基于機器視覺的茶葉包裝空袋檢驗方法
【專利摘要】本發(fā)明涉及一種基于機器視覺的茶葉包裝空袋檢驗方法，在茶葉包裝流水線上方安裝攝像頭及照明光源，攝像頭與計算機相連接，包括如下步驟：采集圖像并傳輸給計算機；利用雙閾值法對圖像中的茶葉袋進行分割；利用茶葉面積占比和支持向量機構(gòu)成二級分類器判定茶葉袋是否為空袋；根據(jù)茶葉包裝行進速度及當前圖像的內(nèi)容確定間隔繼續(xù)采集圖像。本發(fā)明基于機器視覺的茶葉包裝空袋檢驗方法，首先對圖像中的茶葉袋進行分割采用雙閾值分割法，確定疑似空袋，然后根據(jù)茶葉袋范圍內(nèi)的灰度直方圖構(gòu)成特征訓練支持向量機SVM實現(xiàn)疑似空袋的判別，處理速度快，結(jié)果可靠，避免誤檢和漏檢，提高茶葉包裝質(zhì)量。
【專利說明】
基于機器視覺的茶葉包裝空袋檢驗方法
技術領域
[0001]本發(fā)明涉及工業(yè)包裝領域，具體的說，是涉及一種基于機器視覺的茶葉包裝空袋檢驗方法。
【背景技術】
[0002]袋裝茶在茶葉市場占據(jù)很大比重。利用茶葉包裝機對茶葉進行分袋包裝，由于卡料或缺料會產(chǎn)生空袋，因為有必要設置專門的裝置或步驟檢驗是否有茶葉空袋并將其剔除。人工檢驗當然不適用于自動包裝流水線，目前普遍采用的空袋檢驗方法是光電檢驗。但是如果茶葉沒有處在包裝袋的中心區(qū)域，利用光電探頭的檢驗方式可能會產(chǎn)生漏檢。

【發(fā)明內(nèi)容】

[0003]針對上述現(xiàn)有技術中的不足，本發(fā)明提供一種結(jié)構(gòu)合理、操作方便，防止漏檢的基于機器視覺的茶葉包裝空袋檢驗方法。
[0004]本發(fā)明所采取的技術方案是:
[0005]—種基于機器視覺的茶葉包裝空袋檢驗方法，在茶葉包裝流水線上方安裝攝像頭及照明光源，攝像頭與計算機相連接，包括如下步驟:
[0006]步驟I，采集圖像；
[0007]步驟2，利用雙閾值對采集圖像中的茶葉袋進行分割；
[0008]步驟3，確定圖像中的茶葉袋數(shù)量；
[0009]步驟4，找到圖像中待處理的茶葉袋；
[0010]步驟5，判斷茶葉區(qū)域占比是否大于0.5;判斷茶葉區(qū)域占比大于0.5執(zhí)行步驟8，否則執(zhí)行步驟6;
[0011 ] 步驟6，通過SVM判別是否為空袋，判別為空袋執(zhí)行步驟7，否則執(zhí)行步驟8;
[0012]步驟7，發(fā)出剔除指令；
[0013]步驟8，判斷圖像中是否還有需要處理的茶葉袋，有執(zhí)行步驟4，否則執(zhí)行步驟9;
[0014]步驟9，判斷是否繼續(xù)檢測，繼續(xù)檢測執(zhí)行步驟10，否則步驟11結(jié)束程序；
[0015]步驟10，確定圖像采集時間間隔，并轉(zhuǎn)步驟I。
[0016]所述雙閾值分割法具體步驟如下:
[0017]為便于圖像分析，設置圖像中皮帶的顏色為中等灰度，茶葉部分的灰度最低，白色或其他淺色茶葉袋灰度值最高；
[0018]設皮帶部分平均灰度為Yb，茶葉部分灰度為Yt，茶葉袋灰度為Yp，設定:Yt〈Yb〈Yp;
[0019]設定高閾值Th取值范圍；設定低閾值Tl取值范圍；
[0020]步驟(I)，利用高閾值Th分離出每個茶葉袋，Th的取值高于袋內(nèi)茶葉部分和皮帶的灰度而低于茶葉袋的灰度，閾值Th取值為Th= (Yb+Yp)/2;
[0021]設定同一批次茶葉袋的尺寸是相等的，茶葉不會完全充滿茶葉袋，利用高閾值分割出茶葉袋的邊緣部分，進而得到茶葉袋整個矩形區(qū)域；
[0022]步驟(2)，利用低閾值Tl分割茶葉部分，該閾值的取值高于茶葉部分的灰度、低于皮帶和茶葉袋的灰度，閾值Tl取值為Tl = (Yt+Yb)/2;
[0023]步驟(2)分割出的茶葉區(qū)域應該位于步驟(I)得到的茶葉袋范圍之內(nèi)，結(jié)合兩個閾值的分割結(jié)果對茶葉袋進行分割。
[0024]根據(jù)每個茶葉袋外表顏色判斷茶葉袋是否空袋，具體步驟如下:
[0025]步驟(3)，根據(jù)步驟(2)的判斷結(jié)果，計算茶葉部分的面積相對于整個茶葉袋區(qū)域的面積占比；如果茶葉部分的面積占比高于0.5，確定非空袋，若小于0.5作為疑似空袋。
[0026]為避免誤檢，茶葉部分占空比的判別指標取值較高，這一步通過一個簡單指標首先排除容易判斷的非空茶葉袋，低于閾值的茶葉袋即初步判定為疑似空袋，需要進一步檢驗。
[0027](4)根據(jù)茶葉袋范圍內(nèi)的灰度直方圖構(gòu)成特征訓練支持向量機SVM實現(xiàn)疑似空袋的判別；
[0028]灰度直方圖特征是將灰度范圍等間隔分為若干段，選取16段，利用各灰度段內(nèi)的像素數(shù)占總像素的百分比作為樣本特征；
[0029]線性SVM的分類公式是y= wTX+b，X是16維特征向量，w和b是分類器參數(shù)是利用樣本訓練確定其數(shù)值，分類結(jié)果根據(jù)y的符號進行確定:y大于O判定為空袋(陽性)，否則為正常非空袋(陰性)。
[0030]圖像采集時間間隔確定方法如下:
[0031]根據(jù)流水線速度及當前圖像內(nèi)容確定下一幀圖像的采集間隔;設皮帶行進速度為V，攝像頭對流水線皮帶的成像幅寬為L，下一幀圖像的采集間隔為S= (L-D)/V;對于參數(shù)D:若圖像左邊界附近沒有不完整茶葉袋D取0，否則D等于不完整茶葉袋右邊緣到圖像左邊界的距離。
[0032]本發(fā)明相對現(xiàn)有技術的有益效果:
[0033]本發(fā)明基于機器視覺的茶葉包裝空袋檢驗方法，首先對圖像中的茶葉袋進行分割采用雙閾值分割法，確定疑似空袋，然后根據(jù)茶葉袋范圍內(nèi)的灰度直方圖構(gòu)成特征訓練支持向量機SVM實現(xiàn)疑似空袋的判別，處理速度快，結(jié)果可靠，避免誤檢和漏檢，提高茶葉包裝質(zhì)量。
【附圖說明】
[0034]圖1是本發(fā)明基于機器視覺的茶葉包裝空袋檢驗方法的結(jié)構(gòu)示意圖；
[0035]圖2是本發(fā)明基于機器視覺的茶葉包裝空袋檢驗方法的根據(jù)圖像左邊界的不完整茶葉袋確定采集間隔的結(jié)構(gòu)示意圖；
[0036]圖3是本發(fā)明基于機器視覺的茶葉包裝空袋檢驗方法的利用雙閾值對采集圖像中的茶葉袋進行分割的結(jié)構(gòu)示意圖；
[0037]圖4是本發(fā)明基于機器視覺的茶葉包裝空袋檢驗方法的。
[0038]附圖中主要部件符號說明:
[0039]圖中:
[0040]1、包裝流水線 2、茶葉包裝袋、
[0041 ] 3、空茶葉包裝袋 4、茶葉
[0042]5、攝像頭。
[0043]圖中箭頭方向為流水線行進方向。
【具體實施方式】
[0044]以下參照附圖及實施例對本發(fā)明進行詳細的說明:
[0045]附圖1-4可知，一種基于機器視覺的茶葉包裝空袋檢驗方法，在茶葉包裝流水線上方安裝攝像頭及照明光源，攝像頭與計算機相連接，包括如下步驟:
[0046]步驟I，采集圖像；
[0047]步驟2，利用雙閾值對采集圖像中的茶葉袋進行分割；
[0048]步驟3，確定圖像中的茶葉袋數(shù)量；
[0049]步驟4，找到圖像中待處理的茶葉袋；
[0050]步驟5，判斷茶葉區(qū)域占比是否大于0.5;判斷茶葉區(qū)域占比大于0.5執(zhí)行步驟8，否則執(zhí)行步驟6;
[0051]步驟6，通過SVM判別是否為空袋，判別為空袋執(zhí)行步驟7，否則執(zhí)行步驟8;
[0052]步驟7，發(fā)出剔除指令；
[0053]步驟8，判斷圖像中是否還有需要處理的茶葉袋，有執(zhí)行步驟4，否則執(zhí)行步驟9;
[0054]步驟9，判斷是否繼續(xù)檢測，繼續(xù)檢測執(zhí)行步驟10，否則步驟11結(jié)束程序；
[0055]步驟10，確定圖像采集時間間隔，并轉(zhuǎn)步驟I。
[0056]所述雙閾值分割法具體步驟如下:
[0057]為便于圖像分析，設置圖像中皮帶的顏色為中等灰度，茶葉部分的灰度最低，白色或其他淺色茶葉袋灰度值最高；
[0058]設皮帶部分平均灰度為Yb，茶葉部分灰度為Yt，茶葉袋灰度為Yp，設定:Yt〈Yb〈Yp;
[0059]設定高閾值Th取值范圍；設定低閾值Tl取值范圍；
[0060]步驟(I)，利用高閾值Th分離出每個茶葉袋，Th的取值高于袋內(nèi)茶葉部分和皮帶的灰度而低于茶葉袋的灰度，閾值Th取值為Th= (Yb+Yp)/2;
[0061]設定同一批次茶葉袋的尺寸是相等的，茶葉不會完全充滿茶葉袋，利用高閾值分割出茶葉袋的邊緣部分，進而得到茶葉袋整個矩形區(qū)域；
[0062]步驟(2)，利用低閾值Tl分割茶葉部分，該閾值的取值高于茶葉部分的灰度、低于皮帶和茶葉袋的灰度，閾值Tl取值為Tl = (Yt+Yb)/2;
[0063]步驟(2)分割出的茶葉區(qū)域應該位于步驟(I)得到的茶葉袋范圍之內(nèi)，結(jié)合兩個閾值的分割結(jié)果對茶葉袋進行分割。
[0064]根據(jù)每個茶葉袋外表顏色判斷茶葉袋是否空袋，具體步驟如下:
[0065]步驟(3)，根據(jù)步驟(2)的判斷結(jié)果，計算茶葉部分的面積相對于整個茶葉袋區(qū)域的面積占比；如果茶葉部分的面積占比高于0.5，確定非空袋，若小于0.5作為疑似空袋。
[0066]為避免誤檢，茶葉部分占空比的判別指標取值較高，這一步通過一個簡單指標首先排除容易判斷的非空茶葉袋，低于閾值的茶葉袋即初步判定為疑似空袋，需要進一步檢驗。
[0067](4)根據(jù)茶葉袋范圍內(nèi)的灰度直方圖構(gòu)成特征訓練支持向量機SVM實現(xiàn)疑似空袋的判別；
[0068]灰度直方圖特征是將灰度范圍等間隔分為若干段，選取16段，利用各灰度段內(nèi)的像素數(shù)占總像素的百分比作為樣本特征；
[0069]線性SVM的分類公式是y= wTX+b，X是16維特征向量，w和b是分類器參數(shù)是利用樣本訓練確定其數(shù)值，分類結(jié)果根據(jù)y的符號進行確定:y大于O判定為空袋(陽性)，否則為正常非空袋(陰性)。
[0070]圖像采集時間間隔確定方法如下:
[0071]根據(jù)流水線速度及當前圖像內(nèi)容確定下一幀圖像的采集間隔;設皮帶行進速度為V，攝像頭對流水線皮帶的成像幅寬為L，下一幀圖像的采集間隔為S= (L-D)/V;對于參數(shù)D:若圖像左邊界附近沒有不完整茶葉袋D取0，否則D等于不完整茶葉袋右邊緣到圖像左邊界的距離。
[0072]確保茶葉袋不漏拍；因為茶葉袋尺寸相對較小，相機成像視野內(nèi)通常會有多個茶葉袋;為避免漏拍和不必要的重復檢驗，控制圖像采集間隔是一個關鍵問題。
[0073]若當前采集到的圖像在左邊界附近存在不完整的茶葉袋，在下一幀圖像中需要采集該茶葉袋的完整信息，因此在確定下一幀的采集間隔時需要判定當前圖像左邊界附近是否存在不完整目標；
[0074]針對當前圖像的分割結(jié)果，在圖像左邊界搜索是否有不完整茶葉袋，若有不完整茶葉袋;右邊緣距圖像左邊界的距離記為D，D單位為毫米，否則D = O;設皮帶行進速度為V，V單位為米/秒，攝像頭對流水線皮帶的成像幅寬為L毫米，確定下一幀圖像的采集間隔為S =(L-D)/V，S單位為毫秒。
[0075]本發(fā)明基于機器視覺的茶葉包裝空袋檢驗方法，首先對圖像中的茶葉袋進行分割采用雙閾值分割法，確定疑似空袋，然后根據(jù)茶葉袋范圍內(nèi)的灰度直方圖構(gòu)成特征訓練支持向量機SVM實現(xiàn)疑似空袋的判別，處理速度快，結(jié)果可靠，避免誤檢和漏檢，提高茶葉包裝質(zhì)量。
[0076]SVM是一種有監(jiān)督的分類方法，通過樣本訓練確定分類參數(shù)；
[0077]選用人工標定的60個茶葉空袋圖像以及100個正常茶葉包裝圖像作為訓練樣本；
[0078]利用整個茶葉袋區(qū)域內(nèi)(包括茶葉區(qū)域)的16段灰度直方圖構(gòu)成16維特征向量X;訓練一個線性SVM分類器，用于疑似空袋的類別判定；
[0079]線性SVM的分類公式是y= wTX+b，X是16維特征向量，w和b是分類器參數(shù)，利用樣本訓練確定其數(shù)值，分類結(jié)果根據(jù)y的符號進行確定:y小于O判定為非空袋，否則為空袋；
[0080]利用上面所述的160個樣本對線性SVM分類器進行訓練，得到:
[0081]參數(shù)W= [-2.2025,-0.3508,-0.7647,0.2268,-2.2414,-0.1912,1.4652,-3.2837,-1.4598,-0.5019,-0.5492,-1.3491,0.8492,0.8022,-1.6273,-0.1055,-1.0530，1.0251]；
[0082]參數(shù)b = 0.5232。
[0083]對于一個待識別的茶葉袋圖像xl= [0.0001,0.0008 ,0.0011,0.0010 ,0.0015，0.0045,0.0454,0.0681,0.0908,0.1211,0.1363,0.1817,0.1968,0.1363,0.0136,0.0008]T，代入分類器公式
[0084]y=wTx+b = 0.1017>0,
[0085]符號為正判定為空茶葉袋(陽性)；
[0086]對于另一個待識別的茶葉袋圖像χ2= [0.0013 ,0.0132,0.0396,0.0593,0.0791，0.1055,0.1187,0.1318,0.1252,0.1187,0.0527,0.0461,0.0461,0.0527,0.0066,0.0033]T，代入分類器公式
[0087]y=wTx+b = -0.2208<0,
[0088]符號為負判定為正常茶葉袋(陰性)。
[0089]以上所述，僅是本發(fā)明的較佳實施例而已，并非對本發(fā)明的結(jié)構(gòu)作任何形式上的限制。凡是依據(jù)本發(fā)明的技術實質(zhì)對以上實施例所作的任何簡單修改、等同變化與修飾，均屬于本發(fā)明的技術方案范圍內(nèi)。
【主權項】
1.一種基于機器視覺的茶葉包裝空袋檢驗方法，在茶葉包裝流水線上方安裝攝像頭及照明光源，攝像頭與計算機相連接，其特征在于包括如下步驟: 步驟I，采集圖像； 步驟2，利用雙閾值對采集圖像中的茶葉袋進行分割； 步驟3，確定圖像中的茶葉袋數(shù)量； 步驟4，找到圖像中待處理的茶葉袋； 步驟5，判斷茶葉區(qū)域占比是否大于0.5;判斷茶葉區(qū)域占比大于0.5執(zhí)行步驟8，否則執(zhí)行步驟6 ； 步驟6，通過SVM判別是否為空袋，判別為空袋執(zhí)行步驟7，否則執(zhí)行步驟8; 步驟7，發(fā)出剔除指令； 步驟8，判斷圖像中是否還有需要處理的茶葉袋，有執(zhí)行步驟4，否則執(zhí)行步驟9; 步驟9，判斷是否繼續(xù)檢測，繼續(xù)檢測執(zhí)行步驟10，否則步驟11結(jié)束程序； 步驟10，確定圖像采集時間間隔，并轉(zhuǎn)步驟I。2.根據(jù)權利要求1所述基于機器視覺的茶葉包裝空袋檢驗方法，其特征在于:所述雙閾值分割法具體步驟如下: 為便于圖像分析，設置圖像中皮帶的顏色為中等灰度，茶葉部分的灰度最低，白色或其他淺色茶葉袋灰度值最高； 設皮帶部分平均灰度為Yb，茶葉部分灰度為Yt，茶葉袋灰度為Yp，設定:Yt〈Yb〈Yp; 設定高閾值Th取值范圍；設定低閾值Tl取值范圍； 步驟(I)，利用高閾值Th分離出每個茶葉袋，Th的取值高于袋內(nèi)茶葉部分和皮帶的灰度而低于茶葉袋的灰度，閾值Th取值為Th=(Yb+Yp)/2; 設定同一批次茶葉袋的尺寸是相等的，茶葉不會完全充滿茶葉袋，利用高閾值分割出茶葉袋的邊緣部分，進而得到茶葉袋整個矩形區(qū)域； 步驟(2)，利用低閾值Tl分割茶葉部分，該閾值的取值高于茶葉部分的灰度、低于皮帶和茶葉袋的灰度，閾值Tl取值為Tl = (Yt+Yb)/2; 步驟(2)分割出的茶葉區(qū)域應該位于步驟(I)得到的茶葉袋范圍之內(nèi)，結(jié)合兩個閾值的分割結(jié)果對茶葉袋進行分割。3.根據(jù)權利要求1所述基于機器視覺的茶葉包裝空袋檢驗方法，其特征在于:根據(jù)每個茶葉袋外表顏色判斷茶葉袋是否空袋，具體步驟如下: 步驟(3)，根據(jù)步驟(2)的判斷結(jié)果，計算茶葉部分的面積相對于整個茶葉袋區(qū)域的面積占比；如果茶葉部分的面積占比高于0.5，確定非空袋，若小于0.5作為疑似空袋。4.根據(jù)權利要求1所述基于機器視覺的茶葉包裝空袋檢驗方法，其特征在于: (4)根據(jù)茶葉袋范圍內(nèi)的灰度直方圖構(gòu)成特征訓練支持向量機SVM實現(xiàn)疑似空袋的判別； 灰度直方圖特征是將灰度范圍等間隔分為若干段，選取16段，利用各灰度段內(nèi)的像素數(shù)占總像素的百分比作為樣本特征； 線性SVM的分類公式是y=wTX+b，X是16維特征向量，w和b是分類器參數(shù)是利用樣本訓練確定其數(shù)值，分類結(jié)果根據(jù)y的符號進行確定:y大于O判定為空袋，否則為正常非空袋。5.根據(jù)權利要求1所述基于機器視覺的茶葉包裝空袋檢驗方法，其特征在于:圖像采集時間間隔確定方法如下: 根據(jù)流水線速度及當前圖像內(nèi)容確定下一幀圖像的采集間隔；設皮帶行進速度為V，攝像頭對流水線皮帶的成像幅寬為L，下一幀圖像的采集間隔為S=(L-D)/V;對于參數(shù)D:若圖像左邊界附近沒有不完整茶葉袋D取O，否則D等于不完整茶葉袋右邊緣到圖像左邊界的距離。
【文檔編號】G06K9/20GK106022331SQ201610347818
【公開日】2016年10月12日
【申請日】2016年5月23日
【發(fā)明人】曹茂永, 滕升華, 王毅, 趙猛
【申請人】山東科技大學