一种基于特征匹配卤鸡蛋检测方法与流程

本发明涉及检测设备技术领域，具体涉及一种基于特征匹配卤鸡蛋检测方法。

背景技术：

随着当代技术的不断发展，生产设备和工艺的不断完善。工厂的生产效率不断提高，使得机器视觉检测方法成为当代最主流的一项检测方式。虽然人类视觉擅长对复杂、非结构化的场景进行定性解释，但长时间的工作会造成人眼的视觉疲劳，使得生产质量得不到保障。相反机器视觉系统却能凭借其速度、精度和可重复性等优势，擅长于对结构化场景进行定量分析。另外，由于消除了检验系统与被检验元件之间的直接接触，机器视觉系统还能防止元件损坏，减少元件的投入成本。

技术实现要素：

针对现有技术的不足，本发明提供一种基于特征匹配卤鸡蛋检测方法，目的在于解决现在传统检测工艺生产效率低、精度差等情况，提高检测过程的精度和速度。

为实现上述目的，本发明采用如下技术方案：

一种基于特征匹配卤鸡蛋检测方法，其特征在于，包括以下具体步骤：

s1，从存储器读取并生成图像；

s2，将图像分成hsv颜色模型；

s3，将色调图进行自动阈值分隔，通过形状筛选圈到符合要求的图像块并记录其个数；

s4，在明度图中进行阈值提取，通过形状筛选圈出符合要求的图像块并记录其个数；

s5，对色调图和明度图的个数进行汇总；

s6，对下一张图重复进行上述处理，直到处理完所有图片。

进一步的，所述步骤s2中，先将得到的3通道图像image转换为具有相同定义域的三个1通道图像image1、image2、image3，再运用trans_from_rgb函数将其转换为hsv颜色模型：色调h、饱和度s、明度v。

进一步的，所述的步骤s3中，通过自动阈值分割设定参数sigma为3提取满足灰度条件的像素点regions，然后设置默认区域限制筛选出满足面积要求的图像块，最后将得到的图像块转化为矩形并限定其内部边界输出，同时运用count_obj函数统计个数。

进一步的，所述的步骤s4中，通过阈值提取提取阈值为(0,60)的像素点并输出，然后设置默认区域限制筛选出满足面积要求的图像块，最后将得到的图像块转化为矩形并限定其内部边界输出，同时运用count_obj函数统计个数。

本发明提供的一种基于特征匹配卤鸡蛋检测方法的有益效果在于：首先对提取到的图像进行分解转化为hsv颜色模型，再分别从色调图和明度图中筛选出符合要求的像素点块，最后将得到的数据进行叠加得到真正卤鸡蛋个数。本发明通过多次对图像进行运算将大量的卤鸡蛋图像块喂给神经网络，让神经网络学习认识鸡蛋，无论鸡蛋是正面摆放反面摆放还是褶皱不齐均能将其检测出来，且经过大量的实验优化已确保检测的正确率为100％；而且在gpu技术加速下，能做到快速、准确、高效的检测，满足工业的实时检测需求。

附图说明

图1为本发明流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，均属于本发明的保护范围。

实施例：一种基于特征匹配卤鸡蛋检测方法。

一种基于特征匹配卤鸡蛋检测方法，其特征在于，包括以下具体步骤：

s1，通过线扫相机拍摄被检件表面图片，将图片存于内存，后对所述图片进行提取，获取被检测图片的图像；

s2，先将得到的3通道图像image转换为具有相同定义域的三个1通道图像image1、image2、image3，再运用trans_from_rgb函数将其转换为hsv颜色模型：色调(h)、饱和度(s)、明度(v)；

s3，通过自动阈值分割设定参数sigma为3提取满足灰度条件的像素点regions，然后设置默认区域限制筛选出满足面积要求的图像块，最后将得到的图像块转化为矩形并限定其内部边界输出，同时运用count_obj函数统计个数；

s4，通过阈值提取提取阈值为(0,60)的像素点并输出，然后设置默认区域限制筛选出满足面积要求的图像块，最后将得到的图像块转化为矩形并限定其内部边界输出，同时运用count_obj函数统计个数；

s5，对色调图和明度图的个数进行汇总；

s6，对下一张图重复进行上述处理，直到处理完所有图片。

以上所述为本发明的较佳实施例而已，但本发明不应局限于该实施例和附图所公开的内容，所以凡是不脱离本发明所公开的精神下完成的等效或修改，都落入本发明保护的范围。

技术特征：

技术总结
本发明提供了一种基于特征匹配卤鸡蛋检测方法，通过多次对图像进行运算将大量的卤鸡蛋图像块喂给神经网络，让神经网络学习认识鸡蛋，通过算法可以检测出鸡蛋是正面摆放反面摆放还是褶皱不齐；有效解决了现在传统检测工艺生产效率低、精度差等情况，实现了快速、准确、高效的检测，满足工业的实时检测需求。

技术研发人员：王华龙;魏登明;胡晓强
受保护的技术使用者：佛山市南海区广工大数控装备协同创新研究院;佛山市广工大数控装备技术发展有限公司
技术研发日：2019.02.01
技术公布日：2019.06.07