基于机器视觉的油料生产质量检测方法与流程

本发明涉及图像数据处理，具体涉及基于机器视觉的油料生产质量检测方法。

背景技术：

1、速食食品的油料包作为食用调味产品，其质量直接影响食品的口味以及食用者的健康；在油料包的生产过程中，可能由于原材料质量问题或生产过程中受到污染，导致生产出的油料包中存在异物，从而造成生产质量问题；然而油料包中通常含有辣椒、芝麻等调料颗粒，通过传统的异常检测算法进行异物检测时会受到调料颗粒的干扰，进而无法得到准确的异物检测效果。

2、通过神经网络对油料包中异物进行分析，而统一的对于异物的置信度会导致油料包中不同区域检测得到的异物结果存在差异；油料包中油脂区域通常含有较少调料颗粒，而酱料区域含有较多调料颗粒，为了避免这种调料颗粒的干扰，则需要对油料包进行油脂区域及酱料区域的分析；而调料颗粒会离散分布在油料包中，局部的调料颗粒会导致油料区域或酱料区域的分析出现错误，进而影响最终的异物分析，因此需要在分区域过程中降低调料颗粒带来的影响。

技术实现思路

1、本发明提供基于机器视觉的油料生产质量检测方法，以解决现有的油料包生产质量检测中由于存在调料颗粒而影响异物检测的问题，所采用的技术方案具体如下：

2、本发明一个实施例提供了基于机器视觉的油料生产质量检测方法，该方法包括以下步骤：

3、采集油料包图像并获取其中若干分块；

4、根据分块内像素点灰度值及梯度幅值的分布，获取每个分块的混乱程度；根据相邻分块的混乱程度，得到每个分块的修正系数；

5、根据混乱程度及修正系数，获取每个分块的油脂概率；根据油料包图像中分块的分布及油脂概率，对分块聚类得到油脂区域及酱料区域；

6、对油料包图像中的油脂区域及酱料区域设置不同的异物检测置信度，其中油脂区域的异物检测置信度大于酱料区域的异物检测置信度，通过语义分割网络对油料包进行异物检测。

7、进一步的，所述采集油料包图像并获取其中若干分块，包括的具体方法为：

8、采集油料包的正面图像，灰度化得到油料灰度图像，通过大津阈值分割得到油料灰度图像的分割阈值，提取油料灰度图像中小于等于分割阈值的若干像素点，组成油料包图像；

9、对油料包图像进行均匀划分，得到若干分块。

10、进一步的，所述每个分块的混乱程度，具体的获取方法为：

11、获取每个分块中每个像素点的灰度值及梯度幅值，获取每个分块的中心像素点；第个分块的混乱程度的计算方法为：

12、

13、其中，表示第个分块中像素点的数量，表示第个分块中第个像素点的灰度值，表示第个分块的中心像素点的灰度值，表示第个分块中第个像素点与中心像素点连接的线段上梯度幅值最大的像素点的梯度幅值，表示求绝对值。

14、进一步的，所述得到每个分块的修正系数，包括的具体方法为：

15、根据每个分块及相邻分块的混乱程度，获取每个分块的局部混乱均值、局部混乱方差及邻域混乱方差；第个分块的修正系数的计算方法为：

16、

17、其中，表示第个分块的局部混乱均值，表示第个分块的混乱程度，表示第个分块的局部混乱方差，表示第个分块的邻域混乱方差，表示求绝对值，表示求最大值，为避免分母为0的超参数。

18、进一步的，所述每个分块的局部混乱均值、局部混乱方差及邻域混乱方差，具体的获取方法为：

19、获取第个分块所有相邻的分块作为参考分块，获取第个分块及所有参考分块的混乱程度的均值及方差，记为第个分块的局部混乱均值及局部混乱方差；获取所有参考分块的混乱程度的方差，记为第个分块的邻域混乱方差。

20、进一步的，所述每个分块的油脂概率，具体的获取方法为：

21、将每个分块的修正系数加1的和，与对应分块混乱程度的乘积，作为每个分块的修正后混乱程度；对所有修正后混乱程度进行线性归一化，得到的结果作为每个分块的混乱系数，将1减去混乱系数得到的差值，作为每个分块的油脂概率。

22、进一步的，所述对分块聚类得到油脂区域及酱料区域，包括的具体方法为：

23、对于第个分块及第个分块，两个分块用于聚类的距离度量的计算方法为：

24、

25、其中，表示第个分块的油脂概率，表示第个分块的油脂概率，表示所有分块的油脂概率的最大值，表示所有分块的油脂概率的最小值，表示第个分块的中心像素点与第个分块的中心像素点的欧式距离，表示油料包图像的长边的长度，表示油料包图像的短边的长度；获取任意两个分块的距离度量；

26、根据分块的距离度量进行聚类，并分析得到油脂区域及酱料区域。

27、进一步的，所述根据分块的距离度量进行聚类，并分析得到油脂区域及酱料区域，包括的具体方法为：

28、对所有分块根据距离度量进行k-means聚类，得到两个聚簇，计算两个聚簇中分块的混乱程度均值，将混乱程度均值最小的聚簇中所有分块作为油脂部分；

29、根据油脂部分中像素点的灰度值及油料包图像，获取油料包图像中的油脂区域及酱料区域。

30、进一步的，所述油料包图像中的油脂区域及酱料区域，具体的获取方法为：

31、对油脂部分进行大津阈值分割，得到分割阈值，将油脂部分中灰度值大于分割阈值的像素点，组成的区域记为油脂区域，油料包图像中不属于油脂区域的像素点组成的区域记为酱料区域。

32、进一步的，所述通过语义分割网络对油料包进行异物检测，包括的具体方法为：

33、获取用于异物检测的训练完成的语义分割网络，将油料包图像输入到训练完成的语义分割网络中，输出得到油料包图像中每个像素点为异物的概率，记为异物概率；

34、若像素点属于油脂区域，且异物概率大于油脂区域的异物检测置信度，该像素点为油脂区域中的异物；若像素点属于酱料区域，且异物概率大于酱料区域的异物检测置信度，该像素点为酱料区域中的异物；对油料包图像中每个像素点进行异物判断。

35、本发明的有益效果是：本发明通过对油料包进行油脂区域及酱料区域划分，通过对不同区域设置不同的异物检测置信度，来避免调料颗粒对于油料包中异物检测的影响；其中通过分块划分，根据分块中灰度值及梯度值的分布得到混乱程度，并结合相邻分块的混乱程度进行修正，最终得到油脂概率，减小离散分布的调料颗粒对油脂部分的获取造成的影响，进而提高油脂区域及酱料区域获取的准确性，并通过语义分割网络来识别异物，保证最终油料生产质量检测的准确性。

技术特征：

1.基于机器视觉的油料生产质量检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述采集油料包图像并获取其中若干分块，包括的具体方法为：

3.根据权利要求1所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述每个分块的混乱程度，具体的获取方法为：

4.根据权利要求1所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述得到每个分块的修正系数，包括的具体方法为：

5.根据权利要求4所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述每个分块的局部混乱均值、局部混乱方差及邻域混乱方差，具体的获取方法为：

6.根据权利要求1所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述每个分块的油脂概率，具体的获取方法为：

7.根据权利要求1所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述对分块聚类得到油脂区域及酱料区域，包括的具体方法为：

8.根据权利要求7所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述根据分块的距离度量进行聚类，并分析得到油脂区域及酱料区域，包括的具体方法为：

9.根据权利要求8所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述油料包图像中的油脂区域及酱料区域，具体的获取方法为：

10.根据权利要求1所述的基于机器视觉的油料生产质量检测方法，其特征在于，所述通过语义分割网络对油料包进行异物检测，包括的具体方法为：

技术总结
本发明涉及图像数据处理技术领域，提出了基于机器视觉的油料生产质量检测方法，包括：采集油料包图像并获取其中若干分块；根据分块内像素点灰度值及梯度幅值的分布，获取每个分块的混乱程度；根据相邻分块的混乱程度，得到每个分块的修正系数；根据混乱程度及修正系数，获取每个分块的油脂概率；根据油料包图像中分块的分布及油脂概率，对分块聚类得到油脂区域及酱料区域；对油料包图像中的油脂区域及酱料区域设置不同的异物检测置信度，通过语义分割网络对油料包进行异物检测。本发明旨在解决油料包生产质量检测中由于存在调料颗粒而影响异物检测的问题。

技术研发人员：王磊,冯士勇,周磊
受保护的技术使用者：泰安金冠宏油脂工业有限公司
技术研发日：
技术公布日：2024/1/16