[发明专利]一种方便面包装缺陷机器视觉检测方法

权利要求书

1.一种方便面包装缺陷机器视觉检测方法，其特征在于，包括以下步骤：

A.建立方便面包装缺陷自动检测装置模型，采集传送带上的方便面包装图像，对图像进行预处理，增强图像特征；

(1)建立方便面包装缺陷自动检测装置，摄像头采集传送带上的方便面包装图像，传送给主控装置，并对图像进行数字化，利用直方图对图像的灰度值进行均衡处理，均衡处理后的图像灰度为：

其中，l是图像的灰度级，f(t)是图像灰度的概率密度函数，t是像素点，对图像灰度级进行归一化处理，则当l∈[0,1]时，概率密度函数值为1；否则为0；

(2)若图像像素点(x,y)的灰度值为g(x,y)，灰度范围为[g₁,g₂]，通过映射函数将灰度值映射为g'(x,y)，进行灰度变换：

其中，(α,β)是灰度变换后的灰度范围；

B.选取图像分割中心像素点，根据像素灰度间的连续性建立相似性度量标准，将所有像素分割为不同区域；

C.将分割后的包装图像用高斯内核函数进行卷积获得高斯差分图像，通过求图像的灰度极值提取方便面包装图像的缺陷特征；

D.通过衡量缺陷特征与样本之间的相似性进行分类，检测缺陷类别并踢除，完成方便面包装缺陷的自动检测。

2.如权利要求1所述的方便面包装缺陷机器视觉检测方法，其特征在于，所述步骤B包括：

(1)对方便面包装图像进行彩色空间转换，通过分水岭方法将图像进行初始化分割，若某个区域为V_r，其邻域为V_i，其中，i＝1,2,…,n，则相似度函数为：

其中，ω是权值系数，n是邻域数量，x_i是每个区域的灰度均值，是所有区域的灰度均值，通过最大类间方差法获取一个阈值，相似度函数值大于此阈值的，该区域被选做种子区域；

(2)对选取的种子区域进行标记，遍历所有种子区域及其邻域，若有区域未被标记，查看该区域的邻域，若邻域标记相同，则该区域进行同样的标记；若邻域标记不同，则计算该区域与邻域的灰度均值差，选择差异最小的邻域进行相同的标记，遍历所有区域，直至所有区域均被标记，从而便将与种子区域有相似灰度值的相邻像素合并为一个区域，分割的区域中有许多零碎的小区域，设定区域范围阈值，将小于阈值的区域合并到灰度均值差异最小的邻域中，从而完成图像分割。

3.如权利要求2所述的方便面包装缺陷机器视觉检测方法，其特征在于，所述步骤C包括：

(1)构造方便面包装图像的高斯函数：

其中，σ是图像正态分布的标准差，(x,y)是像素点坐标，(x₀,y₀)是种子点的坐标，则图像I(x,y)的尺度空间函数为：

S(x,y)＝h(x,y)*I(x,y)

其中，*表示卷积，则σ越小，图像尺度越小，细节特征也就越明显；

(2)包装图像通过高斯函数卷积生成一组图像，在尺度空间中通过常量k进行分离，得到高斯差分函数：

D(x,y)＝[h(x,y)-h(k(x,y))]*I(x,y)

＝S(k(x,y))-S(x,y)

通过高斯差分函数对图像中的像素点进行比较，设定灰度阈值，寻找灰度值大于阈值的像素点，在剩余像素点中寻找灰度极值点作为待选特征点，将高斯差分函数进行泰勒展开：

其中，(x,y)^T是像素点的偏移量，令从而得到极值点，将候选特征点中位于边缘处的像素点去除，提取出稳定的特征点。

4.如权利要求3所述的方便面包装缺陷机器视觉检测方法，其特征在于，所述步骤D包括：

计算提取的特征图像f(x,y)与检测样本s(x,y)之间的欧氏距离：

其中，f_j(x,y)是第j个特征，m是特征数量，寻找欧氏距离最小的特征min(d)进行分类，主控装置统计缺陷类型并发送信号给踢除装置进行踢除，没有缺陷的包装将继续下道工序，从而完成方便面包装缺陷的自动检测。