一种基于机器识别的饮用水灌装后杂质检测方法及系统与流程

本发明涉及图像数据处理领域。更具体地，本发明涉及一种基于机器识别的饮用水灌装后杂质检测方法及系统。

背景技术：

1、饮用水是人类生活中必不可少的资源之一，其质量和安全对人类健康至关重要。然而，即使在灌装过程中，饮用水中仍可能存在各种杂质，包括微小的金属碎屑、微生物、颗粒物等，这些杂质通常具有不同的形状、颜色、大小和密度，可能会对饮用水的质量和安全造成威胁，因此开发一种可靠的机器识别系统需要解决诸如光照变化、杂质多样性、算法鲁棒性等技术挑战。同时，饮用水行业受到严格的监管和标准，开发可靠的杂质检测系统有助于企业遵守相关法规和标准，确保产品符合质量要求。自动化的杂质检测系统也可以提高生产线的效率和稳定性，减少人工成本，并降低因人为因素导致的错误。

2、传统的饮用水灌装后杂质检测时采用灯检法，因为水内杂质，以金属杂质为例，可以对光进行反射与透射，会形成一定的特征表现以此进行观测罐装水内是否含有杂质，但是这需要依靠大量人力进行检测；为了提高人效，采用机器识别等视觉相关算法代替人力肉眼检测，采集灯光下的罐装水图像时，光照区域以及金属碎屑的反光区域都可以将图像较好地分为两类，光照区域会影响最终的分割阈值获取，进而影响分割结果的准确性。

技术实现思路

1、为解决上述一个或多个技术问题，本发明提出依据采集图像在rgb三通道下的不同特征表现，对rgb三通道下的分割阈值进行加权，以获得显著的分割阈值，减小光照区域对分割阈值获取的影响，为此，本发明在如下的多个方面中提供方案。

2、在第一方面中，一种基于机器识别的饮用水灌装后杂质检测方法，包括：采集灌装饮用水图像，并进行预处理；获取灌装饮用水图像在三个通道的所有灰度级，使用大津法对三个通道分别进行分割，对灌装饮用水图像在三通道下分割阈值进行加权，得到显著的分割阈值；计算所述灌装饮用水图像在各通道下的分割阈值对应灰度级所对应像素点的最大梯度值方向，判断是否可以形成一个近似连通域；获取灌装饮用水图像中任意通道对应的分割阈值的两个最近邻灰度级，获取任意通道中的分割阈值对应的灰度级和两个最近邻灰度级，将三个灰度级记为目标灰度级；对任意通道下灌装饮用水图像的目标灰度级对应像素点设置一个序列集合，将近似连通域中的像素点从序列集合中剔除，判断剩余像素点是否可以形成连通域，直至序列集合内的剩余像素点不能形成近似连通域为止，进而获得任意通道下灌装饮用水图像的所有近似连通域；根据所述近似连通域的特征，获得各通道下的金属碎屑杂质的表现程度，得到各通道下的分割阈值对应的权重值，根据所述权重值获得显著分割阈值对应的灰度级，其中，计算各个通道下的最大类间方差作为分割阈值；根据所述显著分割阈值，对灌装饮用水图像进行阈值分割，并根据分割结果进行识别灌装饮用水中是否存在杂质。

3、在一个实施例中，计算所述灌装饮用水图像在各通道下的分割阈值对应灰度级所对应像素点的最大梯度值方向，判断是否可以形成一个近似连通域，包括以下步骤：

4、在任意通道下图像的目标灰度级对应像素点中任意一个像素点记为起始像素点，计算所述起始像素点的最大梯度方向；

5、获取最大梯度方向上的与起始像素点的欧式距离最小的目标灰度级所对应的像素点；

6、遍历所有像素点的最大梯度方向，直至所述最大梯度方向上不存在目标灰度级所对应的像素点为止，将所获取的所有像素点记为一个近似连通域。

7、在一个实施例中，根据所述近似连通域的特征，获得各通道下图像对金属碎屑杂质的表现程度，得到各通道下的分割阈值对应权重值，包括步骤：

8、获取近似连通域的中心像素点，对任意两个所述近似连通域的中心像素点采用无向线段连接搭建图结构，根据任意两个近似连通域的中心像素点之间的边权为两个近似连通域的中心像素点间的欧式距离，得到任意两个所述近似连通域的中心像素点之间的最短路径；

9、根据所述近似连通域的数量和大小，以及任意两个近似连通域之间的距离，得到对应的通道下金属碎屑的表现程度和权重值。

10、在一个实施例中，所述权重值满足下述关系式：

11、

12、式中，表示通道下图像的分割阈值对应权重，表示通道下近似连通域的个数，表示通道下第个近似连通域的面积，表示通道下第个近似连通域的中心位置像素点坐标，表示通道下第个近似连通域的中心位置像素点坐标。

13、在一个实施例中，所述显著分割阈值对应的灰度级满足下述关系式：

14、

15、式中，表示显著分割阈值对应的灰度级，、、为rgb三通道对应分割阈值所对应灰度级，、、为rgb三通道对应权重。

16、在一个实施例中，根据所述显著分割阈值对灌装饮用水图像进行阈值分割，包括：

17、根据分割后图像中前景区域与整幅图像的比值，得到最终分割结果中是否包含金属碎屑杂质的可能性值；

18、所述最终分割结果中是否包含金属碎屑杂质的可能性满足下述关系式：

19、

20、式中，表示分割后的图像中包含金属碎屑杂质的可能性，表示分割后图像中前景区域像素点个数，表示整幅图像所包含像素点个数。

21、在一个实施例中，根据分割结果进行识别灌装饮用水中是否存在杂质，包括：

22、设置预设阈值，响应于分割后的图像中包含金属碎屑杂质的可能性小于预设阈值时，判断灌装饮用水中包含金属碎屑杂质。

23、第二方面，一种基于机器识别的饮用水灌装后杂质检测系统，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现上述的基于机器识别的饮用水灌装后杂质检测方法。

24、本发明具有以下效果：

25、1、本发明通过综合考虑多个通道的信息，并通过三通道下对应的分割阈值进行加权，获得显著分割阈值，可以减少单一通道带来的错误分割，提高系统的稳定性和可靠性，避免饮用水存储容器对光进行反射与折射所形成的高亮区域对金属杂质分割的影响。

26、2、本发明通过对分割阈值进行加权获得最终分割阈值的方法具有较强的适应性，能够适应不同光照条件、背景复杂度和目标形态的变化，提高了检测模型的鲁棒性。

技术特征：

1.一种基于机器识别的饮用水灌装后杂质检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于机器识别的饮用水灌装后杂质检测方法，其特征在于，计算所述灌装饮用水图像在各通道下的分割阈值对应灰度级所对应像素点的最大梯度值方向，判断是否可以形成一个近似连通域，包括以下步骤：

3.根据权利要求1所述的一种基于机器识别的饮用水灌装后杂质检测方法，其特征在于，根据所述近似连通域的特征，获得各通道下图像对金属碎屑杂质的表现程度，得到各通道下的分割阈值对应权重值，包括步骤：

4.根据权利要求1所述的一种基于机器识别的饮用水灌装后杂质检测方法，其特征在于，所述权重值满足下述关系式：

5.根据权利要求1所述的一种基于机器识别的饮用水灌装后杂质检测方法，其特征在于，所述显著分割阈值对应的灰度级满足下述关系式：

6.根据权利要求1所述的一种基于机器识别的饮用水灌装后杂质检测方法，其特征在于，根据所述显著分割阈值对灌装饮用水图像进行阈值分割，包括：

7.根据权利要求6所述的一种基于机器识别的饮用水灌装后杂质检测方法，其特征在于，根据分割结果进行识别灌装饮用水中是否存在杂质，包括：

8.一种基于机器识别的饮用水灌装后杂质检测系统，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-7任一项所述的基于机器识别的饮用水灌装后杂质检测方法。

技术总结
本发明涉及图像数据处理领域，更具体地，本发明涉及一种基于机器识别的饮用水灌装后杂质检测方法及系统，方法包括：采集灌装饮用水图像并进行预处理；获取灌装饮用水图像在三个通道的所有灰度级，使用大津法对三个通道分别进行分割，对灌装饮用水图像在三通道下分割阈值进行加权，得到显著的分割阈值；根据近似连通域的特征，获得各通道下金属碎屑杂质的表现程度，得到各通道下分割阈值对应的权重值；根据权重值获得显著分割阈值对应的灰度级，根据显著分割阈值对灌装饮用水图像进行阈值分割，根据分割结果进行识别灌装饮用水中是否存在杂质。本发明通过综合考虑多个通道的信息，减少单一通道带来的错误分割，提高系统的稳定性和可靠性。

技术研发人员：王延毅,陈倩倩,付宝华
受保护的技术使用者：山东华立供水设备有限公司
技术研发日：
技术公布日：2024/5/16