[发明专利]基于图像处理的塑料餐盒缺陷检测方法、装置及系统

权利要求书

1.一种基于图像处理的塑料餐盒缺陷检测方法，其特征在于，包括：

获取待检测的塑料餐盒的待测图像；

对所述待测图像依次进行去噪处理和灰度处理，获得灰度图像；

根据所述灰度图像中各个像素点的灰度值，确定所述灰度图像中任一所述像素点属于背景区域的第一概率，和属于目标区域的第二概率；

根据所述第一概率计算背景区域熵，根据所述第二概率计算目标区域熵；基于最大熵原理，根据所述背景区域熵和所述目标区域熵确定待测阈值；

将所述灰度图像中各个所述像素点的灰度值与所述待测阈值进行对比，根据对比结果对所述灰度图像进行分割，获得目标区域图像；

采用余弦相似度度量方法，确定所述目标区域图像与塑料餐盒标准图像之间的相似度，并比对所述相似度与预设阈值；

根据比对结果确定所述待检测的塑料餐盒是否存在缺陷；

所述根据所述灰度图像中各个像素点的灰度值，确定所述灰度图像中任一所述像素点属于背景区域的第一概率，和属于目标区域的第二概率，包括：

根据所述灰度图像中各个所述像素点的灰度值，采用第五公式确定所述第一概率，所述第五公式包括：

，

其中，表示所述灰度图像中任一所述像素点属于背景区域的所述第一概率，表示所述待测阈值，表示灰度值为的像素点在所述灰度图像中出现的概率，表示所述灰度图像中灰度值为的像素点数量，表示所述灰度图像中的像素总量；

采用第六公式确定所述第二概率，所述第六公式包括：

,

其中，表示所述灰度图像中任一所述像素点属于目标区域的所述第二概率，表示所述灰度图像的灰度级数；

所述根据所述第一概率计算背景区域熵，根据所述第二概率计算目标区域熵，包括：

根据所述第一概率采用第七公式计算所述背景区域熵，所述第七公式包括：

，

其中，表示所述背景区域熵；

根据所述第二概率采用第八公式计算所述目标区域熵，所述第八公式包括：

，

其中，表示所述目标区域熵。

2.根据权利要求1所述的基于图像处理的塑料餐盒缺陷检测方法，其特征在于，所述根据比对结果确定所述待检测的塑料餐盒是否存在缺陷之后，还包括：

当所述待检测的塑料餐盒存在缺陷时，确定所述待测图像中的缺陷区域和所述目标区域图像的最小外接矩形的尺寸；

根据所述缺陷区域和所述最小外接矩形的尺寸确定所述缺陷区域在所述待测图像中的填充度；对所述目标区域图像进行边界检测，确定所述目标区域图像中的商标所在区域；

判断所述最小外接矩形的尺寸是否在预设阈值范围内，且判断所述填充度是否小于或等于预设的填充度阈值，且将所述目标区域图像与所述塑料餐盒标准图像进行匹配，判断所述商标所在区域是否包含于所述塑料餐盒标准图像上预设的检测框内；

根据判断结果对所述缺陷进行分类，确定所述缺陷的类型。

3.根据权利要求1所述的基于图像处理的塑料餐盒缺陷检测方法，其特征在于，所述对所述待测图像依次进行去噪处理和灰度处理包括：

采用相邻区域平均去噪算法对所述待测图像进行去噪，获得去噪后的图像；

对所述待测图像和所述去噪后的图像进行相减运算，并将运算结果与预设的特征阈值进行对比，根据对比结果生成特征增强图像；

对所述特征增强图像进行灰度处理，获得所述灰度图像。

4.根据权利要求1所述的基于图像处理的塑料餐盒缺陷检测方法，其特征在于，所述基于最大熵原理，根据所述背景区域熵和所述目标区域熵确定所述待测阈值，包括：

将所述背景区域熵和所述目标区域熵相加，获得所述灰度图像的图像熵，所述图像熵采用第九公式表示，所述第九公式包括：

，

其中，表示所述灰度图像的所述图像熵，表示所述背景区域熵，表示所述目标区域熵；

基于最大熵原理，采用第十公式确定所述图像熵最大时的所述待测阈值，所述第十公式包括：

，

其中，表示所述待测阈值。