[发明专利]一种易拉罐制造缺陷在线视觉检测方法

权利要求书

1.一种易拉罐制造缺陷在线视觉检测方法，其特征在于：所述方法包括以下步骤：

A.建立易拉罐缺陷在线视觉检测模型，采用漫反射无影光源照射易拉罐，减少表面反射形成的识别误差；

B.采用图像预处理技术对视频监控图像进行变换和增强操作，消除图像噪声，构造更清晰的图像；

(1)采用变换域和空间域相互结合的方法自适应去除视频图像噪声，来处理视频监测系统中的图像信息；

①利用基于块和滤波的噪声参数估计，自适应处理视频图像中的估计混合高斯噪声参数；

②利用噪声参数对图像进行去噪处理，对一幅图像进行多次不同的去噪处理后，进行简单的数据融合，最终得到质量更好的图像；

(2)构造数字视频图像的离散信号，通过小波变换对其进行分解和重构，提高图像的对比度并突出图像的细节信息；

①采用小波变换将图像分解为频分不同的图像，利用小波图像增强算法对低频分的图像进行增强，将其与高频分组合，最后利用小波变换获得增强后的图像；

②由拐点函数和伽玛校正函数结合后的变换函数为

其中，s为函数的变换参数，n为图像频分临界值，ω₁，ω₂，ω₃，ω₄均为增强系数；

C.采用图像尺度空间分析图像，构造不同尺度的数据光点完成图像聚类，并保证聚类的有效性，达到突出图像重要结构的目的；

(1)根据图像尺度空间分析经过预处理的图像，随着数据光点的尺度变化，划分图像结构；

①将视频图像以一组数据点集表示，Data＝{d₁，d₂，...，d_M}∈R^l，其中，M表示数据点个数，d表示图像数据点，R^l表示空间点集；以狄拉克广义函数δ(d-d_i)表示图像光点，那么数据点集在空间形成的图像可表示为

②根据图像尺度空间，分析不同尺度的图像模板与高斯函数的卷积，其中，高斯函数为表示高斯曲线的峰值，c表示尺度参数，卷积关系式可表示为

③尺度变化时，每个光点都有一定的尺度范围，当光点尺度小于最小范围时，该点被分解为多个小光点，反之，则光点与其他光点融合；

④通过尺度变化，进行聚类的具体步骤，如下：

a)初始化光点尺度，当尺度足够小时，每个数据点便是一个中心，从而产生一个类；

b)聚类进行到第i步时，使c_i+1＝(u+1)c_i，U是根据weber定律通过心理物理学选取，当尺度为c_i时，设光点中心为center(c_i)；

c)若尺度为c_i的光点中心落在尺度为c_i+1的光点范围内，则光点C(center(c_i))的类被划分到光点C(center′(c_i+1))的类中；

d)若有两个或更多光点在尺度为c_i时的光点中心，落入同一光点内，则当光点尺度增加至c_i+1时，这些光点融入到同一类中，循环该过程，直至所有数据都融入同一类中，结束聚类；

(2)以人类感知结构的方式进行数据划分，并分析数据的聚类是否有效；

①基于生物物理学中的weber定律与聚类算法结合，判定尺度变化的范围，并对图像进行分类；

②采用聚类分析图像数据是否有类可聚，当数据均匀随机分布时，聚类所包含的个数呈严格单调下降变化，即变化函数斜率为常数K；

③若图像类的划分区间为(c₁，c₂)，则该类的有效性度量t＝ln c₂-ln c₁，根据t的大小判断该类是否稳定；

D.识别图像信息，在线检测易拉罐质量，使用双层传送装置剔除不合格产品，完成易拉罐缺陷在线检测；

所述步骤D的具体实现方式为：

(1)利用上述步骤对在线视觉检测系统中的图像进行预处理和聚类分析，识别出图像中不符合生产质量标准的易拉罐；

①在不同尺度下对图像进行分类，根据图像的细节信息，明显指出视频中表面有缺陷的易拉罐；

②若该易拉罐不符合生产标准，则系统发出剔除信号，该罐将不能通过检测；

(2)对于检测不合格的易拉罐，采用双层传送装置将其通过另一条传送带输出；

①传送装置的上层是一条带有开关的传送带，每个易拉罐都被放置在特定的位置，若该产品不合格，则触发底部传送带开关，易拉罐自动下落到下方传送带上输出；

②剔除不合格产品后，其余产品正常输出，完成易拉罐的检测传送任务。