基于X射線圖像的堅(jiān)果盒異物檢測(cè)
2021-05-27 15:37:23 來(lái)源: 食品安全導(dǎo)刊
評(píng)論0條 我來(lái)說(shuō)兩句
□ 蘇思懿 阮順杰 方逸肖 林翰 應(yīng)宏微(通信作者) 寧波工程學(xué)院電子與信息工程學(xué)院
摘 要:針對(duì)堅(jiān)果盒中混入異物的問(wèn)題,本文提出一種基于X射線圖像的非接觸式異物檢測(cè)技術(shù)——采用標(biāo)準(zhǔn)測(cè)片模擬堅(jiān)果盒內(nèi)的異物、基于數(shù)字圖像處理技術(shù)提取出X射線圖像中物體的多種特征,據(jù)此實(shí)現(xiàn)對(duì)堅(jiān)果盒內(nèi)異物的自動(dòng)檢測(cè)。實(shí)驗(yàn)結(jié)果表明,該檢測(cè)算法可實(shí)時(shí)精確地檢測(cè)異物,檢出率為99.6%、誤檢率為1.3%,有利于提高堅(jiān)果盒的生產(chǎn)質(zhì)量。
關(guān)鍵詞:堅(jiān)果盒 X射線圖像 圖像處理 異物檢測(cè)
1 引言
現(xiàn)如今,堅(jiān)果盒中混入異物的情況時(shí)有發(fā)生,如生產(chǎn)線上的螺絲松動(dòng)掉入食品中、原材料本身含有小石子等雜質(zhì)……且食品中可能摻入的異物種類很多,如金屬、玻璃、塑料、毛發(fā)、砂石等,誤食后易造成人身傷害。因此,在堅(jiān)果盒的生產(chǎn)和包裝過(guò)程中,諸如光學(xué)檢測(cè)、核磁共振技術(shù)等檢查方法常被應(yīng)用于異物檢測(cè)[1,2]。然而,光學(xué)檢測(cè)技術(shù)往往只可用于檢測(cè)產(chǎn)品表面的異物,核磁共振技術(shù)的成本及要求較高,且僅對(duì)石頭等部分異物的檢測(cè)效果較為明顯?;赬射線圖像的異物檢測(cè)是一種更有效的檢測(cè)方法,由于X射線對(duì)不同材質(zhì)的物體具有不同的穿透率,即穿透堅(jiān)果盒后會(huì)形成深淺不一的灰度圖像,即灰度值體現(xiàn)了物體的密度特征。因此,可以利用圖像處理的方法根據(jù)不同區(qū)域的灰度值和形態(tài)特征自動(dòng)判定是否存在異物。
2 檢測(cè)方法
2.1 材料
為比較識(shí)別算法的性能,采用標(biāo)準(zhǔn)測(cè)片模擬混入堅(jiān)果盒中的異物:直徑分別為4、3、2、1.5、1.0mm的石英球測(cè)片5顆;直徑分別為0.8、0.7、0.6、0.5、0.4、0.3mm的304不銹鋼球測(cè)片6顆;直徑分別為5、4、3、2、1.5、1mm的陶瓷球測(cè)片6顆;長(zhǎng)度為2mm,線徑分別為0.7、0.6、0.5、0.4、0.3、0.2mm的304不銹鋼線測(cè)片6條。以上測(cè)片的大小、密度、材質(zhì)等特征與堅(jiān)果盒日常所混入異物的特征基本相似。
將堅(jiān)果盒分為A、B兩組,在A組堅(jiān)果盒內(nèi)放入異物標(biāo)準(zhǔn)測(cè)片,B組作為對(duì)照組保持無(wú)異物。根據(jù)堅(jiān)果在盒內(nèi)的分布均勻程度,A組又分為堅(jiān)果平鋪A1組和堅(jiān)果側(cè)鋪A2組;B組也分為堅(jiān)果平鋪B1組和堅(jiān)果側(cè)鋪B2組。采用50kv、1500μa的X射線掃描得到A1、A2、B1、B2這4組X射線圖像用于算法測(cè)試,如圖1所示。
圖 1 堅(jiān)果盒內(nèi) X 射線圖像示例
2.2 算法描述
通過(guò)對(duì)A1、A2、B1、B2這4組圖像集的分析,基于所提出的檢測(cè)算法步驟如下。
①分割原始圖像,去除堅(jiān)果盒外接矩形以外的部分,得到感興趣區(qū)域R。
②采用Sobel算法[4]強(qiáng)化感興趣區(qū)域內(nèi)部的邊緣信息,得到邊緣圖像E,同時(shí)使堅(jiān)果盒內(nèi)部的果肉和異物的邊緣輪廓得到加強(qiáng)。
③經(jīng)過(guò)以上處理后得到的Sobel邊緣圖像E是灰度圖,故必須轉(zhuǎn)換為二值圖才能區(qū)分邊緣與背景。設(shè)置閾值T0,當(dāng)E中的像素灰度值大于T0時(shí),設(shè)其為邊緣,賦其值為255(白色);否則設(shè)為背景,賦其值為0(黑色),從而獲得二值圖像B。
④由于堅(jiān)果盒內(nèi)邊框的灰度值和異物灰度值較為接近,而邊框的存在會(huì)對(duì)異物檢測(cè)準(zhǔn)確率起到較大影響,故必須屏蔽內(nèi)邊框。內(nèi)邊框一般以果盒中心為圓心,直徑略小于盒外徑,因此將這個(gè)圓外的區(qū)域全部置為0就可以屏蔽果盒內(nèi)邊框。定于閾值T1=盒內(nèi)直徑/盒外直徑,T1=0.9時(shí),可以較好的屏蔽果盒內(nèi)邊框。
⑤檢測(cè)出圖像B內(nèi)的連續(xù)閉合曲線,即閉合輪廓,然后填充輪廓內(nèi)部,形成塊狀連通域[5,6],異物塊形狀基本得到顯現(xiàn)。
⑥連通域填充后進(jìn)行腐蝕運(yùn)算[7],其目的在于將面積過(guò)小的連通域(主要是圖像噪聲)消除,同時(shí)將過(guò)于靠近的連通域分離。然后,進(jìn)行一次膨脹運(yùn)算,維持剩下的連通域面積基本不變。
⑦采用4連通判別算法來(lái)對(duì)各個(gè)連通域進(jìn)行標(biāo)注,賦予每個(gè)連通域唯一的編號(hào)。
⑧由于異物與其局部的周邊環(huán)境差異較大,故需獲取異物周邊的特征,為此進(jìn)行連通域膨脹,膨脹次數(shù)T2=3,標(biāo)注出每個(gè)連通域的外圍區(qū)域,計(jì)算出外圍區(qū)域平均灰度(OutAvgG)。
⑨計(jì)算每個(gè)連通域的面積(area)、內(nèi)部的平均灰度(InAvgG)及最小灰度(minG),并統(tǒng)計(jì)異物數(shù)量。
2.3 參數(shù)說(shuō)明
根據(jù)上述算法,需要對(duì)連通域外圍區(qū)域平均灰度(OutAvgG)、連通域面積(area)、連通域內(nèi)部平均灰度(InAvgG)及連通域最小灰度(minG)這4個(gè)參數(shù)進(jìn)行測(cè)定,以判別連通域是否為異物。
異物的面積通常有一個(gè)范圍,若連通域的面積在范圍之外,則該區(qū)域判別為非異物,判別公式如(1)所示。
式中:L為連通域集,x為連通域標(biāo)記值,area(x)為標(biāo)記值等于x的連通域的面積,T3為異物的最小面積。當(dāng)連通域面積小于T3時(shí),則該連通域不是異物。
異物的灰度值通常較低,即看上去顏色較暗。若異物內(nèi)部的最低灰度值大于閾值T4,則該連通域不是異物,判別公式如(2)所示。
式中:minG(x)表示標(biāo)記值為x的連通域的最小灰度,T4為異物的最低灰度值。
通常情況下,異物周圍的環(huán)境灰度較高,因此異物連通域的平均灰度值和外圍區(qū)域的平均灰度值的差值通常大于閾值T5,小于該閾值則說(shuō)明該連通域與周圍環(huán)境差別不大,即可認(rèn)為是異物,判別公式如(3)所示。
式中:OutAvgG(x)表示標(biāo)記值為x的連通域的外圍部分的平均灰度值,InAvgG(x)表示標(biāo)記值為x的連通域的內(nèi)部平均灰度值。
3 檢測(cè)結(jié)果
圖 2 檢測(cè)效果圖
在上節(jié)所述的T0~T5共6個(gè)閾值中,T0~T2是程序閾值、T3~T5是異物特征約束閾值。實(shí)驗(yàn)發(fā)現(xiàn),當(dāng)T0=100、T1=0.9、T2=3、T3=4、T4=140、T5=10時(shí),檢測(cè)算法的綜合性能最優(yōu),檢測(cè)效果如圖2所示,具體性能指標(biāo)如表1所示。
圖2與表1的數(shù)據(jù)充分證明了本算法的有效性。在實(shí)際的X光機(jī)產(chǎn)品參數(shù)調(diào)試中,若已知異物的種類組合,通過(guò)調(diào)節(jié)參數(shù)閾值還可以進(jìn)一步提高檢測(cè)率、降低潛在的誤檢率。本文所提出的檢測(cè)算法在測(cè)試電腦(主頻2.5GHZ,內(nèi)存8G)上處理一幅X射線圖像的時(shí)間約為40~80ms,可以滿足每秒至少處理12幅圖像的速度需求。
4 結(jié)論
基于堅(jiān)果盒的X射線圖像,本文采用數(shù)字圖像處理技術(shù)成功實(shí)現(xiàn)了對(duì)堅(jiān)果盒內(nèi)異物的自動(dòng)檢測(cè),所取得的檢測(cè)率、誤檢率、檢測(cè)速度等性能指標(biāo)能滿足相關(guān)企業(yè)的要求。
參考文獻(xiàn):
[1] 趙鎮(zhèn)俊.探究食品安全檢驗(yàn)檢測(cè)技術(shù)與方法[J].現(xiàn)代食品,2019(01):74-76.
[2] 王慧.化學(xué)技術(shù)在食品安全檢測(cè)中的應(yīng)用[J].現(xiàn)代食品,2019(04):166-168.
[3] 鐘永智.數(shù)字X射線圖像處理及其應(yīng)用[J].電視技術(shù),1995(04):53-59.
[4] 韓龍飛,逯超.基于改進(jìn)Sobel算子邊緣檢測(cè)的實(shí)現(xiàn)[J].汽車實(shí)用技術(shù),2019(08):109-111.
[5] 衛(wèi)洪春.一種改進(jìn)的多邊形區(qū)域填充算法[J].電腦知識(shí)與技術(shù),2016,12(02):210-212.
[6] 衛(wèi)洪春.掃描線多邊形區(qū)域填充的改進(jìn)與圖像信息提取[J].電子設(shè)計(jì)工程,2018,26(12):172-176.
[7] 王弘毅,趙歡.基于數(shù)學(xué)形態(tài)學(xué)預(yù)處理的Canny算子邊緣檢測(cè)算法[J].菏澤學(xué)院學(xué)報(bào),2019(02):25-29.
基金項(xiàng)目:浙江省教育廳科研項(xiàng)目(Y202044368);寧波工程學(xué)院科技項(xiàng)目(2020018);寧波工程學(xué)院學(xué)生科研項(xiàng)目(2019031)。
作者簡(jiǎn)介:蘇思懿(1999-),女,浙江溫州人,本科,研究方向:圖像處理。
相關(guān)熱詞搜索:
參與評(píng)論