CN110070523B - 一种用于瓶底的异物检测方法 - Google Patents
一种用于瓶底的异物检测方法 Download PDFInfo
- Publication number
- CN110070523B CN110070523B CN201910265597.5A CN201910265597A CN110070523B CN 110070523 B CN110070523 B CN 110070523B CN 201910265597 A CN201910265597 A CN 201910265597A CN 110070523 B CN110070523 B CN 110070523B
- Authority
- CN
- China
- Prior art keywords
- region
- roi
- image
- detected
- bottle
- 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
Images
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种用于瓶底的异物检测方法,所述方法包括:读取待检测图像,提取ROI区域;对所述ROI区域进行阈值分割,以分割后的区域中心坐标为基准,生成待检测区域;对所述待检测区域进行阈值分割、区域面积统计,将统计后的区域面积与预设标准值作对比进行异物判定,若所述区域面积大于预设标准值,则瓶底存在异物。采用本发明,可以减少人力时间成本,精准的判断瓶底是否存在异物。
Description
技术领域
本发明涉及图像处理领域,特别是涉及一种用于瓶底的异物检测方法。
背景技术
目前,为了环保和节省成本,啤酒、饮料等生产厂家大都使用可以回收利用的玻璃瓶,但回收的玻璃瓶在运输使用过程中难免要受到污染和损坏,因而必须经过清洗和检测,合格的才能进入灌装工序。
在对啤酒瓶的回收利用中,用目测法对啤酒瓶瓶底进行异物判定是一项非常耗费人力时间的工作,并且不能保证检测的可靠性。为了减少人力时间成本,实现工业上的自动化,基于机器人视觉的机器自动检测应运而生,但是目前国内采用的检测机器大部分都是进口的,价格昂贵,一般中、小企业无能力购买,另外由于瓶子大小、颜色和国情等因素使得国外的检测设备并不完全适用于国内。因此,开发一套快速且有效的瓶底异物检测方法是很有必要的。
发明内容
为了解决上述问题,本发明提供了一种用于瓶底的异物检测方法,可以检测瓶底异物的速度快,准确率高,能够满足生产线上的要求。
基于此,本发明提供了一种用于瓶底的异物检测方法,所述方法包括:
读取待检测图像,提取ROI区域;
对所述ROI区域进行阈值分割,以分割后的区域中心坐标为基准,生成待检测区域;
对所述待检测区域进行阈值分割、区域面积统计,将统计后的区域面积与预设标准值作对比进行异物判定,若所述区域面积大于预设标准值,则瓶底存在异物。
其中,所述读取待检测图像之前对所述待检测图像进行去噪处理。
其中,所述ROI区域即感兴趣区域,用于确定进行阈值分割的区域。
其中,所述提取RIO区域包括将所述待检测图像中生成矩形区域,所述矩形区域为瓶底图像,并在所述待检测图像中截取所述矩形区域。
其中,所述阈值分割包括:
根据ROI区域的瓶底异物图像与背景图像在灰度上的差异,将所述ROI区域分割为具有不同灰度级的目标区域和背景区域;
选取阈值并确定所述ROI区域中每个像素点属于目标区域或背景区域,产生对应的二值图像。
其中,所述ROI区域进行阈值分割包括:对所述ROI区域进行全局阈值分割,所述全局阈值通过计算所述ROI区域中波峰灰度值减去一个预设灰度值实现。
其中,所述全局阈值分割的方法包括:直方图双峰法。
其中,对所述ROI区域进行阈值分割之后,提取灰度值在预设值内的像素点,将预设值内的像素点的行坐标与纵坐标均取平均值即为区域中心坐标。
其中,所述以分割后的区域中心坐标为基准,生成待检测区域,包括:
以区域中心坐标为中心,生成与所述ROI区域的长度或宽度其一不变,另一减小的待检测区域,用于保证瓶底异物处于图像中心位置,并在所述ROI区域中裁剪所述待检测区域。
其中,若瓶底存在异物,根据所述区域面积对所述异物进行划分范围,所述区域面积在所述预设标准值与二倍所述预设标准值的之间的为一级异物,所述区域面积在二倍所述预设标准值与三倍所述预设标准值之间的为二级异物,所述区域面积在三倍所述预设标准值之上的为三级异物。
本发明可以减少通过人力目测检测瓶底异物的时间,并且本发明检测方法简单,对瓶底异物的检测速度快,准确率高。
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,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地介绍,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他的附图。
图1是本发明实施例提供的用于瓶底的异物检测方法的流程图;
图2是本发明实施例提供的无异物瓶底示意图;
图3是本发明实施例提供的有异物瓶底示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的用于瓶底的异物检测方法的流程图,所述用于瓶底的异物检测方法包括:
S101、读取待检测图像,提取ROI区域。
读取待检测图像之前对所述待检测图像进行去噪处理。
图像噪声是指使用某种方法从被摄体或信息源把信息传递给受看者时,如果通过视觉接收平面二维亮度分布,那么对这种接收起干扰作用的亮度分布就叫图像噪声。图像噪声通常用信噪比来量化或描述。
对所述待检测图像进行去噪处理的目的是改善待检测图像,解决待检测图像由于噪声干扰而导致图像质量下降的问题。通过去噪处理可以有效地提高图像质量,增大信噪比,更好的体现待检测图像所携带的信息。
可采用高斯滤波、中值滤波等方法对所述待检测图像进行去噪处理。
在所述待检测图像中提取ROI区域,所述ROI区域为ROI(region of interest),即感兴趣区域。在机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域。
提取RIO区域包括将所述待检测图像中生成矩形区域,所述矩形区域为瓶底图像,并在所述待检测图像中截取所述矩形区域。也就是说从待检测图像中提取包含瓶底图像的区域,即进一步的缩小图像范围。举例来讲,图像整体为桌子上面的一个啤酒瓶,提取ROI区域即将所述图像剪切为包含瓶底图像的区域,如瓶口、瓶肩、桌子等部分均被去除掉。
S102、对所述ROI区域进行阈值分割,以分割后的区域中心坐标为基准,生成待检测区域。
图像分割是将数字图像分成互不重叠的区域并提取出感兴趣目标的图像分割算法,一般是基于灰度的两个性质之一:不连续性和相似性。第一个性质的应用是基于灰度的不连续变化来分割图像。第二个性质的主要应用是根据事先制定的准则将图像分割为相似的区域。
图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一,它是对图像进行视觉分析和模式识别的基本前提。图像阈值分割即是其中的一种方法,图像分割也可理解为把图像中有意义的特征区域或者需要应用的特征区域提取出来,这些特性区域可以是像素的灰度值、物体轮廓曲线、纹理特性等,也可是空间频谱或直方图特征等阈值分割技术。阈值分割图像的基本原理描述如下:利用图像中要提取的目标物与其背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域(目标和背景)的组合,选取一个合适的阈值,以确定图像中每个像素点应该属于目标区域还是背景区域,从而产生对应的二值图像。
阈值分割是一种简单有效的图像分割方法,它对物体与背景有较强对比的图像分割特别有效,所有灰度大于或者等于预知的像素被判决为属于物体,灰度值用255表示前景,否则这些像素点被排除在物体区域外,灰度值为0,表示背景。
所述阈值分割根据ROI区域的瓶底异物图像与背景图像在灰度上的差异,将所述ROI区域分割为具有不同灰度级的目标区域和背景区域,选取阈值并确定所述ROI区域中每个像素点属于目标区域或背景区域,产生对应的二值图像。
其中,所述ROI区域进行阈值分割包括但不仅限于:对所述ROI区域进行全局阈值分割,所述全局阈值通过计算所述ROI区域中波峰灰度值减去一个预设灰度值实现。
对所述ROI区域进行阈值分割的方法除了全局阈值分割外还包括自适应阈值分割等阈值分割方法。
所述全局阈值分割的方法包括直方图双峰法,除此之外还包括最大类间方差法等方法。
其中,对所述ROI区域进行阈值分割之后,提取灰度值在预设值内的像素点,将预设值内的像素点的行坐标与纵坐标均取平均值即为区域中心坐标。
其中,所述以分割后的区域中心坐标为基准,生成待检测区域,包括:
以区域中心坐标为中心,生成与所述ROI区域的长度或宽度其一不变,另一减小的待检测区域,用于保证瓶底异物处于图像中心位置,并在所述ROI区域中裁剪所述待检测区域。
在所述ROI区域中裁剪所述待检测区域是为了进一步在所述ROI区域确定瓶底异物位置,更方便更直观的确认出瓶底异物。
S103、对所述待检测区域进行阈值分割、区域面积统计。
对所述待检测区域进行阈值分割的方法与上述对所述ROI区域进行阈值分割可以相同也可以不同,在此将不再赘述,对进行阈值分割过后的待检测区域进行面积统计,统计出所述瓶底异物所占区域面积。
S104、判断统计后的区域面积是否大于预设标准值。
S105、若所述统计后的区域面积不大于预设标准值,则判断所述瓶底不存在异物。
请参考图2,图2为无异物瓶底的示意图,即表明统计后的区域面积不大于预设标准值。
S106、若所述统计后的区域面积大于预设标准值,则判断所述瓶底存在异物。
请参考图3,图3为有异物瓶底的示意图,即表明统计后的区域面积大于预设标准值。
若瓶底存在异物,根据所述区域面积对所述异物进行划分范围,所述区域面积在所述预设标准值与二倍所述预设标准值的之间的为一级异物,所述区域面积在二倍所述预设标准值与三倍所述预设标准值之间的为二级异物,所述区域面积在三倍所述预设标准值之上的为三级异物。
举例来讲,若预设标准值为10,则所述区域面积在10到20之间的为一级异物,所述区域面积在20到30之间的为二级异物,所述区域面积在30以上的为三级异物。
本发明可以减少通过人力目测检测瓶底异物的时间,并且本发明检测方法简单,对瓶底异物的检测速度快,准确率高。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (6)
1.一种用于瓶底的异物检测方法,其特征在于,包括:
读取待检测图像,提取ROI区域;所述ROI区域为包含瓶底图像的区域;
对所述ROI区域进行阈值分割,以分割后的区域中心坐标为基准,生成待检测区域;
所述阈值分割包括:
根据ROI区域的瓶底异物图像与背景图像在灰度上的差异,将所述ROI区域分割为具有不同灰度级的目标区域和背景区域,选取阈值并确定所述ROI区域中每个像素点属于目标区域或背景区域,产生对应的二值图像;
所述以分割后的区域中心坐标为基准,生成待检测区域,包括:
以区域中心坐标为中心,生成与所述ROI区域的长度或宽度其一不变,另一减小的待检测区域,用于保证瓶底异物处于区域中心位置,并在所述ROI区域中裁剪所述待检测区域;对所述ROI区域进行阈值分割之后,提取灰度值在预设值内的像素点,将预设值内的像素点的行坐标与纵坐标均取平均值即为区域中心坐标;
对所述待检测区域进行阈值分割、区域面积统计,将统计后的区域面积与预设标准值作对比进行异物判定,若所述区域面积大于预设标准值,则瓶底存在异物;
若瓶底存在异物,根据所述区域面积对所述异物进行划分范围,所述区域面积在所述预设标准值与二倍所述预设标准值的之间的为一级异物,所述区域面积在二倍所述预设标准值与三倍所述预设标准值之间的为二级异物,所述区域面积在三倍所述预设标准值之上的为三级异物。
2.如权利要求1所述的用于瓶底的异物检测方法,其特征在于,所述读取待检测图像之前对所述待检测图像进行去噪处理。
3.如权利要求1所述的用于瓶底的异物检测方法,其特征在于,所述ROI区域即感兴趣区域,用于确定进行阈值分割的区域。
4.如权利要求1所述的用于瓶底的异物检测方法,其特征在于,所述提取ROI区域包括将所述待检测图像中生成矩形区域,所述矩形区域为瓶底图像,并在所述待检测图像中截取所述矩形区域。
5.如权利要求1所述的用于瓶底的异物检测方法,其特征在于,所述ROI区域进行阈值分割包括:对所述ROI区域进行全局阈值分割,所述全局阈值通过计算所述ROI区域中波峰灰度值减去一个预设灰度值实现。
6.如权利要求5所述的用于瓶底的异物检测方法,其特征在于,所述全局阈值分割的方法包括:直方图双峰法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265597.5A CN110070523B (zh) | 2019-04-02 | 2019-04-02 | 一种用于瓶底的异物检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910265597.5A CN110070523B (zh) | 2019-04-02 | 2019-04-02 | 一种用于瓶底的异物检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110070523A CN110070523A (zh) | 2019-07-30 |
CN110070523B true CN110070523B (zh) | 2021-06-22 |
Family
ID=67366917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910265597.5A Active CN110070523B (zh) | 2019-04-02 | 2019-04-02 | 一种用于瓶底的异物检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070523B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110487808A (zh) * | 2019-08-22 | 2019-11-22 | 广东智源机器人科技有限公司 | 一种用于自动化炒锅锅胆的卫生状态检测方法及*** |
CN112991253B (zh) * | 2019-12-02 | 2024-05-31 | 合肥美亚光电技术股份有限公司 | 中心区域确定方法、异物剔除方法、装置及检测设备 |
CN112215856B (zh) * | 2020-10-20 | 2023-08-08 | 歌尔光学科技有限公司 | 图像分割的阈值确定方法、装置、终端及存储介质 |
CN112508906B (zh) * | 2020-12-02 | 2021-07-20 | 哈尔滨市科佳通用机电股份有限公司 | 铁路货车漏水孔异物快速检测方法、***及装置 |
CN115091726B (zh) * | 2022-08-24 | 2023-03-24 | 南通广信塑料机械有限公司 | 一种吹瓶机的参数控制方法和*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101063662A (zh) * | 2007-05-15 | 2007-10-31 | 广州市万世德包装机械有限公司 | 空瓶瓶底缺陷的检测方法及基于dsp的空瓶瓶底缺陷检测装置 |
CN102162797A (zh) * | 2010-11-24 | 2011-08-24 | 哈尔滨工业大学(威海) | 玻璃瓶瓶口破损和瓶底污物检测算法 |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
CN108787489A (zh) * | 2018-07-06 | 2018-11-13 | 东阿阿胶股份有限公司 | 一种全自动灯检机的识别检测*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6825925B2 (en) * | 2002-05-14 | 2004-11-30 | Scan Technology Co., Ltd. | Inspecting apparatus for foreign matter |
JP5633005B2 (ja) * | 2010-08-20 | 2014-12-03 | キリンテクノシステム株式会社 | 異物検査装置 |
CN107451999B (zh) * | 2017-08-16 | 2020-07-03 | 中惠创智无线供电技术有限公司 | 基于图像识别的异物检测方法和装置 |
CN108520260B (zh) * | 2018-04-11 | 2022-02-01 | 中南大学 | 瓶装口服液中可见异物的识别方法 |
CN109360195A (zh) * | 2018-09-28 | 2019-02-19 | 长沙湘计海盾科技有限公司 | 一种瓶装溶液中异物颗粒的视觉检测方法 |
-
2019
- 2019-04-02 CN CN201910265597.5A patent/CN110070523B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101063662A (zh) * | 2007-05-15 | 2007-10-31 | 广州市万世德包装机械有限公司 | 空瓶瓶底缺陷的检测方法及基于dsp的空瓶瓶底缺陷检测装置 |
CN102162797A (zh) * | 2010-11-24 | 2011-08-24 | 哈尔滨工业大学(威海) | 玻璃瓶瓶口破损和瓶底污物检测算法 |
CN104835166A (zh) * | 2015-05-13 | 2015-08-12 | 山东大学 | 基于机器视觉检测平台的液体药瓶异物检测方法 |
CN108787489A (zh) * | 2018-07-06 | 2018-11-13 | 东阿阿胶股份有限公司 | 一种全自动灯检机的识别检测*** |
Non-Patent Citations (4)
Title |
---|
"Automated Visual Inspection of Glass Bottle Bottom With Saliency Detection and Template Matching";X. Zhou等;《IEEE Transactions on Instrumentation and Measurement》;20190104;全文 * |
"PET瓶封装质量视觉检测***的设计";陆帆等;《仪表技术与传感器》;20180715;第2018年卷(第7期);全文 * |
"基于图像处理的瓶内异物自动检测";鲍冉冉;《中国优秀硕士学位论文全文数据库·信息科技辑》;20170315;第2017年卷(第3期);第三章,第4.1-4.2节 * |
"玻璃瓶垂直度和异物的工业视觉检测***的研究";张灿龙;《中国优秀硕士学位论文全文数据库·信息科技辑》;20050115;第2005年卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110070523A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070523B (zh) | 一种用于瓶底的异物检测方法 | |
CN113781402B (zh) | 芯片表面划痕缺陷的检测方法、装置和计算机设备 | |
CN109377485B (zh) | 一种方便面包装缺陷机器视觉检测方法 | |
CN115082419B (zh) | 一种吹塑箱包生产缺陷检测方法 | |
CN114140679B (zh) | 一种缺陷融合方法、装置、识别***及存储介质 | |
CN111179243A (zh) | 一种基于计算机视觉的小尺寸芯片裂纹检测方法及*** | |
CN109658402B (zh) | 基于计算机视觉成像的工业型材几何尺寸自动检测方法 | |
CN115908269B (zh) | 视觉缺陷检测方法、装置、存储介质和计算机设备 | |
CN109685760B (zh) | 一种基于matlab的slm粉床铺粉图像凸包凹陷缺陷检测方法 | |
WO2021109697A1 (zh) | 字符分割方法、装置以及计算机可读存储介质 | |
CN115115612B (zh) | 一种用于机械配件的表面缺陷检测方法及*** | |
CN111046862B (zh) | 一种字符分割方法、装置以及计算机可读存储介质 | |
CN109540925B (zh) | 基于差影法与局部方差测量算子的复杂瓷砖表面缺陷检测方法 | |
CN106780526A (zh) | 一种铁氧体圆片表面裂痕识别方法 | |
CN112614062A (zh) | 菌落计数方法、装置及计算机存储介质 | |
CN113077437B (zh) | 工件质量检测方法及其*** | |
CN110060239B (zh) | 一种用于瓶子瓶口的缺陷检测方法 | |
CN110674812B (zh) | 一种面向复杂背景的民用车牌定位与字符分割方法 | |
CN114897908B (zh) | 基于机器视觉的激光选区铺粉烧结面缺陷分析方法及*** | |
CN115115638A (zh) | 一种液压***漏油检测及判定方法 | |
CN115100191A (zh) | 基于工业检测的金属铸件缺陷识别方法 | |
CN115760820A (zh) | 一种塑料件缺陷图像识别方法及应用 | |
CN114549441A (zh) | 基于图像处理的吸管缺陷检测方法 | |
CN113298769A (zh) | Fpc软排线外观缺陷检测方法、***和介质 | |
CN112102278A (zh) | 一种基于计算机视觉的金属工件加工面缺陷检测方法 |
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 |