一种饮用矿泉水悬浮物检测方法与流程

本发明属于计算机视觉及图像处理研究领域，具体涉及一种饮用矿泉水悬浮物检测方法。

背景技术：

水质检测是各水厂产品质量管理的一个非常重要的关键环节，关系我们每一个人的饮水健康。当前，我国饮用水水质检测还存在一些问题，如饮用水水质检测中心分布不均、饮用水水质检测采样点设置不合理、缺乏先进检测仪器等。

目前，瓶装矿泉水的生产工艺基本上都是：水源水→粗滤→精滤→去离子净化（离子交换、反渗透、蒸馏）→杀菌→灌装封盖→灯检→成品。而其中的灯检环节，由于缺乏检测仪器及自动化检测装置，目前主要依靠人工肉眼识别，这种方法的缺点是：灯检人员视力不同，检测结果不同，质量不均一；操作工眼睛易疲劳，容易误检或漏检；长时间工作对操作工的眼睛有一定损害，员工思想压力大，易造成质量波动，产生漏检；生产效率低，费时费力，是大规模生产的产能瓶颈。

对于饮用矿泉水中存在的悬浮物颗粒，需要对其进行统计及定性分析，以对水质检测结果有一个很好评估，这对企业流水线工作，各环节产品质量检测改进具有重要的指导意义。而针对颗粒进行统计的技术，目前应用广泛的是基于机器视觉技术、采用图像处理的方法。李莉等人针对室内悬浮物颗粒采用显微图像法进行了相关粒径和浓度的研究，通过显微观测获取颗粒图像，并编制图像处理的程序对其进行处理分析，得到了一系列的颗粒参数。王海燕等人针对种子图像分割提出了基于二维直方图的otsu分割算法，一定程度上消除了光线对种子计数的影响。王健等人通过用分水岭分割的方法解决了颗粒在检测时存在颗粒粘结的情况会影响统计结果这一问题。王丹青改进了基于可变结构元的数学形态学分形维估计方法，并将该算法应用于大气悬浮物颗粒图像的分形维估计。以上所述颗粒的检测统计方法各有优点，但还存在一些问题：或仅限于空气中的悬浮物或形状大小易识别的大颗粒如黄豆种子等，未考虑到被检测颗粒从三维投影到二维平面上，丢失了深度和不可见部分的信息等问题；或颗粒图像中存在被测物体光学特性反光，未考虑如何用图像处理补充光照的不均匀性，且部分操作是人工操作软件完成，图像处理效率低，无法实现批量处理图像；或方法未完善，不能实现在线检测颗粒。而水质检测中颗粒的识别统计需要考虑的更多，这些方法是否适用于饮用矿泉水的水质检测，还有待验证。综上所述，目前国内外关于各种颗粒检测的研究较多，但还缺乏用于瓶装矿泉水悬浮物检测的研究。

技术实现要素：

为了解决上述技术问题，本发明提供了一种基于计算机视觉的瓶装矿泉水悬浮物自动检测方法，本发明利用计算机视觉技术，对所测瓶装矿泉水进行图像采集和分析，利用图像分析算法对水中的悬浮物颗粒进行目标识别、数量统计以及尺寸范围检测，具有较高的准确性。本发明检测方法能够对所采集到的水充分摇匀后的图像进行分析处理，可将干净的水与混有悬浮物的水所得到的图像进行对比，从而分析出水中悬浮物颗粒度，进一步得出所测矿泉水是否含有固体悬浮物，是否符合标准的结论。本发明可以解决瓶装矿泉水，在出厂前需要检测里面是否存在悬浮物时靠人工来进行观察，费时费力、依赖人的主观感觉，检测效果不好的问题。

本发明的技术方案如下：一种饮用矿泉水悬浮物检测方法，具体步骤如下：

（1）图像采集：将待检测瓶装矿泉水送入自动检测装置，瓶装矿泉水沿斜坡滚动到底端后停在电机控制门处，滚动作用使瓶中的悬浮物颗粒处于运动状态，然后在led光源照射下，隔时间间隔δt采集两帧瓶装矿泉水原始图像，并对两帧图像分别采用加权平均值的方法进行灰度化处理，通过消除图像色调和饱和度信息同时保留亮度实现将rgb彩色图转换为灰度图像，其中考虑到后续图像差分的要求，δt应使悬浮物在两帧图像中的运动位置尽量错开，以便获得较好的目标检测效果，δt的范围取值如下所求：矿泉水瓶受重力作用沿斜坡方向滚动，滚动过程中瓶内悬浮物、矿泉水与瓶体同步旋转，到坡底后被挡板阻止滚动停止，因惯性作用，短时间内瓶内悬浮物会跟随矿泉水继续绕瓶纵向中心轴线做旋转运动，忽略滚动摩擦及塑料瓶体的转动惯量影响，根据运动学分析，此时悬浮物从前一个位置转过π/2角度所需时间t为：

（7）

其中，r为矿泉水瓶半径，l为滚动斜坡长度，θ为斜坡角度，g为重力加速度，ω为旋转角速度，则图像采集时间间隔δt应满足（8）式：

(8)

（2）抖动消除：矿泉水瓶到达斜坡底端停止滚动时，可能还存在上下轻微抖动，导致两幅图中矿泉水瓶的位置抖动错位，这样在后面图像处理时会出现背景消除残留大的情况，不利于悬浮物颗粒数量及尺寸信息的提取，因此要进行抖动消除。定义步骤（1）灰度化处理后的两帧图像中的一帧图像为被减图像，记为a图像，另一帧图像为背景图像，记为b图像，然后定义评价抖动错位程度的损失函数e(x,y)，

(1)

其中，rowsize和colsize为图像的垂直高度和水平宽度，x、y表示因抖动引起的垂直和水平两个方向的图像偏差，a（i,j）表示a图像上的像素点坐标对应的灰度值，b（i-x,j-y）表示b图像上的像素点坐标去偏差后对应的灰度值，找到使e(x,y)为最小值的最优解x、y，并分别用rowmin和colmin表示，求得两幅图像中矿泉水瓶位置的相对偏差，后续进行图像差分时，可根据该偏差对背景图像移位来消除抖动影响；

（3）图像差分：用帧间差分的方法对两帧图像进行差分处理，将被减图像a、背景图像b按式（2）背景差分算法相减，相减之后被减图像a中理论上只剩悬浮物颗粒，得到含有悬浮物颗粒的灰度图像c；

(2)

式中：k=a(i,j)-b(i-rowmin,j-colmin)，colmin和rowmin为步骤（2）求解的水平和垂直方向偏移量，if为条件表示，（i,j）表示c图像上的像素点；

然后，再通过阈值过滤对灰度图像c进行二值化处理得到二值化差分图像p：

(3)

式中：threshold为临界阈值，通过最大类间方差法（otsu）确定其取值范围，以保证二值化后悬浮物颗粒图像的完整性；

（4）背景净化：由于各种干扰，二值差分图像p中除了悬浮物颗粒图像外，还存在一些尺寸较小的噪声白点，需要将其剔除，采用对二值化图像进行区域检测并剔除小面积区域块的方法来实现。

对二值化差分图像p进行区域检测并剔除小面积区域块，首先，采用8连通区域对图像p进行扫描，每检测到一个区域就对其进行标记，与4连通区域相比，采用8连通区域可以避免单一连通区域被误分为多个区域，然后，计算每一个标记区域的面积area，区域面积实际是标记区域内的像素点个数，最后，将面积小于s的区域剔除，其中算法表示如下：

（3）

式中，d为背景净化处理后的输出图像；if条件表示：如果当前图像点p(i,j)属于某一区域r且区域r的面积小于阈值s，则剔除该区域,即将该区域每个像素点值置0；s为区域面积阈值，其设定值由实际矿泉水生产过程中需测量的悬浮物颗粒最小尺寸dmin来确定，s的计算公式如（4）所示：

（4）

式中，int表示取整运算，k0为每像素对应的实际尺寸，由于图像采集位置是固定的，k0由预先标定得到；

（5）边缘平滑：在背景净化后的图像d中，由于二值处理过程中可能会把悬浮物颗粒周围一些相连的弱灰度的像素点也置1了，但其并不属于悬浮物颗粒的一部分，若不对其进行边缘平滑处理，将会使后面检测到的悬浮物颗粒的尺寸偏大，为了消除这一影响，需采用形态学运算做进一步处理。

采用形态学运算对背景净化后的图像d进行处理，首先，在0~1的一个小数内用canny算子进行边缘检测，接着执行形态学闭运算，用同样的结构元素先对图像d进行膨胀操作后进行腐蚀操作，将图像d设为x，结构元素为se，用符号x•se表示闭运算，其定义为：

(5)

其中se为矩阵，再对处理后的图像执行边界对象抑制，去除与边界相连的亮点，此处涉及到重构变换，最后进行孔洞填充，完成以上步骤即可得到只包含悬浮物颗粒目标对象的二值图像，记为bw2；

（6）悬浮物颗粒数量统计：首先对二值图像bw2进行区域标记，以获取悬浮物颗粒数量，具体为调用matlab方法：[labeled,num]=bwlabel(bw2,n)来完成，此处n取8，表示是按8连通寻找区域，其返回一个和bw2大小相同的labeled矩阵，所标记的bw2中每个连通区域的类别标签存放在labeled矩阵中，返回值num就是bw2中连通区域的个数，也即悬浮物颗粒的总数；

（7）悬浮物颗粒尺寸检测：检测悬浮物颗粒的最大尺寸，即颗粒边缘上任意两点之间距离的最大值，取与bw2大小相同的二值图bw3，bw3用于暂时存放提取出的单个悬浮物颗粒轮廓，用长度为num的二维数组a存放每个颗粒的尺寸，遍历整幅bw2图像，求出num个悬浮物颗粒的尺寸，然后输出a数组中的值，即可得到悬浮物颗粒的最大尺寸，具体步骤如下：

（1）初始化数组a，令a=zeros(num,1)，初始化数组bw3，遍历bw2整幅图像，首先处理第一个颗粒，只要满足标记矩阵labeled中标记号为1的像素点且对应bw2中相应点的像素值为1，那么把bw2中该点的像素值赋值给bw3中对应的点，程序表示如下：

iflabeled(i,j)==x&&bw2(i,j)==1

bw3(i,j)=bw2(i,j);

其中x=1，2，…，num，标记号为1（x=1）时，遍历完整幅图也就得到了第一个颗粒的图像即第一颗粒轮廓；

（2）旋转求解悬浮物颗粒尺寸：提取到颗粒轮廓后，以悬浮物颗粒图像的质心o为坐标原点绕z轴在xoy平面内旋转，每旋转一个α角度，求其在x轴和y轴两个方向上的最大距离，直至旋转90度，求出颗粒的最大尺寸和最小尺寸，存于数组a中，作为标记号为1的颗粒的尺寸；

（3）重复步骤（1）~（2）直到提取检测完第num个颗粒，悬浮物颗粒的尺寸检测结束，输出a数组中的值，即可得到悬浮物颗粒的最大尺寸和最小尺寸。

由于旋转时也求了颗粒的最小尺寸，因此，如果检测需要，本发明方法同样适用于求最小尺寸。

本发明中的自动检测装置为申请号为201810999685.3的发明专利“一种饮用矿泉水水质检测装置”，该检测装置主要由led光源、传送带、斜坡、检测箱、摄像头、电机控制门装置、控制器、电动门和活动挡板等九个部分组成，摄像头和控制器固定在检测箱顶部，传送带与检测箱内的斜坡相接用于传输待测样本，在斜坡底端设置电动门，led光源安装在检测箱后壁上，活动挡板置于产品入口处。电机控制门装置布置在检测箱侧壁上，电机控制门装置包括电机和门两个部分，由上端电机控制与其相接的门的开启关闭。图像采集时，该装置检测箱四周封闭，使得图像采集在黑暗的环境下进行，既可以清晰地捕捉到悬浮物颗粒的图像，又简化了后续图像处理时对复杂背景的处理。

本发明基于计算机视觉技术，建立了一种瓶装矿泉水中悬浮物颗粒自动检测方法，包括图像采集、悬浮物颗粒目标识别、数量统计及尺寸参数检测等图像分析处理流程，本发明方法的处理依据是纯净的水与含有悬浮物的水所得到的图像是有很大差别的，光点越多，表示水中颗粒度越大，则水越不纯净，反之亦反，通过此方法也可以对矿泉水质量检测进行评估。

与传统技术相比，本发明的有益效果是：

（1）本发明方法从定性和定量两个方面对瓶装矿泉水中是否存在悬浮物颗粒进行检测，悬浮物颗粒数量统计准确，悬浮物颗粒的尺寸检测最大误差0.28mm，最大相对误差6.8%，具有较高的精确度。

（2）本发明方法具有可行性，适用于瓶装饮用矿泉水在出厂前是否含有固体悬浮物的检测，具有检测准确、节约人力物力、提高工作效率、经济实用、操作简单的特点。

附图说明

图1为本发明的流程示意图；

图2为悬浮物颗粒图像的旋转示意图；

图3a为第一组的采集的被减图像示意图，图3b为第一组的采集的背景图像示意图；

图4a为第二组的采集的被减图像示意图，图4b为第二组的采集的背景图像示意图；

图5a为第三组的采集的被减图像示意图，图5b为第三组的采集的背景图像示意图；

图6a为第一组试验的差分图像，图6b为第一组试验的差分图像二值化，图6c为第一组试验的去噪后的图像，图6d为第一组试验的平滑边缘图像；

图7a为第一组试验的差分图像，图7b为第一组试验的差分图像二值化，图7c为第一组试验的去噪后的图像，图7d为第一组试验的平滑边缘图像；

图8a为第一组试验的差分图像，图8b为第一组试验的差分图像二值化，图8c为第一组试验的去噪后的图像，图8d为第一组试验的平滑边缘图像。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

实施例1：本饮用矿泉水悬浮物检测方法，具体步骤如下：

（1）将待检测瓶装矿泉水送入自动检测装置，瓶装矿泉水沿斜坡滚动到底端后停在电机控制门处，滚动作用使瓶中的悬浮物颗粒处于运动状态，在光源照射下，由于悬浮物颗粒表面对光线的漫反射作用，悬浮物颗粒整体清晰明亮，在视觉传感器采集的图像中有较好的成像效果，自动检测装置的led光源位于检测箱后壁左下端，垂直于矿泉水瓶底部照射，可照射到整瓶水的状态，避免了从侧面照射易受矿泉水瓶侧壁凸凹纹路影响的问题，也可有效避免镜面反射，摄像头位于检测箱顶部右边，拍摄方向与led光源方向垂直，即在水瓶正上方拍摄图像，检测时，该装置检测箱四周封闭，使得图像采集在黑暗的环境下进行，既可以清晰地捕捉到悬浮物颗粒的图像，又简化了后续图像处理时对复杂背景的处理；采用工业摄像机按一定时间间隔δt获取两帧瓶装矿泉水原始图像，其中在检测送样时，矿泉水瓶受重力作用沿斜坡方向滚动，滚动过程中瓶内悬浮物、矿泉水与瓶体同步旋转，到坡底后被挡板阻止滚动停止，因惯性作用，短时间内瓶内悬浮物会跟随矿泉水继续绕瓶纵向中心轴线做旋转运动，如图1所示；忽略滚动摩擦及塑料瓶体的转动惯量影响，根据运动学分析，此时悬浮物从前一个位置转过π/2角度所需时间t近似为：

（7）

其中：r为矿泉水瓶半径，l为滚动斜坡长度，θ为斜坡角度，g为重力加速度，ω为旋转角速度。则图像采集时间间隔δt应满足（8）式：

（8）

获得两帧原始图像后，采用加权平均值的方法对采集到的图像进行灰度化处理，通过消除图像色调和饱和度信息同时保留亮度实现将rgb彩色图转换为灰度图像。

（2）抖动消除：矿泉水瓶到达斜坡底端停止滚动时，可能还存在上下轻微抖动，导致两幅图中矿泉水瓶的位置抖动错位，这样在后面图像处理时会出现背景消除残留大的情况，不利于悬浮物颗粒数量及尺寸信息的提取，为此，进行抖动消除。

定义步骤（1）灰度化处理后的两帧图像中的一帧图像为被减图像，记为a图像，另一帧图像为背景图像，记为b图像，然后定义评价抖动错位程度的损失函数e(x,y)，

(1)

其中，rowsize和colsize为图像的垂直高度和水平宽度，x、y表示因抖动引起的垂直和水平两个方向的图像偏差，a（i,j）表示a图像上的像素点坐标对应的灰度值，b（i-x,j-y）表示b图像上的像素点坐标去偏差后对应的灰度值，找到使e(x,y)为最小值的最优解x、y，并分别用rowmin和colmin表示；

（3）图像差分：用帧间差分的方法对两帧图像进行差分处理，将被减图像a、背景图像b按式（2）背景差分算法相减，相减之后被减图像a中理论上只剩悬浮物颗粒，得到只含有悬浮物颗粒的灰度图像c；

(2)

式中：k=a(i,j)-b(i-rowmin,j-colmin)，colmin和rowmin为步骤（2）求解的水平和垂直方向偏移量，if为条件表示，（i,j）表示c图像上的像素点；

然后，再通过阈值过滤对灰度图像c进行二值化处理得到二值化差分图像p：

(3)

式中：threshold为临界阈值，通过最大类间方差法确定其取值范围，以保证二值化后悬浮物颗粒图像的完整性；

（4）背景净化：由于各种干扰，二值差分图像p中除了悬浮物颗粒图像外，还存在一些尺寸较小的噪声白点，需要将其剔除，这里采用对二值化图像进行区域检测并剔除小尺寸区域块的方法来实现。

对二值化差分图像p进行区域检测并剔除小面积区域块，首先，采用8连通区域对图像p进行扫描，每检测到一个区域就对其进行标记，然后，计算每一个标记区域的面积area，这里的区域面积实际是标记区域内的像素点个数，最后，将面积小于s的区域剔除，其中算法表示如下：

（4）

式中，d为背景净化处理后的输出图像；if条件表示：如果当前图像点p(i,j)属于某一区域r且区域r的面积小于阈值s，则剔除该区域,即将该区域每个像素点值置0；s为区域面积阈值，其设定值由实际矿泉水生产过程中需测量的悬浮物颗粒最小尺寸dmin来确定，s的计算公式如（5）所示：

（5）

式中，int表示取整运算，k0为每像素对应的实际尺寸，由于图像采集位置是固定的，k0由预先标定得到；

（5）边缘平滑：在背景净化后的图像d中，由于二值处理过程中可能会把悬浮物颗粒周围一些相连的弱灰度的像素点也置1了，但其并不属于悬浮物颗粒的一部分，若不对其进行边缘平滑处理，将会使后面检测到的悬浮物颗粒的尺寸偏大，为了消除这一影响，需采用形态学运算做进一步处理。

采用形态学运算对背景净化后的图像d进行处理，首先，在0~1的一个小数内用canny算子进行边缘检测，接着执行形态学闭运算，用同样的结构元素先对图像d进行膨胀操作后进行腐蚀操作，将图像d设为x，结构元素为se，用符号x•se表示闭运算，其定义为：

(6)

其中se为5×5矩阵，再对处理后的图像执行边界对象抑制，去除与边界相连的亮点，此处涉及到重构变换，重构变换具体为若g是掩膜，f为标记，则从f开始重构g的变换记作rg(f)，其由如下迭代过程定义：

1）将h1初始化为标记图像f；

2）创建结构元素：b=ones(5)；

3）重复，直到，标记f必须是g的一个子集，即，

定义标记图像fm如式(8)，用原图像f做掩膜，则执行即可清除边界的对象；

（8），

最后进行孔洞填充，孔洞填充具体为记为标记图像，其定义如式(9)，则执行即可填充图像中的孔洞，

(9)。

完成以上步骤即可得到只包含悬浮物颗粒目标对象的二值图像，记为bw2；

（6）悬浮物颗粒数量统计：首先对二值图像bw2进行区域标记，以获取悬浮物颗粒数量，具体为调用matlab方法：[labeled,num]=bwlabel(bw2,n)来完成，此处n取8，表示是按8连通寻找区域，其返回一个和bw2大小相同的labeled矩阵，所标记的bw2中每个连通区域的类别标签存放在labeled矩阵中，返回值num就是bw2中连通区域的个数，也即悬浮物颗粒的总数；

（7）悬浮物颗粒尺寸检测：检测悬浮物颗粒的最大尺寸，即颗粒边缘上任意两点之间距离的最大值，初始化与bw2大小相同的二值图bw3，bw3用于暂时存放提取出的单个悬浮物颗粒轮廓，用长度为num的二维数组a存放每个颗粒的尺寸，遍历整幅bw2图像，求出num个悬浮物颗粒的尺寸，然后输出a数组中的值，即可得到悬浮物颗粒的最大尺寸，具体步骤如下：

（1）初始化数组a，令a=zeros(num,1)，初始化数组bw3，遍历bw2整幅图像，首先处理第一个颗粒，只要满足标记矩阵labeled中标记号为1的像素点且对应bw2中相应点的像素值为1，那么把bw2中该点的像素值赋值给bw3中对应的点，程序表示如下：

iflabeled(i,j)==x&&bw2(i,j)==1

bw3(i,j)=bw2(i,j);

其中x=1，2，…，num，标记号为1（x=1）时，遍历完整幅图也就得到了第一个颗粒的图像即第一颗粒轮廓；

（2）旋转求解悬浮物颗粒尺寸：提取到颗粒轮廓后，以悬浮物颗粒图像的质心o为坐标原点绕z轴在xoy平面内旋转，如图2所示，每旋转一个α角度，求其在x轴和y轴两个方向上的最大距离，旋转过程中，以悬浮物颗粒上某点p为例，利用三角形的基础知识以及三角函数和差公式可得到旋转向量r的表达式如下：

则可得旋转之后的坐标公式为：

简写为，推而广之，m个像素点，其旋转公式如下：

对旋转后的矩阵，每行进行由小到大的排序，最大值减去最小值就能得到颗粒在x轴方向和y轴方向上的距离，比较两个值的大小，较大的值放在max里，较小的值放在min里，然后用上述同样的方法进行下一个α角度的旋转，得到两个值，较大的为max1较小的为min1，再与之前的max和min进行比较更新，相应表达式如下：

直到旋转到90度，这样，最后求得的max值和min的值分别乘上标定比例系数k0即为颗粒的最大尺寸和最小尺寸，存于数组a中，作为标记号为1的颗粒的尺寸。

重复步骤（1）~（2）直到提取检测完第num个颗粒，悬浮物颗粒的尺寸检测结束，输出a数组中的值，即可得到悬浮物颗粒的最大尺寸和最小尺寸。

本实施例进行3组试验，1组在瓶装矿泉水（1号瓶）中添加较小尺寸的固体悬浮物颗粒，2组在瓶装矿泉水（2号瓶）中添加较大尺寸的固体悬浮物颗粒，3组在瓶装矿泉水（3号瓶）中添加大小尺寸混合的固体悬浮物颗粒，经考察，在灯检环节，矿泉水中出现悬浮物的数量是极少的，一般不会超过5粒，因此在每组中均添加固体悬浮物颗粒5粒，以模拟瓶装水出厂前混有悬浮物的情况。添加前分别用游标卡尺测出固体悬浮物颗粒的尺寸（最大直径和最小直径），如表1所示。其中，1组的最大尺寸范围是2.80mm-3.78mm，2组的最大尺寸范围是4.80mm-5.58mm，3组的尺寸范围是1.60mm-7.04mm。由于实际矿泉水生产过程中，往往关心的是悬浮物颗粒的最大尺寸，超过某一尺寸的为不合格产品，所以最大尺寸比较具有参考价值，这里的最大尺寸不会低于1mm，故此后面的悬浮物颗粒尺寸的检测只统计最大尺寸。

表1悬浮物颗粒实际尺寸大小统计表

将3组试验采用本发明方法进行检测，采集到多组图像，针对大颗粒悬浮物、小颗粒悬浮物以及大小尺寸混合颗粒悬浮物各挑选一组，如图3、图4、图5所示，接下来，按照前述图像处理方法依次对图像进行处理，得到差分图像、二值图、去噪后的图像以及平滑边缘后的图像，如图6、图7、图8所示，可以看出，通过本发明的方法，在没有破坏悬浮物颗粒尺寸的情况下，能够得到背景很干净只剩悬浮物颗粒的图像，为后面统计颗粒的数量及检测其尺寸范围奠定基础，同时提高了检测的准确性。

三组图像最后都检测出来5个颗粒，这与实际加入的悬浮物颗粒数完全符合，表2、表3和表4分别为1组、2组和3组悬浮物颗粒检测结果与实际尺寸的比较，由表可知，检测到的小颗粒悬浮物其尺寸范围为2.96mm-3.82mm，大颗粒悬浮物的尺寸范围为4.65mm-5.86mm，混合颗粒的尺寸范围为1.70mm-7.24mm。误差维持在0.3mm以内，说明在误差允许的情况下，此方法的检测结果较为精确，同时也表明了本文提出的自动检测装置具有可行性。在算法实时性方面，采用opencv及c++编程，并对图像分辨率进行优化后，实测在（按照你的电脑配置给出cpu、内存、硬盘、操作系统等信息）计算环境下，检测一瓶矿泉水耗时约1秒（包括采集照片的时间、图像处理时间），实时性能满足实际检测需要。

表2第1组悬浮物颗粒检测结果与实际尺寸对比

表3第2组悬浮物颗粒检测结果与实际尺寸对比

表4第3组悬浮物颗粒检测结果与实际尺寸对比

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。