(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210090541.2 (22)申请日 2022.01.25 (71)申请人 张弛 地址 610200 四川省成 都市双流区公兴街 道物联二路1号 (72)发明人 张弛　 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/22(2022.01) G06V 10/30(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/56(2022.01) G06V 30/224(2022.01) (54)发明名称 瓶装水标签缺陷智能化视 觉精细检测方法 (57)摘要 本申请基于实际生产需求对瓶装水进行外 包装标签的缺陷检测， 一是瓶装 水标签的前置处 理， 首先对标签图像滤波去噪， 然后针对标签缺 陷检测进行灰度化， 最后再对图像进行增强； 二 是标签自适应定位， 基于标签图像的形态特征进 行处理后， 依次采用标签自适应分割和边缘精细 检测准确定位标签； 三是标签缺陷的精细检测， 依次对标签是否是缺标、 接头标、 大小标、 高低标 和褶皱标 五种缺陷进行判定， 只有排出这五种缺 陷时， 才会判定标签为合格标签， 用色彩特征来 检测接头标， 用求边界的最高点和最低点来判定 高低标、 褶皱标和大小标， 长时间跨度面对各种 复杂情况的稳定性和效果好， 具有巨大的应用价 值。 权利要求书5页 说明书15页 附图10页 CN 114445707 A 2022.05.06 CN 114445707 A 1.瓶装水标签缺陷智能化视觉精细检测方法， 其特征在于， 首先采集待检测的标签图 像， 然后对获取到的图像进行前置处理和目标区域定位， 最后判定标签图像是否有缺陷并 对缺陷进行分类； 基于实际生产需求对瓶装水进行外包装标签的缺陷检测， 一是瓶装水标 签的前置处理， 二是标签自适应定位， 三是标签缺陷的精细检测， 检测的标签缺陷包括： 缺 标、 接头标、 大小标、 高低标和褶皱标共五种标签缺陷， 在检测到缺陷后， 系统发出指 令将有 缺陷的产品移出生产线； 第一， 瓶装水标签的前置处理： 首先对标签图像滤波去噪， 然后针对标签缺陷检测进行 灰度化， 最后再对图像进行增强； 具体包括： 一是标签图像的检测区域选取， 二是瓶装水标 签图像的特征解析， 三是标签图像的滤波去噪， 四是针对标签缺陷检测的灰度化， 五是标签 图像的增强； 第二， 标签自适应定位： 基于标签图像的形态特征进行处理后， 依次采用标签自适应分 割和边缘精细检测准确定位标签； 具体包括： 一是标签区域的形态特征处理， 二是标签图像 的自适应分割， 三是边 缘精细检测； 第三， 标签缺陷的精细检测： 依次对标签是否是缺标、 接头标、 大小标、 高低标和褶皱标 五种缺陷进 行判定， 只有排出这五种缺陷时， 才会判定标签为合格标签； 最先通过寻找是否 存在标签来判定是否缺标， 用色彩特征来检测接头标， 用求边界的最高点和 最低点来判定 高低标、 褶皱标和大小标； 具体包括： 一是标签缺陷的特征提取， 二是缺标、 接头标、 大小标、 高低标和褶皱标五种缺陷的缺陷检测方法。 2.根据权利要求1所述瓶装水标签缺陷智能化视觉精细检测方法， 其特征在于， 标签图 像的滤波去 噪： 用含有奇数个点的滑动模板对待检测图像进行遍历， 每次都将窗口所在位 置的像素按照灰度大小按顺序排列， 选择排列之后的中值作为该区域的灰度值， 二维中值 滤波窗口采用3 *3方形模板， 只考虑变化的像素对窗口像素的影响， 具体实现步骤是： 第一步： 定义一个直方图数组， 用来存 储窗口的像素数据； 第二步： 在每次窗口移动之后， 先判定要处理的像素是否在图像像素的第 一列上， 如果 待处理像素不在第一列， 只在直方图上删除失去的像素数据， 再加上后面加上的像素数据； 如果在第一列， 就将直方图数组清零， 再对窗口数据重新统计； 第三步： 根据处理的像素数是否达到窗口数组的长度判定是否将所有的像素全部处理 完毕， 如果没有， 继续第二 步。 3.根据权利要求1所述瓶装水标签缺陷智能化视觉精细检测方法， 其特征在于， 针对标 签缺陷检测的灰度化： 综合比较RGB色彩模型的取G值灰度化的结果、 HSV色彩模型取V值灰 度化的结果和HSI色彩模型取I值灰度化的结果， 无论是从灰度图的清晰度还是亮度考虑， 都是RGB模型灰度化的效果最好， 其中， I分量灰度化和V分量灰度化的结果差别不大， 但是 在小细节上采用I分量灰度化比采用V分量灰度化要清晰， 基于此， 采用RGB色彩模型进 行灰 度化， 并且取 灰度值Gray＝G。 4.根据权利要求1所述瓶装水标签缺陷智能化视觉精细检测方法， 其特征在于， 标签图 像的增强： 假设在标签图像中， 灰度级为r的图像其灰度值为rk， k＝0,1,2, …,L,其中L是正 整数， 该图像的灰度取值范围为0至L， 每个灰度级出现的频率用p(ri)表示， 设 图像中总像 素有N个， 灰度值取ri的像素有ni个， 则：权　利　要　求　书 1/5 页 2 CN 114445707 A 2在开始直方图均衡时， 将ri归一化， 为了保证原灰度图的像素映射之后， 大小关系保持 不变， 采用值 域为[0， 1]的单调递增函数， 具体的映射方法为： 在完成上述过程后得到的图像中， 其共有L个灰度值， 分别是0， 1/(L ‑1)， 2/(L‑1)， Λ， (L‑2)/(L‑1)， 1， Si的值必须为这L个 值中的一个， 当计 算出的Si的值不属于 这L个值时， 取其 值为离当前Si最近的k/(L ‑1)， 其中k ＝0,1,2,Λ,(L ‑1)； 标签图像的增强的步骤为： 一是计算原始图像的灰度直方图； 二是求出各像素映射之 后的灰度值； 三是对取值 不属于映射之后的L个灰度级的点的灰度值取合 适的k/(L ‑1)。 5.根据权利要求1所述瓶装水标签缺陷智能化视觉精细检测方法， 其特征在于， 标签区 域的形态特征处理： 对灰度化之后的标签图像进行特征腐蚀， 设二值图像为M， 结构元素为 N， 当采用结构元素N对图像M进行腐 蚀时， N在M上进行平移， 在点(x， y)处， 此时结构元素记 为Nxy， 当N对M进行腐蚀时， 在某一时刻， N平移到点(x， y)处， 当N包含N时， 处理之后该点的图 像值取1， 否则取0， 在瓶装水的标签检测中， 形态特征处理可以平滑二值图像的边缘， 消除 二值图中间一些细小的白色区域， 使 整个区域具有连通 性。 6.根据权利要求1所述瓶装水标签缺陷智能化视觉精细检测方法， 其特征在于， 标签图 像的自适应 分割： 采用灰度图来进 行自适应分割， 对标签灰度图上所有像素点进 行处理， 使 得其灰度值a满足a＝0或a＝255， 对于标签灰度图像， 选取灰度值T作为临界值， 以T作为一 个分割标准线来处 理像素点， 当a≥T时， 在该点处， 取a＝25 5； 当a＜T时， 在该点处， 取a＝0； 设图像上某一点的灰度值是i， 设置一个值T， 利用i值与T的比较结果， 使得待处理的图 像分成两个不同的部 分， 求取前景和背 景的类间方差， 当类间方差值最大时， 前景和背景的 差别最大， 此时的住值T就是最佳临界值； 对于图像I(x， y)， 其灰度取值范围为0,1,2， Λ， L ‑1， 如果图像上总共有N个像素点， 灰 度值为i的像素点， 其数目为 ni， 则有： 每个灰度值出现的频率 为： 根据设定的临界值T， 将图像分为S0和S1两类， 如果i＜T， 那么i∈S0， 如果i≥T， i∈S1， 则 S0出现的概 率k0和像素灰度均值v0为： 权　利　要　求　书 2/5 页 3 CN 114445707 A 3