CN116721102A - 一种爆珠产品质量快速溯源方法 - Google Patents
一种爆珠产品质量快速溯源方法 Download PDFInfo
- Publication number
- CN116721102A CN116721102A CN202310999986.7A CN202310999986A CN116721102A CN 116721102 A CN116721102 A CN 116721102A CN 202310999986 A CN202310999986 A CN 202310999986A CN 116721102 A CN116721102 A CN 116721102A
- Authority
- CN
- China
- Prior art keywords
- bead
- explosion
- quality
- edge
- explosive
- 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.)
- Granted
Links
- 239000011324 bead Substances 0.000 title claims abstract description 322
- 239000002360 explosive Substances 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004880 explosion Methods 0.000 claims abstract description 148
- 238000004891 communication Methods 0.000 claims abstract description 76
- 230000009172 bursting Effects 0.000 claims abstract description 40
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 10
- 230000007547 defect Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 7
- 230000002950 deficient Effects 0.000 claims description 6
- 238000005422 blasting Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 239000003086 colorant Substances 0.000 description 5
- 235000019640 taste Nutrition 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000005336 cracking Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 108010010803 Gelatin Proteins 0.000 description 3
- 229920000159 gelatin Polymers 0.000 description 3
- 239000008273 gelatin Substances 0.000 description 3
- 235000019322 gelatine Nutrition 0.000 description 3
- 235000011852 gelatine desserts Nutrition 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 235000014653 Carica parviflora Nutrition 0.000 description 2
- 241000243321 Cnidaria Species 0.000 description 2
- 235000009508 confectionery Nutrition 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 239000000945 filler Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 241000220317 Rosa Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本申请属于图像处理技术领域,提供了一种爆珠产品质量快速溯源方法,包括:采集并处理爆珠图像,获得爆珠边缘轮廓和爆珠连通区域;分析爆珠边缘轮廓上像素点和边缘角点的分布特征,获得爆珠连通区域的边缘优异度;分析爆珠连通区域内像素点的灰度值变化情况,获得爆珠连通区域的灰度同一度;分析爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值;基于边缘优异度、灰度同一度和爆珠颜色距离值,得到爆珠质量优异度;根据爆珠质量优异度,结合质量问题数据表,对爆珠产品质量快速溯源。本发明采用图像处理的技术方法,可以进行批量、快速质量溯源,效果好、效率高,无需进行反复调试,使用方便。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种爆珠产品质量快速溯源方法。
背景技术
本发明中的爆珠产品是一种以明胶作为主要成分制成的软糖类食品,爆珠在口中咀嚼时,受到牙齿的挤压,会瞬间释放大量的液体或颗粒状的内部填料,从而产生其在口腔中***的感觉;不同种类的爆珠内部因填料不同而具有不同的口感。
由于此前该类别的糖果食品较少,同时这些糖果产品提供了极为有趣的口感和不一样的体验,因此在市场上非常受欢迎。
目前,食品加工生产的自动化需求越来越高,产品的质量把控更是重中之重。爆珠产品的质量问题通常体现在外观上,比如爆珠产品形状不规则、破裂、内部有气泡等;现有技术中在残次品比例明显上升时,只能通过维保人员一一检修甚至停机检修的方式来发现故障位置,这种方法导致爆珠产品的生产效率明显降低。
因此,亟需一种爆珠产品质量快速溯源方法,以可以快速找到导致爆珠产品出现质量问题的环节。
发明内容
为了解决以上技术问题,本申请提供了一种爆珠产品质量快速溯源方法。
提供的一种爆珠产品质量快速溯源方法,所述方法包括:
采集爆珠RGB图像,预处理所述爆珠RGB图像获得爆珠灰度图像;
采用Canny算子对所述爆珠灰度图像进行边缘轮廓检测和处理,获得所述爆珠灰度图像中的爆珠边缘轮廓和爆珠连通区域;
分析所述爆珠边缘轮廓上像素点和边缘角点的分布特征,获得所述爆珠连通区域的边缘优异度;
分析所述爆珠连通区域内像素点的灰度值变化情况,获得所述爆珠连通区域的灰度同一度;
分析所述爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值;
基于所述边缘优异度、所述灰度同一度和所述爆珠颜色距离值,得到爆珠质量优异度;
根据所述爆珠质量优异度,结合质量问题数据表,对爆珠产品质量快速溯源。
在本发明的一些实施例中,分析所述爆珠边缘轮廓上像素点和边缘角点的分布特征,获得所述爆珠连通区域的边缘优异度,包括:
将所述爆珠边缘轮廓进行霍夫圆变换,得到霍夫圆;
统计所述爆珠边缘轮廓上与其对应的所述霍夫圆上重合的像素点数量;
根据所述重合的像素点数量与所述霍夫圆上像素点的总数量,获得所述爆珠连通区域的圆形拟合因子;
根据所述圆形拟合因子,结合所述爆珠边缘轮廓上的像素点到对应的所述爆珠连通区域的质心点之间的欧式距离与所述霍夫圆的半径的差值,获得所述爆珠连通区域的似圆度;
将所述爆珠边缘轮廓进行角点检测,得到所述爆珠边缘轮廓上的边缘角点;
对所述边缘角点进行聚类,得到聚类簇;
统计所述聚类簇以外的边缘角点的数量;
根据所述似圆度,结合所述聚类簇的数量和所述聚类簇以外的边缘角点的数量,获得所述爆珠连通区域的边缘优异度。
在本发明的一些实施例中,所述圆形拟合因子为所述重合的像素点数量与所述霍夫圆上像素点的总数量的比值。
在本发明的一些实施例中,所述似圆度的计算方法为:
;
式中,表示爆珠连通区域的似圆度,表示爆珠连通区域的圆形拟合因子,表
示爆珠边缘轮廓上的像素点到对应的爆珠连通区域的质心点之间的欧式距离,表示霍夫
圆的半径,表示爆珠边缘轮廓上所有像素点数量,为常数用来避免分母为零,表示以
为底的指数函数,对似圆度进行归一化,归一化似圆度记为。
在本发明的一些实施例中,所述边缘优异度为所述边缘优异度为所述归一化似圆度与所述聚类簇参数倒数的乘积,其中所述聚类簇参数倒数为所述聚类簇的数量加一与所述聚类簇以外的边缘角点的数量加一的乘积的倒数。
在本发明的一些实施例中,所述灰度同一度表示为灰度值差值总和的倒数,其中所述灰度值差值总和表示为所述爆珠连通区域的所有像素点的灰度值分别与所述爆珠连通区域所有像素点的灰度值均值的差值然后平方,再对所有差值的平方求和,再添加调节参数。
在本发明的一些实施例中,分析所述爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值,包括:
分析没有任何缺陷爆珠的爆珠RGB图像,获得爆珠标准色,将所述爆珠标准色转换到HSV颜色空间中,得到标准颜色HSV值;
将所述爆珠RGB图像转换到HSV颜色空间中,得到每个像素点的HSV值;
根据每个像素点的HSV值,得到所述爆珠RGB图像的HSV均值;
基于所述标准颜色HSV值和所述HSV均值,得到爆珠颜色距离值。
在本发明的一些实施例中,所述爆珠颜色距离值为标准颜色HSV值与爆珠RGB图像的HSV均值的欧式距离值。
在本发明的一些实施例中,所述爆珠质量优异度为所述边缘优异度与所述灰度同一度的乘积,然后与爆珠颜色距离值加一的比值。
在本发明的一些实施例中,所述质量问题数据表获取方法为:通过对有缺陷产品人工检测确定原因,将确定的缺陷原因与爆珠质量优异度形成对应关系,构建得到质量问题数据表。
由以上实施例可见,本申请实施例提供的一种爆珠产品质量快速溯源方法,具有的有益效果如下:
本发明通过采集爆珠RGB图像,预处理所述爆珠RGB图像获得爆珠灰度图像;采用Canny算子对所述爆珠灰度图像进行边缘轮廓检测和处理,获得所述爆珠灰度图像中的爆珠边缘轮廓和爆珠连通区域;分析所述爆珠边缘轮廓上像素点和边缘角点的分布特征,获得所述爆珠连通区域的边缘优异度;分析所述爆珠连通区域内像素点的灰度值变化情况,获得所述爆珠连通区域的灰度同一度;分析所述爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值;基于所述边缘优异度、所述灰度同一度和所述爆珠颜色距离值,得到爆珠质量优异度;根据所述爆珠质量优异度,结合质量问题数据表,对爆珠产品质量快速溯源。本发明对爆珠可能存在的质量问题进行分析,分别根据爆珠外观上的边缘变化、内部的灰度变化、整体颜色与标准色的距离,对待测爆珠进行质量综合评估,然后结合质量问题数据表可以对爆珠产品进行质量快速溯源,溯源较为快速且准确。
本发明采用图像处理的技术方法,计算较为简单,对于待测爆珠产品需要进行批量、快速质量溯源时,效果好、效率高,而且无需进行反复调试,使用方便。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种爆珠产品质量快速溯源方法基本流程示意图;
图2为本申请实施例提供的一种爆珠连通区域的边缘优异度获得方法基本流程示意图;
图3为本申请实施例提供的一种爆珠颜色距离值获得方法基本流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,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它实施例,都属于本发明保护的范围。
下面将结合附图,对本实施例提供的一种爆珠产品质量快速溯源方法进行详细介绍。
图1为本申请实施例提供的一种爆珠产品质量快速溯源方法基本流程示意图,如图1所示,该方法具体包括如下步骤:
S100:采集爆珠RGB图像,预处理爆珠RGB图像获得爆珠灰度图像。
对各个爆珠产品质量进行检测,需要先获取爆珠的图像。由于爆珠产品晶莹剔透,大多具有较强的透光、反光性,因此本发明采用LED灯背光的形式减小反光,同时采用CMOS相机在俯视角度对待测爆珠进行拍摄,保证所有的待测爆珠都被拍摄过。所得的爆珠图像均为RGB图像,将爆珠RGB图像转换成爆珠灰度图像。然后对爆珠灰度图像进行中值滤波处理,防止图像中的噪声对图像后续处理产生影响,同时使用拉普拉斯算子对爆珠灰度图像进行锐化操作,使图像的边缘轮廓更加清晰,以便进行后续操作。
S200:采用Canny算子对爆珠灰度图像进行边缘轮廓检测和处理,获得爆珠灰度图像中的爆珠边缘轮廓和爆珠连通区域。
爆珠产品由主要由明胶和透明的内部填充物组成,因此,在没有缺陷的爆珠产品图像上,爆珠整体上是一个晶莹剔透、较透明的、粒大饱满的球状。该爆珠产品的颜色与爆珠产品口味有关,不同口味的爆珠产品具有不同的颜色,本发明以爆珠产品中的“邂逅玫瑰”为例,颜色呈现浅粉红色或淡珊瑚色,该颜色通常与图像的背景颜色相差较大,而且每个爆珠之间都存在一定的间距,并不相连。因此对拉普拉斯算子锐化过的爆珠灰度图像,采用Canny算子进行边缘检测,得到每个爆珠的边缘,此时再采用8方向链码法确定爆珠所在的连通区域,每个爆珠对应一个爆珠连通区域,每个爆珠连通区域都具有一个边缘轮廓,该轮廓即为爆珠边缘轮廓。
S300:分析爆珠边缘轮廓上像素点和边缘角点的分布特征,获得爆珠连通区域的边缘优异度。
每个完整的爆珠边缘轮廓对应一个爆珠产品。质量较好、外观较为完整的爆珠,粒大饱满,均是一个较为规整的球状,采用俯视角度进行拍摄,得到单个的爆珠灰度图像是一个极为规整的圆形,即爆珠边缘轮廓是一个圆形。而一旦爆珠产品由于生产过程中存在一些问题会导致爆珠产品外观发生变化,例如某个爆珠内的填充物较少会导致爆珠干瘪,明胶成分没有配置好导致爆珠破裂等。正常、粒大饱满的爆珠产品边缘轮廓是规规整整的圆形,而该爆珠产品存在干瘪、破裂等缺陷,会导致爆珠产品外观出现形变,轮廓不再是规整的圆形,而且会导致爆珠边缘轮廓出现较为明显的形变、断裂。另外,正常的爆珠图像,颜色均匀一致,整个爆珠颜色之间差异极小,因爆珠产品出现干瘪、破损等缺陷,该爆珠的边缘轮廓部分会出现较多的边缘角点,而且该边缘角点大多距离较近,较为密集。
综上分析,爆珠产品存在干瘪、破裂等形变时爆珠边缘轮廓上像素点和边缘角点的分布会发生变化,因此,分析可以通过爆珠边缘轮廓上像素点和边缘角点的分布特征进行判断爆珠产品的质量。
图2为本申请实施例提供的一种爆珠连通区域的边缘优异度获得方法基本流程示意图,如图2所示,在本发明的一些实施例中,分析爆珠边缘轮廓上像素点和边缘角点的分布特征,获得爆珠连通区域的边缘优异度,包括步骤S301~S308。
S301:将爆珠边缘轮廓进行霍夫圆变换,得到霍夫圆。
为了计算爆珠的似圆度,本发明对爆珠灰度图像中每个爆珠边缘轮廓进行霍夫圆
变换,某个爆珠边缘轮廓上所有的像素点数量记为1,该爆珠边缘轮廓对应的霍夫圆上像
素点总个数记为、圆半径是,若该爆珠边缘轮廓没有对应的霍夫圆,设为一个较大
值,本发明设为100000,同理设为1000。
S302:统计爆珠边缘轮廓上与其对应的霍夫圆上重合的像素点数量。
正常的爆珠边缘轮廓较为规整、呈现圆形,因此,存在部分像素点既是爆珠边缘轮
廓上的像素点,也是进行霍夫圆变换之后圆形上的像素点,统计爆珠边缘轮廓上与霍夫圆
变换之后圆形上重合的像素点的个数,重合像素点的数量记为。
S303:根据重合的像素点数量与霍夫圆上像素点的总数量,获得爆珠连通区域的圆形拟合因子。
爆珠边缘轮廓越接近圆形,对其进行霍夫圆变换得到的霍夫圆上的像素点与爆珠
边缘轮廓上的像素点重合的越多,即越大,因此可得该爆珠连通区域的圆形拟合因子,圆形拟合因子为重合的像素点数量与霍夫圆上像素点的总数量的比值。即:
;
式中,表示爆珠连通区域的圆形拟合因子,表示爆珠边缘轮廓上与其对应
的霍夫圆上重合的像素点数量,表示霍夫圆上像素点的总数量。
其中,重合的像素点的个数越多,说明爆珠边缘轮廓与其对应的霍夫圆越相
似,重合的像素点占霍夫圆上点的比例越大,该爆珠边缘轮廓越能拟合成圆形,圆形拟合
因子越大,该爆珠边缘轮廓越接近圆形。
S304:根据圆形拟合因子,结合爆珠边缘轮廓上的像素点到对应的爆珠连通区域的质心点之间的欧式距离与霍夫圆的半径的差值,获得爆珠连通区域的似圆度。
在爆珠边缘轮廓中,每个爆珠边缘轮廓对应一个质心,同时该爆珠边
缘轮廓对应的霍夫圆半径为,爆珠边缘轮廓上各个像素点与对应质心的欧式
距离记为,每个爆珠边缘轮廓上的像素点与质心的欧式距离越接近霍夫圆
的半径,该爆珠边缘轮廓越接近于圆形,该爆珠在外观形状上越没有缺陷,该爆珠的质量
越好。因此,根据圆形拟合因子,结合爆珠边缘轮廓上的像素点到对应的爆珠连通区域的质
心点之间的欧式距离与霍夫圆的半径的差值,获得爆珠连通区域的似圆度,似圆度的计
算方法为:
;
式中,表示爆珠连通区域的似圆度,表示爆珠连通区域的圆形拟合因子,表
示爆珠边缘轮廓上的像素点到对应的爆珠连通区域的质心点之间的欧式距离,表示霍夫
圆的半径,表示爆珠边缘轮廓上所有像素点数量,为常数用来避免分母为零,可以取
经验值0.001,表示以为底的指数函数,对似圆度进行归一化,归一化似圆度记为。
其中,若该爆珠为正常爆珠,则爆珠形状是一个规规整整的球状,对应的爆珠边缘
轮廓的质心即为该爆珠霍夫圆的中心。该爆珠每个爆珠边缘轮廓上的像素点到质心的欧式
距离越接近霍夫圆的半径,即越小,该爆珠边缘轮廓越接近圆,似圆度越大;同时
该爆珠边缘轮廓上所有像素点数量越多,即越大,似圆度越大;圆形拟合因子越大,
该爆珠边缘轮廓越接近圆,似圆度越大。对该爆珠区域的似圆度进行归一化,值域为(0,
1],归一化似圆度,记为。
S305:将爆珠边缘轮廓进行角点检测,得到爆珠边缘轮廓上的边缘角点。
在爆珠灰度图像中,正常的爆珠图像颜色均匀一致,整个爆珠颜色之间差异极小。若爆珠产品出现干瘪、破损等缺陷,该爆珠的爆珠边缘轮廓部分会出现较多的形变、断裂,存在较多的边缘角点,而且该边缘角点大多距离较近,较为密集。因此对爆珠边缘轮廓进行Harris边缘角点检测,得到爆珠边缘轮廓上的多个边缘角点。
S306:对边缘角点进行聚类,得到聚类簇。
对边缘角点进行DBSCAN聚类,将DBSCAN聚类算法中的邻域半径设为经验值4,最
小邻域点数MinPts设为6,最后输出得到DBSCAN聚类可以将爆珠边缘轮廓上的边缘角点分
为个聚类簇。
S307:统计聚类簇以外的边缘角点的数量。
基于步骤S306得到的聚类簇,统计聚类簇以外的边缘角点的数量,即统计不再
个聚类簇内的边缘角点个数,记为。
S308:根据似圆度,结合聚类簇的数量和聚类簇以外的边缘角点的数量,获得爆珠连通区域的边缘优异度。
正常的爆珠的爆珠边缘轮廓是一个极为规整的圆形,各像素点过渡较为平滑,并
不会产生较为剧烈的变化,边缘角点较少,但是一旦该爆珠存在干瘪、破损等缺陷,此时爆
珠边缘轮廓发生形变、断裂,出现较多的边缘角点,而且边缘角点较为集中在形变区域,因
此该爆珠边缘轮廓可以得到较多的边缘角点,而且通常对应一个聚类后的聚类簇。因此,可
以根据似圆度,结合聚类簇的数量和聚类簇以外的边缘角点的数量,获得爆珠连通区域的
边缘优异度。边缘优异度为归一化似圆度与聚类簇参数倒数的乘积,其中聚类簇参
数倒数为聚类簇的数量加一与聚类簇以外的边缘角点的数量加一的乘积的倒数,
即:
;
式中,表示爆珠连通区域的边缘优异度,表示爆珠连通区域归一化似圆度,表示DBSCAN聚类得到的聚类簇数量,表示聚类簇以外的边缘角点的数量。
其中,爆珠边缘轮廓越接近圆形,该爆珠区域的归一化似圆度越大,该爆珠越正
常、越粒大饱满,从爆珠边缘轮廓上判断该爆珠质量越好,该爆珠对应的边缘优异度越
大;爆珠的边缘角点聚类后的聚类簇数越多,说明该边缘形变、断裂部分越多,同时该爆
珠存在非聚类的边缘角点越多,说明该爆珠其他边缘变化较为剧烈,不平滑,则该爆珠边缘
轮廓越粗糙,从爆珠边缘轮廓上判断该爆珠质量越差,该爆珠对应的边缘优异度越小。
S400:分析爆珠连通区域内像素点的灰度值变化情况,获得爆珠连通区域的灰度同一度。
对于爆珠的内部部分,通常颜色较为一致,同时较为透明,但是在制造爆珠产品时,可能会出现空气残留在爆珠内部的情况,这些残留的空气可能会形成气泡,如果爆珠密封性较低,也可能会有空气进入爆珠,形成气泡。另外由于外力作用,也可能导致爆珠非边缘部分可能会出现干裂、裂纹等缺陷。不管是气泡还是裂纹,都属于爆珠产品的质量问题,因此对爆珠内部质量问题进行检测极为重要。
正常的爆珠,透明、颜色较为一致,灰度变化较小,灰度值较小;而爆珠一旦存在气
泡、裂纹等异常缺陷,该缺陷部分的灰度变化较大,灰度值较大。基于以上分析,本发明可以
分析爆珠各个像素点的灰度值,正常爆珠部分灰度值与异常缺陷部分灰度值差异较大。计
算该爆珠连通区域的灰度均值,记为,由于爆珠灰度图像中正常的部分占整个爆珠的比
例较大,因此与正常爆珠的灰度值极为接近,与气泡、裂纹等缺陷的灰度值差异较大。
分析爆珠连通区域内像素点的灰度值变化情况,获得爆珠连通区域的灰度同一度,灰度同一度表示为灰度值差值总和的倒数,其中灰度值差值总和表示为爆珠连通
区域的所有像素点的灰度值分别与爆珠连通区域所有像素点的灰度值均值的差值然后平
方,再对所有差值的平方求和,再添加调节参数,即:
;
式中,表示爆珠连通区域的灰度同一度,表示爆珠连通区域的第个像素
点,表示爆珠连通区域所有像素点的灰度值均值,表示爆珠连通区域像素点的数量,
表示常数用来避免分母为零,可以取经验值0.001。
其中,第个像素点的灰度值与该爆珠连通区域的灰度均值差异越大,该像素点相
对越有可能是异常缺陷点,综合爆珠连通区域内灰度差异越大,该爆珠连通区域内疑似异
常缺陷点越多,该爆珠产品质量越有可能有问题,灰度值差异越大,该爆珠灰度同一度
越小。
S500:分析爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值。
在爆珠灰度图像中,每个爆珠都有一个对应的爆珠连通区域,爆珠连通区域对应有RGB区域。爆珠产品的颜色与产品口味有关,不同口味的产品具有不同的颜色,本发明以产品中的“邂逅玫瑰”为例,颜色呈现浅粉红色或淡珊瑚色。
图3为本申请实施例提供的一种爆珠颜色距离值获得方法基本流程示意图,如图3所示,分析爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值,包括步骤S501~S504。
S501:分析没有任何缺陷爆珠的爆珠RGB图像,获得爆珠标准色,将爆珠标准色转换到HSV颜色空间中,得到标准颜色HSV值。
获取正常、没有任何缺陷的爆珠RGB图像,确保环境与待检测爆珠环境一样,因此
得到该爆珠的标准色,将其转换到HSV颜色空间中,标准颜色为(,,)。
S502:将爆珠RGB图像转换到HSV颜色空间中,得到每个像素点的HSV值。
待检测爆珠区域也从爆珠RGB图像转换到HSV颜色空间中,得到每个像素点的HSV
值,第个爆珠像素点记为(,,)。
S503:根据每个像素点的HSV值,得到爆珠RGB图像的HSV均值。
根据每个像素点的HSV值得到爆珠RGB图像的HSV均值,记为(,,)。
S504:基于标准颜色HSV值和HSV均值,得到爆珠颜色距离值。
基于标准颜色HSV值和HSV均值,爆珠颜色距离值为标准颜色HSV值与爆珠RGB图像的HSV均值的欧式距离值,即:
;
式中,表示爆珠颜色距离值,标准颜色HSV值为(,,),爆珠RGB图像的HSV
均值为(,,)。
待检测爆珠是颜色与正常爆珠的标准颜色差距越小,即待检测爆珠颜色越接近标
准色,颜色距离越小,该待检测爆珠越正常、没有质量问题。
S600:基于边缘优异度、灰度同一度和爆珠颜色距离值,得到爆珠质量优异度。
基于边缘优异度、灰度同一度和爆珠颜色距离值,得到爆珠质量优异度,爆珠质量优异度为边缘优异度与灰度同一度的乘积,然后与爆珠颜色距离值加一的比值,即:
;
式中,表示爆珠质量优异度,表示爆珠连通区域的边缘优异度,表示爆珠
连通区域的灰度同一度,表示爆珠颜色距离值。
其中,爆珠边缘轮廓越接近于圆形,爆珠边缘存在形变、断裂的可能性越小,从爆
珠的边缘判断,该爆珠质量越好,爆珠质量优异度越大;对于每个爆珠内部不存在或很少
存在灰度变化,爆珠灰度同一度越大,该爆珠出现气泡、裂纹的可能性越低,该爆珠的质
量越好,爆珠质量优异度越大;该爆珠颜色越接近正常爆珠的标准色,颜色距离越小,该
爆珠质量越好,爆珠质量优异度越大。
S700:根据爆珠质量优异度,结合质量问题数据表,对爆珠产品质量快速溯源。
由步骤S600可得每个待检测爆珠连通区域的爆珠质量优异度。首先工厂可以通
过对有缺陷产品人工检测确定原因,并且与爆珠质量优异度形成对应关系,构建得到质
量问题数据表。然后通过工厂构建的质量问题数据表,该质量问题数据表中每个爆珠质量
优异度区间,对应一个产品出现质量的原因,可以进行爆珠产品质量的快速溯源。比如该
爆珠的质量优异度为0.615,对质量问题数据表进行查找,该值对应质量问题数据表中的
爆珠质量优异度区间(0.600,0.700),对应的质量问题是该爆珠在生产时的内部填充物
过少,致使爆珠干瘪。具体情况实施者可根据具体情况进行调整。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
需要说明的是,除非另有规定和限定,诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的电路结构、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种物品或者设备所固有的要素。在没有更多限制的情况下,有语句“包括一个……”限定的要素,并不排除在包括所述要素的物品或者设备中还存在另外的相同要素。另外,本文使用的术语“和\或”包括一个或多个相关的所列项目的任一的和所有的组合。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种爆珠产品质量快速溯源方法,其特征在于,所述方法包括:
采集爆珠RGB图像,预处理所述爆珠RGB图像获得爆珠灰度图像;
采用Canny算子对所述爆珠灰度图像进行边缘轮廓检测和处理,获得所述爆珠灰度图像中的爆珠边缘轮廓和爆珠连通区域;
分析所述爆珠边缘轮廓上像素点和边缘角点的分布特征,获得所述爆珠连通区域的边缘优异度;
分析所述爆珠连通区域内像素点的灰度值变化情况,获得所述爆珠连通区域的灰度同一度;
分析所述爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值;
基于所述边缘优异度、所述灰度同一度和所述爆珠颜色距离值,得到爆珠质量优异度;
根据所述爆珠质量优异度,结合质量问题数据表,对爆珠产品质量快速溯源。
2.根据权利要求1所述的爆珠产品质量快速溯源方法,其特征在于,分析所述爆珠边缘轮廓上像素点和边缘角点的分布特征,获得所述爆珠连通区域的边缘优异度,包括:
将所述爆珠边缘轮廓进行霍夫圆变换,得到霍夫圆;
统计所述爆珠边缘轮廓上与其对应的所述霍夫圆上重合的像素点数量;
根据所述重合的像素点数量与所述霍夫圆上像素点的总数量,获得所述爆珠连通区域的圆形拟合因子;
根据所述圆形拟合因子,结合所述爆珠边缘轮廓上的像素点到对应的所述爆珠连通区域的质心点之间的欧式距离与所述霍夫圆的半径的差值,获得所述爆珠连通区域的似圆度;
将所述爆珠边缘轮廓进行角点检测,得到所述爆珠边缘轮廓上的边缘角点;
对所述边缘角点进行聚类,得到聚类簇;
统计所述聚类簇以外的边缘角点的数量;
根据所述似圆度,结合所述聚类簇的数量和所述聚类簇以外的边缘角点的数量,获得所述爆珠连通区域的边缘优异度。
3.根据权利要求2所述的爆珠产品质量快速溯源方法,其特征在于,所述圆形拟合因子为所述重合的像素点数量与所述霍夫圆上像素点的总数量的比值。
4.根据权利要求2所述的爆珠产品质量快速溯源方法,其特征在于,所述似圆度的计算方法为:
;
式中,表示爆珠连通区域的似圆度,/>表示爆珠连通区域的圆形拟合因子,/>表示爆珠边缘轮廓上的像素点到对应的爆珠连通区域的质心点之间的欧式距离,/>表示霍夫圆的半径,/>表示爆珠边缘轮廓上所有像素点数量,/>为常数用来避免分母为零,/>表示以/>为底的指数函数,对似圆度/>进行归一化,归一化似圆度记为/>。
5.根据权利要求4所述的爆珠产品质量快速溯源方法,其特征在于,所述边缘优异度为所述归一化似圆度与所述聚类簇参数倒数的乘积,其中所述聚类簇参数倒数为所述聚类簇的数量加一与所述聚类簇以外的边缘角点的数量加一的乘积的倒数。
6.根据权利要求1所述的爆珠产品质量快速溯源方法,其特征在于,所述灰度同一度表示为灰度值差值总和的倒数,其中所述灰度值差值总和表示为所述爆珠连通区域的所有像素点的灰度值分别与所述爆珠连通区域所有像素点的灰度值均值的差值然后平方,再对所有差值的平方求和,再添加调节参数。
7.根据权利要求1所述的爆珠产品质量快速溯源方法,其特征在于,分析所述爆珠RGB图像中爆珠颜色的变化情况,获得爆珠颜色距离值,包括:
分析没有任何缺陷爆珠的爆珠RGB图像,获得爆珠标准色,将所述爆珠标准色转换到HSV颜色空间中,得到标准颜色HSV值;
将所述爆珠RGB图像转换到HSV颜色空间中,得到每个像素点的HSV值;
根据每个像素点的HSV值,得到所述爆珠RGB图像的HSV均值;
基于所述标准颜色HSV值和所述HSV均值,得到爆珠颜色距离值。
8.根据权利要求7所述的爆珠产品质量快速溯源方法,其特征在于,所述爆珠颜色距离值为标准颜色HSV值与爆珠RGB图像的HSV均值的欧式距离值。
9.根据权利要求1所述的爆珠产品质量快速溯源方法,其特征在于,所述爆珠质量优异度为所述边缘优异度与所述灰度同一度的乘积,然后与爆珠颜色距离值加一的比值。
10.根据权利要求1所述的爆珠产品质量快速溯源方法,其特征在于,所述质量问题数据表获取方法为:通过对有缺陷产品人工检测确定原因,将确定的缺陷原因与爆珠质量优异度形成对应关系,构建得到质量问题数据表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310999986.7A CN116721102B (zh) | 2023-08-10 | 2023-08-10 | 一种爆珠产品质量快速溯源方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310999986.7A CN116721102B (zh) | 2023-08-10 | 2023-08-10 | 一种爆珠产品质量快速溯源方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116721102A true CN116721102A (zh) | 2023-09-08 |
CN116721102B CN116721102B (zh) | 2023-10-20 |
Family
ID=87870078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310999986.7A Active CN116721102B (zh) | 2023-08-10 | 2023-08-10 | 一种爆珠产品质量快速溯源方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116721102B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333489A (zh) * | 2023-12-01 | 2024-01-02 | 苏州普洛泰科精密工业有限公司 | 一种薄膜破损检测装置及检测*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019066767A1 (en) * | 2017-09-26 | 2019-04-04 | Siemens Product Lifecycle Management Software Inc. | SYSTEM AND METHOD FOR PROVIDING BALL SIZE VARIATION TO IMPROVE THE GEOMETRIC ACCURACY OF DEPOSITED LAYERS IN AN ADDITIVE MANUFACTURING PROCESS |
CN109781735A (zh) * | 2018-12-26 | 2019-05-21 | 中电科信息产业有限公司 | 一种爆珠在线检测装置及检测方法 |
US20190206043A1 (en) * | 2017-12-29 | 2019-07-04 | Huizhou China Star Optoelectronics Technology Co., Ltd. | Method and system for detection of in-panel mura based on hough transform and gaussian fitting |
US20190285476A1 (en) * | 2016-11-11 | 2019-09-19 | Henkel Ag & Co. Kgaa | Method and device for determining the color homogeneity of hair |
CN112033313A (zh) * | 2020-10-10 | 2020-12-04 | 成都瑞拓科技股份有限公司 | 一种湿爆珠偏心度检测方法 |
US20210166358A1 (en) * | 2019-12-02 | 2021-06-03 | Aizo Systems LLC | Artificial intelligence based image quality assessment system |
CN115049653A (zh) * | 2022-08-15 | 2022-09-13 | 凤芯微电子科技(聊城)有限公司 | 基于计算机视觉的集成电路板质量检测*** |
CN115836744A (zh) * | 2022-11-30 | 2023-03-24 | 红云红河烟草(集团)有限责任公司 | 一种烟支圆周检测方法 |
CN116030034A (zh) * | 2023-02-21 | 2023-04-28 | 青岛精锐机械制造有限公司 | 阀门表面缺陷的视觉识别方法 |
-
2023
- 2023-08-10 CN CN202310999986.7A patent/CN116721102B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190285476A1 (en) * | 2016-11-11 | 2019-09-19 | Henkel Ag & Co. Kgaa | Method and device for determining the color homogeneity of hair |
WO2019066767A1 (en) * | 2017-09-26 | 2019-04-04 | Siemens Product Lifecycle Management Software Inc. | SYSTEM AND METHOD FOR PROVIDING BALL SIZE VARIATION TO IMPROVE THE GEOMETRIC ACCURACY OF DEPOSITED LAYERS IN AN ADDITIVE MANUFACTURING PROCESS |
US20190206043A1 (en) * | 2017-12-29 | 2019-07-04 | Huizhou China Star Optoelectronics Technology Co., Ltd. | Method and system for detection of in-panel mura based on hough transform and gaussian fitting |
CN109781735A (zh) * | 2018-12-26 | 2019-05-21 | 中电科信息产业有限公司 | 一种爆珠在线检测装置及检测方法 |
US20210166358A1 (en) * | 2019-12-02 | 2021-06-03 | Aizo Systems LLC | Artificial intelligence based image quality assessment system |
CN112033313A (zh) * | 2020-10-10 | 2020-12-04 | 成都瑞拓科技股份有限公司 | 一种湿爆珠偏心度检测方法 |
CN115049653A (zh) * | 2022-08-15 | 2022-09-13 | 凤芯微电子科技(聊城)有限公司 | 基于计算机视觉的集成电路板质量检测*** |
CN115836744A (zh) * | 2022-11-30 | 2023-03-24 | 红云红河烟草(集团)有限责任公司 | 一种烟支圆周检测方法 |
CN116030034A (zh) * | 2023-02-21 | 2023-04-28 | 青岛精锐机械制造有限公司 | 阀门表面缺陷的视觉识别方法 |
Non-Patent Citations (4)
Title |
---|
YAN, GAOYUAN等: "Quantitative description of shale pore structure using image analysis and determination of controls on shape, size and orientation complexity", 《ARABIAN JOURNAL OF GEOSCIENCES》 * |
李巧灵;黄胜翰;张廷贵;施建在;余玉梅;姚小元;陈昆焱;***;黄华发;张国建;黄朝章;庄锦标;徐建荣;戴丽君;: "爆珠滴制在线视觉检测设备的设计及应用", 烟草科技, no. 07 * |
杨光远;王闻;彭三文;刘强;李立新;李哲铭;邓少鹏;: "爆珠滤棒在线视觉检测***的研究与开发", 轻工科技, no. 04 * |
林生佑, 石教英: "基于HVS的彩色图像边缘检测算子", 中国图象图形学报, no. 01 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333489A (zh) * | 2023-12-01 | 2024-01-02 | 苏州普洛泰科精密工业有限公司 | 一种薄膜破损检测装置及检测*** |
CN117333489B (zh) * | 2023-12-01 | 2024-02-02 | 苏州普洛泰科精密工业有限公司 | 一种薄膜破损检测装置及检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN116721102B (zh) | 2023-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116721102B (zh) | 一种爆珠产品质量快速溯源方法 | |
CN104871175B (zh) | 对食品质量进行评分和控制 | |
US20060081135A1 (en) | Industrial overline imaging system and method | |
CN114387273B (zh) | 基于计算机图像识别的环境粉尘浓度检测方法及*** | |
CN113610850B (zh) | 一种基于图像处理的装饰纸纹理异常检测方法 | |
Ni et al. | Corn kernel crown shape identification using image processing | |
CN110310275B (zh) | 一种基于图像处理的链式传送带缺陷检测方法 | |
CN111122590B (zh) | 一种陶瓷表面缺陷检测装置及检测方法 | |
CN114881915A (zh) | 一种基于对称性的手机玻璃盖板视窗区缺陷检测方法 | |
CN112669394A (zh) | 一种用于视觉检测***的自动标定方法 | |
CN115330791A (zh) | 一种零件毛刺检测方法 | |
CN116958125B (zh) | 基于图像处理的电竞主机电源元件缺陷视觉检测方法 | |
van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
CN108889635B (zh) | 一种易拉罐制造缺陷在线视觉检测方法 | |
CN116703889B (zh) | 一种柔性电路板贴片异常检测方法 | |
CN115953627A (zh) | 一种可对辣椒进行品级分类的图像识别*** | |
CN109540892A (zh) | 鸭肉品种鉴别方法及*** | |
CN115545383A (zh) | 一种草莓脆外观品质的双目立体视觉检测方法 | |
CN113570578A (zh) | 一种镜片鬼影现象检测方法、装置 | |
Thong et al. | Mango sorting mechanical system combines image processing | |
CN116797575A (zh) | 一种基于机器视觉的碎米率智能检测方法 | |
CN116485801A (zh) | 基于计算机视觉的胶管质量在线检测方法及*** | |
Thinh et al. | Sorting and classification of mangoes based on artificial intelligence | |
Yin et al. | Image processing techniques for internal texture evaluation of French fries | |
CN114088714B (zh) | 一种谷物颗粒表面规则度的检测方法 |
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 |