异物检测方法、装置及计算机可读介质与流程

本发明主要涉及产品检测领域，尤其涉及一种异物检测方法、装置及计算机可读介质。

背景技术：

在类似食品等产品的生产过程中，为了检测产品成品中是否混有异物，例如食品中是否存在金属等，通常需要采用产品检测用x光机对批量产品进行逐个检测，及时发现混有异物的产品。目前，通常对x光机所拍摄到的产品图像进行分析，从而判断是否存在异物。对产品图像的分析可以基于多种不同的算法，每种算法都涉及到一个或多个参数。首先采用合格产品对这些算法进行训练，同时手工调整相关的参数，使根据这些参数可以有效地检测到产品中的异物。然而，由于算法和参数较多，手工调整的过程繁琐，效率低下，不能满足产品生产和检测日益自动化的需求。

技术实现要素：

本发明要解决的技术问题是提供一种自动设置参数的异物检测方法、装置及计算机可读介质。

为解决上述技术问题，本发明提供了一种异物检测方法，其特征在于，包括：获得被检物品的第一图像；采用多种异物检测算法处理所述第一图像，获得检测结果，其中，每个所述异物检测算法至少设置有一个第一参数；以及根据所述检测结果调整所述第一参数，包括：当所述检测结果为有异物时，沿第一方向调整所述第一参数的大小；当所述检测结果为无异物时，沿第二方向调整所述第一参数的大小；其中，所述第一方向和所述第二方向相反。

在本发明的一实施例中，所述第一方向为增大的方向。

在本发明的一实施例中，每个所述异物检测算法的所述第一参数具有预设的第一临界阈值，当所述第一参数等于所述第一临界阈值时，根据所述异物检测算法处理所述第一图像，所述检测结果从所述有异物转变为所述无异物；根据所述检测结果调整所述第一参数的步骤还包括：当所述检测结果为有异物时，使所述第一参数的大小沿所述第一方向以预定步长逼近所述第一临界阈值。

在本发明的一实施例中，每个所述异物检测算法的所述第一参数具有预设的第二临界阈值，当所述第一参数等于所述第二临界阈值时，根据所述异物检测算法处理所述第一图像，所述检测结果从所述无异物转变为所述有异物；根据所述检测结果调整所述第一参数的步骤还包括：当所述检测结果为无异物时，使所述第一参数的大小沿所述第二方向以预定步长逼近所述第二临界阈值。

在本发明的一实施例中，所述异物检测算法包括：获得合格被检物品的合格图像，获得所述合格图像中的最小灰度值作为合格最小灰度值；设置灰度阈值为所述最小灰度值与第一预设值的和；获得所述第一图像中的最小灰度值作为第一最小灰度值；以及获得所述第一最小灰度值和所述合格最小灰度值的差值，若所述差值大于所述灰度阈值，则所述检测结果为有异物，若所述差值小于所述灰度阈值，则所述检测结果为无异物；其中，所述第一参数包括所述灰度阈值。

在本发明的一实施例中，所述异物检测算法包括：获得合格被检物品的合格图像，计算所述合格图像中的每个像素点的灰度值与其周围像素点的灰度值的差值中的最小差值，获得全部所述像素点的最小差值中的最大值；设置灵敏度为所述最大值与第二预设值的和；获得所述第一图像中的每个第一像素点的灰度值与其周围像素点的灰度值的差值中的最小差值，获得全部所述第一像素点的最小差值中的最大值作为第一最大值；以及比较所述第一最大值和所述灵敏度，若所述第一最大值大于所述灵敏度，则所述检测结果为有异物，若所述第一最大值小于所述灵敏度，则所述检测结果为无异物；其中，所述第一参数包括所述灵敏度。

在本发明的一实施例中，所述异物检测算法包括：获得合格被检物品的合格图像，获得所述合格图像中的最小灰度值作为合格最小灰度值；以所述第一图像中的每个第一像素点为中心，计算每个所述第一像素点周围像素点的灰度值与所述合格最小灰度值之间的差值；设置异物阈值，比较每个所述差值和所述异物阈值，若所述差值小于所述异物阈值，则所述第一像素点是异物像素点；累计所述异物像素点的个数，根据所述个数确定所述第一图像中的异物的大小；其中，所述第一参数包括所述异物阈值。

在本发明的一实施例中，所述异物检测算法包括：计算所述第一图像中的第一像素点沿水平方向的灰度值变化率，累加所述灰度值变化率获得水平灰度变化率累加值，设置第一水平阈值，若所述水平灰度变化率累加值大于所述第一水平阈值，则所述检测结果为有异物；累加所述第一图像中的第一像素点沿水平方向的灰度值，获得水平灰度累加值，设置第二水平阈值，若所述水平灰度累加值大于所述第二水平阈值，则所述检测结果为有异物；计算所述第一图像中的第一像素点沿垂直方向的灰度值变化率，累加所述灰度值变化率获得垂直灰度变化率累加值，设置第一垂直阈值，若所述垂直灰度变化率累加值大于所述第一垂直阈值，则所述检测结果为有异物；以及累加所述第一图像中的第一像素点沿垂直方向的灰度值，获得垂直灰度累加值，设置第二垂直阈值，若所述垂直灰度累加值大于所述第二垂直阈值，则所述检测结果为有异物；其中，所述第一参数包括所述第一水平阈值、所述第二水平阈值、所述第一垂直阈值和所述第二垂直阈值中的一个或多个。

在本发明的一实施例中，在采用多种异物检测算法处理所述图像之前包括：采用区域设定算法处理所述图像，去除不包括所述被检物品的无效图像区域，获得有效图像区域；所述多种异物检测算法在所述有效图像区域中处理所述图像。

在本发明的一实施例中，所述区域设定算法包括：设置空白区域阈值；以及比较所述第一图像中的每个第一像素点的灰度值与所述空白区域阈值，若所述灰度值大于所述空白区域阈值，则所述第一像素点属于所述无效图像区域；其中，所述第一参数包括所述空白区域阈值。

在本发明的一实施例中，所述区域设定算法包括：获得所述第一图像的边界点；设置边界阈值；以及比较所述第一图像中的每个边界点的灰度值与所述边界阈值，若所述灰度值大于所述边界阈值，则所述边界点属于所述无效图像区域；其中，所述第一参数包括所述边界阈值。

本发明为解决上述技术问题还提出一种异物检测装置，其特征在于，包括：存储器，用于存储可由处理器执行的指令；处理器，用于执行所述指令以实现如上所述的方法。

在本发明的一实施例中，还包括：操作界面，提供更新按键，当所述更新按键被触发时，所述处理器执行所述指令以实现如上所述的方法。

本发明为解决上述技术问题还提出一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现如上所述的方法。

本发明的异物检测方法采用多种异物检测算法，根据检测结果对该多种异物检测算法中的多个第一参数进行自动调整，使该多种异物检测算法得到优化，可以有效地改善误检和漏检的情况，为自动化生产提供了高效便捷的手段。

附图说明

包括附图是为提供对本申请进一步的理解，它们被收录并构成本申请的一部分，附图示出了本申请的实施例，并与本说明书一起起到解释本发明原理的作用。附图中：

图1是本发明一实施例的异物检测方法的示例性流程图；

图2是本发明一实施例的异物检测算法的示例性流程图；

图3是本发明另一实施例的异物检测算法的示例性流程图；

图4是本发明一实施例的异物检测方法中的合格图像的示意图；

图5本发明另一实施例的异物检测算法的示例性流程图；

图6是本发明一实施例的异物检测算法的示例性流程图；

图7是本发明一实施例的异物检测装置中的操作界面的示意图。

具体实施方式

为了更清楚地说明本申请的实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。

除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。

尽管本申请中所使用的术语是从公知公用的术语中选择的，但是本申请说明书中所提及的一些术语可能是申请人按他或她的判断来选择的，其详细含义在本文的描述的相关部分中说明。此外，要求不仅仅通过所使用的实际术语，而是还要通过每个术语所蕴含的意义来理解本申请。

本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，或将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

本发明的异物检测方法可以用于检测食品中是否存在异物。在所获得的食品图像中，该异物在图像中具有可以区别于产品的图像特征。

图1是本发明一实施例的异物检测方法的示例性流程图。参考图1所示，该实施例的异物检测方法包括以下步骤：

步骤s110：获得被检物品的第一图像；

步骤s120：采用多种异物检测算法处理第一图像，获得检测结果，其中，每个异物检测算法至少设置有一个第一参数；以及

步骤s130：根据检测结果调整第一参数，包括：当检测结果为有异物时，沿第一方向调整第一参数的大小；当检测结果为无异物时，沿第二方向调整第一参数的大小；其中，第一方向和第二方向相反。

以下分别对该实施例中的每个步骤进行详细说明。

在步骤s110，其中的被检物品即需要进行异物检测的产品。本发明对于该被检物品的类型不做限制，只要适用于本发明的异物检测方法的产品都可以作为该被检物品。

本发明对该第一图像的获得方式不做限制。由于本方法是对被检物品中的异物进行检测，因此可以采用各种可以获得被检物品内部影像的方式来获得该第一图像。

优选地，采用产品检测用x光机获得被检物品的第一图像。

本发明对第一图像的格式不做限制，该第一图像的格式可以例如是但不限于pdf、bmp、jpg、gnp等。第一图像可以是黑白图像或彩色图像。

优选地，该第一图像是灰度图像。

在步骤s120中，多种异物检测算法指用于检测第一图像中是否存在异物的异物检测算法。所获得的检测结果包括有异物和无异物。每个异物检测算法中至少设置有一个第一参数，通过调整该第一参数可以调整检测的准确性。

例如，当发生误检时，即被检物品中实际上并不包含异物，该被检物品实际上是合格产品，然而检测结果为有异物，表示检测结果有误。此时需要对第一参数进行调整，以提高该第一参数所对应的异物检测算法的准确性。

当发生漏检时，即被检物品中实际上包含异物，该被检物品实际上是不合格产品，然而检测结果为无异物，表示对不合格产品发生了漏检。此时也需要对第一参数进行调整，以提高该第一参数所对应的异物检测算法的准确性。

在异物检测方法中，可以同时使用多个异物检测算法，每个异物检测算法都有其所对应的第一参数。可以理解，不同的异物检测算法中所对应的第一参数可以是不同的。本发明对第一参数的个数不做限制。不同的异物检测算法中的第一参数的数量也可以不同。

在步骤s130中，根据检测结果调整第一参数。本发明对于如何启动步骤s130不做限制。步骤s130可以是自动启动，也可以是应要求而启动。例如，当检测结果为有异物时或无异物时，自动启动步骤s130。也可以是操作者认为异物检测算法的第一参数需要进行调整时，人为触发步骤s130。

在步骤s130中，当检测结果为有异物时，沿第一方向调整第一参数的大小；当检测结果为无异物时，沿与第一方向相反的第二方向调整第一参数的大小。

在一些实施例中，第一方向指增大的方向，则第二方向为减小的方向。也就是说，当检测结果为有异物时，增大第一参数的大小，可以改善误检的问题；当检测结果为无异物时，减小第一参数的大小，可以改善漏检的问题。

在一些实施例中，每个异物检测算法的第一参数具有预设的第一临界阈值，当第一参数等于第一临界阈值时，根据异物检测算法处理第一图像，检测结果从有异物转变为无异物。则步骤s130中的根据检测结果调整第一参数的步骤还包括：

步骤s131：当检测结果为有异物时，使第一参数的大小沿第一方向以预定步长逼近第一临界阈值。

在这些实施例中，预先设定一第一临界阈值。可以采用一些混有异物的不合格产品样本作为训练样本，对每种异物检测算法进行训练。对于某一种异物检测算法来说，对这些训练样本进行检测，将第一参数由大到小逐渐改变，第一临界阈值是能够检测到异物的最大的第一参数。当第一参数等于第一临界阈值时，检测结果从有异物转变为无异物，表示发生了漏检。因此，第一临界阈值也被称为产品检测合格的参数临界值。当第一参数小于该第一临界阈值时，就会发生漏检。

当检测结果为有异物时，提示可能发生了误检，当前的第一参数可能偏小，则使第一参数沿第一方向逐渐增大，逐渐逼近第一临界阈值。若第一参数在等于小于第一临界阈值的某个更新数值时，检测结果为无异物，则调整该第一参数等于该更新数值。第一参数可以被调整到的最大值为第一临界阈值。

本发明对步骤s131中的预定步长的具体数值不做限制。

在一些实施例中，每个异物检测算法的第一参数具有预设的第二临界阈值，当第一参数等于第二临界阈值时，根据异物检测算法处理第一图像，检测结果从无异物转变为有异物。则步骤s130中的根据检测结果调整第一参数的步骤还包括：

步骤s132：当检测结果为无异物时，使第一参数的大小沿第二方向以预定步长逼近第二临界阈值。

在这些实施例中，预先设定一第二临界阈值。可以采用一些合格产品样本作为训练样本，对每种异物检测算法进行训练。对于某一种异物检测算法来说，对这些训练样本进行检测，将第一参数由小到大逐渐改变，第二临界阈值是能够检测到这些合格产品中包括异物的最小的第一参数。当第一参数等于第二临界阈值时，检测结果从无异物转变为有异物，也就发生了误检。因此，第二临界阈值也被称为产品检测不合格的参数临界值。当第一参数大于该第二临界阈值时，就会发生误检。

当检测为无异物时，可能发生了漏检，当前的第一参数可能偏大，则使第一参数沿第二方向逐渐减小，逐渐逼近第二临界阈值。若第一参数在等于大于第二临界阈值的某个更新数值时，检测结果为有异物，则调整该第一参数等于该更新数值。第一参数可以被调整到的最小值为第一临界阈值。

本发明对步骤s132中的预定步长的具体数值不做限制。

图2是本发明一实施例的异物检测算法的示例性流程图。参考图2所示，该实施例中的异物检测算法包括：

步骤s210：获得合格被检物品的合格图像，获得合格图像中的最小灰度值作为合格最小灰度值。

这里的合格被检物品指不包括异物的合格产品，相应地，该合格图像中也不包括异物的图像。该实施例的合格图像可以是灰度图像。本发明对合格图像的大小不做限制。该合格图像中可以包括m*n个像素点。该像素点的个数与该合格图像的面积、分辨率相关。分辨率越高，图像的面积越大，像素点的个数越多。合格图像中的每个像素点具有灰度值gray(i,j)，其中(i,j)是该像素点在二维的合格图像中的坐标。合格最小灰度值记为mingray。

步骤s220：设置灰度阈值为最小灰度值与第一预设值的差值。

在本步骤中有预先设置一第一预设值a1。灰度阈值gray_th＝mingray-a1。

本发明对第一预设值a1的具体取值不做限定，可以根据需要来设置。例如，a1＝10，其单位与灰度值的单位相同，例如为灰度。

步骤s230：获得第一图像中的最小灰度值作为第一最小灰度值。

该第一图像即由图1中所示的步骤s110所获得的被检物品的第一图像。第一图像的大小、类型、像素点个数都可以与合格图像相同。第一最小灰度值记为mingray1。

步骤s240：获得第一最小灰度值和合格最小灰度值的差值，若差值大于灰度阈值，则检测结果为有异物，若差值小于灰度阈值，则检测结果为无异物；其中，第一参数包括灰度阈值。

在本步骤中，计算d＝│mingray1-mingray│，若d>gray_th，则检测结果为有异物；若d<gray_th，则检测结果为无异物。

根据图2所示的异物检测算法，步骤s120中的第一参数包括灰度阈值gray_th。根据检测结果调整该灰度阈值，即对该异物检测算法进行优化，以减小误检或漏检。当检测结果为有异物时，沿第一方向增大灰度阈值gray_th，可以改善误检；当检测结果为无异物时，沿第二方向减小灰度阈值gray_th，可以改善漏检。

图3是本发明另一实施例的异物检测算法的示例性流程图。参考图3所示，该实施例中的异物检测算法包括：

步骤s310：获得合格被检物品的合格图像，计算合格图像中的每个像素点的灰度值与其周围像素点的灰度值的差值中的最小差值，获得全部像素点的最小差值中的最大值。

本步骤中的合格被检物品与图2中的步骤s210中的合格被检物品相同。

图4是本发明一实施例的异物检测方法中的合格图像的示意图。其中用方格表示该合格图像中的一个像素点。假设该合格图像包括m*n个像素点，每个像素点用p(i,j)表示，i＝1,…,m，j＝1,…,n。

在本步骤中，计算其中每个像素点p(i,j)与其周围像素点的灰度值的差值中的最小差值。

本发明对于如何设定周围像素点不做限制。参考图2所示，在像素点p(i,j)周围具有8个像素点w1-w8。在本步骤中，可以计算8个像素点中的k个像素点与像素点p(i,j)的灰度值的差值，从而获得k个差值dw。再从该k个差值中获得一个最小差值dwmin。

在本实施例中，k≤8。

遍历合格图像中的m*n个像素点，获得m*n个最小差值dwmin，从中获得最大值，即max(dwmin)。

步骤s320：设置灵敏度为最大值与第二预设值的和。

灵敏度s＝│max(dwmin)+a2│，其中第二预设值a2是一预先设定的值，可以根据需要来设置。例如，a2＝5。

步骤s330：获得第一图像中的每个第一像素点的灰度值与其周围像素点的灰度值的差值中的最小差值，获得全部第一像素点的最小差值中的最大值作为第一最大值。

为便于说明，假设第一图像与合格图像的大小相同。第一图像中包括第一像素点p1(i,j)，其中i＝1,…,m，j＝1,…,n。在其他的实施例中，第一图像与合格图像的大小可以不同。

本步骤中对周围像素点的设定和步骤s310中相同。可以获得k个差值dw1，在从该k个差值中获得一个最小差值dwmin1。遍历所有第一像素点p1(i,j)，获得所有最小差值中的最大值max(dwmin1)。

步骤s340：比较第一最大值和灵敏度，若第一最大值大于灵敏度，则检测结果为有异物，若第一最大值小于灵敏度，则检测结果为无异物；其中，第一参数包括灵敏度。

经过本步骤的比较，若max(dwmin1)>s,则检测结果为有异物；若max(dwmin1)<s，则检测结果为无异物。

根据图3所示的异物检测算法，步骤s120中的第一参数包括灵敏度s。当检测结果为有异物时，沿第一方向增大灵敏度s，可以改善误检；当检测结果为无异物时，沿第二方向减小灵敏度s，可以改善漏检。

图5本发明另一实施例的异物检测算法的示例性流程图。参考图5所示，该实施例中的异物检测算法包括：

步骤s510：获得合格被检物品的合格图像，获得合格图像中的最小灰度值作为合格最小灰度值。

本步骤与图2所示实施例的步骤s210相同，可参考相关说明内容。在本步骤获得了合格最小灰度值记为mingray。

步骤s520：以第一图像中的每个第一像素点为中心，计算每个第一像素点周围像素点的灰度值与合格最小灰度值之间的差值。

该第一图像即由图1中所示的步骤s110所获得的被检物品的第一图像。第一图像的大小、类型、像素点个数都可以与合格图像相同。

结合图3所示的实施例和图4，本步骤中对周围像素点的设定与步骤s310相同。将每个第一像素点p1(i,j)的灰度值与合格最小灰度值mingray的差值记为d1(i,j)。

步骤s530：设置异物阈值，比较每个差值和异物阈值，若差值小于异物阈值，则第一像素点是异物像素点。

本发明对异物阈值th的设置不做限制，可以根据具体情况和需要来设定。对于不同的被检物品，其异物阈值th可能是不同的。

在本步骤中，比较每一个差值d1(i,j)与异物阈值th，若d1>th，则该差值所对应的第一像素点p1是异物像素点；否则，则该第一像素点p1就不是异物像素点。

步骤s540：累计异物像素点的个数，根据个数确定第一图像中的异物的大小；其中，第一参数包括异物阈值。

在本步骤中，根据异物像素点的个数确定第一图像中所包含的异物的大小。因此，根据本实施例的异物检测算法，实际上可以对被检物品中的异物的大小做出判断。用户可以根据被检物品的实际类型来设定异物被判定为大、中、小的标准。例如，设定两个标准n1和n2，n1<n2。若异物像素点的个数小于n1，则判断为小异物；若异物像素点的个数在n1和n2之间，则判断为中异物；若异物像素点的个数大于n2，则判断为大异物。

根据图5所示的异物检测算法，步骤s120中的第一参数包括异物阈值th。当检测结果为有异物时，沿第一方向增大异物阈值th，可以改善误检；当检测结果为无异物时，沿第二方向减小异物阈值th，可以改善漏检。

图6是本发明一实施例的异物检测算法的示例性流程图。参考图6所示，该实施例中的异物检测算法包括：

步骤s610：计算第一图像中的第一像素点沿水平方向的灰度值变化率，累加灰度值变化率获得水平灰度变化率累加值，设置第一水平阈值，若水平灰度变化率累加值大于第一水平阈值，则检测结果为有异物。

本步骤中的第一图像与前文所述的第一图像相同，在此不再展开说明。

用图4所示来说明第一图像，该第一图像作为二维图像具有水平方向x和垂直方向y。在一些实施例中，沿水平方向x计算第一像素点沿水平方向的灰度值变化率，可以按照下面的方法来计算：

设第一像素点p1(i,j)的灰度值为grayp1(i,j)，在其所在像素行中的右侧相邻的第一像素点p1(i,j+1)的灰度值为grayp1(i,j+1)，则使grayp1(i,j+1)-grayp1(i,j)为一个灰度值变化率。沿像素行遍历所有的m*n个第一像素点p1，可以获得m*n-1个灰度值变化率。将这些灰度值变化率累加起来可以获得水平灰度变化率累加值。

根据具体情况设置第一水平阈值th_h1，若水平灰度变化率累加值>th_h1，则检测结果为有异物。

步骤s620：累加第一图像中的第一像素点沿水平方向的灰度值，获得水平灰度累加值，设置第二水平阈值，若水平灰度累加值大于第二水平阈值，则检测结果为有异物。

本步骤直接沿水平方向将第一像素点p1(i,j)的灰度值grayp1(i,j)进行累加，获得水平灰度累加值。根据具体情况设置第二水平阈值th_h2，若水平灰度累加值>th_h2，则检测结果为有异物。

步骤s630：计算第一图像中的第一像素点沿垂直方向的灰度值变化率，累加灰度值变化率获得垂直灰度变化率累加值，设置第一垂直阈值，若垂直灰度变化率累加值大于第一垂直阈值，则检测结果为有异物。

在本步骤中，设第一像素点p1(i,j)的灰度值为grayp1(i,j)，在其所在像素列中的下方相邻的第一像素点p1(i+1,j)的灰度值为grayp1(i+1,j)，则使grayp1(i+1,j)-grayp1(i,j)为一个灰度值变化率。沿像素列遍历所有的m*n个第一像素点p1，可以获得m*n-1个灰度值变化率。将这些灰度值变化率累加起来可以获得垂直灰度变化率累加值。

根据具体情况设置第一垂直阈值th_v1，若垂直灰度变化率累加值>th_v1，则检测结果为有异物。

步骤s640：累加第一图像中的第一像素点沿垂直方向的灰度值，获得垂直灰度累加值，设置第二垂直阈值，若垂直灰度累加值大于第二垂直阈值，则检测结果为有异物；其中，第一参数包括第一水平阈值、第二水平阈值、第一垂直阈值和第二垂直阈值中的一个或多个。

本步骤直接沿垂直方向将第一像素点p1(i,j)的灰度值grayp1(i,j)进行累加，获得垂直灰度累加值。根据具体情况设置第二垂直阈值th_v2，若垂直灰度累加值>th_v2，则检测结果为有异物。

根据图6所示的异物检测算法，步骤s120中的第一参数包括第一参数包括第一水平阈值th_h1、第二水平阈值th_h2、第一垂直阈值th_v1和第二垂直阈值th_v2中的一个或多个。当检测结果为有异物时，沿第一方向增大这些第一参数，可以改善误检；当检测结果为无异物时，沿第二方向减小这些第一参数，可以改善漏检。

在一些实施例中，在图2所示的步骤s120，即采用多种异物检测算法处理图像之前，还包括：采用区域设定算法处理图像，去除不包括被检物品的无效图像区域，获得有效图像区域；多种异物检测算法在有效图像区域中处理图像。

根据这些实施例，可以减小所要处理的第一图像的大小，仅从中提取出包含被检物品的有效图像区域作为后续的异物检测算法的处理对象，可以减小计算量，提高检测速度。

在一些实施例中，该区域设定算法包括：

步骤s710：设置空白区域阈值；以及

步骤s720：比较第一图像中的每个第一像素点的灰度值与空白区域阈值，若灰度值大于空白区域阈值，则第一像素点属于无效图像区域；其中，第一参数包括空白区域阈值。

这些实施例的区域设定算法可以被称为去白工具。

在实际的检测过程中，被检物品通过传送带进入检测用x光机的照射范围内，所获得的第一图像中包括被检物品周围的空气等所形成的空白区域。在这些实施例中，设置一空白区域阈值th_blank，将每一个像素点的灰度值与该空白区域阈值th_blank进行比较。若灰度值大于空白区域阈值，表示该第一像素点属于无效图像区域。进一步地，可以从第一图像中去除这部分第一像素点，也就是去除无效图像区域，仅保留有效图像区域。

在这些实施例中，步骤s120中的第一参数包括空白区域阈值。当检测结果为有异物时，沿第一方向增大空白区域阈值th_blank，相当于增大有效图像区域，可以改善误检；当检测结果为无异物时，沿第二方向减小空白区域阈值th_blank，相当于减小有效图像区域，可以改善漏检。

在一些实施例中，该区域设定算法包括：

步骤s810：获得第一图像的边界点；

步骤s820：设置边界阈值；以及

步骤s830：比较第一图像中的每个边界点的灰度值与边界阈值，若灰度值大于边界阈值，则边界点属于无效图像区域；其中，第一参数包括边界阈值。

这些实施例的区域设定算法可以被称为去盒工具。

在实际的检测过程中，被检物品可能被放置在包装盒中，例如盒装饼干。其中的包装盒属于无效图像区域。

在步骤s810中，第一图像中包括被检物品及其包装盒。因此获得第一图像的边界点，指获得该包装盒的边缘。本步骤可以采用图像处理领域的任意边缘检测方法来实施。

在步骤s820，根据实际情况设置边界阈值th_bound。

在步骤s830，比较第一图像中的每个边界点的灰度值与边界阈值th_bound，若该灰度值大于边界阈值th_bound，则该边界点属于无效图像区域。进一步地，可以从第一图像中去除这部分边界点，也就是去除无效图像区域，仅保留有效图像区域。

在一些实施例中，第一图像的边界并不是一条直线，而是具有一定厚度的直线，表示包装盒的厚度。因此在步骤s830中，边界点包括该包装盒的厚度范围内的多个边界点。可以从所检测到的图像边界点，根据其所在的方位，向相反方向扩展一段距离。例如，对于左边界点，从该左边界点所在的行，向右扩展若干个像素点，都作为第一图像的左边界点，获得左边界点集合。对于右边界点、上边界点和下边界点都可以采用类似的方法，分别获得右边界点集合、上边界点集合和下边界点集合。这样，可以增加所去除的无效图像区域的面积，进一步地减小有效图像区域的大小，减少计算量，提高检测速度。

在这些实施例中，步骤s120中的第一参数包括边界阈值th_bound。当检测结果为有异物时，沿第一方向增大边界阈值th_bound，相当于增大有效图像区域，可以改善误检；当检测结果为无异物时，沿第二方向减小边界阈值th_bound，相当于减小有效图像区域，可以改善漏检。

根据上述的实施例，第一参数可以包括灰度阈值gray_th、灵敏度s、异物阈值th、第一水平阈值th_h1、第二水平阈值th_h2、第一垂直阈值th_v1、第二垂直阈值th_v2、空白区域阈值th_blank和边界阈值th_bound中的一个或任意个的组合。

本发明还提出一种异物检测装置，包括存储器和处理器。该存储器用于存储可由处理器执行的指令，该处理器用于执行该指令以实现如前文所述的异物检测方法。

图7是本发明一实施例的异物检测装置中的操作界面的示意图。参考图7所示，在该实施例中，本发明的异物检测装置还包括一操作界面700，其中提供了一更新按键710，当该更新按键710被触发时，处理器执行指令以实现本发明的异物检测方法。本发明对该更新按键710的大小、形状、具体实现形式不做限制。

参考图7所示，在该操作界面700中还显示了被检物品的第一图像720。该第一图像720的形状大致为长方形。在该操作界面700中还包括检测算法区730和选择区740。在检测算法区730中列出了多种不同的异物检测算法，其中异物1指图2和图3所示实施例中的异物检测算法；小异物、中异物、大异物指采用图5所示实施例中的异物检测算法，可以获得异物的大小；hv变化率指采用图6所示实施例中的异物检测算法。去白工具和去盒工具则指前文所述的两种区域设定算法。在检测算法区730中，每种算法名称的前面包括不同填充图案的方框，该不同填充图案可以表示不同的颜色。根据这些方框可以在第一图像720中用该算法对应的填充图案或颜色标记所检测到的异物。使用户对检测结果以及与检测算法的关系都一目了然。

在该操作界面700中还可以对一些第一参数进行手工调整，例如在输入框751中设置灰度阈值th，在输入框752中设置灵敏度s，利用移动条753设置灰度阈值th。移动条753所标记的灰度值与输入框751中的数值同步变化。

图7所示的操作界面700中还可以包括一些功能按键，例如返回主界面按键711、载入图片按键712、保存参数713按键和开始按键714等。本领域技术人员可以基于本发明的思想在操作界面700中增加或删除各种功能按键。

根据本发明的异物检测装置，通过触发更新按键710，就可以对所有的第一参数进行自动调整，从而优化所有选定的异物检测算法，简便快捷，加快了异物检测的速度，提高了工作效率。

本发明还提出一种存储有计算机程序代码的计算机可读介质，该计算机程序代码在由处理器执行时实现如前文所述的异物检测方法。

本申请的一些方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。处理器可以是一个或多个专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理器件(dapd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、处理器、控制器、微控制器、微处理器或者其组合。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。例如，计算机可读介质可包括，但不限于，磁性存储设备(例如，硬盘、软盘、磁带……)、光盘(例如，压缩盘cd、数字多功能盘dvd……)、智能卡以及闪存设备(例如，卡、棒、键驱动器……)。

计算机可读介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、射频信号、或类似介质、或任何上述介质的组合。

本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

虽然本申请已参照当前的具体实施例来描述，但是本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本申请，在没有脱离本申请精神的情况下还可作出各种等效的变化或替换，因此，只要在本申请的实质精神范围内对上述实施例的变化、变型都将落在本申请的权利要求书的范围内。