一种基于机器视觉的调料包封装完整性检测方法及系统与流程

本发明涉及视觉检测，特别是一种基于机器视觉的调料包封装完整性检测方法及系统。

背景技术：

1、随着食品工业的快速发展和包装自动化需求的提升，机器视觉在包装质量检测中的应用逐渐受到关注，尤其在封装完整性检测领域，机器视觉技术被广泛应用于自动化生产线上；

2、传统的封装检测方法多依赖人工观察或简单的机械探测设备，但这些方法受限于人为误差、不一致性及检测精度低，难以适应现代流水线高速生产的需求，随着图像处理技术和机器学习算法的发展，机器视觉检测技术逐渐成为一种有效的替代方案，然而现有技术中多采用单一光谱图像和固定阈值算法进行封装区域检测，缺乏对封装表面细微缺陷的深入分析，且难以应对复杂的封装情况，同时传统检测方案对纹理特征提取和封装轮廓的准确识别仍然存在不足，容易受到图像质量波动的影响，导致检测效果不稳定，以此降低了对封装完整性的检测准确性。

技术实现思路

1、鉴于上述现有的基于机器视觉的调料包封装完整性检测方法及系统中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于现有技术中多采用单一光谱图像和固定阈值算法进行封装区域检测，缺乏对封装表面细微缺陷的深入分析，且难以应对复杂的封装情况，同时传统检测方案对纹理特征提取和封装轮廓的准确识别仍然存在不足，容易受到图像质量波动的影响，导致检测效果不稳定，以此降低了对封装完整性的检测准确性。

3、为解决上述技术问题，本发明提供如下技术方案：一种基于机器视觉的调料包封装完整性检测方法，其包括：

4、采集机器视觉图像数据，进行滤波处理；

5、使用边缘检测算法，计算梯度幅值和梯度方向，进行双阈值判定，生成封装边缘线条图像；

6、使用相位相关法对目标图像与参考图像对齐，计算lbp值生成直方向量，分析完整性偏差；

7、构建catboost模型，基于综合特征向量预测完整性概率；

8、基于完整性偏差和完整性概率分析综合完整性，进行不完整调料包剔除，生成不完整调料包的数据报表。

9、作为本发明所述基于机器视觉的调料包封装完整性检测方法的一种优选方案，其中：所述采集机器视觉图像数据，进行滤波处理，包括：

10、基于调料包的封装流水线，通过多光谱相机进行基于机器视觉的图像数据采集；

11、采集的图像数据包括rgb图像和ir图像，基于连续采集的图像数据，生成包含多个光谱层的图像数据；

12、将rgb与ir数据融合生成多维图像矩阵，通过加权平均计算各层之间的融合值；

13、将多光谱图像转换为灰度图，执行直方图均衡化，增强图像的局部对比度；

14、对图像进行高斯滤波处理，进行图像数据去噪。

15、作为本发明所述基于机器视觉的调料包封装完整性检测方法的一种优选方案，其中：所述使用边缘检测算法，计算梯度幅值和梯度方向，进行双阈值判定，生成封装边缘线条图像，包括：

16、使用canny边缘检测算法，利用sobel算子计算图像数据的水平和垂直方向的梯度，表示为：

17、；

18、；

19、其中和分别表示图像在水平方向和垂直方向上的梯度，和分别表示sobel算子在水平方向和垂直方向上的卷积核，表示经过高斯滤波后的图像在坐标(x-i,y-j)处的像素值；

20、计算梯度幅值g和梯度方向θ，表示为：

21、；

22、；

23、其中g表示梯度幅值，θ表示梯度方向，arc表示arctan反正切函数；

24、根据每个像素点（x,y），计算对应的梯度幅值g和梯度方向θ，使用双线性插值计算出在梯度方向上相邻的像素点；

25、对于每个像素点(x,y)，若其梯度幅值g(x,y)大于相邻像素的梯度幅值g，则保留该像素值，若其梯度幅值g(x,y)小于等于相邻像素的梯度幅值g，则该像素设为0；

26、基于历史数据对梯度幅值进行双阈值处理，基于梯度幅值g的计算，构建所有像素点梯度幅值的数组，并选取上百分位值90作为高阈值，选取下百分位值10设置为低阈值；

27、若梯度幅值g大于高阈值，则标记为强边缘，若梯度幅值小于等于高阈值，且大于低阈值，则标记为弱边缘，若梯度幅值g小于等于低阈值，则标记为背景；

28、基于弱边缘像素，检测其周围的8个像素是否包含强边缘像素，若任一相邻像素为强边缘，则保留该弱边缘点为最终边缘像素；

29、基于强边缘和连通的弱边缘，形成完整的封装边缘线条生成最终生成的图像。

30、作为本发明所述基于机器视觉的调料包封装完整性检测方法的一种优选方案，其中：所述使用相位相关法对目标图像与参考图像对齐，计算lbp值生成直方向量，分析完整性偏差，包括：

31、选择包含标准封装的参考图像，并基于边缘检测的封装轮廓，对目标图像进行图像配准；

32、使用相位相关phase correlation方法，将目标图像与参考图像进行快速傅里叶变换，得到目标图像和参考图像的频域表示和；

33、对目标图像的傅里叶变换和参考图像的共轭傅里叶变换相乘，并进行归一化计算相位相关结果，表示为：

34、；

35、其中和分别为目标图像和参考图像的傅里叶变换，为的共轭，表示相位相关结果；

36、对相位相关结果进行逆傅里叶变换，得到峰值位置图像，根据最大峰值的位置坐标作为目标图像相对于参考图像的平移量，并对目标图像进行平移补偿，实现与参考图像的对齐；

37、基于调料包生产标准的封装轮廓宽度，进行图像裁剪；

38、对每个像素点进行局部二值模式计算，对于像素点(x,y)获取中心像素的灰度值，选择半径为1的邻域，计算每个相邻像素的灰度差，并转换为二进制值；

39、基于二值化操作结果对应二进制位，按照像素位置从0到7的顺序编号，以此根据每个位置编号k，确定二进制权重为；

40、使用二进制权重为每个邻域像素分配位置权重，将这些二进制值组合成lbp值，表示为：

41、；

42、其中表示像素点(x,y)的lbp值，表示位置编号k处的二值化结果；

43、基于每个像素的lbp值进行记录，形成整个封装区域的纹理特征图；

44、遍历纹理特征图的每个像素点，读取该点的lbp值，将lbp值作为索引，对应位置的频次加1，重复以上操作，直到遍历完整封装区域的所有像素，完成对每种lbp值出现频次的统计，并形成直方向量h，进行归一化处理，表示为：

45、；

46、其中表示封装区域中第i种lbp值的归一化频率，和分别表示第i种和第j种lbp值在封装区域内出现的频数；

47、将归一化的直方向量与标准纹理样本进行比对，计算封装区域与标准样本的归一化直方向量之间的欧氏距离d，表示为：

48、；

49、其中d表示封装区域与标准样本的归一化直方向量之间的欧氏距离，表示封装区域中第i种lbp值的归一化频率，表示标准样本中第i种lbp值的归一化频率；

50、基于历史欧氏距离的平均值与标准差的和作为比对阈值，若计算的欧氏距离大于等于比对阈值，则判断为封装区域的纹理特征与标准样本完整性偏差较大。

51、作为本发明所述基于机器视觉的调料包封装完整性检测方法的一种优选方案，其中：所述构建catboost模型，基于综合特征向量预测完整性概率，包括：

52、基于归一化处理的直方向量定义为纹理特征向量，根据调料包的标准封装区域的周长、面积、紧致度组成形状特征向量，并将纹理特征向量和形状特征向量组合为综合特征向量f；

53、构建catboost模型，包括输入层、决策树层和输出层，其中输入层输入综合特征向量f；决策树层由多棵决策树构成的集成层，每棵树学习并调整分类边界，输出层输出封装不完整的概率值；

54、使用训练集和验证集训练模型，选择logloss对数损失作为损失函数，模型逐步构建决策树，每棵树学习前一棵树的残差，逐步优化模型参数，在验证集上启用早停，当损失在若干轮内不再显著降低时，停止训练，避免过拟合；

55、根据新输入的综合特征向量，catboost模型预测完整性概率。

56、作为本发明所述基于机器视觉的调料包封装完整性检测方法的一种优选方案，其中：所述基于完整性偏差和完整性概率分析综合完整性，包括：

57、基于catboost模型预测的完整性概率和欧氏距离d，进行综合完整性的检测，表示为：

58、；

59、其中v表示综合完整性，p表示catboost模型预测的完整性概率；

60、根据生产调料包的封装完整性要求设定完整性评分阈值，若v大于等于完整性评分阈值，则判断封装为完整，若v小于完整性评分阈值，则判断封装存在不完整的情况，并对对应的调料包进行不完整标记。

61、作为本发明所述基于机器视觉的调料包封装完整性检测方法的一种优选方案，其中：所述进行不完整调料包剔除，生成不完整调料包的数据报表，包括：

62、基于封装流水线的控制信号驱动剔除装置，将被标记为不完整的调料包从流水线上剔除；

63、基于剔除调料包的数量进行统计，并根据生产良品率的要求动态设置警报阈值，若剔除调料包的数量大于等于警报阈值，则进行声光警报，并统计剔除调料包的样本id、检测时间、完整性评分数据，通过图表工具生成报表。

64、本发明的另外一个目的是提供一种基于机器视觉的调料包封装完整性检测方法的系统，其包括：

65、数据处理模块，使用机器视觉设备采集调料包封装图像，对采集的图像数据进行滤波处理；

66、轮廓提取模块，使用边缘检测算法对预处理后的图像进行边缘检测，生成封装区域的边缘线条图像；

67、纹理特征分析模块，使用相位相关法将目标图像与参考图像对齐，计算每个像素的lbp值，生成直方向量，用与标准样本比对；

68、完整性检测模块，使用训练好的catboost模型进行完整性预测；

69、警报模块，将不完整调料包从流水线上剔除，发出警报；

70、数据记录模块，记录每个不完整调料包相关数据，统计并生成对应报表。

71、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于机器视觉的调料包封装完整性检测方法的步骤。

72、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于机器视觉的调料包封装完整性检测方法的步骤。

73、本发明有益效果为：通过边缘检测算法配合双阈值机制，使得封装区域的缺陷更加明显，生成的封装边缘线条图像不仅展示封装区域的整体轮廓，还能突显出微小的封装缺陷，有助于封装完整性检测的精确识别，通过相位相关法对目标图像和参考图像进行配准，快速计算平移量并进行对齐处理，通过计算每个像素lbp值，能够捕捉到封装区域表面的局部纹理特征，便于识别出在封装表面纹理一致性上的微小变化，提升了对细微缺陷的识别能力，通过相位相关法的精准对齐、lbp值的纹理特征分析和欧氏距离的量化比对相结合，构成了多维度的检测方法，检测方案不仅可以有效判定封装表面的整体完整性，还能准确检测细微的封装缺陷，为封装质量控制提供了全面的检测手段，提升了封装流水线的质量控制水平。

技术特征：

1.一种基于机器视觉的调料包封装完整性检测方法，其特征在于：包括：

2.如权利要求1所述的基于机器视觉的调料包封装完整性检测方法，其特征在于：所述采集机器视觉图像数据，进行滤波处理，包括：

3.如权利要求2所述的基于机器视觉的调料包封装完整性检测方法，其特征在于：所述使用边缘检测算法，计算梯度幅值和梯度方向，进行双阈值判定，生成封装边缘线条图像，包括：

4.如权利要求3所述的基于机器视觉的调料包封装完整性检测方法，其特征在于：所述使用相位相关法对目标图像与参考图像对齐，计算lbp值生成直方向量，分析完整性偏差，包括：

5.如权利要求4所述的基于机器视觉的调料包封装完整性检测方法，其特征在于：所述构建catboost模型，基于综合特征向量预测完整性概率，包括：

6.如权利要求5所述的基于机器视觉的调料包封装完整性检测方法，其特征在于：所述基于完整性偏差和完整性概率分析综合完整性，包括：

7.如权利要求6所述的基于机器视觉的调料包封装完整性检测方法，其特征在于：所述进行不完整调料包剔除，生成不完整调料包的数据报表，包括：

8.一种基于权利要求1-7任一所述的基于机器视觉的调料包封装完整性检测方法的系统，其特征在于：包括：

9.一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于机器视觉的调料包封装完整性检测方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的基于机器视觉的调料包封装完整性检测方法的步骤。

技术总结
本发明公开了一种基于机器视觉的调料包封装完整性检测方法及系统，涉及视觉检测技术领域，包括采集机器视觉图像数据，进行滤波处理；使用边缘检测算法，计算梯度幅值和梯度方向，进行双阈值判定，生成封装边缘线条图像；使用相位相关法对目标图像与参考图像对齐，计算LBP值生成直方向量，分析完整性偏差。本发明所述方法通过边缘检测算法配合双阈值机制，使得封装区域的缺陷更加明显，生成的封装边缘线条图像不仅展示封装区域的整体轮廓，还能突显出微小的封装缺陷，有助于封装完整性检测的精确识别，通过相位相关法对目标图像和参考图像进行配准，快速计算平移量并进行对齐处理，通过计算每个像素LBP值，能够捕捉到封装区域表面的局部纹理特征。

技术研发人员：毕彦峰,潘雪瑜
受保护的技术使用者：山东嘉格食品科技有限公司
技术研发日：
技术公布日：2024/12/5