基于图像处理的塑料餐盒缺陷检测方法、装置及系统制造方法及图纸

本发明专利技术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。本发明专利技术的技术方案提高了塑料餐盒缺陷检测的准确度。检测的准确度。检测的准确度。

【技术实现步骤摘要】
基于图像处理的塑料餐盒缺陷检测方法、装置及系统


[0001]本专利技术涉及计量检测
，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。

技术介绍

[0002]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。
[0003]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。
[0004]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。
[0005]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。

技术实现思路

[0006]本专利技术解决的问题是如何提高塑料餐盒表面缺陷检测的准确度。
[0007]为解决上述问题，本专利技术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。
[0008]第一方面，本专利技术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。
[0009]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；根据所述缺陷区域和所述最小外接矩形的尺寸确定所述缺陷区域在所述待测图像中的填充度；对所述目标区域图像进行边界检测，确定所述目标区域图像中的商标所在区域；判断所述最小外接矩形的尺寸是否在预设阈值范围内，且判断所述填充度是否小于或等于预设的填充度阈值，且将所述目标区域图像与所述塑料餐盒标准图像进行匹配，判断所述商标所在区域是否包含于所述塑料餐盒标准图像上预设的检测框内；根据判断结果对所述缺陷进行分类，确定所述缺陷的类型。
[0010]可选地，所述对所述待测图像依次进行去噪处理和灰度处理包括：采用相邻区域平均去噪算法对所述待测图像进行去噪，获得去噪后的图像；对所述待测图像和所述去噪后的图像进行相减运算，并将运算结果与预设的特征阈值进行对比，根据对比结果生成特征增强图像；对所述特征增强图像进行灰度处理，获得所述灰度图像。
[0011]可选地，所述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，包括：根据所述灰度图像中各个所述像素点的灰度值，采用第五公式确定所述第一概率，所述第五公式包括：，其中，表示所述灰度图像中任一所述像素点属于背景区域的所述第一概率，表示所述待测阈值，表示灰度值为的像素点在所述灰度图像中出现的概率，表示所述灰度图像中灰度值为的像素点数量，表示所述灰度图像中的像素总量；采用第六公式确定所述第二概率，所述第六公式包括：,其中，表示所述灰度图像中任一所述像素点属于目标区域的所述第二概率，表示所述灰度图像的灰度级数。
[0012]可选地，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，包括：根据所述第一概率采用第七公式计算所述背景区域熵，所述第七公式包括：
，其中，表示所述背景区域熵；根据所述第二概率采用第八公式计算所述目标区域熵，所述第八公式包括：，其中，表示所述目标区域熵。
[0013]可选地，所述基于最大熵原理，根据所述背景区域熵和所述目标区域熵确定所述待测阈值，包括：将所述背景区域熵和所述目标区域熵相加，获得所述灰度图像的图像熵，所述图像熵采用第九公式表示，所述第九公式包括：，其中，表示所述灰度图像的所述图像熵，表示所述背景区域熵，表示所述目标区域熵；基于最大熵原理，采用第十公式确定所述图像熵最大时的所述待测阈值，所述第十公式包括：，其中，表示所述待测阈值。
[0014]可选地，所述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，包括：将所述目标区域图像转换为向量表示形式，获得目标向量；将所述塑料餐盒标准图像转换为向量表示形式，获得标准向量；基于余弦相似度度量方法，根据所述目标向量和所述标准向量采用第十一公式计算所述目标区域图像与所述塑料餐盒标准图像之间的相似度，所述第十一公式包括：，其中，表示所述目标向量，表示所述标准向量，表示所述目标向量中的第个元素，表示所述标准向量中的第个元素，表示所述目标向量和所述标准向量中的元素数量；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包括：当所述相似度大于所述预设阈值时，所述待检测的塑料餐盒存在缺陷；当所述相似度小于或等于所述预设阈值时，所述待检测的塑料餐盒不存在缺陷。
[0015]第二方面，本专利技术提供了一种基于图像处理的塑料餐盒缺陷检测装置，包括：获取模块，用于获取待检测的塑料餐盒的待测图像；
处理模块，用于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；分割模块，用于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；匹配模块，用于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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的塑料餐盒缺陷检测方法，其特征在于，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。2.根据权利要求1所述的基于图像处理的塑料餐盒缺陷检测方法，其特征在于，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；根据所述缺陷区域和所述最小外接矩形的尺寸确定所述缺陷区域在所述待测图像中的填充度；对所述目标区域图像进行边界检测，确定所述目标区域图像中的商标所在区域；判断所述最小外接矩形的尺寸是否在预设阈值范围内，且判断所述填充度是否小于或等于预设的填充度阈值，且将所述目标区域图像与所述塑料餐盒标准图像进行匹配，判断所述商标所在区域是否包含于所述塑料餐盒标准图像上预设的检测框内；根据判断结果对所述缺陷进行分类，确定所述缺陷的类型。3.根据权利要求1所述的基于图像处理的塑料餐盒缺陷检测方法，其特征在于，所述对所述待测图像依次进行去噪处理和灰度处理包括：采用相邻区域平均去噪算法对所述待测图像进行去噪，获得去噪后的图像；对所述待测图像和所述去噪后的图像进行相减运算，并将运算结果与预设的特征阈值进行对比，根据对比结果生成特征增强图像；对所述特征增强图像进行灰度处理，获得所述灰度图像。4.根据权利要求1至3任一项所述的基于图像处理的塑料餐盒缺陷检测方法，其特征在于，所述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，包括：根据所述灰度图像中各个所述像素点的灰度值，采用第五公式确定所述第一概率，所述第五公式包括：，其中，表示所述灰度图像中任一所述像素点属于背景区域的所述第一概率，表示所述待测阈值，表示灰度值为的像素点在所述灰度图像中出现的概率，表示所
述灰度图像中灰度值为的像素点数量，表示所述灰度图像中的像素总量；采用第六公式确定所述第二概率，所述第六公式包括：,其中，表示所述灰度图像中任一所述像素点属于目标区域的所述第二概率，表示所述灰度图像的灰度级数。5.根据权利要求4所述的基于图像处理的塑料餐盒缺陷检测方法，其特征在于，所述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，包括：根据所述第一概率采用第七公式计算所述背景区域熵，所述第七公式包括：，其中，表示所述背景区域熵；根据所述第二概率采用第八公式计算所述目标区域熵，所述第八公式包括：，其中，表示所述目标区域熵。6.根据权利要求5所述的基于图像处理的...

【专利技术属性】
技术研发人员：徐建海，王美兰，
申请(专利权)人：昌亚新材料科技有限公司，
类型：发明
国别省市：