[发明专利]基于图像处理的塑料餐盒缺陷检测方法、装置及系统

说明书

本发明提供了一种基于图像处理的塑料餐盒缺陷检测方法、装置及系统，方法包括：获取待检测的塑料餐盒的待测图像；对待测图像依次进行去噪处理和灰度处理，获得灰度图像；确定灰度图像中任一像素点属于背景区域的第一概率，和属于目标区域的第二概率；根据第一概率计算背景区域熵，根据第二概率计算目标区域熵；根据背景区域熵和目标区域熵确定待测阈值；将灰度图像中各个像素点的灰度值与待测阈值进行对比，根据对比结果对灰度图像进行分割，获得目标区域图像；确定目标区域图像与塑料餐盒标准图像之间的相似度，并比对相似度与预设阈值；根据比对结果确定待检测的塑料餐盒是否存在缺陷。本发明的技术方案提高了塑料餐盒缺陷检测的准确度。

技术领域

本发明涉及计量检测技术领域，具体而言，涉及一种基于图像处理的塑料餐盒缺陷检测方法、装置及系统。

背景技术

当前，餐饮外卖行业的快速发展，带动了一次性塑料餐盒的需求量大幅增长。塑料餐盒在生产过程中，由于生产工艺和技术水平的原因，容易产生缺陷，因此为了保证塑料餐盒的质量，需要在生产过程中对塑料餐盒进行缺陷检测。如果产品缺陷率过高，则及时对生产过程进行干预和调整，例如对生产设备进行检修等，以尽快排除故障、减小损失。

目前，对塑料餐盒表面缺陷的检测主要以人工检测为主，由生产线上的工人通过人眼观察，对具有表面裂缝、凸点、气泡和餐盒尺寸不均等明显外观缺陷的产品进行分拣。但在实际的人工检测过程中，检测结果的准确度容易受到工人的主观因素以及疲劳度的影响，而且检测效率较低。

随着以数字图像处理为核心的机器视觉的发展，通过对工业相机采集的塑料餐盒的表面图像进行处理，进行缺陷检测已成为餐具自动化生产中的发展趋势。现有的基于机器视觉的塑料餐盒表面缺陷检测，首先获取塑料餐盒的表面图像，然后通过边缘检测算法等提取缺陷特征，最后通过机器学习的方法识别表面缺陷。但是，这种方法存在以下问题：固定干扰，塑料餐盒上通常会存在商标和印花等干扰特征，会对缺陷检测过程带来不利影响，容易造成误判；纹理影响，边缘检测方法通常通过灰度的突变来检测缺陷边缘，然而大部分餐盒的表面带有复杂的纹理，在检测过程中难以分辨是纹理还是缺陷造成的灰度突变，会影响缺陷检测的准确度。

因此，现有的基于图像处理的塑料餐盒表面缺陷检测方法，存在准确度较低的问题。

发明内容

本发明解决的问题是如何提高塑料餐盒表面缺陷检测的准确度。

为解决上述问题，本发明提供一种基于图像处理的塑料餐盒缺陷检测方法、装置及系统。

第一方面，本发明提供了一种基于图像处理的塑料餐盒缺陷检测方法，包括：

获取待检测的塑料餐盒的待测图像；

对所述待测图像依次进行去噪处理和灰度处理，获得灰度图像；

根据所述灰度图像中各个像素点的灰度值，确定所述灰度图像中任一所述像素点属于背景区域的第一概率，和属于目标区域的第二概率；

根据所述第一概率计算背景区域熵，根据所述第二概率计算目标区域熵；基于最大熵原理，根据所述背景区域熵和所述目标区域熵确定待测阈值；

将所述灰度图像中各个所述像素点的灰度值与所述待测阈值进行对比，根据对比结果对所述灰度图像进行分割，获得目标区域图像；

采用余弦相似度度量方法，确定所述目标区域图像与塑料餐盒标准图像之间的相似度，并比对所述相似度与预设阈值；

根据比对结果确定所述待检测的塑料餐盒是否存在缺陷。

可选地，所述根据比对结果确定所述待检测的塑料餐盒是否存在缺陷之后，还包括：

当所述待检测的塑料餐盒存在缺陷时，确定所述待测图像中的缺陷区域和所述目标区域图像的最小外接矩形的尺寸；