基于机器视觉的茶叶包装空袋检验方法
【专利摘要】本发明涉及一种基于机器视觉的茶叶包装空袋检验方法，在茶叶包装流水线上方安装摄像头及照明光源，摄像头与计算机相连接，包括如下步骤：采集图像并传输给计算机；利用双阈值法对图像中的茶叶袋进行分割；利用茶叶面积占比和支持向量机构成二级分类器判定茶叶袋是否为空袋；根据茶叶包装行进速度及当前图像的内容确定间隔继续采集图像。本发明基于机器视觉的茶叶包装空袋检验方法，首先对图像中的茶叶袋进行分割采用双阈值分割法，确定疑似空袋，然后根据茶叶袋范围内的灰度直方图构成特征训练支持向量机SVM实现疑似空袋的判别，处理速度快，结果可靠，避免误检和漏检，提高茶叶包装质量。
【专利说明】
基于机器视觉的茶叶包装空袋检验方法
技术领域
[0001]本发明涉及工业包装领域，具体的说，是涉及一种基于机器视觉的茶叶包装空袋检验方法。
【背景技术】
[0002]袋装茶在茶叶市场占据很大比重。利用茶叶包装机对茶叶进行分袋包装，由于卡料或缺料会产生空袋，因为有必要设置专门的装置或步骤检验是否有茶叶空袋并将其剔除。人工检验当然不适用于自动包装流水线，目前普遍采用的空袋检验方法是光电检验。但是如果茶叶没有处在包装袋的中心区域，利用光电探头的检验方式可能会产生漏检。
【发明内容】
[0003]针对上述现有技术中的不足，本发明提供一种结构合理、操作方便，防止漏检的基于机器视觉的茶叶包装空袋检验方法。
[0004]本发明所采取的技术方案是:
[0005]—种基于机器视觉的茶叶包装空袋检验方法，在茶叶包装流水线上方安装摄像头及照明光源，摄像头与计算机相连接，包括如下步骤:
[0006]步骤I，采集图像；
[0007]步骤2，利用双阈值对采集图像中的茶叶袋进行分割；
[0008]步骤3，确定图像中的茶叶袋数量；
[0009]步骤4，找到图像中待处理的茶叶袋；
[0010]步骤5，判断茶叶区域占比是否大于0.5;判断茶叶区域占比大于0.5执行步骤8，否则执行步骤6;
[0011 ] 步骤6，通过SVM判别是否为空袋，判别为空袋执行步骤7，否则执行步骤8;
[0012]步骤7，发出剔除指令；
[0013]步骤8，判断图像中是否还有需要处理的茶叶袋，有执行步骤4，否则执行步骤9;
[0014]步骤9，判断是否继续检测，继续检测执行步骤10，否则步骤11结束程序；
[0015]步骤10，确定图像采集时间间隔，并转步骤I。
[0016]所述双阈值分割法具体步骤如下:
[0017]为便于图像分析，设置图像中皮带的颜色为中等灰度，茶叶部分的灰度最低，白色或其他浅色茶叶袋灰度值最高；
[0018]设皮带部分平均灰度为Yb，茶叶部分灰度为Yt，茶叶袋灰度为Yp，设定:Yt〈Yb〈Yp;
[0019]设定高阈值Th取值范围；设定低阈值Tl取值范围；
[0020]步骤(I)，利用高阈值Th分离出每个茶叶袋，Th的取值高于袋内茶叶部分和皮带的灰度而低于茶叶袋的灰度，阈值Th取值为Th= (Yb+Yp)/2;
[0021]设定同一批次茶叶袋的尺寸是相等的，茶叶不会完全充满茶叶袋，利用高阈值分割出茶叶袋的边缘部分，进而得到茶叶袋整个矩形区域；
[0022]步骤(2)，利用低阈值Tl分割茶叶部分，该阈值的取值高于茶叶部分的灰度、低于皮带和茶叶袋的灰度，阈值Tl取值为Tl = (Yt+Yb)/2;
[0023]步骤(2)分割出的茶叶区域应该位于步骤(I)得到的茶叶袋范围之内，结合两个阈值的分割结果对茶叶袋进行分割。
[0024]根据每个茶叶袋外表颜色判断茶叶袋是否空袋，具体步骤如下:
[0025]步骤(3)，根据步骤(2)的判断结果，计算茶叶部分的面积相对于整个茶叶袋区域的面积占比；如果茶叶部分的面积占比高于0.5，确定非空袋，若小于0.5作为疑似空袋。
[0026]为避免误检，茶叶部分占空比的判别指标取值较高，这一步通过一个简单指标首先排除容易判断的非空茶叶袋，低于阈值的茶叶袋即初步判定为疑似空袋，需要进一步检验。
[0027](4)根据茶叶袋范围内的灰度直方图构成特征训练支持向量机SVM实现疑似空袋的判别；
[0028]灰度直方图特征是将灰度范围等间隔分为若干段，选取16段，利用各灰度段内的像素数占总像素的百分比作为样本特征；
[0029]线性SVM的分类公式是y= wTX+b，X是16维特征向量，w和b是分类器参数是利用样本训练确定其数值，分类结果根据y的符号进行确定:y大于O判定为空袋(阳性)，否则为正常非空袋(阴性)。
[0030]图像采集时间间隔确定方法如下:
[0031]根据流水线速度及当前图像内容确定下一帧图像的采集间隔;设皮带行进速度为V，摄像头对流水线皮带的成像幅宽为L，下一帧图像的采集间隔为S= (L-D)/V;对于参数D:若图像左边界附近没有不完整茶叶袋D取0，否则D等于不完整茶叶袋右边缘到图像左边界的距离。
[0032]本发明相对现有技术的有益效果:
[0033]本发明基于机器视觉的茶叶包装空袋检验方法，首先对图像中的茶叶袋进行分割采用双阈值分割法，确定疑似空袋，然后根据茶叶袋范围内的灰度直方图构成特征训练支持向量机SVM实现疑似空袋的判别，处理速度快，结果可靠，避免误检和漏检，提高茶叶包装质量。
【附图说明】
[0034]图1是本发明基于机器视觉的茶叶包装空袋检验方法的结构示意图；
[0035]图2是本发明基于机器视觉的茶叶包装空袋检验方法的根据图像左边界的不完整茶叶袋确定采集间隔的结构示意图；
[0036]图3是本发明基于机器视觉的茶叶包装空袋检验方法的利用双阈值对采集图像中的茶叶袋进行分割的结构示意图；
[0037]图4是本发明基于机器视觉的茶叶包装空袋检验方法的。
[0038]附图中主要部件符号说明:
[0039]图中:
[0040]1、包装流水线 2、茶叶包装袋、
[0041 ] 3、空茶叶包装袋 4、茶叶
[0042]5、摄像头。
[0043]图中箭头方向为流水线行进方向。
【具体实施方式】
[0044]以下参照附图及实施例对本发明进行详细的说明:
[0045]附图1-4可知，一种基于机器视觉的茶叶包装空袋检验方法，在茶叶包装流水线上方安装摄像头及照明光源，摄像头与计算机相连接，包括如下步骤:
[0046]步骤I，采集图像；
[0047]步骤2，利用双阈值对采集图像中的茶叶袋进行分割；
[0048]步骤3，确定图像中的茶叶袋数量；
[0049]步骤4，找到图像中待处理的茶叶袋；
[0050]步骤5，判断茶叶区域占比是否大于0.5;判断茶叶区域占比大于0.5执行步骤8，否则执行步骤6;
[0051]步骤6，通过SVM判别是否为空袋，判别为空袋执行步骤7，否则执行步骤8;
[0052]步骤7，发出剔除指令；
[0053]步骤8，判断图像中是否还有需要处理的茶叶袋，有执行步骤4，否则执行步骤9;
[0054]步骤9，判断是否继续检测，继续检测执行步骤10，否则步骤11结束程序；
[0055]步骤10，确定图像采集时间间隔，并转步骤I。
[0056]所述双阈值分割法具体步骤如下:
[0057]为便于图像分析，设置图像中皮带的颜色为中等灰度，茶叶部分的灰度最低，白色或其他浅色茶叶袋灰度值最高；
[0058]设皮带部分平均灰度为Yb，茶叶部分灰度为Yt，茶叶袋灰度为Yp，设定:Yt〈Yb〈Yp;
[0059]设定高阈值Th取值范围；设定低阈值Tl取值范围；
[0060]步骤(I)，利用高阈值Th分离出每个茶叶袋，Th的取值高于袋内茶叶部分和皮带的灰度而低于茶叶袋的灰度，阈值Th取值为Th= (Yb+Yp)/2;
[0061]设定同一批次茶叶袋的尺寸是相等的，茶叶不会完全充满茶叶袋，利用高阈值分割出茶叶袋的边缘部分，进而得到茶叶袋整个矩形区域；
[0062]步骤(2)，利用低阈值Tl分割茶叶部分，该阈值的取值高于茶叶部分的灰度、低于皮带和茶叶袋的灰度，阈值Tl取值为Tl = (Yt+Yb)/2;
[0063]步骤(2)分割出的茶叶区域应该位于步骤(I)得到的茶叶袋范围之内，结合两个阈值的分割结果对茶叶袋进行分割。
[0064]根据每个茶叶袋外表颜色判断茶叶袋是否空袋，具体步骤如下:
[0065]步骤(3)，根据步骤(2)的判断结果，计算茶叶部分的面积相对于整个茶叶袋区域的面积占比；如果茶叶部分的面积占比高于0.5，确定非空袋，若小于0.5作为疑似空袋。
[0066]为避免误检，茶叶部分占空比的判别指标取值较高，这一步通过一个简单指标首先排除容易判断的非空茶叶袋，低于阈值的茶叶袋即初步判定为疑似空袋，需要进一步检验。
[0067](4)根据茶叶袋范围内的灰度直方图构成特征训练支持向量机SVM实现疑似空袋的判别；
[0068]灰度直方图特征是将灰度范围等间隔分为若干段，选取16段，利用各灰度段内的像素数占总像素的百分比作为样本特征；
[0069]线性SVM的分类公式是y= wTX+b，X是16维特征向量，w和b是分类器参数是利用样本训练确定其数值，分类结果根据y的符号进行确定:y大于O判定为空袋(阳性)，否则为正常非空袋(阴性)。
[0070]图像采集时间间隔确定方法如下:
[0071]根据流水线速度及当前图像内容确定下一帧图像的采集间隔;设皮带行进速度为V，摄像头对流水线皮带的成像幅宽为L，下一帧图像的采集间隔为S= (L-D)/V;对于参数D:若图像左边界附近没有不完整茶叶袋D取0，否则D等于不完整茶叶袋右边缘到图像左边界的距离。
[0072]确保茶叶袋不漏拍；因为茶叶袋尺寸相对较小，相机成像视野内通常会有多个茶叶袋;为避免漏拍和不必要的重复检验，控制图像采集间隔是一个关键问题。
[0073]若当前采集到的图像在左边界附近存在不完整的茶叶袋，在下一帧图像中需要采集该茶叶袋的完整信息，因此在确定下一帧的采集间隔时需要判定当前图像左边界附近是否存在不完整目标；
[0074]针对当前图像的分割结果，在图像左边界搜索是否有不完整茶叶袋，若有不完整茶叶袋;右边缘距图像左边界的距离记为D，D单位为毫米，否则D = O;设皮带行进速度为V，V单位为米/秒，摄像头对流水线皮带的成像幅宽为L毫米，确定下一帧图像的采集间隔为S =(L-D)/V，S单位为毫秒。
[0075]本发明基于机器视觉的茶叶包装空袋检验方法，首先对图像中的茶叶袋进行分割采用双阈值分割法，确定疑似空袋，然后根据茶叶袋范围内的灰度直方图构成特征训练支持向量机SVM实现疑似空袋的判别，处理速度快，结果可靠，避免误检和漏检，提高茶叶包装质量。
[0076]SVM是一种有监督的分类方法，通过样本训练确定分类参数；
[0077]选用人工标定的60个茶叶空袋图像以及100个正常茶叶包装图像作为训练样本；
[0078]利用整个茶叶袋区域内(包括茶叶区域)的16段灰度直方图构成16维特征向量X;训练一个线性SVM分类器，用于疑似空袋的类别判定；
[0079]线性SVM的分类公式是y= wTX+b，X是16维特征向量，w和b是分类器参数，利用样本训练确定其数值，分类结果根据y的符号进行确定:y小于O判定为非空袋，否则为空袋；
[0080]利用上面所述的160个样本对线性SVM分类器进行训练，得到:
[0081]参数W= [-2.2025,-0.3508,-0.7647,0.2268,-2.2414,-0.1912,1.4652,-3.2837,-1.4598,-0.5019,-0.5492,-1.3491,0.8492,0.8022,-1.6273,-0.1055,-1.0530，1.0251]；
[0082]参数b = 0.5232。
[0083]对于一个待识别的茶叶袋图像xl= [0.0001,0.0008 ,0.0011,0.0010 ,0.0015，0.0045,0.0454,0.0681,0.0908,0.1211,0.1363,0.1817,0.1968,0.1363,0.0136,0.0008]T，代入分类器公式
[0084]y=wTx+b = 0.1017>0,
[0085]符号为正判定为空茶叶袋(阳性)；
[0086]对于另一个待识别的茶叶袋图像χ2= [0.0013 ,0.0132,0.0396,0.0593,0.0791，0.1055,0.1187,0.1318,0.1252,0.1187,0.0527,0.0461,0.0461,0.0527,0.0066,0.0033]T，代入分类器公式
[0087]y=wTx+b = -0.2208<0,
[0088]符号为负判定为正常茶叶袋(阴性)。
[0089]以上所述，仅是本发明的较佳实施例而已，并非对本发明的结构作任何形式上的限制。凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均属于本发明的技术方案范围内。
【主权项】
1.一种基于机器视觉的茶叶包装空袋检验方法，在茶叶包装流水线上方安装摄像头及照明光源，摄像头与计算机相连接，其特征在于包括如下步骤: 步骤I，采集图像； 步骤2，利用双阈值对采集图像中的茶叶袋进行分割； 步骤3，确定图像中的茶叶袋数量； 步骤4，找到图像中待处理的茶叶袋； 步骤5，判断茶叶区域占比是否大于0.5;判断茶叶区域占比大于0.5执行步骤8，否则执行步骤6 ； 步骤6，通过SVM判别是否为空袋，判别为空袋执行步骤7，否则执行步骤8; 步骤7，发出剔除指令； 步骤8，判断图像中是否还有需要处理的茶叶袋，有执行步骤4，否则执行步骤9; 步骤9，判断是否继续检测，继续检测执行步骤10，否则步骤11结束程序； 步骤10，确定图像采集时间间隔，并转步骤I。2.根据权利要求1所述基于机器视觉的茶叶包装空袋检验方法，其特征在于:所述双阈值分割法具体步骤如下: 为便于图像分析，设置图像中皮带的颜色为中等灰度，茶叶部分的灰度最低，白色或其他浅色茶叶袋灰度值最高； 设皮带部分平均灰度为Yb，茶叶部分灰度为Yt，茶叶袋灰度为Yp，设定:Yt〈Yb〈Yp; 设定高阈值Th取值范围；设定低阈值Tl取值范围； 步骤(I)，利用高阈值Th分离出每个茶叶袋，Th的取值高于袋内茶叶部分和皮带的灰度而低于茶叶袋的灰度，阈值Th取值为Th=(Yb+Yp)/2; 设定同一批次茶叶袋的尺寸是相等的，茶叶不会完全充满茶叶袋，利用高阈值分割出茶叶袋的边缘部分，进而得到茶叶袋整个矩形区域； 步骤(2)，利用低阈值Tl分割茶叶部分，该阈值的取值高于茶叶部分的灰度、低于皮带和茶叶袋的灰度，阈值Tl取值为Tl = (Yt+Yb)/2; 步骤(2)分割出的茶叶区域应该位于步骤(I)得到的茶叶袋范围之内，结合两个阈值的分割结果对茶叶袋进行分割。3.根据权利要求1所述基于机器视觉的茶叶包装空袋检验方法，其特征在于:根据每个茶叶袋外表颜色判断茶叶袋是否空袋，具体步骤如下: 步骤(3)，根据步骤(2)的判断结果，计算茶叶部分的面积相对于整个茶叶袋区域的面积占比；如果茶叶部分的面积占比高于0.5，确定非空袋，若小于0.5作为疑似空袋。4.根据权利要求1所述基于机器视觉的茶叶包装空袋检验方法，其特征在于: (4)根据茶叶袋范围内的灰度直方图构成特征训练支持向量机SVM实现疑似空袋的判别； 灰度直方图特征是将灰度范围等间隔分为若干段，选取16段，利用各灰度段内的像素数占总像素的百分比作为样本特征； 线性SVM的分类公式是y=wTX+b，X是16维特征向量，w和b是分类器参数是利用样本训练确定其数值，分类结果根据y的符号进行确定:y大于O判定为空袋，否则为正常非空袋。5.根据权利要求1所述基于机器视觉的茶叶包装空袋检验方法，其特征在于:图像采集时间间隔确定方法如下: 根据流水线速度及当前图像内容确定下一帧图像的采集间隔；设皮带行进速度为V，摄像头对流水线皮带的成像幅宽为L，下一帧图像的采集间隔为S=(L-D)/V;对于参数D:若图像左边界附近没有不完整茶叶袋D取O，否则D等于不完整茶叶袋右边缘到图像左边界的距离。
【文档编号】G06K9/20GK106022331SQ201610347818
【公开日】2016年10月12日
【申请日】2016年5月23日
【发明人】曹茂永, 滕升华, 王毅, 赵猛
【申请人】山东科技大学