技术领域
[0001] 本
发明涉及光学特征识别汽包的领域,尤其是一种基于空间光学特性的气泡识别方法。
背景技术
[0002] 众所周知的:随着先进光学成像识别技术的不断发展,食品行业、工业胶
水行业、微
电子装备、激光通信和医药品行业等应用领域对产品中气泡量也做出了严格要求,以提升产品
质量。因此对部分产品中气泡检测要求提出了更高技术要求。然而,由于各种不确定因素的存在,即使采用先进对的生产工艺及技术也难以避免气泡的产生。因此气泡检测技术作为对气泡要求严格的产品有着重要意义,如何实现精确检测是关键。
[0003] 目前,在主流的气泡检测标准中主要采用超声直接检测和机械振动的方法间接进行气泡检测。超声直接检测通过液体
导管穿过超声发生头和接收头检测导管内液体中有无气泡;机械振动间接气泡检测通过机械振动,将液体中的气泡振动脱离容器内壁,气泡上浮通过光电
传感器,
光电传感器检测出气泡有无。这些手段都只是检测出气泡的有无,无法精确检测出气泡直径及气泡多少。无法精确获得气泡具体
位置,检测
精度不高,检测效率低,无法量化分析等问题。
[0004] 随着空间光学检测技术的不断发展,其在
图像识别与目标检测方面有着明显的优势及先进性,使得基于空间光学特性的气泡识别检测问题有了更好的解决办法。利用气泡在空间光学中对光线的反射原理,可将特定
光源的形状和数量反射到高精度相机内成像,通过图像
算法对其成像数值进行平面展开,通过判断灰度图中数值的大小和分布就可计算出光源的形状和数量,进而判断出是否是气泡;还可通过平行光或小
角度光源对气泡进行照射成像,通过判定空间光学
亮度:边缘呈连续圆形,中心亮度值低的特征也可判断出被测物是否为气泡;通过识别气泡技术统计气泡数量、气泡消散时间,通过检测气泡消散时间判定物质相关特性,比如在白酒行业中通过判断气泡的大小和消散时间判定酒精度数。因此,可以在显微成像检测法的
基础上,借助空间光学特性进行透明介质内气泡的快速识别、检测和精确测量分析。
发明内容
[0005] 本发明所要解决的技术问题是提供一种基于空间光学特性的气泡识别方法,该方法基于透明介质内空间光学特性对气泡进行识别检测,从而实现透明介质内气泡的识别和检测。
[0006] 本发明解决其技术问题所采用的技术方案是:一种基于空间光学特性的气泡识别方法,采用气泡识别系统;所述气泡识别系统包括摄像机、光源、明暗可变的
背板;
[0007] 所述背板上设置有被识别体;所述摄像机上连接有PC
控制器;所述光源上连接有工控机;所述光源用于发出特定光学
频率、特定发光时长、特
定位置、特定形状光源;所述光源发出的光射向被识别体;所述摄像机用于拍摄被识别体;所述PC控制器用于采集图像、识别被识别体的气泡空间光学特征;
[0008] 并且包括以下步骤:
[0009] S1、摄像机采集不同形状光源的反射光线所成像的形状识别气泡;
[0010] 将被测气泡检测物静止放置在背板的区域内,摄像机和光源放置在被测气泡同侧,摄像机在被识别体正前方,光源放置在被识别体前方并且和摄像机成一定夹角;
[0011] S2、打光源
开关,照射在被识别体的气泡上,摄像机对被识别体进行成像;
[0012] S3、通过摄像机上连接的PC控制器对被识别体的成像通过
软件算法进行自动识别;所述软件算法可以采用采用OSTU分割法、数学形态学之二值形态学;
[0013] S4、对摄像机拍摄的图像进行二值化处理,计算出光源形状,与光源进行匹配,如果成像形状和光源形状一致,则判定被测物有气泡;比如点光源照射,气泡反射光成像也为一点,条形光源照射,气泡反射光成像也为条形;
[0014] S5、通过计算二值化图像中明暗区域大小,计算出气泡大小;
[0015] 通过计算统计二值化图像中明亮区域数量计算出气泡的数量;
[0016] 通过连续
采样拍照计算二值化图像中明亮区域消失时间,计算出气泡消散时间,进而通过气泡消散时间判定物质特性。
[0017] 进一步的,在步骤S1中在被识别体前方放置预定数量N个光源;N为大于等于2的自然数。
[0018] 进一步的,在步骤S1中在被识别体前方放置预定数量N个光源;N为大于等于2的自然数;并且光源按照一定分布方式进行布置。
[0019] 进一步的,所述分布方式可以采用沿圆弧均匀分布。
[0020] 进一步的,各个光源所发出的光源的形状不同。
[0021] 具体的,步骤S3中采用OSTU分割法对特殊
光谱特征图像识别;具体包括以下步骤:将图像先转换成灰度图;图像中
像素的灰度值A小于
阈值T的像素个数计为H0,像素灰度值A大于阈值T的像素个数计为H1;将图像大小为X*Y,阈值为T的图像中,H0的平均灰度记为h0,H1的平均灰度值记为h1;
[0022] 像素灰度值小于T的概率为:
[0023] r0=h0/(X*Y);
[0024] 像素灰度值大于T的概率为:
[0025] r1=h1/(X*Y);
[0026] h0+h1=X*Y;
[0027] r0+r1=1;
[0028] 平均灰度乘上概率再相加:
[0029] e=r0*h0+r1*h1;
[0030] 类间方差为:
[0031] d=r0(h0-e)^2+r1(h1-e)^2;
[0032] d=r0*r1(h0-h1)^2。
[0033] 具体的,所述数学形态学之二值形态学包括
腐蚀算法、膨胀算法或者灰度形态学之膨胀算法对特殊光谱特征图像识别。
[0034] 本发明的有益效果是:本发明所述的基于空间光学特性的气泡识别方法与
现有技术相比,具有如下优点和有益效果:
[0035] 1、本发明所述的一种基于空间光学特性的气泡识别方法,在
光学透镜成像的基础上借助空间光学特性对透明介质内气泡进行识别检测,避免了传统人工目视检测过程中,存在的主观干扰及难以准确量化等问题;
[0036] 2、本发明所述的一种基于空间光学特性的气泡识别方法,采用特殊光源及照射方式建立起空间光学特性气泡识别环境,采集特征建立识别模型,从而实现对透明介质内气泡的进行识别和量化检测,并通过使用大量气泡空间光学特性样本对所述气泡识别检测模型的不断强化训练,从而有效提高所述气泡模型的识别检测能
力,弥补了其它方式识别检测方法在气泡识别检测过程中准确率低、无法量化等问题。
[0037] 3、本发明所述的一种基于空间光学特性的气泡识别方法,可对气泡的消散时间进行计算和统计,可用于类似于白酒行业通过判断气泡的大小和消散时间判定白酒酒精度数等相关特性。
[0038] 4、本发明所述一种基于空间光学特性的气泡识别检测方法,通过光源形状、光源数量、光源分布式位置的相互组合,判定方法多样化,判定简单可行,判定结果准确可靠。
附图说明
[0039] 图1是本发明
实施例中气泡识别系统的结构示意图;
[0040] 图2是本发明实施例中阴雨天室内照射气泡的示意图;
[0041] 图3是本发明实施例中阴雨天室内照射气泡的光学特征;
[0042] 图4是本发明实施例中一个点光源照射气泡的示意图;
[0043] 图5是本发明实施例中一个点光源照射气泡的光学特征;
[0044] 图6是本发明实施例中两个点光源照射气泡的示意图;
[0045] 图7是本发明实施例中两个点光源照射气泡的光学特征;
[0046] 图8是本发明实施例中三个点光源照射气泡的示意图;
[0047] 图9是本发明实施例中三个点光源照射气泡的光学特征;
[0048] 图10是本发明实施例中两个条形光源照射气泡的示意图;
[0049] 图11是本发明实施例中两个条形光源照射气泡的光学特征;
[0050] 图12是本发明实施例中二值形态学腐蚀算法
流程图;
[0051] 图13是本发明实施例中二值形态学膨胀算法流程图;
[0052] 图14是本发明实施例中灰度形态学腐蚀算法流程图;
[0053] 图15是本发明实施例中灰度形态学膨胀算法流程图;
[0054] 图中标示:1-被识别体,2-摄像机,3-PC控制器,4-第一光源,5-第一工控机,6-第二光源,7-第二工控机,8-第三光源,9-第三工控机,10-背板。
具体实施方式
[0055] 下面结合附图和实施例对本发明进一步说明。
[0056] 如图1所示,本发明所述的一种基于空间光学特性的气泡识别方法,采用气泡识别系统;所述气泡识别系统包括摄像机2、光源、明暗可变的背板10;
[0057] 所述背板10上设置有被识别体1;所述摄像机2上连接有PC控制器3;所述光源上连接有工控机;所述光源用于发出特定光学频率、特定发光时长、特定位置、特定形状光源;所述光源发出的光射向被识别体1;所述摄像机2用于拍摄被识别体1;所述PC控制器3用于采集图像、识别被识别体1的气泡空间光学特征;
[0058] 并且包括以下步骤:
[0059] S1、摄像机采集不同形状光源的反射光线所成像的形状识别气泡;
[0060] 将被测气泡检测物静止放置在背板10的区域内,摄像机2和光源4放置在被测气泡同侧,摄像机2在被识别体1正前方,光源放置在被识别体1前方并且和摄像机2成一定夹角;
[0061] S2、打光源开关,照射在被识别体1的气泡上,摄像机2对被识别体1进行成像;
[0062] S3、通过摄像机2上连接的PC控制器3对被识别体11的成像通过软件算法进行自动识别;所述软件算法可以采用采用OSTU分割法、数学形态学之二值形态学;
[0063] S4、对摄像机2拍摄的图像进行二值化处理,计算出光源形状,与光源进行匹配,如果成像形状和光源形状一致,则判定被测物有气泡;比如点光源照射,气泡反射光成像也为一点,条形光源照射,气泡反射光成像也为条形;
[0064] S5、通过计算二值化图像中明暗区域大小,计算出气泡大小;
[0065] 通过计算统计二值化图像中明亮区域数量计算出气泡的数量;
[0066] 通过连续采样拍照计算二值化图像中明亮区域消失时间,计算出气泡消散时间,进而通过气泡消散时间判定物质特性。
[0067] 进一步的,在步骤S1中在被识别体1前方放置预定数量N个光源;N为大于等于2的自然数。
[0068] 进一步的,在步骤S1中在被识别体1前方放置预定数量N个光源;N为大于等于2的自然数;并且光源按照一定分布方式进行布置。
[0069] 进一步的,所述分布方式可以采用沿圆弧均匀分布。
[0070] 进一步的,各个光源所发出的光源的形状不同。
[0071] 在应用过程中:
[0072] 1、摄像机采集不同形状光源的反射光线所成像的形状识别气泡,如图2和3所示:
[0073] 将被测气泡被识别体1静止放置在特定区域内,摄像机和特定形状光源放置在被测气泡同侧,摄像机在被识别体1正前方,特定形状光源放置在被识别体1前方并且和相机成一定夹角。
[0074] 打开特定形状光源开关,照射在被识别体1的气泡上,摄像机对被识别体1进行成像。
[0075] 通过算法对图像进行二值化处理,计算出光源形状,与特定光源进行匹配,如果成像形状和特定光源形状一致,则判定被测物有气泡;比如点光源照射,气泡反射光成像也为一点,条形光源照射,气泡反射光成像也为条形。
[0076] 通过计算二值化图像中明暗区域大小,计算出气泡大小。
[0077] 通过计算统计二值化图像中明亮区域数量计算出气泡的数量。
[0078] 通过连续采样拍照计算二值化图像中明亮区域消失时间,计算出气泡消散时间,进而通过气泡消散时间判定物质特性。
[0079] 2、摄像机采集不同数量均匀放置光源的反射光线所成像的数量识别气泡,如图3和4所示:
[0080] 将被测气泡检测物静止放置在特定区域内,摄像机和特定数量光源放置在被测气泡同侧,摄像机在被识别体1正前方,特定数量光源放置在被识别体1前方并且和相机成一定夹角。
[0081] 打开特定数量光源开关,照射在被识别体1的气泡上,摄像机对被识别体1进行成像。
[0082] 通过算法对图像进行二值化处理,计算出光源数量,与特定光源数量进行匹配,如果成像数量和特定光源数量一致,则判定被测物有气泡。
[0083] 通过计算二值化图像中明暗区域大小,计算出气泡大小。
[0084] 通过计算统计二值化图像中明亮区域数量除以特定光源数量计算出气泡的数量。
[0085] 通过连续采样拍照计算二值化图像中明亮区域消失时间,计算出气泡消散时间,进而通过气泡消散时间判定物质特性。
[0086] 3、摄像机采集不同数量分布式放置光源的反射光线所成像的数量识别气泡,如图5和6所示;
[0087] 将被测气泡检测物静止放置在特定区域内,摄像机和特定数量光源放置在被测气泡同侧,摄像机在被识别体1正前方,分布式光源放置在被识别体1前方并且和相机成一定夹角。
[0088] 打开特定数量分布式光源开关,照射在被识别体1的气泡上,摄像机对被识别体1进行成像。
[0089] 通过算法对图像进行二值化处理,计算出光源数量与平面展开亮点分布,与特定光源数量和分布方式进行匹配,如果成像数量与亮点分布方式和特定光源数量与分布方式一致,则判定被测物有气泡。
[0090] 通过计算二值化图像中明暗区域大小,计算出气泡大小。
[0091] 通过计算统计二值化图像中明亮区域数量除以特定光源数量计算出气泡的数量。
[0092] 通过连续采样拍照计算二值化图像中明亮区域消失时间,计算出气泡消散时间,进而通过气泡消散时间判定物质特性。
[0093] 4、摄像机采集不同数量、不同形状、分布式放置光源的反射光线所成像的对应数量、形状、分布情况识别气泡;如图7和8所示:
[0094] 将被测气泡检测物静止放置在特定区域内,摄像机和特定数量、形状光源放置在被测气泡同侧,摄像机在被识别体1正前方,分布式光源放置在被识别体1前方并且和相机成一定夹角。
[0095] 打开特定数量、形状、分布式光源开关,照射在被识别体1的气泡上,摄像机对被识别体1进行成像。
[0096] 通过摄像机2上连接的PC控制器3对被测物体1的成像通过软件算法进行自动识别;所述软件算法可以采用采用OSTU分割法、数学形态学之二值形态学;
[0097] 对摄像机2拍摄的图像进行二值化处理,计算出光源形状,与光源进行匹配,如果成像形状和光源形状一致,则判定被测物有气泡;比如点光源照射,气泡反射光成像也为一点,条形光源照射,气泡反射光成像也为条形;
[0098] 通过计算二值化图像中明暗区域大小,计算出气泡大小;
[0099] 通过计算统计二值化图像中明亮区域数量计算出气泡的数量;
[0100] 通过连续采样拍照计算二值化图像中明亮区域消失时间,计算出气泡消散时间,进而通过气泡消散时间判定物质特性。
[0101] 具体的,采用OSTU分割法对特殊光谱特征图像识别;具体包括以下步骤:将图像先转换成灰度图;图像中像素的灰度值A小于阈值T的像素个数计为H0,像素灰度值A大于阈值T的像素个数计为H1;将图像大小为X*Y,阈值为T的图像中,H0的平均灰度记为h0,H1的平均灰度值记为h1;
[0102] 像素灰度值小于T的概率为:
[0103] r0=h0/(X*Y);
[0104] 像素灰度值大于T的概率为:
[0105] r1=h1/(X*Y);
[0106] h0+h1=X*Y;
[0107] r0+r1=1;
[0108] 平均灰度乘上概率再相加:
[0109] e=r0*h0+r1*h1;
[0110] 类间方差为:
[0111] d=r0(h0-e)^2+r1(h1-e)^2;
[0112] d=r0*r1(h0-h1)^2。
[0113] 具体的,所述数学形态学之二值形态学包括腐蚀算法、膨胀算法或者灰度形态学之膨胀算法对特殊光谱特征图像识别。
[0114] 实施例
[0115] 1、通过光学技术捕捉气泡的空间光学特性体;
[0116] 采用气泡识别系统;所述气泡识别系统包括摄像机2、光源、明暗可变的背板10;所述背板10上设置有被识别体1;所述摄像机2上连接有PC控制器3;所述光源上连接有工控机;所述光源用于发出特定光学频率、特定发光时长、特定位置、特定形状光源;所述光源发出的光射向被识别体1;所述摄像机2用于拍摄被识别体1;所述PC控制器3用于采集图像、识别被识别体1的气泡空间光学特征;
[0117] 并且按照以下步骤进行:
[0118] S1、
照相机采集不同形状光源的反射光线所成像的形状识别气泡;
[0119] 将被测气泡检测物静止放置在背板10的区域内,摄像机2和光源4放置在被测气泡同侧,摄像机2在被识别体1正前方,光源放置在被识别体1前方并且和摄像机2成一定夹角;
[0120] S2、打光源开关,照射在被识别体1的气泡上,摄像机2对被测物体进行成像。
[0121] 2、软件算法对特殊光谱特征图像识别:
[0122] 基于OSTU分割法、数学形态学中二值形态学和灰度形态学和其它特殊算法,对有多光谱特征的输液袋图像上的数字、字母、汉字、图像以及异物实现识别功能。
[0123] OSTU分割法:
[0124] 将图像先转换成灰度图。图像中像素的灰度值A小于阈值T的像素个数计为H0,像素灰度值A大于阈值T的像素个数计为H1;将图像大小为X*Y,阈值为T的图像中,H0的平均灰度记为h0,H1的平均灰度值记为h1;
[0125] 像素灰度值小于T的概率为:
[0126] r0=h0/(X*Y);
[0127] 像素灰度值大于T的概率为:
[0128] r1=h1/(X*Y);
[0129] h0+h1=X*Y;
[0130] r0+r1=1;
[0131] 平均灰度乘上概率再相加:
[0132] e=r0*h0+r1*h1;
[0133] 类间方差为:
[0134] d=r0(h0-e)^2+r1(h1-e)^2;
[0135] d=r0*r1(h0-h1)^2
[0136] 数学形态学之二值形态学
[0137] 腐蚀算法:
[0138] 简单理解为将目标区域范围减小,从图像的直观感受上为图像边界在收缩;在实际应用上多用于消除噪点或者不需要的目标。表达式为:
[0139]
[0140] 上述表达式表示为用集合B腐蚀集合A,即让B以一个起始点在A中移动,与A重叠区域做卷积,如果B位置上和A位置上的数值相同则输出结果为1,否则输出结果为0。如图12所示二值形态学腐蚀算法流程图。
[0141] 膨胀算法:
[0142] 简单理解为将目标区域范围增大,从图像的直观感受上为图像边界在扩张;在实际应用上多用于填补目标区域空洞和消除小颗粒噪声。表达式为:
[0143]
[0144] 上述表达式表示为用集合B膨胀集合A,即让B以一个起始点在A中移动,与A重叠区域做卷积,如果B位置上和A位置上的数值做交集不为空则输出结果为1,否则输出结果为0。如图13所示二值形态学膨胀算法流程图。
[0145] 数学形态学之灰度形态学
[0146] 图像元素记为A,结构元素记为B,结构元素
覆盖住图像的区域记为C。
[0147] 灰度形态学之腐蚀:
[0148] 简单理解为做卷积的操作,用A减去结构元素B形成的小矩形C,取C中最小值,赋值到B对应的原点。如图14所示,灰度形态学腐蚀算法流程图。
[0149] 灰度形态学之膨胀算法:
[0150] 简单理解为做卷积的操作,用A加上结构元素B形成的小矩形C,取C中最大值,赋值到B对应的原点。如图15所示灰度形态学膨胀算法流程图。
[0151] 基于以上算法对图像进行二值化处理,计算出光源数量与平面展开亮点分布,与特定光源形状进行匹配,与特定光源数量和分布方式进行匹配,如果成像数量、形状与亮点分布方式和特定光源数量、形状与分布方式一致,则判定被测物有气泡。
[0152] 通过计算二值化图像中明暗区域大小,计算出气泡大小。
[0153] 通过计算统计二值化图像中明亮区域数量除以特定光源数量计算出气泡的数量。
[0154] 通过连续采样拍照计算二值化图像中明亮区域消失时间,计算出气泡消散时间,进而通过气泡消散时间判定物质特性。