[发明专利]一种基于机器视觉的透明软性包装袋静态检测方法及系统

说明书

一种基于机器视觉的透明软性包装袋静态检测方法，包括以下步骤：基于机器视觉对图像进行正反面判断、图像预处理、分割处理、特征提取及分析，获取图像的特征参数值；根据所述图像的特征参数值，进行缺陷检查，并对检测结果进行判断；对缺陷特征进行分类，获取缺陷判断结果；显示缺陷判断结果并输出。本发明还提供一种基于机器视觉的透明软性包装袋静态检测系统，在降低计算复杂度的同时保留最佳特征信息，减少了精度的损失，提升了检测分类任务的性能，以及检测降低数据处理复杂度；节省储存空间、提高检测识别速度、降低生产成本的精度与速度。

技术领域

本发明涉及机器视觉图像处理技术领域，特别是涉及一种基于机器视觉的透明软性包装袋静态检测方法及系统。

背景技术

缺陷检测通常是指对产品表面缺陷的检测，表面缺陷检测是采用先进的机器视觉检测技术，对产品表面的斑点、凹坑、划痕、色差、缺损等缺陷进行检测。

现有技术中，对包装产品及印刷品的缺陷检测越来越多地采用机器视觉缺陷检测技术。现有的机器视觉缺陷检测方法，大多是面对的对象通常具有形状规则、表面坚固、不透明等特点的刚性物体，而且由于深度学习对数据的依赖，导致数据的体量和维度成指数级增长，从而影响计算效率和分类识别性能。

另外，目前对包装透明、质地柔软、不易固定且易发生褶皱变形的产品检测研究较少，如何利用机器视觉的缺陷检测方法对透明的软性包装袋产品的外观及印刷缺陷进行检测，是目前亟待解决的问题。

发明内容

为了解决现有技术存在的不足，本发明的目的在于提供一种基于机器视觉的透明软性包装袋静态检测方法及系统，利用成像、统计方法对数据进行特征提取，结合BP神经网络和支持向量机算法进行分类识别，降低数据处理复杂度、提高检测识别速度。

为实现上述目的，本发明提供的基于机器视觉的透明软性包装袋静态检测方法，包括以下步骤：

基于机器视觉对图像进行正反面判断、图像预处理、分割处理、特征提取及分析，获取图像的特征参数值；

根据所述图像的特征参数值，进行缺陷检查，并对检测结果进行判断；

对缺陷特征进行分类，获取缺陷判断结果；

显示缺陷判断结果并输出。

进一步地，所述对图像进行正反面判断的步骤，还包括，

输入旋转前后两帧图像；

对图像进行分割、灰度化处理；

对经过分割、灰度化的采集图像进行基于梯度函数的模糊度分析，获取模糊度分数；

根据模糊度分数的高低，进行正反面判断。

进一步地，所述对经过分割、灰度化的采集图像进行基于梯度函数的模糊度分析，获取模糊度分数的步骤，采用如下模糊度分数计算：

其中，score是模糊度分数，I(x，y)是图像像素点(x，y)的灰度值，M是图像的长，N是图像的宽。

进一步地，所述图像预处理，包括，图像增强、色彩空间转换、形态学处理。

进一步地，所述对图像进行分割处理，包括，对图像进行阈值分割和颜色分割。

进一步地，所述对图像进行特征提取及分析，还包括，参数特征提取和基于统计学的特征提取及分类识别。

进一步地，所述参数特征提取，还包括，提取软袋关键点坐标、目标区域位置，填充液体面积值、文字检测及识别分数。

进一步地，所述基于统计学的特征提取及分类识别，还包括，采用PCA主成分分析算法，结合BP神经网络及SVM支持向量机算法进行分类识别，提升特征抽取及异物检测分类的性能。