專利名稱：一種飲料灌裝后雜質(zhì)檢測裝置及方法
技術(shù)領域：
本發(fā)明涉及一種飲料灌裝后雜質(zhì)檢測裝置及方法。
背景技術(shù)：
在飲料灌裝和封蓋過程中，由于過濾不佳、容器清洗不凈、封裝時碰撞等原因， 會使飲料中存在固體沉淀、懸浮物、毛發(fā)、玻璃碎片等異物，這些可見異物的存在極大影響 了產(chǎn)品質(zhì)量。目前國內(nèi)多采用人工燈檢的方法鑒別可見異物，通過人眼目測判斷，若存在異 物將其手動剔除，人工檢測不可避免的存在效率低、漏檢率高，精度低等問題，且長期從事 人工燈檢還給工作人員的健康帶來危害。機器視覺檢測技術(shù)已經(jīng)成功應用于很多行業(yè)，例如啤酒瓶的空瓶檢測，集成電 路的檢測等領域，機器視覺檢測代替人工檢測成為一種發(fā)展方向。檢測灌裝后飲料中的雜質(zhì)是灌裝后飲料質(zhì)量檢測的關鍵環(huán)節(jié)，雜質(zhì)檢測需 要解決以下問題首先必須分離前景與背景，實現(xiàn)區(qū)域分離，由于異質(zhì)形成的區(qū)域圖像往 往與背景灰度相近，采用閾值法很難得到信息量完全的圖像，故我們選用先進行邊緣檢測 再進行區(qū)域填充的方法實現(xiàn)區(qū)域分割；其次必須提取分離出能代表區(qū)域特性的區(qū)域結(jié)構(gòu)特 征，因為預處理過程中采用的高斯濾波，區(qū)域分割中采用的區(qū)域填充都容易使距離較近的 可見物連成一塊，所以必須進行連通域的修正，我們對可疑連通域最小外接矩形區(qū)域所對 應的預處理前圖像進行分析辨別區(qū)域粘連現(xiàn)象，如判別為區(qū)域粘連，則對該連通域信息進 行更改修正；再次，必須根據(jù)每個連通域的結(jié)構(gòu)特征尋找連通域在連續(xù)圖像中的運動軌跡， 尋找連通域運動軌跡我們采用競爭的匹配算法；最后，獲得連通域運動軌跡后根據(jù)連通域 運動方向辨別可見物是氣泡還是異物。

發(fā)明內(nèi)容
為實現(xiàn)上述發(fā)明目的，采用如下技術(shù)方案
一種飲料灌裝后雜質(zhì)檢測裝置，該裝置包括光源和相機，所述光源和相機與待檢品相 配合；所述相機連接到處理裝置的目標分割單元；所述處理裝置的目標分割單元、信息提 取單元、信息匹配單元、軌跡獲取單元和產(chǎn)品質(zhì)量分析單元依次連接；所述產(chǎn)品分析單元還 與處理裝置外的控制設備連接。—種飲料灌裝后雜質(zhì)檢測方法，該雜質(zhì)檢測方法如下 Stepl 采集待檢品圖像并進行備份；
St印2 圖像預處理對采集的待檢品圖像增強其對比度并進行濾波； St印3 區(qū)域填充及分割對預處理后的圖像進行邊緣檢測后，進行區(qū)域填充及分割； St印4 連通域分析及修正對分割出來的前景區(qū)域進行連通域分析及修正； St印5 連通域修正后進行判斷連通域修正后需要檢測待檢品圖像是否采集完，如還 有未完成的幀需要采集，則等待下一幀圖像的到來，否則繼續(xù)進行下一步處理；
St印6 匹配連通域信息對采集的若干幀圖像提取得到的連通域信息進行匹配，通過匹配連通域信息，獲得可見物的連通域軌跡；
St印7 結(jié)合連通域信息和連通域軌跡，判斷出每個連通域的性質(zhì)，根據(jù)連通域的性質(zhì) 判斷灌裝后飲料中是否存在雜質(zhì)。在所述的stepl或st印2中，所述待檢品圖像是用相機提取的飲料灌裝后瓶身圖 像，且圖像為灰度圖像或經(jīng)過灰度化的彩色圖像。在所述的St印3中區(qū)域填充的方法包括以下步驟
a.對邊緣檢測后的圖像進行逐行掃描，填充每行中存在的距離小于最大填充距離s的 邊緣信息；
b.對邊緣檢測后的圖像進行逐列掃描，填充每列中存在的距離小于最大填充距離s的 邊緣信息。在所述的St印4中，所述連通域分析步驟如下
a.運用區(qū)域生長法提取每個連通域信息；
b.分析每個連通域信息，將面積小于設定的最小分析區(qū)域面積al并且周長平方與面 積比例大于設定的系數(shù)P的區(qū)域予以刪除；
c.將符合條件的連通域信息進行編號，并將每個連通域匹配狀態(tài)標記為未匹配。在所述的St印4中，所述連通域修正步驟如下
a.尋找最小外接矩形寬或高大于設定最小值rl并且寬和高均小于設定最大值r2的 原連通域信息，如找不到，轉(zhuǎn)到步驟f ；
b.提取原連通域最小外接矩形區(qū)域的預處理前圖像數(shù)據(jù)；
c.運用最大類間方差法計算步驟b中提取的圖像閾值對圖像進行區(qū)域分割；
d.運用區(qū)域生長法提取新連通域信息，如連通域個數(shù)為1轉(zhuǎn)到步驟a；
e.用新的連通域信息更新原連通域信息，轉(zhuǎn)到步驟a；
f.結(jié)束連通域修正。所述連通域信息包括連通域的面積、周長、周長平方與面積比和最小外接矩形的 左右上下位置。在所述的St印6中，所述匹配連通域的具體匹配步驟如下
a.尋找第η幀中沒有找到匹配的區(qū)域，其中η為大于零小于N的自然數(shù)，η初始值為 1，如能找到則進入步驟b)，否則進入步驟e)；
b.對第η幀中未匹配的連通域a，計算與第n+1幀所有連通域的匹配系數(shù)，并將匹配系 數(shù)存入匹配系數(shù)數(shù)組，數(shù)組中每項記錄的是匹配系數(shù)和連通域編號，匹配系數(shù)factor的計 算公式為
factor=wfactor+hfactor+whfactor+denfactor+areafactor+distancefactor ； 其中，wfactor連通域?qū)挾缺葘ο禂?shù)，hfactor連通域高度比對系數(shù)、whfactor連通域 寬高比例比對系數(shù)、denfactor連通域周長平方面積比比對系數(shù)、areafactor連通域面積 比對系數(shù)、distancefactor連通域距離系數(shù)；
wfactor=min (wn, wnl) /max (wn, wnl)；式中wn為連通域a的寬度，wnl為第n+1中貞中連 通域χ的寬度，min (wn, wnl)表示wn與wnl的最力、值，max (wn, wnl)表示wn與wnl的最大 值；
hfactor=min (hn, hnl) /max (hn, hnl)；式中hn為連通域a的高度，hnl為第n+1幀中連通域X的高度；
whfactor=min (min (wn，hn)/max (wn，hn)，min (wnl，hnl)/max (wnl，hnl))/ max (min (wn, hn) /max (wn, hn)，min (wnl, hnl) /max (wnl, hnl))；
denfactor=min(densityn, densitynl)/max (densityn,densitynl)；
其中
densityn=girthn 氺 girthn/arean; ； ζ 中 girthn 為a 白勺 jlH，are an 為a
的面積；
densitynl=girthnl*girthnl/areanl;式中 girthnl 為第 n+1 中貞中連通域 χ 的周長, areanl為第n+1幀中連通域χ的面積；
areafactor=min(arean, areanl)/max(arean, areanl)；
distancefactor= (MAX_DISTANCE-distance)/MAX_DISTANCE ；式中 MAX_DISTANCE 為可 見物的最大活動距離，distance為連通域a與第n+1幀中連通域χ的最小外接矩形中心距 罔；
c.尋找在匹配系數(shù)數(shù)組內(nèi)中找到的與連通域a匹配系數(shù)最大的連通域xl；
d.如找到的最大匹配系數(shù)小于限定的最小合理匹配系數(shù)f則將此連通域a的后幀匹 配狀態(tài)標記為已匹配，返回步驟a ；如連通域xl是首次被匹配則更新連通域a和連通域xl 的匹配信息，將連通域a和連通域xl匹配狀態(tài)改為已匹配，記錄匹配連通域編號和匹配系 數(shù)，返回步驟a);如連通域xl之前被第η幀中的連通域b匹配，則比較此次匹配與之前存儲 的匹配系數(shù)，如此次匹配系數(shù)大于之前存儲的匹配系數(shù)，則更新連通域xl的匹配連通域和 匹配信息，將連通域a的匹配信息修改為已匹配，匹配連通域為連通域xl，記錄匹配系數(shù)， 并將連通域b的后幀匹配狀態(tài)修改為未匹配，返回步驟a)；如此次匹配系數(shù)小于或者等于 之前存儲的匹配系數(shù)，則將連通域a與連通域xl的匹配系數(shù)撤出匹配系數(shù)數(shù)組并返回步驟 c)繼續(xù)尋找合理的匹配；
e.將η的數(shù)值加1，如η>Ν-1則結(jié)束匹配，否則返回步驟a。在所述的St印7中，所述連通域的性質(zhì)為連通域的圓形度或運動方向。本發(fā)明的有益效果本發(fā)明采用的圖像處理方法可對可見物目標進行良好的分割 和跟蹤，并能根據(jù)可見物的運動軌跡判斷可見物性質(zhì)，從而確定產(chǎn)品質(zhì)量，可完全代替人工 檢測，節(jié)約了成本，并提高了檢測質(zhì)量。


圖1飲料灌裝后雜質(zhì)檢測系統(tǒng)結(jié)構(gòu)圖； 圖2為本發(fā)明的技術(shù)方案整體步驟圖3為本發(fā)明中的連通域修正流程圖； 圖4為本發(fā)明中的連通域匹配流程其中，1光源，2待檢品，3相機，4目標分割單元，5信息提取單元，6信息匹配單元，7軌跡獲取單元，8產(chǎn)品質(zhì)量分析單元，9處理裝置，10控制設備。具體實施方案下面結(jié)合附圖對本發(fā)明進行進一步的詳細的說明
如圖ι所示，一種飲料灌裝后雜質(zhì)檢測裝置，該裝置包括光源1和相機3，所述光源1和 相機3與待檢品2相配合；所述相機3連接到處理裝置9的目標分割單元4 ；所述處理裝置 9的目標分割單元4、信息提取單元5、信息匹配單元6、軌跡獲取單元7和產(chǎn)品質(zhì)量分析單 元8依次連接；所述產(chǎn)品分析單元8還與處理裝置9外的控制設備10連接。圖像采集來自于用工業(yè)相機提取的若干幀經(jīng)機械裝置翻轉(zhuǎn)過的飲料灌裝后瓶身 圖像，照明方案為背光照明，圖像為灰度圖像或經(jīng)過灰度化處理的彩色圖像。設系統(tǒng)中每個待檢品2采集的圖像總幀數(shù)為N。如附圖2中所示，圖像處理模塊接收到一幀圖像后對圖像進行預處 理的第一步 增強對比度。值得注意的是對圖像進行最初的處理之前要對圖像進行一次原圖備份，方便 之后進行連通域修正。增強對比度采用的方案
a.提取每行圖像的像素灰度信息，包括最大灰度值與最小灰度值；
b.分析每行圖像的灰度信息，對灰度最大值和灰度最小值差異很小的行不進行處理；
c.分析每行圖像的灰度信息，對最小灰度與前一行最小灰度差異較大的行取最小灰度 值為上一行圖像的最小灰度值；
d.對需要處理的行采用直方圖拉伸算法增強對比度。增強對比度處理后圖像檢測區(qū)域中的可見物變得更加明顯，不過圖像中仍然存在 很多干擾，為了消除圖像中的干擾必須對圖像進行濾波處理，本發(fā)明采用高斯濾波。如附圖2所示，圖像濾波后進行區(qū)域分割，采用邊緣檢測后圖像填充區(qū)域的方法， 邊緣檢測采用canny邊緣檢測，邊緣檢測后圖像為二值圖像，圖像填充區(qū)域的方法包括以 下步驟
a.取提取邊緣后的圖像中的邊緣區(qū)域為前景，其他區(qū)域為背景；
b.對圖像檢測區(qū)域進行逐行掃描，填充每行中存在的距離小于最大填充距離s的邊緣 信息間的區(qū)域為前景，其余區(qū)域作為背景；
c.對圖像檢測區(qū)域進行逐列掃描，填充每列中存在的距離小于最大填充距離s的邊緣 信息間的區(qū)域為前景，其余區(qū)域作為背景。填充區(qū)域后的圖像中存在很多代表可見物的連通域，本發(fā)明采用區(qū)域生長法提取 連通域面積，周長和最小外接矩形位置信息，并進行存儲，因為預處理過程中采用的高斯濾 波，區(qū)域分割中采用的區(qū)域填充都容易使距離較近的可見物連成一塊，所以必須進行連通 域的修正。附圖3繪制的是連通域修正的算法流程。連通域分析步驟如下
a.采用區(qū)域生長法對圖像檢測區(qū)域進行連通域分析，提取存在的連通域信息，包括面 積，周長，最小外接矩形的左右上下位置；
b.分析每個連通域的信息，面積小于設定的最小分析區(qū)域面積al并且周長平方與面 積比例大于設定的系數(shù)P的區(qū)域(檢測液體中存在的氣泡具有面積小，圓度大的特點)不進 行存儲，信息予以刪除；
c.將其他連通域的信息(包括面積，周長平方與面積比，區(qū)域最小外接矩形二維坐標)編號后存入幀連通域信息中，并將每個連通域匹配狀態(tài)標記為未匹配。連通域修正步驟如下
a.尋找符合連通域修正條件(最小外接矩形寬或高大于設定最小值rl并且寬和高均 小于設定最大值r2)的原連通域信息，如找不到，轉(zhuǎn)到步驟f ；
b.提取原連通域最小外接矩形區(qū)域的預處理前圖像數(shù)據(jù)；
c.運用最大類間方差法提取圖像閾值對圖像進行區(qū)域分割；
d.運用種子法和區(qū)域增長法提取新連通域信息，如連通域個數(shù)為1轉(zhuǎn)到步驟a；
e.用新的連通域信息更新原連通域信息，轉(zhuǎn)到步驟a；
f.結(jié)束連通域修正。連通域修正后將得到所有可見物在圖像中的呈現(xiàn)的連通域信息。連通域修正后檢測待檢品2圖像是否采集完，如還有未完成的幀需要采集則等待 下一幀圖像的到來，否則，如已經(jīng)采集了 N幀圖像，則對采集的N幀圖像提取得到的連通域 結(jié)構(gòu)信息進行匹配，附圖4匹配流程圖。匹配之前將所有連通域的匹配信息記錄為未匹配，匹配系數(shù)為零，匹配系數(shù)記錄 了每個連通域與前后幀中連通域的匹配情況，包括與前幀連通域是否匹配，與后幀連通域 是否匹配，與前幀連通域匹配系數(shù)和匹配連通域編號，與后幀連通域匹配系數(shù)和匹配連通 域編號，匹配過程中查詢與更新匹配系數(shù)時前面的幀查詢更新與后幀連通域的匹配情況， 后面的幀查詢更新與前幀的匹配情況，每個連通域都有自己的的匹配連通域編號。具體匹配步驟如下(η為大于零小于N的自然數(shù)，η初始值為1)
a.尋找第η幀中沒有找到匹配的區(qū)域，如能找到則進入步驟b)，否則進入步驟e)；
b.對第η幀中未匹配的連通域a，計算與第n+1幀所有連通域的匹配系數(shù)，并將匹配系 數(shù)存入匹配系數(shù)數(shù)組，數(shù)組中每項記錄的是匹配系數(shù)和連通域編號，匹配系數(shù)factor的計 算公式為
factor=wfactor+hfactor+whfactor+denfactor+areafactor+distancefactor ； 其中wfactor連通域?qū)挾缺葘ο禂?shù)，hfactor連通域高度比對系數(shù)、whfactor連通域?qū)?高比例比對系數(shù)、denfactor連通域周長平方面積比比對系數(shù)、areafactor連通域面積比 對系數(shù)、distancefactor連通域距離系數(shù)；
wfactor=min (wn, wnl) /max (wn, wnl)；式中wn為連通域a的寬度，wnl為第n+1中貞中連 通域χ的寬度，min (wn, wnl)表示wn與wnl的最力、值，max (wn, wnl)表示wn與wnl的最大 值；
hfactor=min (hn, hnl) /max (hn, hnl)；式中hn為連通域a的高度，hnl為第n+1幀中連 通域χ的高度；
wh factor=m in (min (wn, hn) / max (wn, hn) , min (wnl, hnl)/ max (wn 1, hnl))/ max (min (wn, hn) /max (wn, hn), min (wnl, hnl) /max (wnl, hnl))；
denfactor=min(densityn, densitynl)/max(densityn, densitynl)；
其中
densityn=girthn 氺 girthn/arean; ； ζ 中 girthn 為a 白勺 jlH，are an 為a
的面積；
densitynl=girthnl*girthnl/areanl;式中 girthnl 為第 n+1 中貞中連通域 χ 的周長,areanl為第η+l幀中連通域χ的面積；
areafactor=min(arean, areanl)/max(arean, areanl)；
distancef actor=(MAX_DISTANCE-distance)/MAX_DISTANCE;式中 MAX_ DISTANCE為連通域最大活動距離，distance為連通域a與第η+l幀中連通域χ的最小外接 矩形中心距離；
c.尋找在匹配系數(shù)數(shù)組內(nèi)中找到的與連通域a匹配系數(shù)最大的連通域xl；
d.如找到的最大匹配系數(shù)小于限定的最小合理匹配系數(shù)f則將此連通域a的后幀匹 配狀態(tài)標記為已匹配，返回步驟a ；如連通域xl是首次被匹配則更新連通域a和連通域xl 的匹配信息，將連通域a和連通域xl匹配狀態(tài)改為已匹配，記錄匹配連通域編號和匹配系 數(shù)，返回步驟a);如連通域xl之前被第η幀中的連通域b匹配，則比較此次匹配與之前存儲 的匹配系數(shù)，如此次匹配系數(shù)大于之前存儲的匹配系數(shù)，則更新連通域xl的匹配連通域和 匹配信息，將連通域a的匹配信息修改為已匹配，匹配連通域為連通域xl，記錄匹配系數(shù)， 并將連通域b的后幀匹配狀態(tài)修改為未匹配，返回步驟a)；如此次匹配系數(shù)小于或者等于 之前存儲的匹配系數(shù)，則將連通域a與連通域xl的匹配系數(shù)撤出匹配系數(shù)數(shù)組并返回步驟 c)繼續(xù)尋找合理的匹配；
e.將η的數(shù)值加1，如η>Ν-1則結(jié)束匹配，否則返回步驟a。匹配完成后本發(fā)明利用匹配結(jié)果(匹配結(jié)果記錄了每個連通域在前后幀中的匹配 連通域編號和匹配系數(shù))尋找每個連通域在每幀中的位置，根據(jù)二維位置坐標來表示連通 域運動軌跡，具體實施步驟如下(假設采集總幀數(shù)N為3)
a.尋找第一幀中某個未尋找軌跡的連通域al在第二幀中的匹配連通域a2，用二維坐 標將連通域al和第二幀中的連通域a2的位置記錄到連通域al的軌跡表達數(shù)組中；
b.尋找第二幀中連通域a2在第三幀中的匹配連通域a3，用二維坐標將第三幀中連通 域a3的位置記錄到連通域al軌跡表達數(shù)組中；
c.如第一幀中所有連通域軌跡已經(jīng)尋找完則結(jié)束，否則返回步驟a。獲得可見物在圖像中所呈現(xiàn)的連通域軌跡后，求出可見物形成的連通域的周長平 方與面積比，其中circular表示連通域的周長平方與面積比，s表示連通域周長，d表示連 通域面積。ci rcular=s*s/d
利用連通域結(jié)構(gòu)信息和運動軌跡來辨別可見物性質(zhì)，辨別標準如下
(1)連通域圓形度大于最大氣泡周長面積比mcircular，則判別此連通域代表的可 見物為異物；
(2)連通域運動方向飄忽不定，判別此連通域代表的可見物為異物；
(3)連通域運動方向與氣泡方向相反，則判別此連通域代表的可見物為異物；
最后根據(jù)待檢品2所有可見物的性質(zhì)判別待檢品2的合格性，如可見物中有異物存在， 則判定待檢品2不合格，否則判定待檢品2合格，最后將檢測結(jié)果交給現(xiàn)場中的控制設備 10，由控制設備10完成不合格品的剔除。
權(quán)利要求
一種飲料灌裝后雜質(zhì)檢測裝置，其特征是，該裝置包括光源和相機，所述光源和相機與待檢品相配合；所述相機連接到處理裝置的目標分割單元；所述處理裝置的目標分割單元、信息提取單元、信息匹配單元、軌跡獲取單元和產(chǎn)品質(zhì)量分析單元依次連接；所述產(chǎn)品分析單元還與處理裝置外的控制設備連接。
2.一種采用權(quán)利要求1的飲料灌裝后雜質(zhì)檢測方法，其特征是，該雜質(zhì)檢測方法如下Stepl 采集待檢品圖像并進行備份；St印2 圖像預處理對采集的待檢品圖像增強其對比度并進行濾波；St印3 區(qū)域填充及分割對預處理后的圖像進行邊緣檢測后，進行區(qū)域填充及分割；St印4 連通域分析及修正對分割出來的前景區(qū)域進行連通域分析及修正；St印5 連通域修正后進行判斷連通域修正后需要檢測待檢品圖像是否采集完，如還 有未完成的幀需要采集，則等待下一幀圖像的到來，否則繼續(xù)進行下一步處理；Step6 匹配連通域信息對采集的若干幀圖像提取得到的連通域信息進行匹配，通過 匹配連通域信息，獲得可見物的連通域軌跡；St印7 結(jié)合連通域信息和連通域軌跡，判斷出每個連通域的性質(zhì)，根據(jù)連通域的性質(zhì) 判斷灌裝后飲料中是否存在雜質(zhì)。
3.如權(quán)利要求2所述的一種飲料灌裝后雜質(zhì)檢測方法，其特征是，在所述的stepl或 st印2中，所述待檢品圖像是用工業(yè)相機提取的飲料灌裝后瓶身圖像，且圖像為灰度圖像或 經(jīng)過灰度化的彩色圖像。
4.如權(quán)利要求2所述的一種飲料灌裝后雜質(zhì)檢測方法，其特征是，在所述的step3中區(qū) 域填充的方法包括以下步驟a.對邊緣檢測后的圖像進行逐行掃描，填充每行中存在的距離小于最大填充距離s的 邊緣信息；b.對邊緣檢測后的圖像進行逐列掃描，填充每列中存在的距離小于最大填充距離s的 邊緣信息。
5.如權(quán)利要求2所述的一種飲料灌裝后雜質(zhì)檢測方法，其特征是，在所述的step4中， 所述連通域分析步驟如下a.運用區(qū)域生長法提取每個連通域信息；b.分析每個連通域信息，將面積小于設定的最小分析區(qū)域面積al并且周長平方與面 積比例大于設定的系數(shù)P的區(qū)域予以刪除；c.將符合條件的連通域信息進行編號，并將每個連通域匹配狀態(tài)標記為未匹配。
6.如權(quán)利要求2所述的一種飲料灌裝后雜質(zhì)檢測方法，其特征是，在所述的step4中， 所述連通域修正步驟如下a.尋找最小外接矩形寬或高大于設定最小值rl并且寬和高均小于設定最大值r2的 原連通域信息，如找不到，轉(zhuǎn)到步驟f ；b.提取原連通域最小外接矩形區(qū)域的預處理前圖像數(shù)據(jù)；c.運用最大類間方差法計算步驟b中提取的圖像閾值對圖像進行區(qū)域分割；d.運用區(qū)域生長法提取新連通域信息，如連通域個數(shù)為1轉(zhuǎn)到步驟a；e.用新的連通域信息更新原連通域信息，轉(zhuǎn)到步驟a；f.結(jié)束連通域修正。
7.如權(quán)利要求2或5或6所述的一種飲料灌裝后雜質(zhì)檢測方法，其特征是，所述連通域 信息包括連通域的面積、周長、周長平方與面積比和最小外接矩形的左右上下位置。
8.如權(quán)利要求2所述的一種飲料灌裝后雜質(zhì)檢測方法，其特征是，在所述的step6中， 所述匹配連通域的具體匹配步驟如下a).尋找第η幀中沒有找到匹配的區(qū)域，其中η為大于零小于N的自然數(shù)，η初始值為 1，如能找到則進入步驟b)，否則進入步驟e)；b).對第η幀中未匹配的連通域a，計算與第n+1幀所有連通域的匹配系數(shù)，并將匹配 系數(shù)存入匹配系數(shù)數(shù)組，數(shù)組中每項記錄的是匹配系數(shù)和連通域編號，匹配系數(shù)factor的 計算公式為factor=wfactor+hfactor+whfactor+denfactor+areafactor+distancefactor ；其中，wfactor連通域?qū)挾缺葘ο禂?shù)，hfactor連通域高度比對系數(shù)、whfactor連通域 寬高比例比對系數(shù)、denfactor連通域周長平方面積比比對系數(shù)、areafactor連通域面積 比對系數(shù)、distancefactor連通域距離系數(shù)；wfactor=min (wn, wnl) /max (wn, wnl)；式中wn為連通域a的寬度，wnl為第n+1中貞中連 通域χ的寬度，min (wn, wnl)表示wn與wnl的最力、值，max (wn, wnl)表示wn與wnl的最大 值；hfactor=min (hn, hnl) /max (hn, hnl)；式中hn為連通域a的高度，hnl為第n+1幀中連 通域χ的高度；wh factor=m in (min (wn, hn) / max (wn, hn) , min (wn 1, hnl)/ max (wn 1, hnl))/ max (min (wn, hn) /max (wn, hn), min (wnl, hnl) /max (wnl, hnl))；denfactor=min(densityn, densitynl)/max(densityn, densitynl)；其中densityn=girthn 氺 girthn/arean; ； ζ 中 girthn 為a 白勺 jlH，are an 為a的面積；densitynl=girthnl*girthnl/areanl;式中 girthnl 為第 n+1 中貞中連通域 χ 的周長, areanl為第n+1幀中連通域χ的面積；areafactor=min(arean, areanl)/max(arean, areanl)； distancefactor=(MAX_DISTANCE-distance)/MAX_DISTANCE；式中 MAX_DISTANCE 為可見物的最大活動距離，distance為連通域a與第n+1幀中連通域χ的最小外接矩形中 心距離；c).尋找在匹配系數(shù)數(shù)組內(nèi)中找到的與連通域a匹配系數(shù)最大的連通域xl；d).如找到的最大匹配系數(shù)小于限定的最小合理匹配系數(shù)f則將此連通域a的后幀匹 配狀態(tài)標記為已匹配，返回步驟a ；如連通域xl是首次被匹配則更新連通域a和連通域xl 的匹配信息，將連通域a和連通域xl匹配狀態(tài)改為已匹配，記錄匹配連通域編號和匹配系 數(shù)，返回步驟a);如連通域xl之前被第η幀中的連通域b匹配，則比較此次匹配與之前存儲 的匹配系數(shù)，如此次匹配系數(shù)大于之前存儲的匹配系數(shù)，則更新連通域xl的匹配連通域和 匹配信息，將連通域a的匹配信息修改為已匹配，匹配連通域為連通域xl，記錄匹配系數(shù)， 并將連通域b的后幀匹配狀態(tài)修改為未匹配，返回步驟a)；如此次匹配系數(shù)小于或者等于 之前存儲的匹配系數(shù)，則將連通域a與連通域xl的匹配系數(shù)撤出匹配系數(shù)數(shù)組并返回步驟C)繼續(xù)尋找合理的匹配；e).將η的數(shù)值加1，如η>Ν-1則結(jié)束匹配，否則返回步驟a。
9.如權(quán)利要求2所述的一種飲料灌裝后雜質(zhì)檢測方法，其特征是，在所述的step7中， 所述連通域的性質(zhì)為連通域的圓形度或運動方向。
全文摘要
本發(fā)明公開了一種飲料灌裝后雜質(zhì)檢測裝置及方法，通過攝像機或照相機獲取檢測目標的連續(xù)幀圖像后采用此方法分析圖像中存在的可見物運動方向，包括以下步驟區(qū)域分割，提取連通域結(jié)構(gòu)信息，通過連通域匹配獲取目標運動軌跡，最后根據(jù)得到的連通域運動軌跡描述和連通域本身的結(jié)構(gòu)特性判別連通域的性質(zhì)，達到飲料灌裝后雜質(zhì)檢測的效果。本發(fā)明采用的圖像處理方法可對可見物目標進行良好的分割和跟蹤，可完全代替人工檢測，節(jié)約了成本。
文檔編號G06T7/00GK101819164SQ20101017209
公開日2010年9月1日 申請日期2010年5月14日 優(yōu)先權(quán)日2010年5月14日
發(fā)明者于海亮, 付偉, 李現(xiàn)明, 王會泉, 白麗, 馬思樂 申請人:山東大學