[发明专利]一种具有烟包姿态计算的卷烟包装缺陷检测方法

说明书

本发明公开了一种具有烟包姿态计算的卷烟包装缺陷检测方法，包括以下步骤：S1、将合格外观烟包图像输入通过采用HARRIS算法进行烟包特征点识别提取，通过随机树算法进行合格外观烟包特征点与标准烟包图像特征点的匹配，匹配结果通过随机抽样一致算法剔除误匹配点，匹配点对通过最小二乘法计算出合格外观烟包的姿态，利用姿态数据通过反投影变换将待检区域进行图像矫正。本发明进行烟包的姿态计算，大幅度降低由于烟包位置移动或者旋转造成的检测区域图像与比对图像偏移问题，提升缺陷的检出率，同时也降低误检率；用合格外观自学习过程替代复杂的人工设定阈值过程，提升了工作效率。

技术领域

本发明属于机器视觉检测技术领域，具体是涉及一种具有烟包姿态计算的卷烟包装缺陷检测方法，该方法用于检测卷烟包装生产过程中的外观缺陷，并及时进行剔除。

背景技术

卷烟包装生产过程中由于设备保养、调教、机械故障及人工操作失误等问题，会间断性或连续性的出现外观缺陷，同时生产速度较快，每秒需要检测至少六包以上。目前，在用的外观缺陷检测设备中，大部分采用人工确定固定检测区域，在该检测区域内获取图片信息，将该信息与合格外观图像中该区域图像进行二值化图像相似度匹配，判断该区域是否超过相似度的阈值区间，如果超过则存在缺陷。由于光源衰减、传感器发生轻微位移或者生产速度变化，使得检测区域图像与比对的合格外观图像存在物理偏移和光照变化，降低了匹配的精确性，同时在精确性下降后需要进行相似度阈值调整，且这一过程需反复验证来确定有效性，操作及其不便，适应性差。本发明设计了一种具有烟包姿态计算的卷烟包装缺陷检测方法，替代人工设置阈值环节，同时进行烟包姿态计算使得固定的检测区域随着烟包的位移及旋转变化有更精确的定位，大幅度减少因检测区域与比对图像的物理位移及旋转造成的偏差，提升缺陷的检出率，同时也降低误检率。

发明内容

本发明的目的在于利用合格烟包外观自学习替代人工设置检测阈值的复杂操作，同时通过烟包姿态计算大幅度减少因检测区域与比对图像的物理位移及旋转造成的偏差，提升缺陷的检出率，同时也降低误检率。

为了解决上述的问题本发明的采用的技术以及方法如下：

一种具有烟包姿态计算的卷烟包装缺陷检测方法，包括以下步骤：

S1、将合格外观烟包图像输入通过采用HARRIS算法进行烟包特征点识别提取，通过随机树算法进行合格外观烟包特征点与标准烟包图像特征点的匹配，匹配结果通过随机抽样一致算法剔除误匹配点，匹配点对通过最小二乘法计算出合格外观烟包的姿态，利用姿态数据通过反投影变换将待检区域进行图像矫正；将各检测区域经过矫正后的图片信息进行保存，形成合格外观检测区域图片序列，将该序列中的图像纹理特征进行抽取即成为合格外观模型库；

S2、将待检测烟包图像输入采用HARRIS算法进行烟包特征点识别，通过随机树算法进行待检测烟包特征点与标准烟包图像特征点的匹配，匹配结果通过随机抽样一致算法剔除误匹配点，匹配点对通过最小二乘法计算出待检烟包的姿态，该姿态包含该烟包在X,Y,Z轴上的平移及旋转量，根据估算出的姿态数据通过反投影变换将待检区域进行图像矫正，极大的纠正由于烟包位姿变化引起的匹配区域相似度降低问题；

S3、将步骤S2得到的矫正图像与步骤S1的合格外观模型库进行相似度计算；计算通过得到合格外观烟包；如果计算不通过得出不合格外观烟包进行剔除。

进一步地，所述HARRIS特征点提取：

HARRIS算法受信号处理中自相关函数的启发，给出了与自相关函数相联系的矩阵；矩阵的特征值是自相关函数的一阶曲率，如果在图像中某点的行列曲率值都高，则认为该点是特征点；

HARRIS算法的表达式如下所示：

上式中，g_x为x方向的梯度，g_y为y方向的梯度，为高斯模板；HARRIS算法的角响应函数如下所示：