一种基于九相机模型的纸包装箱内外检测方法

摘要

本发明公开了一种基于九相机模型的纸包装箱内外检测方法，本方法共使用九部相机，其中四部相机拍摄纸包装箱前、后、左、右四个面，两部相机正对纸包装箱前后两个面采集图像另两部相机斜对纸包装箱侧面拍摄纸包装箱左右两个面；另五部相机拍摄纸包装箱内侧和底面图像，其中四部相机置于纸包装箱斜上方拍摄纸箱四个内侧面，一部相机位于纸包装箱正上方拍摄纸箱底面图像；所述的九部相机均采用500万像素的USB接口或Gige网口相机，Gige网口相机需要外接供电电源；光源采用四个高亮度的线光源，光源需要输出电压为24v的光源控制器，光源控制器的输入电压为110v，需要配置220v转110v的交流电压转换器。

主权项

一种基于九相机模型的纸包装箱内外检测方法，其特征在于：该检测方法共使用九部相机，在九部相机中使用四部相机采集纸包装箱外侧图像，这四部相机分别拍摄纸包装箱前、后、左、右四个面，其中两部相机正对纸包装箱前后两个面采集图像，另两部相机斜对纸包装箱侧面拍摄纸包装箱左右两个面；九部相机中的另五部相机用于拍摄纸包装箱内侧和底面图像，其中四部相机置于纸包装箱斜上方拍摄纸箱四个内侧面，一部相机位于纸包装箱正上方拍摄纸箱底面图像；所述的九部相机均采用500万像素的USB接口或Gige网口相机，Gige网口相机需要外接供电电源；光源采用四个高亮度的线光源，光源需要输出电压为24v的光源控制器，光源控制器的输入电压为110v，需要配置220v转110v的交流电压转换器；所述的检测方法具体内容包括如下步骤：一、纸包装箱外侧版面检测实现方法：使用四部相机采集纸包装箱外侧图像，共需四个模式匹配模块同时进行处理；采用模式匹配快速定位一个灰度图像区域，这个灰度图像区域与一个已知的参考模板相匹配，所述的参考模板是图像中特征的理想化表示形式；当使用模式匹配时，首先需要创建一个模板，这个模板代表了搜索的目标，然后机器视觉应用程序会在采集到的每个图像中搜索模板，并计算每个匹配分值，用以表示找到的匹配对象与模板的相似程度；分值从0～1000分，分值越高表示越相似，1000分值则是表示完美的匹配，通常只有在提取模板的图像中才有1000分值的匹配高分；在纸包装箱外侧版面检测中需要对图像的ROI区域设定最小匹配分值，以检测纸包装箱外版面是否存在错印、漏印和重复印刷；所述的模式匹配包括归一化互相关、比例不变与旋转不变匹配、锥形匹配以及图像理解；所述的归一化互相关是在图像中寻找模板的方法，能够减少图像的大小和限制匹配存在的图像区域；所述的锥形匹配和所述的图像理解是增加匹配处理速度的两种方法；相关的基本概念：考虑大小为K×L的子图像w(x,y)在大小为M×N的图像f(x,y)中，其中K≤L,L≤N。w(x,y)与f(x,y)在点(i，j)处的相关由下式来表示：$C(i,j)=\underset{x=0}{\overset{L-1}{\Sigma }}\underset{y=0}{\overset{K-1}{\Sigma }}w(x,y)f(x+i,y+j)$其中i＝0,1,2…M‑1，j＝0,1,2…N‑1；所述相关的操作步骤：假设图像f的起点在左上角，相关是这样的过程：在图像区域中四处移动模板或子图像w并且计算C的值在哪个区域；这个过程包含了一个乘法：模板中的每个像素乘以与模板重叠的图像中对应的像素，然后对模板中所有的像素求和得到结果；基本相关对于图像的振幅变化非常敏感，如果图像f的强度增加了一倍，得到的值为C；可以通过计算归一化相关系数来克服这种敏感；归一化相关系数定义为：$R(i,j)=\frac{\underset{x=0}{\overset{L-1}{\Sigma }}\underset{y=0}{\overset{K-1}{\Sigma }}\left(w\right(x,y)-\bar{w})\left(f\right(x+i,y+j)-\bar{f}(i,j\left)\right)}{{\left[\underset{x=0}{\overset{L-1}{\Sigma }}\underset{y=0}{\overset{K-1}{\Sigma }}{\left(w\left(x,y\right)-\bar{w}\right)}^2\right]}^{\frac{1}{2}}{\left[\underset{x=0}{\overset{L-1}{\Sigma }}\underset{y=0}{\overset{K-1}{\Sigma }}{\left(f\left(x+i,y+j\right)-\bar{f}\left(i,j\right)\right)}^2\right]}^{\frac{1}{2}}}$其中：是模板w的像素强度值的平均值变量，是图像f中与模板w重叠区域的平均值；R的取值位于‑1～1之间，不依赖于比例变化的f和w的强度值；所述的比例不变与旋转不变匹配，当图像中的模板没有缩放或旋转时，通过归一化互相关在图像中寻找模板。对于比例不变的匹配，必须重复这个过程：缩放比例或重新调整模板大小然后执行相关操作；如果从图像中提取旋转有一个线索，可以旋转模板并执行相关；如果旋转的性质未知，则寻找最佳匹配需要详细无漏的旋转模板；在频域中使用快速傅里叶变换(FFT)来执行相关，相关的获得是通过图像的傅里叶变换乘上模板的傅里叶变换的共轭复数得到的；所述的锥形匹配就是通过减小图像大小和模板大小来提高模板匹配的计算时间；在锥形匹配中，图像和模板都是重采样的，以得到较小的空间分辨率；通过每隔一个像素采样，图像和模板能够减少到原始图像的四分之一大小，匹配首先在减小的图像上执行；匹配完成后，只有较高匹配分值的区域需要被考虑为原始图像中的匹配区域；所述的图像理解就是将模式匹配特征一个突出的像素模式描述为一个模板；使用非均匀抽样技术，具体包括图像的结合边缘像素和区域像素；最后，图像经过模式匹配处理，得出图像是否与模板正确匹配的结果；二、纸包装箱内侧异物检测实现方法使用五部相机采集纸包装箱内侧图像，共使用五个粒子分析模块同时进行处理，基于背景的图像处理，从图像中找出与背景不同的部分，实现自动化检测；首先，需要从图像中截取一部分图像进行处理，该部分图像即是需要被检测的部分；对图像作如下处理：创建一个掩膜从整幅图像中选择兴趣区域ROI；对于图像中重要的结构和集中分析的区域，使用阈值来提取区域；要求图像照明均匀，使用全局灰度阈值检测图像；采用粒子分析算法检测出箱内的异物；所述的粒子分析算法包括：计算图像的平均灰度、列出求解最佳阈值的相关变量、求解最佳阈值；所述的粒子分析算法中的粒子滤波根据状态方程加上控制量可以对每一个粒子得到一个预测粒子；通过预测粒子，可以得到时间观察值，下一步进行粒子评价；最后，采用重采样算法，去除低权值的粒子，复制高权值的粒子，经过粒子过滤后，图像中的粒子就是需要的特征而没有其他干扰，由此检测出纸包装箱内侧是否存在异物。