一种基于机器视觉的外观质量检测方法与流程

1.本发明涉及机器视觉检测技术领域，特别涉及一种基于机器视觉的外观质量检测方法。


背景技术：

2.机器视觉检测技术具备检测速度快、检测精度高和检测稳定性强等大量优点。近年来随着我国工业自动化领域的快速发展，机器视觉检测技术在包装盒表面印刷缺陷检测领域得到广泛的应用。利用该技术可以准确的识别包装盒表面是否存在字符粘连、缺少、图案错印、漏印等情况的发生。当前利用机器视觉检测技术进行包装盒表面的缺陷检测已经成为了一个重要的研究方向。
3.包装盒表面印刷缺陷大多表现是油墨量过多导致的字符粘接和印刷图案外型具有较大的差异性或油墨量不足导致字符印记不清和印刷图案模糊不清等状况，因此可以通过采集包装盒表面的图像来对包装盒表面的缺陷进行相关的识别。传统的包装盒表面缺陷检测大多直接以模板匹配的方式进行，根据检测图像与标准模板之间的匹配分数来确定二者的相似程度，相似程度越高匹配分数也就越高，说明包装盒表面出现缺陷的概率越低，但是当采集图像出现旋转、缩放等情况的发生时往往就会出现无法匹配等现象的发生导致误检。


技术实现要素：

4.本发明的目的在于提供一种基于机器视觉的外观质量检测方法，能够自动、准确的检测包装盒表面缺陷。
5.为实现以上目的，本发明采用的技术方案为：一种基于机器视觉的外观质量检测方法，包括如下步骤：s100、加载模板库中当前检测型号包装盒的模板图像，每种检测型号包括标准模板图像、标准检测区域模板图像和标准字符区域模板图像；s200、采集字符和图案印刷完成后包装盒表面图像；s300、将所述包装盒表面图像矫正到系统默认检测位置；s400、对所述矫正到标准检测位置的包装盒表面图像进行自适应阈值分割处理，得到二值化后的包装盒表面图像，通过标准检测区域模板图像提取二值化后的包装盒表面图像中字符区域c1和图案区域p1，通过标准字符区域模板图像将所述字符区域c1和图案区域p1分离；s500、遍历字符区域c1，将每个字符区域进行连通域分割，计算分割后的各连通域的面积并找到面积最大的字符区域c1-m；s600、计算面积最大的字符区域c1-m的外接矩形c1-r，利用该外接矩形c1-r在所述的标准模板图像中扣取对应的字符区域，并计算面积最大字符区域c1-y，比较字符区域c1-m与字符区域c1-y的结果差值，若该差值超过设定阈值则判定为不良品，否则执行下一步；s700、遍历图案区域p1，计算每个图案区域p1-s的外接矩形p1-r，利用该外接矩形p1-r在所述的标准模板图像中扣取对应的图案区域p1-y，分别计算图案区域p1-s和图案区域p1-y的质心距离，若距离超过设定阈值则判定为不良品，否则判定为合格品。
6.与现有技术相比，本发明存在以下技术效果：通过将字符和图案分离，字符缺陷检测主要通过查找字符粘结和缺失判定是否为合格品，图案缺陷检测主要通过计算几何矩是否符合标准来判定合格与否，这种判定方式不受包装盒姿态影响，并且整个检测过程由机器自动完成，降低了人工检测成本，且检测的准确率很高。
附图说明
7.图1是本发明的流程示意图；
8.图2是图像预处理流程图；
9.图3是字符检测流程图；
10.图4是图案检测流程图。
具体实施方式
11.下面结合图1至图4，对本发明做进一步详细叙述。
12.参阅图1，一种基于机器视觉的外观质量检测方法，包括如下步骤：s100、加载模板库中当前检测型号包装盒的模板图像，每种检测型号包括标准模板图像、标准检测区域模板图像和标准字符区域模板图像；s200、采集字符和图案印刷完成后包装盒表面图像；s300、将所述包装盒表面图像矫正到系统默认检测位置；s400、对所述矫正到标准检测位置的包装盒表面图像进行自适应阈值分割处理，得到二值化后的包装盒表面图像，通过标准检测区域模板图像提取二值化后的包装盒表面图像中字符区域c1和图案区域p1，通过标准字符区域模板图像将所述字符区域c1和图案区域p1分离；s500、遍历字符区域c1，将每个字符区域进行连通域分割，计算分割后的各连通域的面积并找到面积最大的字符区域c1-m；s600、计算面积最大的字符区域c1-m的外接矩形c1-r，利用该外接矩形c1-r在所述的标准模板图像中扣取对应的字符区域，并计算面积最大字符区域c1-y，比较字符区域c1-m与字符区域c1-y的结果差值，若该差值超过设定阈值则判定为不良品，否则执行下一步；s700、遍历图案区域p1，计算每个图案区域p1-s的外接矩形p1-r，利用该外接矩形p1-r在所述的标准模板图像中扣取对应的图案区域p1-y，分别计算图案区域p1-s和图案区域p1-y的质心距离，若距离超过设定阈值则判定为不良品，否则判定为合格品。通过将字符和图案分离，字符缺陷检测主要通过查找字符粘结和缺失判定是否为合格品，图案缺陷检测主要通过计算几何矩是否符合标准来判定合格与否，这种判定方式不受包装盒姿态影响，并且整个检测过程由机器自动完成，降低了人工检测成本，且检测的准确率很高。
13.参阅图2，有很多方案可以对包装盒表面图像进行矫正，本发明中进一步地，所述的步骤s300中，包括如下步骤：s310、计算包装盒表面图像的平均灰度值，进行自适应阈值分割处理，将分割得到的各个区域进行矩形度的计算，选取矩形度最优的区域作为图像矫正标志区域r-md；s320、提取图像矫正标志区域r-md的中心点坐标和旋转角度，调用系统默认矩形度最优区域的中心点坐标位置和旋转角度参数，计算得到包装盒表面图像的仿射变换矩阵；s330、通过计算得到的仿射变换矩阵将包装盒表面图像矫正到系统默认检测位置。通过提取中心点坐标和旋转角度，然后计算仿射变换矩阵，最后根据该矩阵来矫正，这种方案计算量较少，处理速度非常快。
14.进一步地，所述的步骤s310中，包括如下步骤：s311、通过如下公式计算包装盒表
面图像的平均灰度值ga：
[0015][0016]
s312、利用包装盒表面图像的平均灰度值ga对图像进行自适应阈值分割处理，通过遍历每个像素灰度值g
p
，判断g
p
和ga的关系，若g
p
＜ga，则g
p
＝255，否则g
p
＝0；s313、通过上一步骤处理得到包装盒表面二值化图像，按如下公式计算该二值化图像中各区域的矩形度：
[0017][0018]
若rm＜rn，则令r0＝r1，式中，rm表示当前矩形度最优的区域的矩形度数值，s0表示当前区域的面积，s
minr
表示当前区域的最小外接矩形的面积，r0表示当前矩形度最优的区域，r1表示当前的检测区域。通过上述步骤可以方便的选取出图像矫正标志区域r-md。
[0019]
进一步地，所述的步骤s320中，仿射变换矩阵包括平移矩阵和旋转矩阵，分别通过如下公式计算得到：
[0020]
s321、按如下公式计算图像矫正标志区域r-md的平移矩阵：
[0021][0022]
该式中，3
×
3矩阵即为平移矩阵，x、y表示图像矫正标志区域r-md的中心点坐标，x
′
、y
′
表示系统默认矩阵度最优区域的中心点坐标；
[0023]
s322、按如下公式计算图像矫正标志区域r-md的旋转矩阵：
[0024][0025]
该式中，3
×
3矩阵即为旋转矩阵，θ表示图像矫正标志区域r-md的旋转角度，这里的x
′
、y
′
与步骤s321中的一致，x
″
、y
″
表示输出坐标计算值；
[0026]
s323、通过平移矩阵和旋转矩阵，对包装盒表面图像的每个像素进行矫正得到系统默认检测位置。通过旋转矩阵和平移矩阵，可以非常方便的对包装盒表面图像进行矫正。
[0027]
参阅图3，进一步地，所述的步骤s600中，按如下步骤在所述的标准模板图像中扣取对应的字符区域：s610、计算字符区域c1-m的外接矩形c1-r的左上角点坐标tr和右下角点坐标br；s620、利用左上角点坐标tr和右下角点坐标br在所述的标准模板图像中扣取对应的字符区域；步骤s600中，若(c1-m)≤0.8*(c1-y)或(c1-m)≥1.2*(c1-y)，则判定为不良品。这里的参数0.8和1.2是本实施例中的优选数值，实际设定时，也可以选择其他的值。
[0028]
参阅图4，进一步地，所述的步骤s700中，质心距离按如下步骤计算：s710、通过图案区域的几何矩m
ji
计算其质心坐标(c
x
，cy)：
[0029][0030]
s720、根据上式计算图案区域p1-s的质心坐标(c
′
x
，c
′y)以及标准模板图像图案区域p1-y的质心坐标(c
″
x
，c
″y)；s730、通过如下公式计算质心坐标距离：
[0031][0032]
通过以上公式，可以方便的计算出质心坐标。
[0033]
进一步地，所述的步骤s200中，包装盒表面字符和图案印刷完成后，通过传送带将包装盒输送到检测工位上，检测工位的底部安装有光电传感器，检测工位的上方安装有工业相机，光电传感器触发时工业相机采集包装盒表面图像。这样设置以后，包装盒通过传送带不停的进行输送，每到检测工位时，工业相机就会采集图像，并将图像输出至工控机或计算机上按上述步骤进行处理判定，当判定为不合格品时，通过推杆或吹风剔除该包装盒即可，余下的合格品继续在传送带上输出，整个检测过程无需人员参与，全自动完成，且检测的准确率和速度都很高。
[0034]
进一步地，本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求前述一种基于机器视觉的外观质量检测方法。还公开了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时，实现如权利要求前述一种基于机器视觉的外观质量检测方法。