本發(fā)明涉及機器視覺與視頻圖像處理技術(shù)領(lǐng)域，具體為一種快速的基于混合閾值方法的提環(huán)檢測方法。

背景技術(shù)：

傳統(tǒng)大容量(如5l)灌裝瓶身外觀檢測多為人工肉眼檢測為主，例如對提環(huán)的檢測，現(xiàn)有的瓶裝產(chǎn)品提環(huán)在壓到瓶頸上后形成鋸齒，卡在瓶口，便于拎提。然而人工檢測不僅成本代價大，而且易疲勞容易出現(xiàn)漏檢或誤檢以及速度慢等情況，導致準確率和效率都較低，這與大規(guī)模工業(yè)化產(chǎn)線生產(chǎn)極不協(xié)調(diào)，利用自動化產(chǎn)線檢測提環(huán)，能有效解決這些問題。

針對提環(huán)檢測的需求，現(xiàn)有技術(shù)中，部分產(chǎn)線采用了在生產(chǎn)線安裝一個機械檢測裝置，其檢測手段是設(shè)定好固定寬度的槽型裝置，由于帶有提環(huán)的瓶身與未帶有提環(huán)的瓶身在一般情況下寬度相差較大，通過對灌裝提環(huán)寬度為依據(jù)檢測是否有提環(huán)。但是這種方法一方面會由于機械長期使用會出現(xiàn)老化松動會導致寬度檢測準確率大幅降低，另一方面瓶身出現(xiàn)掛標等異常情況時單單使用寬度檢測會造成大量誤檢，因為掛標是人工進行套裝的，會出現(xiàn)各種形態(tài)，時常出現(xiàn)掛標翹起，導致無提環(huán)卻寬度達標導致漏檢，有無檢測正確率不能達到要求，并且不能檢測出提環(huán)是否正確壓到位的情況。本發(fā)明利用計算機視覺和圖像處理算法來避免機械檢測設(shè)置老化松動等問題，同時通過提環(huán)鋸齒的識別進行提環(huán)檢測，能有效解決寬度檢測導致的漏檢、誤檢等問題，適用于異常情況處理和是否正確壓到位的檢測。

對提環(huán)圖像直接閾值化來提取鋸齒信息的方法操作簡單、運算較快，但是僅對鋸齒交錯清晰，簡單明了的情況下有效，且易受鋸齒相互間的干擾。為實現(xiàn)自動提環(huán)檢測算法的工業(yè)化應用，實時性和正確率都需滿足。本發(fā)明提出一種基于混合閾值的提環(huán)檢測方法。快速提取鋸齒部分的序列化特征信息，作為判定鋸齒有無依據(jù)，并提出大津法與直方圖閾值法相結(jié)合的策略，排除鋸齒之間的交錯遮擋導致的干擾，極大提高提環(huán)檢測準確率，并滿足提環(huán)檢測的效率要求。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的問題是：現(xiàn)有提環(huán)檢測系統(tǒng)依賴人眼觀察，效率低下；現(xiàn)有通過機械設(shè)備完成提環(huán)檢測的方法耐用性不強，不滿足工業(yè)生產(chǎn)的長期耐用性要求；現(xiàn)有能夠快速檢測提環(huán)的方法僅能應對簡單提環(huán)圖像，對瓶頸掛標、壓位檢測等其他情況效果較差?？偠灾?，現(xiàn)有方法難以做到高實時性和高正確率的兼容。

本發(fā)明的技術(shù)方案為：一種基于混合閾值的提環(huán)檢測方法，對瓶身上是否有提環(huán)以及提環(huán)是否正確壓到位進行檢測，具體步驟包括：

1)利用瓶身的先驗知識，使用水平、垂直掃描定位出提環(huán)部分及提環(huán)鋸齒部分；

2)采用大津閾值法對提取的提環(huán)鋸齒部分進行處理，得到鋸齒二值化圖像；

3)根據(jù)得到的鋸齒二值化圖，序列化提取特征信息：

對圖片寬度為w像素的鋸齒二值化圖從左往右掃描，步長為k個像素，設(shè)定圖像中高度值為h，序列值為n，h(x)和n[x]分別表示對應列x的高度以及序列值；如列x的前后列的差值difh達到高度差閾值，即設(shè)定所在位置x的序列值n[x]為“1”，否則為“0”：

根據(jù)初步得到的n[x]序列進行遍歷，對于出現(xiàn)的孤立的序列值‘1’或者‘0’取反，得到鋸齒序列信息，即序列化特征信息分布規(guī)律；

4)根據(jù)序列化特征信息分布規(guī)律，設(shè)定正常提環(huán)圖片為正樣本，無提環(huán)或提環(huán)未壓到位的圖片為負樣本，統(tǒng)計總結(jié)出正負樣本序列規(guī)律并通過序列分布、相鄰占空比準則，實現(xiàn)判定：

①若序列中“0”“1”交錯次數(shù)<4，或“1”序列的長度為0，或“0”序列的長度為0，則判定提環(huán)缺失或未正確壓位；

②若連續(xù)“0”序列的長度大于等于圖片寬度的三分之一，則判定提環(huán)缺失或未正確壓位；

③若連續(xù)為“1”或連續(xù)為“0”的子序列相鄰占空比在(1.25，4)之內(nèi)，則判定為找到提環(huán)的一個突出鋸齒部分；

④如果根據(jù)步驟③查找到的突出鋸齒個數(shù)大于等于3，則判定提環(huán)存在且正確壓到位；否則提環(huán)缺失或未正確壓位；

5)如若上述判定結(jié)果為真，即提環(huán)存在且正確壓到位，直接輸出結(jié)果；如若上述結(jié)果為假，即可能提環(huán)不存在或者未正確壓到位，則采用直方圖閾值法對1)得出的提環(huán)鋸齒圖像進行處理，進行步驟6)；

6)重復3)、4)步驟，將所得檢測判定結(jié)果作為最終結(jié)果輸出，真表示提環(huán)存在并壓到位，假表示有其他錯誤。

步驟1)具體為：先進行由上往下水平掃描定位到瓶蓋上方，根據(jù)瓶蓋高度定位到瓶頸位置，再進行水平掃描定位至提環(huán)位置上方，根據(jù)提環(huán)高度確定提環(huán)部分；提環(huán)部分定位后，水平掃描得到瓶蓋寬度，根據(jù)寬度和提環(huán)部分最終確定提環(huán)鋸齒部分。

步驟5)中的直方圖閾值法具體為：先對提環(huán)鋸齒圖像的灰度圖像計算灰度直方圖，首先通過粗尺度多邊形擬合得到直方圖中的灰度值轉(zhuǎn)折點，然后對轉(zhuǎn)折點以橫坐標從大到小排序，最后計算相鄰點的縱坐標差值，第一個與相鄰的下一點之間縱坐標差值絕對值大于100的點即最后一個峰結(jié)束點位置，將該位置所對應的坐標值作為提環(huán)鋸齒圖像的二值化閾值點，從而得到鋸齒圖像的二值化圖。

本發(fā)明提出一種基于混合閾值方法的提環(huán)檢測方法，既滿足實時性又具有較高正確率。其有益效果在于：1)提出利用圖像處理算法快速自動化檢測提環(huán)有無以及是否正確壓到位的方法，極大提升生產(chǎn)線的效率和準確性；2)以提環(huán)鋸齒部分為依據(jù)，檢測提環(huán)有無以及壓到位與否，相對于機械裝置寬度檢測可以去除瓶頸掛標的干擾，同時解決了鋸齒間相互遮擋導致誤檢的情況，進一步提高檢測質(zhì)量；3)本發(fā)明使用大津閾值法結(jié)合直方圖閾值法的混合閾值方法，分割提取鋸齒部分，去除鋸齒間的交錯干擾，實現(xiàn)自動、準確的提環(huán)檢測。

附圖說明

圖1為本發(fā)明方法的流程框圖。

圖2為本發(fā)明實施例待檢測提環(huán)圖像。

圖3為本發(fā)明實施例提環(huán)位置定位圖。

圖4為本發(fā)明方法針對鋸齒遮擋情況的直方圖閾值圖。

圖5為本發(fā)明實施例提環(huán)檢測結(jié)果圖。

具體實施方式

本發(fā)明提供了一種新的提環(huán)檢測方法，快速、自動化實現(xiàn)高準確率的提環(huán)檢測。本發(fā)明方法主要包括基于圖像處理的提環(huán)位置定位、基于大津閾值和直方圖閾值相結(jié)合的鋸齒序列信息提取、根據(jù)鋸齒序列信息實現(xiàn)提環(huán)檢測等三個部分。

本發(fā)明利用對提環(huán)上鋸齒的位置定位以及有無檢測來實現(xiàn)對提環(huán)有無以及是否正確壓到位的檢測，如圖1所示，首先對待處理的提環(huán)檢測圖像進行預處理操作，如去噪，濾波，形態(tài)化，分割等操作，以便之后位置定位；其次，依據(jù)瓶蓋高度等瓶身方面的先驗知識進行掃描，精確定位出提環(huán)以及提環(huán)鋸齒部分所在位置；接著對提環(huán)鋸齒部分進行大津閾值法處理，提取序列化特征，并判斷是否有提環(huán)；然后，如果上述處理結(jié)果為假，則需另外采用直方圖閾值法進行處理，再使用序列化提取鋸齒特征信息作為判定提環(huán)有無的依據(jù)，避免鋸齒的各個小鋸齒部分出現(xiàn)相互遮擋導致檢測錯誤的特殊情況；最后根據(jù)序列特征信息的分布判定鋸齒有無，從而確定提環(huán)有無的最終檢測結(jié)果。

具體實施說明如下：

1)基于圖像處理的提環(huán)位置定位：

瓶身結(jié)果分為瓶蓋、瓶身、提環(huán)等結(jié)構(gòu)部分，首先截取所要檢測的部分的邊界，進行濾波，以及小顆粒去除，去除圖像的噪點和干擾。為定位出提環(huán)鋸齒位置，先由上往下水平掃描定位到瓶蓋上方，根據(jù)瓶蓋高度定位到瓶頸位置，再水平掃描定位至提環(huán)位置上方，根據(jù)提環(huán)高度確定提環(huán)部分；提環(huán)部分定位后，垂直掃描得到瓶蓋寬度，根據(jù)瓶蓋寬度和提環(huán)部分最終確定提環(huán)鋸齒部分；

2)基于大津閾值和直方圖閾值相結(jié)合的混合閾值方法的鋸齒序列信息提?。?/p>

大津閾值法利用以最大類間方差的差別衡量為標準的閾值將原圖像分成前景，背景兩個圖像，得到鋸齒二值化圖像。如果大津閾值的結(jié)果為假，則說明所測圖像有可能無提環(huán)，也有可能提環(huán)鋸齒之間相互遮擋導致提環(huán)檢測錯誤。

為排除這樣的誤檢的可能性，本發(fā)明對定位提取的提環(huán)鋸齒部分重新閾值處理。經(jīng)研究，發(fā)現(xiàn)鋸齒遮擋情況的圖像中前后鋸齒灰度值分布存在差異，同時同為一排的鋸齒灰度值相似，現(xiàn)有的自適應閾值處理不能滿足不同圖像通用處理的要求，本發(fā)明采用直方圖閾值法來解決這種問題，先對灰度圖像計算灰度直方圖，根據(jù)原圖特征可知恰當?shù)亩祷撝堤幵谥狈綀D中最后一個峰的結(jié)束處；為了計算這個結(jié)束點位置，首先通過粗尺度多邊形擬合可以得到直方圖中的灰度值轉(zhuǎn)折點，然后對轉(zhuǎn)折點按照x坐標從大到小排序，最后計算相鄰點的y坐標差值，第一個與相鄰的下一個點之間y坐標差值絕對值大于100的點即為最后一個峰結(jié)束點位置。

3)根據(jù)鋸齒序列信息實現(xiàn)提環(huán)檢測：

根據(jù)得到的圖像寬度為w像素的鋸齒二值化圖，通過從左往右對圖片進行步長k個像素的方式前后位置高度值進行比較，設(shè)定圖像中高度值為h，序列值為n，h(x)和n[x]分別表示對應列x的高度以及序列值；如列x的前后列的差值difh達到高度差閾值，即設(shè)定所在位置x的序列值n[x]為“1”，否則為“0”：

根據(jù)初步得到的n[x]序列進行遍歷，對于出現(xiàn)的孤立的序列值‘1’或者‘0’取反，得到更準確的鋸齒序列信息。

4)根據(jù)鋸齒序列信息分布統(tǒng)計總結(jié)發(fā)現(xiàn)，正常帶有提環(huán)的鋸齒部分序列會呈現(xiàn)連續(xù)1序列、連續(xù)0序列交錯分布的情況，且交錯次數(shù)大于4，即突出鋸齒部分大于等于3個；但是對于未正確壓到位的以及無提環(huán)等鋸齒應在部分序列雜亂無章，或者整個1序列或0序列，同時無提環(huán)的相鄰占空比相較于提環(huán)鋸齒的相鄰占空比要明顯大很多，設(shè)定正常提環(huán)圖片為正樣本，無提環(huán)或提環(huán)未壓到位的圖片為負樣本，統(tǒng)計總結(jié)出正負樣本序列規(guī)律并通過序列分布、相鄰占空比準則，進行如下判定：

①若序列中“0”“1”交錯次數(shù)<4，或“1”序列的長度為0，或“0”序列的長度為0，則判定提環(huán)缺失或未正確壓位；

②若連續(xù)“0”序列的長度大于等于圖片寬度的三分之一，則判定提環(huán)缺失或未正確壓位；

③若連續(xù)為“1”或連續(xù)為“0”的子序列相鄰占空比在(1.25，4)之內(nèi)，則判定為找到提環(huán)的一個突出鋸齒部分；

④如果根據(jù)步驟③查找到的突出鋸齒個數(shù)大于等于3，則判定提環(huán)存在且正確壓到位；否則提環(huán)缺失或未正確壓位。

5)根據(jù)圖像處理代碼，如若上述判定結(jié)果為真，即提環(huán)存在且正確壓到位，直接輸出結(jié)果；如若上述結(jié)果為假，即可能提環(huán)不存在或者未正確壓到位，則采用直方圖閾值法對1)得出的提環(huán)鋸齒圖像進行處理，進行步驟6)；也就是如果大津閾值處理后輸出結(jié)果為錯誤，才會調(diào)用直方圖閾值處理模塊。

其中，直方圖閾值法具體為：先對提環(huán)鋸齒圖像的灰度圖像計算灰度直方圖，首先通過粗尺度多邊形擬合得到直方圖中的灰度值轉(zhuǎn)折點，然后對轉(zhuǎn)折點以橫坐標從大到小排序，最后計算相鄰點的縱坐標差值，第一個與相鄰的下一點之間縱坐標差值絕對值大于100的點即最后一個峰結(jié)束點位置，將該位置所對應的坐標值作為提環(huán)鋸齒圖像的二值化閾值點，從而得到鋸齒圖像的二值化圖。

6)重復3)、4)步驟，將所得檢測判定結(jié)果作為最終結(jié)果輸出，真表示提環(huán)存在并壓到位，假表示有其他錯誤。

圖2、3、4、5為本發(fā)明實施效果圖，待檢測提環(huán)圖像來源于某灌裝生產(chǎn)線上的提環(huán)圖像數(shù)據(jù)集，其中瓶蓋高度ch和提環(huán)高度lh分別設(shè)置為310、85。圖2顯示了數(shù)據(jù)集中的3幅待檢測提環(huán)檢測圖像，分別為(a)、(b)、(c)，圖3為對應圖2待測圖像提取的提環(huán)位置定位圖，圖4為本發(fā)明針對鋸齒遮擋情況的直方圖，圖中的下方大圓點為查找到的可以區(qū)分前后齒輪的用于二值化的閾值，對應圖2中的(b)圖像。圖3可見，不同提環(huán)圖像的定位后的鋸齒分布情況有不同的差異。圖5為本發(fā)明檢測結(jié)果圖，圖5(a)、(b)、(c)分別對應于圖2(a)、(b)、(c)的3幅圖像的檢測結(jié)果。由圖5(b)可見所提直方圖閾值算法圖能夠準確定位適合的閾值。由圖5可見，本發(fā)明對各種提環(huán)位置情況的檢測結(jié)果準確。對整個數(shù)據(jù)集的測試統(tǒng)計表明，按照上述系數(shù)設(shè)置，無漏檢、錯檢圖像，正確率達99％，且在vs平臺下平均每幅圖像處理時間僅需20ms以內(nèi)，本發(fā)明方法實現(xiàn)了既高正確率又高實時性的檢測。