基于集合连通性原理的图像异物快速识别方法
【专利摘要】本发明公开了一种基于集合连通性原理的图像异物快速识别方法，属于基于机器视觉的图像识别领域，其适用于自动化生产线上的快速运动产品中异物的自动识别。本发明解决了当前检测系统不能实时检测高速生产线产品异常的问题，生产线主要包括PVC产品、包装印刷产品和半导体产品等。本发明基于集合连通性原理，定义了图像内像素之间距离、集合之间距离和集合之间连通性，并给出了相应的计算公式，以此为理论发明了逐行处理线阵相机输出数据的图像异物快速识别方法。本发明的数据处理速率达到750M/S，并且异物定位准确。本发明可广泛应用于PVC生产、食品/药品包装印刷检测和半导体行业。
【专利说明】基于集合连通性原理的图像异物快速识别方法
【技术领域】
[0001]本发明涉及一种基于机器视觉的快速图像识别领域，尤其涉及一种基于集合连通性原理的快速图像识别方法，特别是图像异物快速检测方法，其适用于自动化生产线上的快速运动产品中异物的自动识别。
【背景技术】
[0002]现代エ业生产线在高速运行时，生产出的产品经常会出现瑕疵、不准确等质量问题。如高速印刷机出现的污点和套印不准确，高速PVC生产线上出现的蚊虫、金属丝、头发等异物，药品灌装过程中药液会出现玻璃碎屑、铝屑、橡皮屑、毛发等可见异物，等等。这些质量问题如不及时发现，不仅会降低产品信誉，甚至可能威胁到用户生命。对这类生产线产品的传统的检测方法是依靠人工目视，检查挑除废品。但人工检测速度慢、效率低，而且容易疲劳，漏检率较高。为获得高可靠的检测效果，同时减少成本损耗、节约人力，依据机器视觉原理的在线检测系统可以解决上述问题。
[0003]例如，图1示出了 1800mm宽、速度0?200m/min的PVC (聚氯こ烯)生产线，产品顔色为淡兰色的透明材料，需要对透明PVC产品中0.3*0.3mm2以上的异物(蚊虫、金属丝、头发等)进行实时识别检测。分析发现，如果要满足对上述生产线产品中异物进行实时检测的要求，相机必须采用行分辨率8k、纵向行频18kHz的CCD线阵相机，检测的异物图像面积为大于60*60个像素的连续深色噪点块，检测系统的图像输出数据率为144MB/s。
[0004]基于机器视觉的在线检测系统，通过计算机检测产品图像中的异常，达到自动检测的目的。目前对图像异物检测算法，都使用成熟专业机器视觉软件HALCON和NI VIS10INBMLDER中的图像分析算法，如膨胀、腐蚀、Sobel边缘检测、亚像素边缘检测、直方图、几何变换、形态学、几何特征匹配等。现有图像识别算法存在以下不足:
[0005](a)上述算法虽然有较好的检测效果，但算法复杂、计算速度慢，不能满足高速运动生产线的实时异常检测需求。即现存算法在普通计算机上，不能达到图像输出数据率为144MB/S的处理速度。
[0006](b)上述算法都是以ー副图像为处理单元，不能以逐行方式进行识别处理，即识别处理有较大的滞后性，也不适于识别运动产品的在线识别。
[0007]因此，如何能够更优地解决实时快速异物识别，已经成为亟待解决的重要问题。
【发明内容】
[0008]本发明的目的在于克服上述技术问题的缺陷，解决当前检测系统不能实时检测高速生产线产品异常的问题，所述生产线主要包括PVC产品、包装印刷产品和半导体产品等。本发明基于集合连通性原理，定义了图像内像素之间距离、集合之间距离和集合之间连通性，并给出了相应的计算公式，以此为理论发明了逐行处理线阵相机输出数据的图像异物快速识别方法。
[0009]根据本发明的具体实施例，提供一种基于集合连通性原理的图像异常识别快速方法，其特征在于包括以下步骤:
[0010]步骤I)定义像素与像素之间的距离:
[0011 ] 像素P (X1, Y1)和P (x2, Y2)的距离表示为
【权利要求】
1.一种基于集合连通性原理的图像异常识别快速方法，其特征在于包括以下步骤: 步骤I)定义像素与像素之间的距离: 像素P (X1, Y1)和P (x2, y2)的距离表示为
2.根据权利要求1的方法，其中所述步骤5)的逐行识别处理进ー步包括: 对一行图像判断像素与潜在噪点集合的连通性，剔除不连通的像素，合并连通像素到潜在噪点集；若潜在噪点集若面积大于给定阈值，则识别为真正的噪点集合。
3.根据权利要求1的方法，其中: 步骤2)中像素集合与像素集合之间的距离可重新定义为: 定义2’:
4.根据权利要求3的方法，其中在识别逐行输入的图像时，行集合与其他集合之间特殊的距离计算公式:
5.一种基于集合连通性判断的图像异物在线识别方法，以输入的一行图像为一个处理単元，快速的处理高速线扫相机输入的图像数据，实时检测出图像中出现的异物，并记录异物的重心坐标和面积，其特征在于其中一行图像的处理过程包括以下步骤: 步骤Ia)从第一个像素开始扫描，找出该行内连续3个以上像素值小于FIXHD的子集，并计算该子集重心坐标，其中FIXHD取值为150 ； 步骤2a)把该子集与疑似噪点集合链表中的疑似噪点集合逐个进行连通性分析，即判断当前子集与链表中哪ー个集合是连通的； 步骤3a)剔除链表中面积小于阈值RGAREA，且与当前子集不连通的潜在噪点集合；步骤4a)如果该子集与链表中任何潜在噪点集合都不连通，则把该子集作为ー个新的潜在噪点集合插入到链表中。
6.根据权利要求5的方法，其中步骤Ia)中计算行和列坐标的公式为:
7.根据权利要求5的方法，其中步骤2a)中 集合连通性測度为两个集合重心之间的距离，如果两个集合是连通的，则满足以下公式
8.根据权利要求7的方法，其中: 尸> I和>凡为链表中第m个疑似噪点集合重心坐标，在这里MAXD取值为30 ； 如果当前子集重心与链表中第m个潜在噪点集合重心小于MAXD，即认为该子集与第m个疑似噪点集合是连通的，否则是不连通的； 在判断当前子集与第m个潜在噪点集合是连通的之后，把当前子集与第m个潜在噪点集合进行融合，并更新第m个潜在噪点集合的重心坐标和面积。
9.根据权利要求5的方法，其中步骤3a)中剔除潜在噪点集合的条件为: abs(y - p- > Vm) > 2 *且 p->pCntsm〈RGAREA (8) 其中p->pCntSm为第m个潜在噪点集合的面积，即集合内像素个数。
【文档编号】G06K9/46GK103593667SQ201210520822
【公开日】2014年2月19日 申请日期:2012年12月6日 优先权日:2012年12月6日
【发明者】张忠伟 申请人:张忠伟