方法，识别率很低，并有较高的误判率；通过本发明的方法，采用单元的整体灰度均匀性进行判别，使得颜色与待测物品相似的异物得到有效的识别，从而提高了烟草等物品和异物的正确识别率。本发明中的方法运算量小，容易实现，实时性强，非常适用于烟草等物品的在线检测。

附图说明：

图1为标准烟叶的图像；

图2为异物--黄皮带的图像；

图3为含有黄皮带的图像；

图4中A和B是使用单元均匀性判别前后的识别效果对照。

图5为基于单元灰度均匀性的在线异物识别法的流程图。

图6为基于单元灰度均匀性的在线异物识别法的检测系统结构示意图。

具体实施例：

以下以烟草的识别为例，结合附图，说明本发明的一个具体实施例。

标准烟叶的图像如图1所示，如果烟叶中混有颜色较接近的异物如黄皮带，异物--黄皮带的图像则明显不一样，如图2所示，它们可以根据单元整体灰度均匀性法来判别。

结合图5和图6，本方法的具体实现如下：

1、图像摄取：在生产线上，当烟叶流被传送至传送带后端时，用启动装置产生高速气流，烟叶流耦合于气流中并以高速(5m/s左右)抛射出，在烟叶流悬空时，采用两台高速CCD线阵摄像机(5000线/s)，从上下两面同时摄取一定范围内的烟草和异物混合物的彩色图像，使用发光二极管作为光源。

2、图像传输：用图像采集卡将所摄图像数据以及烟叶流的位置信号传至计算机内存当中。

3、异物识别处理：

首先用背景技术中基于像素色度的方法识别，若遇到颜色与待测物品接近的单元，采用本发明的方法：

(1)对图1中的标准烟叶彩色图像灰度化，使之变成灰度图像图，并用中值滤波消除平滑噪声。

(2)将图像划分单元，并计算各单元灰度的A、D、D₁。

(3)统计所有单元A、D、D₁的均值和方差，按照正态分布原则，计算A、D、D₁的上限和下限。

(4)将待测单元灰度化，如图3，并计算该单元的A、D、D₁。

(5)将待测单元的A、D、D₁与阈值做比较，在阈值范围内的视为烟叶，反之则为异物。从图4的A和B中可以比较出使用单元均匀性判别前后的识别效果对照。

4、识别信号传输：对烟草和异物进行识别后，将表示异物位置的信号传输至系统的电控单元。对于两台摄像机在同一单元得到的两幅图像中，只要有一幅判断为存在异物，则认为该单元存在异物。

5、剔除异物：电控单元根据所接收到的异物位置信号，控制相应的空气喷嘴将异物剔除。

Claims (2)

1、物品检测中的基于单元灰度均匀性的在线异物识别法，包括以下步骤：

(1)图像摄取：在生产线上，用CCD线阵摄像机摄取一定范围内的待测物品和异物混合物的图像；

(2)图像传输：用图像采集卡将所摄图像数据以及物品流的位置信号传至计算机内存当中；

(3)异物识别处理：首先根据图像的彩色信息，利用基于像素点色度判别法识别单元中是否包含有异物；若遇到颜色与待测物品接近的单元，无法用基于像素点色度的方法判断，则根据单元整体灰度均匀性法来判别单元中是否包含有异物；

(4)识别信号传输：对物品和异物进行识别后，将表示异物位置的信号传输至电控单元；

(5)剔除异物：电控单元根据所接受到的异物位置信号，控制相应的空气喷嘴将异物剔除；

其特征在于：

步骤(3)的异物识别处理中采用了基于判别单元整体灰度均匀性法来判别单元的属性的方法，该方法包括以下步骤：

①图像预处理：首先将标准物品的彩色图像变换为灰度图像；然后进行平滑滤波，采用中值滤波，具体是在所得的灰度图像上用一滑动窗口，将窗口内各象素的灰度按大小排序，用其中值代替窗口中心象素的原灰度；

②将标准物品的灰度图像划分单元，计算各单元的灰度统计量：计算标准物品灰度图像中单个单元的灰度均值、方差、一阶中心矩；

③计算判别阈值：统计所有上述单元的灰度均值、方差和一阶中心矩各自的均值和方差，按照正态分布原则，计算灰度均值、方差、一阶中心矩的上限和下限，从而得到标准物品单元灰度均匀性的判别阈值；

④识别处理：将待测单元图像灰度化，并计算该单元的灰度均值、方差和一阶中心矩，与判别阈值进行比较，判断待识别的单元中是否包含有异物，在阈值范围内的视为标准物品，反之则为异物。

2、根据权利要求1所述的在线识别方法，其特征在于：在步骤(1)中，使用发光二极管作为光源，并在待测物上下面都进行摄像，对待测物两面的图像进行识别。

Images