[发明专利]一种食用油杂质视觉检测系统及其使用方法

权利要求书

1.一种食用油杂质视觉检测系统，其特征在于：所述检测系统通过动态视觉传感器采集油瓶底部图像，并将图像处理及检测相关算法嵌入边缘视觉盒子，对选取的图像帧进行平滑、形态学及图像代数运算，去除瓶底影响，将输出的结果进行标注，并输入YOLO网络进行检测。

2.一种如权利要求1所述的食用油杂质视觉检测系统的使用方法，其特征在于，所述使用方法包括如下步骤：

步骤S1，通过动态视觉传感器采集油液底部视频图像，选取一帧作为检测帧并读入系统；

步骤S2，将采集的图像输入边缘视觉盒子进行检测；

步骤S3，输出杂质检测结果。

3.根据权利要求2所述的一种食用油杂质视觉检测系统的使用方法，其特征在于，所述步骤S1中，动态视觉传感器的工作原理如下：

(1)最基本原理为对于每个像素的光照对数的变化，根据每个像素的变化，若当前像素的亮度信息变化超过阈值C且为增大，则记为on事件，若为减小，则记为off事件；当场景中由物体运动或光照改变造成大量像素变化时，会产生一系列的事件，这些事件以事件流方式输出，事件流的数据量远小于传统相机传输的数据，且没有最小时间单位，与传统相机定时输出数据不同，具有低延迟特性；

(2)对于图中的位置信息设X＝(x，y)^T，事件抽象为3D函数E＝logI(X，t)或者是4D函数E＝logI(X，t，p)，p＝1时表示on信号，p＝-1时表示off信号；

(3)事件输出：logI(x，t)-logI(x，t-Δt)＝±C。

4.根据权利要求2所述的一种食用油杂质视觉检测系统的使用方法，其特征在于，所述步骤S2中，将采集图像输入边缘视觉盒子进行检测包括如下步骤：

步骤S2-1，将读入系统的检测帧图像进行预处理；

步骤S2-2，采集无杂质时油瓶底部的十字花纹图像；

步骤S2-3，将图像预处理的结果进行图像代数运算；

步骤S2-4，将标注后的图像输入YOLOv5进行检测并生成油液杂质检测模型。

5.根据权利要求4所述的一种食用油杂质视觉检测系统的使用方法，其特征在于，所述步骤S2-1中，图像预处理的具体步骤如下：

(1)对输入图像进行双边滤波，双边滤波公式为：

式中，(k，l)为其他点坐标，(i，j)为模板窗口中心点坐标，g(k，l)为最终输出图像的每个位置的像素值；

(2)对双边滤波输出的结果进行形态学操作。

6.根据权利要求4所述的一种食用油杂质视觉检测系统的使用方法，其特征在于，所述步骤S2-2中，采集无杂质油瓶底部的十字花纹图像时预先使用动态视觉传感器拍摄瓶底模板图像。

7.根据权利要求4所述的一种食用油杂质视觉检测系统的使用方法，其特征在于，所述步骤S2-3中，代数运算的具体步骤如下：

(1)将形态学处理后的结果及动态视觉传感器所拍摄的无杂质瓶底花纹图像导入，形态学处理后图像与瓶底花纹图像的像素值大小须保持一致；

(2)发现瓶底十字花纹图像的边界，给定边界初始值，并循环计算边界，得到边界后停止；

(3)将所计算出十字花纹的边界用长方形框出；

(4)提取油瓶底部图像的特征点，并将形态学处理后图像的相同部分进行图像减法，保留两张图像的差异部分，图像相减公式：

g(x，y)＝f(x，y)-h(x，y)

式中，g(x，y)为杂质图像，f(x，y)为形态学处理后图像，h(x，y)为油瓶底部花纹模板；

(5)输出图像代数运算操作后的结果。

8.根据权利要求4所述的一种食用油杂质视觉检测系统的使用方法，其特征在于，所述步骤S2-4中，检测模型包括如下步骤：

(1)将图像代数运算后的结果进行杂质点标注；

(2)将数据集划分为训练集、测试集；

(3)将作为训练集的数据集输入YOLOv5网络进行训练；

(4)生成油液杂质检测模型。

9.根据权利要求8所述的一种食用油杂质视觉检测系统的使用方法，其特征在于：所述YOLOv5网络训练后生成油液杂质检测模型，将测试集输入油液杂质检测模型进行杂质检测。