[发明专利]图像中异物区域的检测方法、装置及电子设备有效

专利信息
申请号: 202310770646.7 申请日: 2023-06-28
公开(公告)号: CN116503407B 公开(公告)日: 2023-10-20
发明(设计)人: 丁苏楠;李明帅;王兵 申请(专利权)人: 无锡日联科技股份有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T7/90;G06V10/20;G06V10/44;G06V10/764;G06V20/68
代理公司: 北京品源专利代理有限公司 11332 代理人: 赵雪晴
地址: 214112 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 异物 区域 检测 方法 装置 电子设备
【说明书】:

发明公开了一种图像中异物区域的检测方法、装置及电子设备,本发明涉及图像处理技术领域。该方法包括:获取待检测图像,确定待检测图像中的候选异物区域;确定候选异物区域的轮廓信息,基于轮廓信息确定候选异物区域对应的区域参数;其中,区域参数包括候选异物区域的像素信息和区域形状信息;基于候选异物区域对应的区域参数,从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高,过程繁琐的问题,实现了对图像中异物区域的检测,提高检测的准确度,减少检测的复杂程度。

技术领域

本发明涉及图像处理技术领域,尤其涉及一种图像中异物区域的检测方法、装置及电子设备。

背景技术

随着人们生活水平和科技发展水平的日益提高,人们获取信息和购买食品的方式和渠道越来越多样化,同时,对于食品安全问题的关注度及知识需求度也变得更高。为提高食品质量安全,食品异物检测也越来越多地应用在食品生产产线。

目前主要通过采集包含食品和异物的图像,通过两种食品异物检测算法对食品异物进行检测:传统算法、深度学习算法。深度学习算法精度高,但采集图像、图像标注花费大量人工,对于一些常规的异物检测,显然开发成本过高;传统算法特指通过寻找图像上异物的特征信息,设计算法,识别出异物,该方法针对不同的异物需变换不同组参数,开发过程繁琐。因此,如何对现有的食品异物检测方法进行改进是目前亟待解决的问题。

发明内容

本发明提供了一种图像中异物区域的检测方法、装置及电子设备,以实现对图像中异物区域的检测,提高检测的准确度,减少检测的复杂程度。

根据本发明的一方面,提供了一种图像中异物区域的检测方法,包括:

获取待检测图像,确定所述待检测图像中的候选异物区域;

确定所述候选异物区域的轮廓信息,基于所述轮廓信息确定所述候选异物区域对应的区域参数;其中,所述区域参数包括所述候选异物区域的像素信息和区域形状信息;

基于所述候选异物区域对应的区域参数,从所述候选异物区域中确定出所述待检测图像对应的目标异物区域。

根据本发明的另一方面,提供了一种图像中异物区域的检测装置,包括:

候选异物区域确定模块,用于获取待检测图像,确定所述待检测图像中的候选异物区域;

区域参数信息确定模块,用于确定所述候选异物区域的轮廓信息,基于所述轮廓信息确定所述候选异物区域对应的区域参数;其中,所述区域参数包括所述候选异物区域的像素信息和区域形状信息;

目标异物区域确定模块,用于基于所述候选异物区域对应的区域参数,从所述候选异物区域中确定出所述待检测图像对应的目标异物区域。

根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:

至少一个处理器;以及

与所述至少一个处理器通信连接的存储器;其中,

所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的图像中异物区域的检测方法。

根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像中异物区域的检测方法。

本发明实施例的技术方案,通过获取待检测图像,确定待检测图像中的候选异物区域;确定候选异物区域的轮廓信息,基于轮廓信息确定候选异物区域对应的区域参数;其中,区域参数包括候选异物区域的像素信息和区域形状信息;基于候选异物区域对应的区域参数,从候选异物区域中确定出待检测图像对应的目标异物区域。本发明实施例的技术方案解决了目前异物检测方法成本高,过程繁琐的问题,实现了对图像中异物区域的检测,提高检测的准确度,减少检测的复杂程度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于无锡日联科技股份有限公司,未经无锡日联科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310770646.7/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top