[发明专利]基于低轶稀疏分解的瓶装液体可见异物检测方法及其系统

说明书

本发明公开了一种基于低轶稀疏分解的瓶装液体可见异物检测方法，包括以下步骤：采集连续帧图像；其中，所述连续帧图像包括当前帧图像和前一帧图像；提取连续帧图像中每一帧图像的特征，设定感兴趣区域；对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像；对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图；其中二值图包括当前帧图像的二值图和前一帧图像的二值图；将所述当前帧图像的二值图和所述前一帧图像的二值图进行差分处理，得到差分图；将差分图进行图像处理去除干扰，输出图像处理后的差分图；根据图像处理后的差分图判断液体中是否存在可见异物；可以有效消除检测干扰，提高检测的准确度。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于低轶稀疏分解的瓶装液体可见异物检测方法及其系统。

背景技术

随着人口持续增长以及各种疾病的增多，医药市场对输液药品的需求量不断扩大，对输液药品的质量需要严格管控，如输液药品中存在纤维、橡胶、毛发等微小的可见杂质，不能达到医药产品质量标准，是需要进行剔除的不合格品。

目前，对输液药品如输液瓶液体中是否存在可见异物进行检测的方法，常采用可见异物运动检测法如帧差法、背景消除法以及神经网络分割，但是在可见异物运动检测中，采集图像中可能会存在夹持装置，夹持装置与输液瓶之间可能会存在一定程度的抖动，甚至特殊情况下瓶壁附着有缓慢移动的气泡，这些因素会对帧差法、背景消除法以及神经网络分割法造成干扰，导致检测结果不稳定且不准确。

发明内容

为解决上述技术问题，本发明实施例提供了一种基于低轶稀疏分解的瓶装液体可见异物检测方法及其系统，可以有效消除夹持装置、瓶壁刻度、划痕、附着气泡等检测干扰，提高检测的准确度。

本发明实施例的第一方面提供了一种基于低轶稀疏分解的瓶装液体可见异物检测方法，包括以下步骤：

采集连续帧图像；其中，所述连续帧图像包括当前帧图像和前一帧图像；

提取连续帧图像中每一帧图像的特征，设定感兴趣区域；对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像；对所述稀疏部分图像依次进行自适应阈值分割、图像处理去除干扰，得到二值图；其中二值图包括当前帧图像的二值图和前一帧图像的二值图；将所述当前帧图像的二值图和所述前一帧图像的二值图进行差分处理，得到差分图；将差分图进行图像处理去除干扰，输出图像处理后的差分图；根据图像处理后的差分图判断液体中是否存在可见异物。

本发明实施例的第一方面的第一种可能实现的方式中，所述提取连续帧图像中每一帧图像的特征，得到感兴趣区域的步骤，包括：将每一帧图像转换为灰度图像，提取所述灰度图像中的灰度特征、梯度特征、边缘特征，获得瓶内液面、瓶底、左侧瓶壁和右侧瓶壁信息；根据所述瓶内液面、瓶底、左侧瓶壁和右侧瓶壁信息，确定感兴趣区域的上坐标、下坐标、左坐标和右坐标，得到感兴趣区域。

本发明实施例的第一方面的第二种可能实现的方式中，所述对所述感兴趣区域进行低轶稀疏分解，得到低轶部分图像和稀疏部分图像的步骤，包括：将所述感兴趣区域转换为观测数据矩阵D，将所述观测数据矩阵D分解为低轶部分矩阵A和稀疏部分矩阵E；分别将低轶部分矩阵A转换为低轶部分图像，将稀疏部分矩阵E转换为稀疏部分图像；

其中，

式中，λ为非负参数；||E||₀为稀疏部分矩阵E的l₀范数，即稀疏部分矩阵E中非零元素的个数；rank(A)为低轶部分矩阵A的轶函数，即低轶部分矩阵A中非零奇异值的个数。

结合本发明实施例的第一方面的第二种可能实现的方式，在第三种可能实现的方式中，所述观测数据矩阵D、低轶部分矩阵A和稀疏部分矩阵E之间满足公式