本發(fā)明涉及視覺檢測，特別是一種基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法及系統(tǒng)。

背景技術(shù)：

1、隨著食品工業(yè)的快速發(fā)展和包裝自動化需求的提升，機(jī)器視覺在包裝質(zhì)量檢測中的應(yīng)用逐漸受到關(guān)注，尤其在封裝完整性檢測領(lǐng)域，機(jī)器視覺技術(shù)被廣泛應(yīng)用于自動化生產(chǎn)線上；

2、傳統(tǒng)的封裝檢測方法多依賴人工觀察或簡單的機(jī)械探測設(shè)備，但這些方法受限于人為誤差、不一致性及檢測精度低，難以適應(yīng)現(xiàn)代流水線高速生產(chǎn)的需求，隨著圖像處理技術(shù)和機(jī)器學(xué)習(xí)算法的發(fā)展，機(jī)器視覺檢測技術(shù)逐漸成為一種有效的替代方案，然而現(xiàn)有技術(shù)中多采用單一光譜圖像和固定閾值算法進(jìn)行封裝區(qū)域檢測，缺乏對封裝表面細(xì)微缺陷的深入分析，且難以應(yīng)對復(fù)雜的封裝情況，同時傳統(tǒng)檢測方案對紋理特征提取和封裝輪廓的準(zhǔn)確識別仍然存在不足，容易受到圖像質(zhì)量波動的影響，導(dǎo)致檢測效果不穩(wěn)定，以此降低了對封裝完整性的檢測準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述現(xiàn)有的基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法及系統(tǒng)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明所要解決的問題在于現(xiàn)有技術(shù)中多采用單一光譜圖像和固定閾值算法進(jìn)行封裝區(qū)域檢測，缺乏對封裝表面細(xì)微缺陷的深入分析，且難以應(yīng)對復(fù)雜的封裝情況，同時傳統(tǒng)檢測方案對紋理特征提取和封裝輪廓的準(zhǔn)確識別仍然存在不足，容易受到圖像質(zhì)量波動的影響，導(dǎo)致檢測效果不穩(wěn)定，以此降低了對封裝完整性的檢測準(zhǔn)確性。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法，其包括：

4、采集機(jī)器視覺圖像數(shù)據(jù)，進(jìn)行濾波處理；

5、使用邊緣檢測算法，計(jì)算梯度幅值和梯度方向，進(jìn)行雙閾值判定，生成封裝邊緣線條圖像；

6、使用相位相關(guān)法對目標(biāo)圖像與參考圖像對齊，計(jì)算lbp值生成直方向量，分析完整性偏差；

7、構(gòu)建catboost模型，基于綜合特征向量預(yù)測完整性概率；

8、基于完整性偏差和完整性概率分析綜合完整性，進(jìn)行不完整調(diào)料包剔除，生成不完整調(diào)料包的數(shù)據(jù)報(bào)表。

9、作為本發(fā)明所述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的一種優(yōu)選方案，其中：所述采集機(jī)器視覺圖像數(shù)據(jù)，進(jìn)行濾波處理，包括：

10、基于調(diào)料包的封裝流水線，通過多光譜相機(jī)進(jìn)行基于機(jī)器視覺的圖像數(shù)據(jù)采集；

11、采集的圖像數(shù)據(jù)包括rgb圖像和ir圖像，基于連續(xù)采集的圖像數(shù)據(jù)，生成包含多個光譜層的圖像數(shù)據(jù)；

12、將rgb與ir數(shù)據(jù)融合生成多維圖像矩陣，通過加權(quán)平均計(jì)算各層之間的融合值；

13、將多光譜圖像轉(zhuǎn)換為灰度圖，執(zhí)行直方圖均衡化，增強(qiáng)圖像的局部對比度；

14、對圖像進(jìn)行高斯濾波處理，進(jìn)行圖像數(shù)據(jù)去噪。

15、作為本發(fā)明所述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的一種優(yōu)選方案，其中：所述使用邊緣檢測算法，計(jì)算梯度幅值和梯度方向，進(jìn)行雙閾值判定，生成封裝邊緣線條圖像，包括：

16、使用canny邊緣檢測算法，利用sobel算子計(jì)算圖像數(shù)據(jù)的水平和垂直方向的梯度，表示為：

17、；

18、；

19、其中和分別表示圖像在水平方向和垂直方向上的梯度，和分別表示sobel算子在水平方向和垂直方向上的卷積核，表示經(jīng)過高斯濾波后的圖像在坐標(biāo)(x-i,y-j)處的像素值；

20、計(jì)算梯度幅值g和梯度方向θ，表示為：

21、；

22、；

23、其中g(shù)表示梯度幅值，θ表示梯度方向，arc表示arctan反正切函數(shù)；

24、根據(jù)每個像素點(diǎn)（x,y），計(jì)算對應(yīng)的梯度幅值g和梯度方向θ，使用雙線性插值計(jì)算出在梯度方向上相鄰的像素點(diǎn)；

25、對于每個像素點(diǎn)(x,y)，若其梯度幅值g(x,y)大于相鄰像素的梯度幅值g，則保留該像素值，若其梯度幅值g(x,y)小于等于相鄰像素的梯度幅值g，則該像素設(shè)為0；

26、基于歷史數(shù)據(jù)對梯度幅值進(jìn)行雙閾值處理，基于梯度幅值g的計(jì)算，構(gòu)建所有像素點(diǎn)梯度幅值的數(shù)組，并選取上百分位值90作為高閾值，選取下百分位值10設(shè)置為低閾值；

27、若梯度幅值g大于高閾值，則標(biāo)記為強(qiáng)邊緣，若梯度幅值小于等于高閾值，且大于低閾值，則標(biāo)記為弱邊緣，若梯度幅值g小于等于低閾值，則標(biāo)記為背景；

28、基于弱邊緣像素，檢測其周圍的8個像素是否包含強(qiáng)邊緣像素，若任一相鄰像素為強(qiáng)邊緣，則保留該弱邊緣點(diǎn)為最終邊緣像素；

29、基于強(qiáng)邊緣和連通的弱邊緣，形成完整的封裝邊緣線條生成最終生成的圖像。

30、作為本發(fā)明所述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的一種優(yōu)選方案，其中：所述使用相位相關(guān)法對目標(biāo)圖像與參考圖像對齊，計(jì)算lbp值生成直方向量，分析完整性偏差，包括：

31、選擇包含標(biāo)準(zhǔn)封裝的參考圖像，并基于邊緣檢測的封裝輪廓，對目標(biāo)圖像進(jìn)行圖像配準(zhǔn)；

32、使用相位相關(guān)phase?correlation方法，將目標(biāo)圖像與參考圖像進(jìn)行快速傅里葉變換，得到目標(biāo)圖像和參考圖像的頻域表示和；

33、對目標(biāo)圖像的傅里葉變換和參考圖像的共軛傅里葉變換相乘，并進(jìn)行歸一化計(jì)算相位相關(guān)結(jié)果，表示為：

34、；

35、其中和分別為目標(biāo)圖像和參考圖像的傅里葉變換，為的共軛，表示相位相關(guān)結(jié)果；

36、對相位相關(guān)結(jié)果進(jìn)行逆傅里葉變換，得到峰值位置圖像，根據(jù)最大峰值的位置坐標(biāo)作為目標(biāo)圖像相對于參考圖像的平移量，并對目標(biāo)圖像進(jìn)行平移補(bǔ)償，實(shí)現(xiàn)與參考圖像的對齊；

37、基于調(diào)料包生產(chǎn)標(biāo)準(zhǔn)的封裝輪廓寬度，進(jìn)行圖像裁剪；

38、對每個像素點(diǎn)進(jìn)行局部二值模式計(jì)算，對于像素點(diǎn)(x,y)獲取中心像素的灰度值，選擇半徑為1的鄰域，計(jì)算每個相鄰像素的灰度差，并轉(zhuǎn)換為二進(jìn)制值；

39、基于二值化操作結(jié)果對應(yīng)二進(jìn)制位，按照像素位置從0到7的順序編號，以此根據(jù)每個位置編號k，確定二進(jìn)制權(quán)重為；

40、使用二進(jìn)制權(quán)重為每個鄰域像素分配位置權(quán)重，將這些二進(jìn)制值組合成lbp值，表示為：

41、；

42、其中表示像素點(diǎn)(x,y)的lbp值，表示位置編號k處的二值化結(jié)果；

43、基于每個像素的lbp值進(jìn)行記錄，形成整個封裝區(qū)域的紋理特征圖；

44、遍歷紋理特征圖的每個像素點(diǎn)，讀取該點(diǎn)的lbp值，將lbp值作為索引，對應(yīng)位置的頻次加1，重復(fù)以上操作，直到遍歷完整封裝區(qū)域的所有像素，完成對每種lbp值出現(xiàn)頻次的統(tǒng)計(jì)，并形成直方向量h，進(jìn)行歸一化處理，表示為：

45、；

46、其中表示封裝區(qū)域中第i種lbp值的歸一化頻率，和分別表示第i種和第j種lbp值在封裝區(qū)域內(nèi)出現(xiàn)的頻數(shù)；

47、將歸一化的直方向量與標(biāo)準(zhǔn)紋理樣本進(jìn)行比對，計(jì)算封裝區(qū)域與標(biāo)準(zhǔn)樣本的歸一化直方向量之間的歐氏距離d，表示為：

48、；

49、其中d表示封裝區(qū)域與標(biāo)準(zhǔn)樣本的歸一化直方向量之間的歐氏距離，表示封裝區(qū)域中第i種lbp值的歸一化頻率，表示標(biāo)準(zhǔn)樣本中第i種lbp值的歸一化頻率；

50、基于歷史歐氏距離的平均值與標(biāo)準(zhǔn)差的和作為比對閾值，若計(jì)算的歐氏距離大于等于比對閾值，則判斷為封裝區(qū)域的紋理特征與標(biāo)準(zhǔn)樣本完整性偏差較大。

51、作為本發(fā)明所述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的一種優(yōu)選方案，其中：所述構(gòu)建catboost模型，基于綜合特征向量預(yù)測完整性概率，包括：

52、基于歸一化處理的直方向量定義為紋理特征向量，根據(jù)調(diào)料包的標(biāo)準(zhǔn)封裝區(qū)域的周長、面積、緊致度組成形狀特征向量，并將紋理特征向量和形狀特征向量組合為綜合特征向量f；

53、構(gòu)建catboost模型，包括輸入層、決策樹層和輸出層，其中輸入層輸入綜合特征向量f；決策樹層由多棵決策樹構(gòu)成的集成層，每棵樹學(xué)習(xí)并調(diào)整分類邊界，輸出層輸出封裝不完整的概率值；

54、使用訓(xùn)練集和驗(yàn)證集訓(xùn)練模型，選擇logloss對數(shù)損失作為損失函數(shù)，模型逐步構(gòu)建決策樹，每棵樹學(xué)習(xí)前一棵樹的殘差，逐步優(yōu)化模型參數(shù)，在驗(yàn)證集上啟用早停，當(dāng)損失在若干輪內(nèi)不再顯著降低時，停止訓(xùn)練，避免過擬合；

55、根據(jù)新輸入的綜合特征向量，catboost模型預(yù)測完整性概率。

56、作為本發(fā)明所述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的一種優(yōu)選方案，其中：所述基于完整性偏差和完整性概率分析綜合完整性，包括：

57、基于catboost模型預(yù)測的完整性概率和歐氏距離d，進(jìn)行綜合完整性的檢測，表示為：

58、；

59、其中v表示綜合完整性，p表示catboost模型預(yù)測的完整性概率；

60、根據(jù)生產(chǎn)調(diào)料包的封裝完整性要求設(shè)定完整性評分閾值，若v大于等于完整性評分閾值，則判斷封裝為完整，若v小于完整性評分閾值，則判斷封裝存在不完整的情況，并對對應(yīng)的調(diào)料包進(jìn)行不完整標(biāo)記。

61、作為本發(fā)明所述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的一種優(yōu)選方案，其中：所述進(jìn)行不完整調(diào)料包剔除，生成不完整調(diào)料包的數(shù)據(jù)報(bào)表，包括：

62、基于封裝流水線的控制信號驅(qū)動剔除裝置，將被標(biāo)記為不完整的調(diào)料包從流水線上剔除；

63、基于剔除調(diào)料包的數(shù)量進(jìn)行統(tǒng)計(jì)，并根據(jù)生產(chǎn)良品率的要求動態(tài)設(shè)置警報(bào)閾值，若剔除調(diào)料包的數(shù)量大于等于警報(bào)閾值，則進(jìn)行聲光警報(bào)，并統(tǒng)計(jì)剔除調(diào)料包的樣本id、檢測時間、完整性評分?jǐn)?shù)據(jù)，通過圖表工具生成報(bào)表。

64、本發(fā)明的另外一個目的是提供一種基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的系統(tǒng)，其包括：

65、數(shù)據(jù)處理模塊，使用機(jī)器視覺設(shè)備采集調(diào)料包封裝圖像，對采集的圖像數(shù)據(jù)進(jìn)行濾波處理；

66、輪廓提取模塊，使用邊緣檢測算法對預(yù)處理后的圖像進(jìn)行邊緣檢測，生成封裝區(qū)域的邊緣線條圖像；

67、紋理特征分析模塊，使用相位相關(guān)法將目標(biāo)圖像與參考圖像對齊，計(jì)算每個像素的lbp值，生成直方向量，用與標(biāo)準(zhǔn)樣本比對；

68、完整性檢測模塊，使用訓(xùn)練好的catboost模型進(jìn)行完整性預(yù)測；

69、警報(bào)模塊，將不完整調(diào)料包從流水線上剔除，發(fā)出警報(bào)；

70、數(shù)據(jù)記錄模塊，記錄每個不完整調(diào)料包相關(guān)數(shù)據(jù)，統(tǒng)計(jì)并生成對應(yīng)報(bào)表。

71、一種計(jì)算機(jī)設(shè)備，包括：存儲器和處理器；所述存儲器存儲有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時實(shí)現(xiàn)上述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的步驟。

72、一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時實(shí)現(xiàn)上述基于機(jī)器視覺的調(diào)料包封裝完整性檢測方法的步驟。

73、本發(fā)明有益效果為：通過邊緣檢測算法配合雙閾值機(jī)制，使得封裝區(qū)域的缺陷更加明顯，生成的封裝邊緣線條圖像不僅展示封裝區(qū)域的整體輪廓，還能突顯出微小的封裝缺陷，有助于封裝完整性檢測的精確識別，通過相位相關(guān)法對目標(biāo)圖像和參考圖像進(jìn)行配準(zhǔn)，快速計(jì)算平移量并進(jìn)行對齊處理，通過計(jì)算每個像素lbp值，能夠捕捉到封裝區(qū)域表面的局部紋理特征，便于識別出在封裝表面紋理一致性上的微小變化，提升了對細(xì)微缺陷的識別能力，通過相位相關(guān)法的精準(zhǔn)對齊、lbp值的紋理特征分析和歐氏距離的量化比對相結(jié)合，構(gòu)成了多維度的檢測方法，檢測方案不僅可以有效判定封裝表面的整體完整性，還能準(zhǔn)確檢測細(xì)微的封裝缺陷，為封裝質(zhì)量控制提供了全面的檢測手段，提升了封裝流水線的質(zhì)量控制水平。