[发明专利]基于机器视觉检测平台的液体药瓶异物检测方法

摘要

本发明公开了一种基于机器视觉检测平台的液体药瓶异物检测方法，包括步骤(1)连续采集N帧序列液体药瓶图像，N为大于等于1的正整数；步骤(2)对采集的每一帧序列液体药瓶图像都进行均值滤波和开窗处理；步骤(3)获取每一帧序列液体药瓶图像的感兴趣的检测区域ROI；步骤(4)创建基准模板，滤波和开窗处理后的液体药瓶图像与所述基准模板进行基于灰度特征的模板匹配；步骤(5)对匹配后的相邻两帧图像帧间进行差分处理；帧间差分处理后的图像进行灰度阈值分割获得图像Imagethresholdi，2≤i≤N；若图像Imagethresholdi内均不存在异物，则药瓶内的液体合格；否则，根据异物特征来判断药瓶内液体是否合格。

主权项

一种基于机器视觉检测平台的液体药瓶异物检测方法，其特征在于，包括：步骤(1)：液体药瓶置于机器视觉检测平台上，连续采集N帧序列液体药瓶图像，其中，N为大于等于1的正整数；步骤(2)：对采集的每一帧序列液体药瓶图像都进行均值滤波和开窗处理；步骤(3)：获取每一帧序列液体药瓶图像的感兴趣的检测区域ROI；步骤(4)：在感兴趣的检测区域ROI内创建基准模板，滤波和开窗处理后的液体药瓶图像与基准模板进行基于灰度特征的模板匹配；步骤(5)：对模板匹配后的相邻两帧图像帧间进行差分处理，再进行灰度阈值分割获得第i帧图像Imagethresholdi，其中，2≤i≤N，i为整数；若所有图像Imagethresholdi内都不存在异物，则药瓶内的液体合格；若任一图像Imagethresholdi内存在异物，则根据药瓶内异物的特性来判断药瓶内液体是否合格，其判断准则为：其中，Area_sum为异物的面积总和；Area_single为异物面积单个最大面积；Errorframes为存在异物的所有帧数；α、β分别为异物面积总和与单个异物面积的阈值，ξ为出现异物帧数的阈值；所述步骤(4)中创建基准模板和模板匹配，包括：步骤(4.1)：依据药瓶的图像特征，在采集得到的药瓶图像中，选择灰度特征最为明显的瓶底区域作为模板搜索区域；并设定第一帧图像为基准模板；步骤(4.2)：采用位移帧差法分别计算第i帧图像与第一帧图像匹配后的图像；所述步骤(4.2)的具体过程为：步骤(4.2.1)：计算第i帧图像在y方向和x方向移动的偏移量；ymovei＝‑(ΣRowNewk‑∑RowOidk)/k   (2)xmovei＝‑(∑ColumnNewk‑ΣColumnOldk)/k   (3)其中，RowNewk为匹配后计算出的图像在y方向的像素偏差；RowOldk为第一帧图像的模板图像的重心坐标y值；ColumnNewk为匹配后计算出的图像在x方向的像素偏差；ColumnOldk为第一帧图像的模板图像的重心坐标x值；k代表第一帧图像中建立的模板图像的个数；ymovei和xmovei分别是在y方向和x方向待校正图像所需移动的像素值；步骤(4.2.2)：计算匹配的新图像的平移矩阵和旋转矩阵；HomMat2D=10xmovei01ymovei001·cosθsinθ0-sinθcosθ0001=[Ht][Hr]---(4)]]>其中[Ht]、[Hr]分别为平移矩阵与旋转矩阵；忽略图像的旋转，认为θ＝0；步骤(4.2.3)：利用HomMat2D矩阵进行仿射变换，将匹配前的图像平移对应匹配后的新的图像的坐标为：row_newColumn_new1=row_oldColumn_old1*HomMat2D---(5)]]>y*x*1=yx1*HomMat2D---(6)]]>其中，row_new表示匹配后的图像在x方向的坐标；Column_new表示匹配后的图像在y方向的坐标；row_old表示匹配前的图像在x方向的坐标；Column_old表示匹配前的图像在y方向的坐标；HomMat2D为一个变换矩阵，[Ht]和[Hr]分别为平移矩阵与旋转矩阵；(x,y)为原始图像各个点的坐标，(x*,y*)为校正后的图像的每一个像素点的坐标，每一个对应的(x,y)与(x*,y*)灰度信息相同。