(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211198700.7 (22)申请日 2022.09.29 (65)同一申请的已公布的文献号 申请公布号 CN 115272341 A (43)申请公布日 2022.11.01 (73)专利权人 华联机械集团有限公司 地址 325006 浙江省温州市瓯海大维路2号 (72)发明人 柯君阳　董蓓华　金祥光　黄益民　 黄海隆　侯世银　陈伟　蒋琪　 麻佳豪　朱星觉　 (74)专利代理 机构 浙江维创盈嘉专利代理有限 公司 33477 专利代理师 于岩 (51)Int.Cl. G06T 7/00(2017.01)G06T 7/11(2017.01) G06T 7/13(2017.01) G06V 10/54(2022.01) G06V 10/75(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) (56)对比文件 CN 111028213 A,2020.04.17 CN 112630222 A,2021.04.09 审查员 殷针针 (54)发明名称 一种基于机器视觉的包装机缺陷产品检测 方法 (57)摘要 本发明涉及图像处理技术领域， 具体涉及一 种基于机器视觉的包装机缺陷产品检测方法， 该 方法获取模板图像和待检测图像； 通过分区步骤 将模板图像划分为多个区域， 并获取待检测区域 对应的多个区域； 对于待检测图像和模板图像， 利用文字边缘点的角点值对比文字区域的第一 差异性， 基于纹理特征对比待图像区域的第二差 异性， 根据边缘像素点的角点值对比边缘区域的 第三差异性， 通过灰度作差对比其他区域的第四 差异性； 进而获取待检测图像与模板图像的整体 匹配度， 当整体匹配度低于预设阈值时， 对应的 包装袋为残次品。 本发明提高了与模板图像进行 匹配时的精度， 并且能够在不增加机械复杂 度的 前提下， 检测多种缺陷。 权利要求书2页 说明书9页 附图3页 CN 115272341 B 2022.12.27 CN 115272341 B 1.一种基于 机器视觉的包装机缺陷产品检测方法， 其特 征在于， 该 方法包括以下步骤： 获取同品类包装袋模板正反两面的图像作为模板图像， 采集待检测包装袋的正反两面 的图像作为待检测图像； 通过分区步骤将所述模板图像划分为多个区域， 将模板图像的区域划分结果映射到待 检测图像中， 使待检测区域划分为对应的多个区域， 所述多个区域包括图像区域、 文字区 域、 边缘区域和其 他区域； 对于待检测图像和模板 图像， 利用文字边缘点的角点值对比文字区域的第一差异性， 基于纹理特征对比图像区域的第二差异 性， 根据边缘像素点的角点值对比边缘区域的第三 差异性， 通过 灰度作差对比其 他区域的第四差异性； 基于待检测图像中不同区域的像素点数量以及对应的差异性得到待检测图像与模板 图像的整体匹配度， 当整体匹配度低于预设阈值时， 对应的包 装袋为残次品； 所述分区步骤为： 通过对模板 图像的灰度图像进行边缘检测， 得到强边缘点和弱边缘点； 以每个像素点 作为中心点构建预设大小的窗口区域， 基于窗口区域内每两个强边缘点之 间的距离统计窗 口区域内的对称强边缘点对的数量； 获取每个像素点对应的窗口区域内的灰度差异， 统计 每个像素点对应的窗口区域内的弱边缘点数量； 根据每个像素点对应的灰度差异、 弱边缘 点数量以及 对称强边缘点对的数量获取每两个像素点之 间的差异度， 基于所述差异度将灰 度图像中的所有像素点进行分类； 所述得到强边 缘点和弱边 缘点， 包括： 利用canny算子对灰度图像进行边缘检测得到边缘像素点， 将梯度大于canny算子的高 阈值的边缘像素点标记为强边缘点， 将梯度处于canny算子的高阈值和低阈值之间的边缘 像素点标记为弱边 缘点； 所述对称强边 缘点对的获取 方法为： 获取每个窗口区域内的强边缘点在图像中的坐标， 统计每个横坐标上对应的像素点数 量， 以及每个纵坐标上对应的像素点数量， 当像素点数量最大值对应的坐标为横坐标时， 计 算每两个强边缘点之间的距离以及横坐标差值， 当距离与横坐标差值相等时， 对应的两个 强边缘点为一个对称强边 缘点对； 当像素点数量最大值对应的坐标为纵坐标时， 计算每两个强边缘点之间的距离以及纵 坐标差值， 当距离与纵坐标差值相等时， 对应的两个强边 缘点为一个对称强边 缘点对； 所述第一差异性的获取步骤 包括： 对文字区域进行边缘检测获取文字边缘点， 以每个文字边缘点作为目标点， 获取目标 点与相邻的两个文字边缘点分别组成的直线的斜率， 计算斜率的反正切函数值为对应直线 的角度， 两个文字边 缘点对应的角度之差为目标点的角点 值； 计算待检测图像和模板图像的文字区域中对应位置像素点的角点值的差值绝对值， 将 文字区域中所有像素点对应的差值绝对值求和， 并获取待检测图像和模板图像的文字区域 中文字边 缘点的数量差异， 以所述数量差异与求和结果的乘积作为所述第一差异性。 2.根据权利要求1所述的一种基于机器视觉的包装机缺陷产品检测方法， 其特征在于， 所述差异度的获取 方法为： 获取每两个像素点对应的灰度差异的差值绝对值作为第 一差值、 对应的弱边缘点的数权　利　要　求　书 1/2 页 2 CN 115272341 B 2量的差值绝对值作为第二差值、 对应的对称强边缘点对的数量的差值绝对值作为第三差 值， 基于所述第一差值、 第二差值和第三差值获取所述差异度， 第一差值、 第二差值和第三 差值均与所述差异度呈正相关 关系。 3.根据权利要求1所述的一种基于机器视觉的包装机缺陷产品检测方法， 其特征在于， 所述基于所述差异度将灰度图像中的所有像素点进行分类， 包括： 任意选取四个像素点作为初始聚类中心， 以所述差异度作为对应的两个像素点之间的 聚类距离， 通过k ‑means聚类算法将所有像素点进行聚类， 分为四个类别， 每个类别对应一 个区域。 4.根据权利要求1所述的一种基于机器视觉的包装机缺陷产品检测方法， 其特征在于， 所述第二差异性的获取 方法为： 提取图像区域内每个像素点的纹理特征值， 构建特征矩阵， 计算待检测图像和模板 图 像对应的两个特征矩阵的对应位置数值的差值绝对值， 以所有位置的差值绝对值的和作为 所述第二差异性。 5.根据权利要求1所述的一种基于机器视觉的包装机缺陷产品检测方法， 其特征在于， 所述第三差异性的获取 方法为： 获取边缘区域的强边缘点， 计算每个强边缘点的角点值， 根据待检测图像和模板 图像 的边缘区域中所有强边 缘点的角点 值获取所述第三差异性。 6.根据权利要求1所述的一种基于机器视觉的包装机缺陷产品检测方法， 其特征在于， 所述第四差异性的获取 方法为： 对待检测图像和模板图像的其他区域中对应位置像素点进行灰度作差， 所有像素点灰 度作差结果的平均值作为所述第四差异性。 7.根据权利要求1所述的一种基于机器视觉的包装机缺陷产品检测方法， 其特征在于， 所述整体匹配度的获取 方法为： 计算待检测图像的每个区域中的像素点数量占整张待检测图像的数量比例， 再乘上对 应的差异 性， 将四个乘积求和得到整体差异性， 以预设值减去 所述整体差异 性， 得到所述整 体匹配度。权　利　要　求　书 2/2 页 3 CN 115272341 B 3