[发明专利]一种塑料杯表面缺陷检测系统

说明书

本发明公开一种塑料杯表面缺陷检测系统。通过摄像头读取塑料杯图像，传输给ZYNQ的PL上(ZYNQ的PL部分为可编程逻辑器件)，进行图像缺陷分类，最后将结果显示在LCD屏上。图像缺陷检测算法采用BOW(视觉词袋)+SVM(支持向量机)的方式，在图像的特征提取上，本发明采用了FAST‑SUFT特征检测与描述算法，FAST算法检测速度快，检测的细节多，但并不涉及特征点的特征描述，这时利用SUFT算法生成特征描述符，两个算法可以互补，同时对FAST算法进行改进。在图像算法移植上，使用xilinx的HLS高层综合工具，方便移植到PL上。本发明实现了塑料杯表面缺陷的智能检测，具有良好的准确性和可靠性。

技术领域

本发明涉及机器学习技术领域，主要涉及一种塑料杯表面缺陷检测系统。

背景技术

塑料作为一种与我们生活息息相关的高分子材料，因重量轻、密度小、耐磨性好、绝缘性好、化学性质稳定等众多优点，被广泛应用于建筑、工业、农业和生活的各个领域。其中塑料杯的使用十分广泛，在塑料杯的生产中会产生一些缺陷，及时的检测出有缺陷的塑料杯尤为的关键，这影响着塑料杯的销量和顾客对产品的满意度。

随着嵌入式技术的不断发展，处理速度和资源不断提高，嵌入式检测设备相比传统PC控制的大型设备具有价格低、体积小、功耗小的优势，结合机器视觉技术，可以有效的检测塑料杯表面缺陷。

发明内容

本发明的具体内容如下：

一种塑料杯表面缺陷检测系统，包括摄像头、ZYNQ开发板、LCD屏。通过摄像头读取塑料杯图像，传输给ZYNQ的PL上(ZYNQ的PL部分为可编程逻辑器件)，进行图像缺陷分类，最后将结果显示在LCD屏上。

在本发明中，图像缺陷检测算法采用BOW(视觉词袋)+SVM(支持向量机)的方式，在图像的特征提取上，采用了FAST-SUFT特征检测与描述算法，FAST算法检测速度快，检测的细节多，但并不涉及特征点的特征描述，这时利用SUFT算法生成特征描述符，两个算法可以互补，同时对FAST算法进行改进，加快识别速度。

在本发明中，为了进行硬件加速设计，使用xilinx的HLS高层综合工具，将图像缺陷检测算法移植到PL端。本发明实现了塑料杯表面缺陷的智能检测，具有良好的准确性和可靠性。

本发明的有益效果是，能够快速提取特征点和和描述符，同时将图像缺陷检测算法和ZYNQ完美融合。利用PL并行处理的特点实现算法，节省时间。利用ZYNQ的PS(ZYNQ的PS部分为双A9的ARM核)运行操作系统，管理进程调度和资源分配。相比与PC机，功耗低，可靠性高，体积小，成本低，能够准确的检测出缺陷类型的塑料杯。

附图说明

附图1为本发明的系统框架图。

附图2为本发明的FAST特征点提取图。

附图3为本发明的PC端算法流程图。

附图4为本发明的ZYNQ端算法流程图。

具体实施方式

本发明不受下列实施例的限制，可根据本发明的技术方案与实际情况来具体的确定实施方式。

结合附图1，具体说明塑料杯表面缺陷检测系统的实施方式。摄像头1通过I2c接口进行寄存器配置，8位的并行数据输出。图像采集IP核2负责将摄像头的图像信息传递给图像处理IP核3。图像处理模块IP核3是由图像缺陷检测算法生成，负责识别出缺陷种类，将结果通过AXI总线6传递给PS。PS控制图像显示IP核4将采集到的图像和识别结果通过LCD屏5显示。AXI总线6是一种高性能、高带宽、低延迟的片内总线，实现PS和PL信息传递。DDR39为linux操作系统和程序提供运行空间。UART8作为串口输出linux操作系统启动信息。SD7用于存储uboot、Linux内核、根文件系统、PL端比特流文件、BOW词典和SVM分类文件。ARM10作为CPU控制整个系统。