基于图像处理的生产检测方法及系统

本技术涉及图像处理，尤其涉及一种基于图像处理的生产检测方法及系统。

背景技术：

1、在现代工业生产中，自动化已经被广泛应用于各种生产线。但是由于生产速度过快、传送带速度不匹配、机械故障等问题，导致产品在流水线上生产时经常出现产品重叠的问题。产品重叠后可能会导致产品之间产生磨擦，进而损坏产品，甚至可能导致产品无法按照预设的流水线有序的进行装配、包装和标识，另外重叠的产品也可能会影响后续的缺陷检测，最终导致次品流入市场。

2、现有技术中，采用显著性检测ca算法进行产品重叠检测时主要考虑各区域颜色、距离的差异，而传送带上的产品一致、外观颜色也一致，未重叠产品与重叠产品的距离也较近，因此原始的显著性检测ca算法对传送带上产品的重叠区分效果较差。

技术实现思路

1、为了解决以上技术问题，本技术提供了一种基于图像处理的生产检测方法及系统。

2、根据本技术实施例的第一方面，提供了一种基于图像处理的生产检测方法，包括：

3、采集并处理获得传送带上产品的产品灰度图像；

4、采用canny算子对所述产品灰度图像进行边缘轮廓检测和处理，获得所述产品灰度图像中的连通区域；

5、分析所述连通区域的边缘像素点的分布特征，获得所述连通区域的轮廓形态异常度；

6、分析所述连通区域内的角点分布特征，获得所述连通区域的角点分布异常度；

7、根据所述轮廓形态异常度和所述角点分布异常度，构建所述连通区域的区域异常显著系数；

8、将每个区域的所述区域异常显著系数，输入到ca算法中，实现对产品重叠区域的显著性检测。

9、在本发明的一些实施例中，分析所述连通区域的边缘像素点的分布特征，获得所述连通区域的轮廓形态异常度，包括：

10、将所述连通区域的边缘像素点两两连线，得到多条线段，取每条线段的中心点，计算边缘线段中点落到所述连通区域以外的概率；

11、根据所述概率，获得所述连通区域的轮廓形状不规则指数；

12、计算每个所述连通区域的边缘像素点与其所在所述连通区域的中心点之间的第一欧式距离；

13、根据所述第一欧式距离，获得所述连通区域的轮廓扩大指数；

14、基于所述轮廓形状不规则指数和所述轮廓扩大指数，获得所述连通区域的轮廓形态异常度。

15、在本发明的一些实施例中，所述轮廓形状不规则指数的计算方法为：

16、；

17、；

18、式中，表示连通区域的轮廓形状不规则指数，表示边缘线段中点落到连通区域以外的数量，表示边缘线段中点落到连通区域以外的概率，表示所有连通区域的边缘线段中点落到连通区域以外的概率均值，表示所有连通区域的边缘线段中点落到连通区域以外的概率最大值，表示连通区域的边缘像素点两两连线得到的线段数量。

19、在本发明的一些实施例中，所述轮廓扩大指数计算方法为：

20、；

21、式中，表示连通区域的轮廓扩大指数，表示连通区域的中心点与边缘像素点的第一欧式距离均值，表示所有连通区域的中心点与边缘像素点的第一欧式距离均值，表示以为底的指数函数。

22、在本发明的一些实施例中，所述轮廓形态异常度计算方法为：

23、；

24、式中，表示连通区域的轮廓形态异常度，表示连通区域的轮廓形状不规则指数，表示连通区域的轮廓扩大指数。

25、在本发明的一些实施例中，分析所述连通区域内的角点分布特征，获得所述连通区域的角点分布异常度，包括：

26、对所述产品灰度图像进行harris角点检测，统计每个所述连通区域的角点个数和位置坐标；

27、计算每个所述角点与其所在的所述连通区域的中心点之间的第二欧式距离；

28、根据所述第二欧式距离，获得所述连通区域的角点离散指数；

29、分析所述角点离散指数，获得所述连通区域的角点分布异常度。

30、在本发明的一些实施例中，所述角点分布异常度计算方法为：

31、；

32、；

33、式中，表示连通区域的角点分布异常度，表示连通区域的角点数量，表示所有连通区域角点数量的均值，表示连通区域的角点离散指数，表示所有连通区域的角点离散指数均值，表示所有连通区域的角点离散指数求和，表示以为底的指数函数；

34、式中，表示连通区域的角点离散指数，表示连通区域中第个角点到中心点的第二欧式距离，表示连通区域中所有角点到中心点的第二欧式距离均值，表示连通区域中角点的数量。

35、在本发明的一些实施例中，所述区域异常显著系数计算方法为：

36、；

37、式中，表示连通区域的区域异常显著系数，表示连通区域的轮廓形态异常度，表示连通区域的角点分布异常度。

38、在本发明的一些实施例中，将每个区域的所述区域异常显著系数，输入到ca算法中，实现对产品重叠区域的显著性检测，包括：

39、根据所述区域异常显著系数，获得差异值，所述差异值计算方法为：

40、；

41、式中，表示连通区域和的差异值，表示连通区域的区域异常显著系数，表示连通区域的区域异常显著系数；

42、根据所述差异值，获得区域显著值，所述区域显著值计算方法为：

43、；

44、式中，表示连通区域的显著值，表示连通区域和的差异值，n表示灰度图像中连通区域的个数。

45、根据本技术实施例的第二方面，提供了一种基于图像处理的生产检测系统，系统包括存储器模块和处理器模块，其中：

46、所述存储器模块，用于存储程序代码；

47、所述处理器模块，用于读取所述存储器模块中存储的程序代码，并执行如本技术实施例的第一方面所述的方法。

48、由以上实施例可见，本技术实施例提供的基于图像处理的生产检测方法及系统，具有的有益效果如下：

49、本发明针对传送带上的产品重叠进行检测，采用改进过的显著性检测ca算法进行产品重叠检测。原始ca算法主要考虑各区域颜色、距离的差异，而传送带上的产品一致、外观颜色也一致，未重叠产品与重叠产品的距离也较近，原始的ca无法进行区分。因此本发明对于产品重叠区域进行分析，重叠区域的轮廓相较于正常情况不规则、轮廓较大，角点相较于正常情况数量较多、分布差异较大，以此构建异常显著系数，解决ca算法无法区分的问题。

50、本发明采用基于图像处理的生产检测方法及系统，对流水线产品进行实时检测，可以及时发现产品重叠的问题，帮助系统或操作员采取措施，避免产品损坏或者无法进行缺陷检测。使用图像处理技术，不再使用人工，可以提高生产效率，减少生产线的停滞和错误，降低产品质量风险。通过自动化的图像处理与分析，极大减轻了人工的劳动强度，提高了生产线的自动化、智能化水平。

51、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。